矢量叉乘与反对称矩阵¶

来源与可靠性说明 本文是经典线性代数 / 刚体运动学内容，属教科书级标准结论（任意《线性代数》或《机器人学》《多体动力学》教材的"叉积与反对称矩阵"章节均可查到）。全文 ✅ 已用 Python 数值核对四个核心恒等式（见第四节），可作为后续惯性导航系列共用的数学地基，放心引用。

为什么惯导要关心叉乘¶

在惯性导航里，叉乘不是抽象运算，而是天天打交道的"零件"：

• 角速度积分：姿态的微小增量来自 \(\boldsymbol\omega\,\mathrm dt\)，姿态更新（四元数 / 旋转向量）本质是把角速度"叉"进当前姿态；
• 科氏加速度：旋转系里的附加加速度 \(\mathbf a_c = 2\boldsymbol\omega\times\mathbf v\)；
• insupdate 的划桨 / 圆锥项、地球自转项：都含 \(\boldsymbol\omega\) 的叉乘；
• 反对称矩阵 \([\mathbf a]_\times\)：把"叉乘"变成"矩阵乘法"，让它能参与线性代数（合成、求导、进入卡尔曼滤波的状态矩阵）。

所以这篇文章先用最少的篇幅把叉乘和 \([\mathbf a]_\times\) 讲透，后面拆解 PSINS 时你看到 cross / skew / [w]x 就不会卡。

一、矢量叉乘的定义与几何意义¶

1.1 几何定义¶

• \(|\mathbf a|,|\mathbf b|\) 是模长，\(\theta\) 是两向量夹角（\(0\le\theta\le\pi\)）；
• \(\mathbf n\) 是单位向量，同时垂直于 \(\mathbf a\) 和 \(\mathbf b\)，方向由右手定则确定。

几何上：\(\mathbf a\times\mathbf b\) 是一个矢量，其方向垂直于 \(\mathbf a,\mathbf b\) 张成的平面，大小等于以 \(\mathbf a,\mathbf b\) 为邻边的平行四边形面积。

1.2 代数定义（分量展开）¶

设 \(\mathbf a=(a_1,a_2,a_3)^T,\ \mathbf b=(b_1,b_2,b_3)^T\)，则

记忆法——写成行列式（按第一行展开即得上式）：

1.3 右手定则¶

握拳：四指从 \(\mathbf a\) 弯向 \(\mathbf b\)（沿较小夹角），大拇指指向就是 \(\mathbf a\times\mathbf b\)。对标准右手系有循环规则：

逆循环取负，例如 \(\mathbf X\times\mathbf Z = -\mathbf Y\)。这正是上一篇《坐标变换与旋转矩阵》里"绕 Y 轴符号看起来被转置"的同一套空间拓扑根源——叉乘的循环方向决定了符号。

1.4 基本性质¶

• 反交换：\(\mathbf a\times\mathbf b = -(\mathbf b\times\mathbf a)\)
• 分配律：\(\mathbf a\times(\mathbf b+\mathbf c)=\mathbf a\times\mathbf b+\mathbf a\times\mathbf c\)
• 与自身叉乘为零：\(\mathbf a\times\mathbf a=\mathbf 0\)
• 正交性：\((\mathbf a\times\mathbf b)\cdot\mathbf a = (\mathbf a\times\mathbf b)\cdot\mathbf b = 0\)
• 不满足结合律：\((\mathbf a\times\mathbf b)\times\mathbf c \neq \mathbf a\times(\mathbf b\times\mathbf c)\)
• 拉格朗日恒等式：\(|\mathbf a\times\mathbf b|^2 = |\mathbf a|^2|\mathbf b|^2 - (\mathbf a\cdot\mathbf b)^2\)

二、反对称矩阵 \([\mathbf a]_\times\)¶

2.1 定义：把叉乘"矩阵化"¶

任何三维叉乘都可以写成"左乘一个反对称矩阵"：

其中

记忆法：把 \(\mathbf a=(a_1,a_2,a_3)\) 的"对面"填进去——主对角恒为 0，第 \((i,j)\) 元等于 \(-e_{ijk}a_k\)（Levi-Civita 符号）。例如第 \((1,2)\) 元 \(= -a_3\)，第 \((2,1)\) 元 \(= +a_3\)，两者互为相反数，这就是"反对称"的来由。

2.2 为什么重要¶

• 把叉乘变成矩阵-向量乘法，计算机只需做矩阵乘，不用特判分量；
• 能无缝参与线性代数：求逆、合成、对时间求导、塞进状态方程 \(\dot{\mathbf x}=\mathbf F\mathbf x\)；
• 姿态、角速度、误差全都用 \([\boldsymbol\omega]_\times\) 串起来（见第三节）。

