万向锁到底锁住了什么？

先玩一下：拖三个滑块，盯住两根轴箭头（不是盯环）。把俯仰拉到 90°，看红色滚转轴怎么滑到青色偏航轴上——那一下就是万向锁的全部。在新窗口打开完整演示 ↗（画面可拖动换视角）

结论

① 万向锁丢的是「参数」的自由度，不是「姿态」的自由度。

 偏航 30°  俯仰 90°  滚转 40°  ┐
 偏航 60°  俯仰 90°  滚转 70°  ┘ 三个数字全变了 → 姿态完全相同（矩阵最大差 1.1e-16）

物体没有被锁住：它照样能转到任何姿态。是三个数字里有一个变得多余了。

② 判据是 $\cos(\text{俯仰}) = 0$，不是"俯仰等于 90°"。

退化是连续的：$1/\cos$ 型的条件数随俯仰角无界增长——60° 时 3.8 倍，85° 时 23 倍， 89° 时 117 倍，90° 时无穷。所以"业务上注意别转到 90°“没有可操作的安全边界。

③ 锁死时姿态只取决于一个组合角，而且换欧拉角顺序躲不掉。

+90°：姿态只取决于 (偏航 − 滚转)       −90°：姿态只取决于 (偏航 + 滚转)

RTR4 原话：“There is no perfect sequence that avoids gimbal lock.”

提到万向锁，多数资料会给你一段陀螺仪动画，然后说： 「当两个转轴重合时，就失去一个自由度，物体转不动了。」

这句话有两个地方经不起追问，答案就是上面那两条结论：

• 物体真的转不动了吗？没有——它照样能转到任何姿态，是三个数字里有一个变多余了。
• 那个「一个自由度」，是谁的自由度？是三个参数的，不是姿态的。

这篇文章回答这两个问题。文中的每个数字都能用文末附录的脚本复现，也能在开头那个演示里拖着滑块自己看。

一、万向锁看起来是什么样

欧拉角是三层嵌套的旋转：外层带动中层、中层带动内层。这一点必须先立住，后面的「搬轴」全靠这个结构。

外层（偏航，绕世界 Z）
  └─ 中层（俯仰，绕自己那一层转 90° 就出事）
       └─ 内层（滚转）
            └─ 物体

看图注意两点：左图三个环两两垂直，三根转轴指向三个不同方向；右图内环与外环变成了共面的，红色滚转轴箭头与青色偏航轴箭头落在同一条直线上。

轴被搬到了哪里，可以精确算出来（身体 X 轴就是滚转轴）：

「反向」还是「同向」会在第三节变成一个符号，先记住这一点。

把环隐藏掉再看一次，避免环的形状干扰判断。右图那两根箭头是一条笔直的线——这就是万向锁的全部外观。

二、它到底锁住了什么：参数塌缩，不是姿态塌缩

先给一个反例。俯仰固定在 90°：

偏航 30°  俯仰 90°  滚转 40°   →  姿态 A
偏航 60°  俯仰 90°  滚转 70°   →  姿态 B

|A − B| 的最大元素差 = 1.1e-16

三个数字全变了，姿态一模一样。所以「转不动」是错的：姿态空间毫发无伤，是参数到姿态的映射塌缩了。

顺带说清：雅可比矩阵是什么

这是全文唯一一个"外来工具”，值得花三分钟。一句话：雅可比矩阵就是多变量函数的导数矩阵。

一维时，导数 $f'(x)$ 回答"输入动一点点，输出动多少"，确切地说是 $f(x+\delta) \approx f(x) + f'(x)\delta$。 多维时这句话照样成立，只是"乘一个数"变成了"乘一个矩阵"：

对 $f:\mathbb{R}^n \to \mathbb{R}^m$，$J$ 是 $m\times n$ 矩阵，第 $i$ 行第 $j$ 列就是 $\partial f_i/\partial x_j$。 它把「参数空间里的一小步」线性地翻译成「结果空间里的一小步」。

