预备知识：引入一个关键概念 如何用矩阵乘法来优雅地表示向量叉积

核心思想：用矩阵表示叉积

1. 基本定义

幻灯片中的关键公式是：

对于任意三维向量 ω和 p，存在一个矩阵 [ω]，使得：

ω × p = [ω] p

• ω × p： 这是标准的向量叉乘运算，结果是一个新向量。

• [ω] p： 这是矩阵与向量的乘法运算。

• 意义： 这个等式意味着，两个向量的叉积，可以等价于一个由第一个向量构造出的特定矩阵乘以第二个向量。

2. 矩阵 [ω] 的构造

幻灯片给出了这个特定矩阵 [ω]的具体形式。如果 ω = [ω₁, ω₂, ω₃]ᵀ，那么：

[ω]=​0ω3​−ω2​​−ω3​0ω1​​ω2​−ω1​0​​

这个矩阵是由向量 ω的分量唯一确定的。它的构造规则非常直观：

• 主对角线​ 上的元素全是 0。

• 其他位置​ 是 ω的各分量，并按照叉积的规则添加正负号。例如，第一行第二列是 -ω₃，对应于叉积结果中 p向量的第一个分量是 ω₂*p₃ - ω₃*p₂

3. 反对称矩阵

幻灯片特别强调了一个关键性质：[ω]是一个反对称矩阵。

• 定义： 一个矩阵 S如果满足 Sᵀ = -S，那么它就是反对称的。

• 验证： 对上面给出的 [ω]矩阵进行转置，然后改变所有元素的符号，会发现结果等于原矩阵。这正是 [ω]ᵀ = -[ω]。

• 记号： 所有 n×n的反对称矩阵构成的集合记作 so(n)。幻灯片提到我们主要关心 n=3（三维空间）和 n=2的情况。

总结

概念	描述	意义
叉积 ω × p​	两个向量的向量积	原始的、几何的运算方式。
矩阵 [ω]​	由向量 ω生成的反对称矩阵	叉积的代数化、线性化表示。
等式 ω × p = [ω] p​	连接两种表示的桥梁	允许我们使用强大的线性代数工具来处理叉积问题。

从一个全新的、动态的角度来回答“什么是旋转？”

它不再将旋转视为一个静态的变换，而是将其视为一个随时间演化的连续运动过程。

第一部分：旋转的运动学方程

PPT从点的旋转运动入手：

1. 初始条件： 在时间 t=0时，有一个点位于空间中的位置 p₀。

2. 运动描述： 让这个点绕着一根通过坐标原点、方向为单位向量 ˆω的轴，以单位角速度（即每秒1弧度）进行旋转。

3. 微分方程的建立：

   • 根据刚体运动学，点 p(t)的线速度 ṗ(t)等于角速度 ˆω与该点当前位置矢量 p(t)的叉积。点 p(t) 的线速度 ṗ(t) 被定义为其位置矢量 p(t) 关于时间 t 的导数，这是基于物理学对“速度”这一基本概念的定义

   • 这就得到了一个关于位置 p(t)的微分方程：

     ṗ(t) = ˆω × p(t)

   • 初始条件为：p(0) = p₀。

这个方程描述了点在每一瞬间的运动趋势（速度方向垂直于旋转轴和该点当前位置构成的平面），所有瞬间的趋势连续起来，就形成了圆形的旋转轨迹。

第二部分：微分方程的求解与旋转算子

这是PPT最精彩的部分，它展示了如何求解这个方程并得到旋转的封闭形式。

1. 线性常微分方程： 上述方程是一个线性常微分方程（ODE）。

2. 利用叉积的矩阵形式： 回想之前的课程，叉积可以写成一个反对称矩阵乘法的形式：ˆω × p(t) = [ˆω] p(t)。其中 [ˆω]是由 ˆω构成的反对称矩阵。

3. 方程改写： 因此，微分方程变为：

   ṗ(t) = [ˆω] p(t)