2.3 关键性质（已数值验证）¶

• 反对称：\([\mathbf a]_\times^T = -[\mathbf a]_\times\)（主对角全 0，反对角互为相反数）；
• 自叉为零：\([\mathbf a]_\times\,\mathbf a = \mathbf 0\)；
• 双重反对称恒等式（推导姿态误差、ESKF 误差状态时反复出现）：

举例：\(\mathbf a=(1,2,3)^T,\ \mathbf b=(4,5,6)^T\) 时， \([\mathbf a]_\times=[[0,-3,2],[3,0,-1],[-2,1,0]]\)，而 \([\mathbf a]_\times\mathbf b = [-3,6,-3]^T = \mathbf a\times\mathbf b\)，与代数定义完全一致；双重反对称恒等式在随机 200 组向量上数值误差均 \(<10^{-9}\)。

三、在惯导 / PSINS 里哪里用（关键联系）¶

• 角速度积分：姿态增量 \(\delta\boldsymbol\theta \approx \boldsymbol\omega\,\mathrm dt\)；四元数增量更新 \(\delta\mathbf q\) 里就是拿 \([\boldsymbol\omega]_\times\) 去"叉"当前姿态。
• 旋转的指数映射 / 罗德里格斯公式：旋转矩阵 \(\mathbf R = \exp([\boldsymbol\omega]_\times)\)（指到后期卡尔曼 / ESKF，本文先铺垫符号）。
• 科氏加速度：\(\mathbf a_c = 2\boldsymbol\omega\times\mathbf v\)。
• insupdate 的划桨 / 圆锥项、地球自转项：都含 \([\boldsymbol\omega]_\times\)。
• 姿态误差的线性化：ESKF 把误差姿态写成小旋转向量 \(\delta\boldsymbol\phi\)，其扰动传播里大量出现 \([\mathbf v]_\times\)。

四、两个最容易踩的坑¶

1. 两层中括号不能想当然合并。\([\mathbf a]_\times\mathbf b = \mathbf a\times\mathbf b\)，但 \([\mathbf a]_\times[\mathbf b]_\times\) 是"两个反对称矩阵相乘"，结果是 \(\mathbf b\mathbf a^T-(\mathbf a\cdot\mathbf b)\mathbf I\)（第二节 2.3），不是 \(\mathbf a\times\mathbf b\) 的叉乘。新手写姿态误差推导时最容易在这里漏掉 \(\mathbf b\mathbf a^T\) 项。
2. 反对称 ≠ 正交（skew-symmetric ≠ orthogonal）。\([\mathbf a]_\times\) 是"反对称"（转置变负），一般不是正交矩阵——除非 \(\mathbf a=\mathbf 0\)，否则 \([\mathbf a]_\times[\mathbf a]_\times^T \neq \mathbf I\)。这俩词中文都带"对称"，意思却完全不同，别混。

五、与下一篇衔接¶

• 本文是《坐标变换与旋转矩阵（推导入门）》的数学工具：旋转矩阵的每一列，本质是把某个基向量"叉乘 / 旋转"后的去向；上一篇讲的符号机理，在这里的右手循环规则里能找到根。
• 四元数、旋转向量、ESKF 都会反复用到 \([\cdot]_\times\)，建议先在这里把 \([\mathbf a]_\times\) 和双重反对称恒等式记熟。

自测题¶

1. 计算 \([1,0,0]^T\times[0,1,0]^T\)，并验证它等于 \([\mathbf e_1]_\times\mathbf e_2\)。
2. 写出 \(\boldsymbol\omega=(0,0,\Omega)^T\)（绕 Z 轴自转）时的 \([\boldsymbol\omega]_\times\)，并说明它对应"绕 Z 旋转"的无穷小生成元。
3. 用双重反对称恒等式验证 \([\mathbf a]_\times[\mathbf a]_\times = \mathbf a\mathbf a^T - |\mathbf a|^2\mathbf I\)。
4. 判断并解释：\(\mathbf a\times\mathbf b\) 一定同时垂直于 \(\mathbf a\) 和 \(\mathbf b\) 吗？\(\mathbf a\cdot(\mathbf a\times\mathbf b)\) 等于什么？

关联¶

• 坐标变换与旋转矩阵（推导入门）
• 数学地基（矩阵·概率·协方差）
• 姿态的四种表示
• 协方差交互实验