具体到本文：函数 $f$ 是「$(\text{偏航}, \text{俯仰}, \text{滚转}) \to$ 姿态」，$n=m=3$，所以 $J$ 是 $3\times3$ 的。 （严格说姿态不是三维向量——但任何旋转都能在局部用"一根转轴 + 一个角度"表示，也就是旋转向量， 所以取 $f$ 的值域为 $\mathbb{R}^3$ 是合法的。）

有了它，前面那几个说法就都有了精确形式：

名称由来：以 19 世纪德国数学家 Carl Gustav Jacob Jacobi 命名，他研究多元微积分时引入了这套偏导矩阵。

现在可以算了。把姿态对三个角度的偏导组成矩阵，看它的秩：

秩在这里的直观含义：它数的是「三个旋钮能产生的瞬时转动方向里有几个是独立的」。秩 3 就是三个都独立；秩 2 就是有一个方向重复了——转它等于转另一个。

一句话收束：姿态空间一直是三维的，是我们用三个数字去标它，在某处标重了。

三、为什么「加」会变成「减」

既然锁死时少了一个独立方向，那姿态到底由什么决定？实测两条等价关系：

+90°：姿态只取决于 (偏航 − 滚转)
−90°：姿态只取决于 (偏航 + 滚转)

为什么符号会翻？ 回看第一节那张表：内层轴被搬到世界 $-\mathbf{Z}$ 时与偏航轴反向，两个旋钮的效果互相抵消，所以取差；被搬到 $+\mathbf{Z}$ 时同向，效果叠加，所以取和。

还有一个漂亮的旁证：让偏航和滚转反向各转 $d$（这会改变姿态），姿态变化的角度恰好是 $2d$：

反向各 10° → 姿态差  20.000°
反向各 30° → 姿态差  60.000°
反向各 60° → 姿态差 120.000°

恰好是 $2d$，因为两个旋钮在绕同一根轴转，转角直接相加。

这不是我一个人的结论。RTR4 §4.2.2（书内 p.73）原文：

“With such a value of p, we have lost one degree of freedom since the matrix only depends on one angle, r + h or r − h (but not both at the same time).”

书里用的符号是 $h/p/r$（head/pitch/roll），结论与前文完全一致。

四、这不是一个「坏点」，而是一条连续退化的路

很多人对万向锁的心智模型是「90° 是个坏点，绕开它就行」。这个模型错在把奇点当成了孤立的点。

把「姿态里的一点点变化，翻译回角度需要多少变化」算出来，就是雅可比矩阵的条件数 $\sigma_{\max}/\sigma_{\min}$。实测：

看图注意：纵轴是对数刻度。曲线在两端垂直上冲，说明放大倍数没有上界。

这条曲线的实际后果是：想让误差放大不超过 10 倍，俯仰就得夹在 $\pm 78°$ 以内；想不超过 100 倍，夹在 $\pm 88°$ 以内。这个阈值是业务拍的，不是数学给的——数学只告诉你"越靠近越糟，而且没有尽头"。

顺带修正一个常见的做法：“把相机俯仰夹在 ±89°“对数值病态几乎帮不上忙——那里误差放大还有 75 倍。它主要解决的是控制手感与视线翻转，别把它当成奇点的解法。

第二类后果更直观：两个旋钮的效果越来越分不开。让偏航和滚转各转 30°：

俯仰  60°  →  物体实际转 15.364°
俯仰  85°  →  物体实际转  2.587°
俯仰  89.9° →  物体实际转  0.052°
俯仰  90°  →  物体实际转  0.000°

看图注意：两端归零。靠近 ±90° 时，两个旋钮越来越在做同一件事、互相抵消。

第三类后果出在代码里。从旋转矩阵反解欧拉角时（RTR4 Eq 4.25）：

$\cos p \to 0$ 时，后两个式子的分子分母同时趋零。atan2(0, 0) 是没有定义的——这不是"算得不准”，是"根本没定义”，必须先判断再取一个角置零（RTR4 Eq 4.26 处理的就是这件事）。

三条合起来看：判据是 $\cos(\text{俯仰}) = 0$，但"躲开 90°“不是一个可操作的对策。 你想多安全，就得夹得多紧，而那个阈值是拍出来的。要解决就得换表示法。

五、工业界怎么处理

一句话总纲：欧拉角是「人机接口」，四元数是「内部表示」。 搞混这一点是多数万向锁 bug 的来源。

为什么"换个欧拉角顺序"救不了？ 因为奇点只是被挪走了，没有被消除。有些资料推荐 $z/x/z$ 顺序，说它只在绕 $x$ 转 $\pi$ 时才锁——这是事实，但换个方向又会锁。RTR4 p.73 说得很直接：

“There is no perfect sequence that avoids gimbal lock.”

根本原因：用 3 个参数表示 3 维旋转，奇点必然存在。要覆盖住这个空间，需要 4 个分量（四元数）或更多；3 个不够。所以这不是选哪个顺序的问题，是表示法本身的问题。

桌面与移动的差异主要落在代价上：

桌面   算力充裕，四元数与矩阵之间来回转换、归一化、球面插值 slerp 都是标配
移动   传感器融合直接给出四元数，省掉一次反解；四元数归一化用 rsqrt，
       比矩阵重正交化便宜，对低端设备友好

小结

三句话：

• 万向锁锁的是参数——三个数字里有一个变多余了，姿态空间一直是三维的
• 判据是 $\cos(\text{俯仰}) = 0$，而且退化是连续的：躲角度不是解法
• 出路是换表示法（四元数），并把欧拉角降格成"给人看的接口”

行动点：下次相机或角色转到某个角度突然不听话，先算一下 $\cos(\text{俯仰})$ 是不是快接近 0 了。如果是，别去调控制器参数——那是表示法的问题。

附录一：可直接跑的验证脚本

纯 Python 标准库，无依赖。复制下来直接运行，输出的每个数字都能和正文对上。

#!/usr/bin/env python3
"""万向锁的数值验证：秩、条件数、等价关系。纯标准库，无依赖。"""
import math

D2R, R2D = math.pi / 180, 180 / math.pi

def mm(A, B):
    return [[sum(A[i][k] * B[k][j] for k in range(3)) for j in range(3)] for i in range(3)]

def Rz(a):
    c, s = math.cos(a), math.sin(a); return [[c, -s, 0.], [s, c, 0.], [0., 0., 1.]]

def Ry(a):
    c, s = math.cos(a), math.sin(a); return [[c, 0., s], [0., 1., 0.], [-s, 0., c]]

def Rx(a):
    c, s = math.cos(a), math.sin(a); return [[1., 0., 0.], [0., c, -s], [0., s, c]]

def ap(M, v):
    return [sum(M[i][k] * v[k] for k in range(3)) for i in range(3)]

def euler(a, b, g):
    """外旋 XYZ ≡ 内旋 ZYX：偏航 a → 俯仰 b → 滚转 g"""
    return mm(mm(Rz(a), Ry(b)), Rx(g))

def rotvec(M):
    """旋转矩阵 → 旋转向量（log map）"""
    tr = M[0][0] + M[1][1] + M[2][2]
    th = math.acos(max(-1., min(1., (tr - 1) / 2)))
    if th < 1e-9:
        return [0., 0., 0.]
    v = [M[2][1] - M[1][2], M[0][2] - M[2][0], M[1][0] - M[0][1]]
    return [x * th / (2 * math.sin(th)) for x in v]

def jacobian(a, b, g, h=1e-6):
    """姿态对三个角度的偏导（中心差分）"""
    cols = []
    for d in ((h, 0, 0), (0, h, 0), (0, 0, h)):
        p = rotvec(euler(a + d[0], b + d[1], g + d[2]))
        m = rotvec(euler(a - d[0], b - d[1], g - d[2]))
        cols.append([(p[i] - m[i]) / (2 * h) for i in range(3)])
    return [[cols[j][i] for j in range(3)] for i in range(3)]

def sym_eig3(A):
    """对称 3×3 的特征值（Jacobi 旋转）"""
    a = [r[:] for r in A]
    for _ in range(60):
        if max(abs(a[0][1]), abs(a[0][2]), abs(a[1][2])) < 1e-14:
            break
        for p, q in ((0, 1), (0, 2), (1, 2)):
            if abs(a[p][q]) < 1e-16:
                continue
            th = 0.5 * math.atan2(2 * a[p][q], a[q][q] - a[p][p])
            c, s = math.cos(th), math.sin(th)
            for k in range(3):
                ap_, aq_ = a[k][p], a[k][q]
                a[k][p] = c * ap_ - s * aq_; a[k][q] = s * ap_ + c * aq_
            for k in range(3):
                ap_, aq_ = a[p][k], a[q][k]
                a[p][k] = c * ap_ - s * aq_; a[q][k] = s * ap_ + c * aq_
    return sorted(a[i][i] for i in range(3))

def singular_values(J):
    """JᵀJ 的特征值 → 奇异值（升序）"""
    JtJ = [[sum(J[k][i] * J[k][j] for k in range(3)) for j in range(3)] for i in range(3)]
    return [math.sqrt(max(v, 0.0)) for v in sym_eig3(JtJ)]

def rank(M, tol=1e-4):
    A = [r[:] for r in M]; r = 0
    for c in range(3):
        piv = max(range(r, 3), key=lambda i: abs(A[i][c]))
        if abs(A[piv][c]) < tol:
            continue
        A[r], A[piv] = A[piv], A[r]
        for i in range(3):
            if i != r and A[i][c] != 0:
                f = A[i][c] / A[r][c]
                for j in range(3):
                    A[i][j] -= f * A[r][j]
        r += 1
    return r

def geo_angle(A, B):
    """两个旋转矩阵之间的夹角（度）"""
    tr = sum(A[i][k] * B[i][k] for i in range(3) for k in range(3))
    return math.degrees(math.acos(max(-1., min(1., (tr - 1) / 2))))

# ── ① 秩、σ_min、条件数 ──
print("俯仰     秩     σ_min        条件数")
for d in (0, 30, 60, 80, 85, 89, 89.9, 89.99, 90):
    J = jacobian(0.3, d * D2R, 0.7)
    s = singular_values(J)
    c = (s[2] / s[0]) if s[0] > 1e-15 else float("inf")
    print(f"{d:>5}°   {rank(J)}   {s[0]:.3e}   {c:>10.1f}")

# ── ② 等价关系：锁死时姿态由什么决定 ──
for sign, lbl in ((+1, "+90°"), (-1, "-90°")):
    b = sign * math.pi / 2
    r0 = euler(30 * D2R, b, 40 * D2R)
    for tag, r1 in (("同向各 +30°", euler(60 * D2R, b, 70 * D2R)),
                    ("反向各 ±30°", euler(60 * D2R, b, 10 * D2R))):
        md = max(abs(r0[i][j] - r1[i][j]) for i in range(3) for j in range(3))
        hit = "  ← 姿态不变" if md < 1e-9 else ""
        print(f"俯仰 {lbl} {tag} → 最大差 {md:.2e}{hit}")

# ── ③ 内层轴（身体 X）被搬到哪 ──
for d in (90, -90):
    v = ap(Ry(d * D2R), [1, 0, 0])
    print(f"俯仰 {d:>4}°：身体 X 轴 → [{v[0]:+.3f} {v[1]:+.3f} {v[2]:+.3f}]（偏航轴 = [0 0 1]）")

# ── ④ 两个旋钮各转 30°，物体实际转了多少 ──
for d in (60, 85, 89.9, 90):
    b = d * D2R
    print(f"偏航滚转各 +30° @ 俯仰 {d:>5}° → 姿态差 "
          f"{geo_angle(euler(30*D2R, b, 40*D2R), euler(60*D2R, b, 70*D2R)):>8.3f}°")

# ── ⑤ 反向各转 d → 姿态变化恰好 2d ──
for d in (10, 30, 60):
    b = math.pi / 2
    print(f"反向各 {d:>2}° @ 俯仰 90° → 姿态差 "
          f"{geo_angle(euler(30*D2R, b, 40*D2R), euler((30+d)*D2R, b, (40-d)*D2R)):>8.3f}°")

运行输出的关键几行（下面是实际跑出来的，不是示意）：

俯仰     秩     σ_min        条件数
   60°   3   3.795e-01          3.8
   80°   3   1.316e-01         11.7
   85°   3   6.646e-02         23.4
   89°   3   1.339e-02        117.3
 89.9°   3   1.342e-03       1172.9
89.99°   3   1.342e-04      11729.6
   90°   2   8.904e-09   176791469.8

俯仰 +90° 同向各 +30° → 最大差 1.11e-16  ← 姿态不变
俯仰 -90° 反向各 ±30° → 最大差 5.55e-17  ← 姿态不变
俯仰   90°：身体 X 轴 → [+0.000 +0.000 -1.000]（偏航轴 = [0 0 1]）
偏航滚转各 +30° @ 俯仰    60° → 姿态差   15.364°
偏航滚转各 +30° @ 俯仰    85° → 姿态差    2.587°
偏航滚转各 +30° @ 俯仰  89.9° → 姿态差    0.052°
反向各 30° @ 俯仰 90° → 姿态差   60.000°

最后那一行 90° 值得停一下：理论上 $\sigma_{\min} = 0$、条件数应为 $\infty$，脚本却给出 $8.9\times10^{-9}$ 与 $1.77\times10^8$。 这不是算错了，而是中心差分在奇点上的必然结果——$\sigma_{\min}$ 在那里对浮点误差的敏感度本身就是无穷。这也顺带说明：“奇点处数值不可靠"是字面意义上的不可靠，不是"精度差一点”。

注意 euler() 用的是外旋 XYZ ≡ 内旋 ZYX（偏航 → 俯仰 → 滚转）。换别的顺序结论的形式会变（哪个角跟哪个角组合、符号怎么取），但"秩掉到 2、姿态只取决于一个组合角"这个结构不变。

附录二：这条链上的常见追问

万向锁是什么
  → 为什么中间轴转到 90° 就锁（内层轴被搬到与外层轴共线）
  → 怎么证明"丢了一个自由度"（雅可比矩阵秩 3 → 2）
  → 那 85° 有没有影响（有，但有分寸：条件数 23，误差放大 15 倍 —— 
     说"85° 已经锁死了"同样是错的）
  → 3 个参数为什么必然有奇点（3 维旋转空间的参数化，需要 4 个分量才能覆盖住）
  → 四元数为什么能解决（单位四元数是 4 维空间里的球面，覆盖旋转空间两次，处处无奇点）
  → 那欧拉角为什么没被淘汰（动画师的曲线编辑器；它是接口，不是内部表示）
  → 手机上怎么处理的（传感器融合直接输出四元数，从源头不产生欧拉角）

参考

• RTR4 §4.2.1–4.2.2（书内 p.71–73），Real-Time Rendering, 4th Edition
  • §4.2.1 末尾点出欧拉角的两个局限：两组不同欧拉角可给出同一姿态（插值不该转）、gimbal lock
  • Eq 4.22（$E(h,p,r) = R_z(r)R_x(p)R_y(h)$）、Eq 4.25（反解）、Eq 4.26（锁死时的特例）
  • p.73："There is no perfect sequence that avoids gimbal lock."
• RTR4 参考文献 [499]：Frykholm, What Is Gimbal Lock and Why Do We Still Have to Worry about It?
• 本文所有数值均由附录脚本在本机算出