4. 求解： 这个方程的形式与标量方程 dx/dt = ax的解 x(t) = e^(a t) x₀惊人地相似。其解为：

   p(t) = e^([ˆω] t) p₀

   • 这里的 e^([ˆω] t)是矩阵指数

第三部分：旋转算子的定义

PPT接着将上述解与旋转直接联系起来：

1. 旋转特定角度： 如果我们希望点旋转 θ弧度，那么所需的“运动时间”就是 t = θ（因为角速度为1）。

角速度（ω）​ 是指 单位时间内转过的角度。

其标准定义式为：ω = Δθ / Δt

其中：

• ω： 角速度（单位：弧度/秒，rad/s）

• Δθ： 在时间间隔 Δt内转过的角度（单位：弧度，rad）

• Δt： 时间间隔（单位：秒，s）

1. 幻灯片中的特殊设定

幻灯片中设定了一个非常重要的前提条件：

• “Rotate the point with unit angular velocity ˆω”（以单位角速度旋转该点）。

这里的 “单位角速度”​ 是理解问题的核心。它意味着：

角速度的大小 ‖ˆω‖ = 1弧度/秒。

我们可以这样理解：ˆω是一个单位方向向量，它指明了旋转轴的方向。而“以单位角速度旋转”意味着这个向量的模长（大小）为 1。所以：

ω = ˆω​ 且 ‖ω‖ = 1 rad/s。

2. 从定义式推导时间

根据角速度的定义：ω = Δθ / Δt

我们将已知条件代入：

• ω = 1 rad/s

• 我们希望转过的总角度 Δθ = θ弧度

• 我们需要求解所需的时间 Δt = ?

代入公式：

1 = θ / Δt

解这个简单的方程，得到：

Δt = θ

3. “运动时间”的物理意义

这里的 Δt就是从初始位置（p₀）旋转到目标位置（旋转 θ弧度后）所需要的时间。

因为角速度是恒定的（1 rad/s），所以：

• 想转 1弧度，就需要 1秒。

• 想转 π弧度（180度），就需要 π秒。

• 想转 θ弧度，自然就需要 θ秒。

因此，在这个特定的设定下，“转过的角度”和“所用的时间”在数值上完全相等。​ 这就是 t = θ的由来

1. 最终位置： 将 t = θ代入解中，得到旋转后点的位置：

   p(θ) = e^([ˆω] θ) p₀

2. 旋转算子的定义： 由此，我们可以定义一个旋转算子 Rot(ˆω, θ)，它表示“绕轴 ˆω旋转 θ角度”这个操作：7

   Rot(ˆω, θ) ≜ e^([ˆω] θ)

这个定义的深刻之处在于，一个有限的旋转操作，可以通过计算一个矩阵指数来得到

知识扩展与总结

步骤	内容	意义
1. 建模​	建立微分方程 ṗ(t) = [ˆω] p(t)	从瞬时运动趋势描述旋转。
2. 求解​	求解得 p(t) = e^([ˆω] t) p₀	将连续运动积分，得到有限时间后的结果。揭示了旋转与矩阵指数的内在联系。
3. 定义​	定义旋转算子 Rot(ˆω, θ) = e^([ˆω] θ)	得到了旋转矩阵的指数表示法。

核心论点：旋转矩阵的第三种视角——算子

幻灯片开篇明义，指出了旋转矩阵（通常记为 R）除了之前两种常见作用（描述坐标系朝向、进行坐标变换）外的第三种重要角色：作为一个作用在向量上的旋转算子

1. 旋转算子的定义

幻灯片给出了最核心的定义公式：

Rot(ˆω, θ) ≜ e^([ˆω]θ)

• Rot(ˆω, θ)： 这是一个旋转算子。它的功能是：将一个点（或向量）绕通过原点的、方向为 ˆω的轴旋转 θ弧度。

• e^([ˆω]θ)： 这是该算子的具体数学实现，即矩阵指数。其中 [ˆω]是由轴 ˆω生成的反对称矩阵

结论： 任何一个旋转矩阵 R都可以写成这种形式，即 R = e^([ˆω]θ)。这意味着，任何旋转操作本质上都是一个绕某根轴的旋转

2. 数学性质：指数形式与旋转矩阵的等价性

幻灯片接着阐述了一个关键事实（Fact）并给出了证明思路：

• 事实： 任何形如 e^([ˆω]θ)的矩阵都属于 SO(3)​ 群（即特殊正交群）。

• SO(3) 群的性质： 这正是旋转矩阵的定义：满足 R^T R = I（正交性）且 det(R) = +1（特殊，保证是纯旋转无镜像反射）。

• 证明思路： 证明 (e^([ˆω]θ))^T e^([ˆω]θ) = I。证明过程利用了 [ˆω]是反对称矩阵（[ˆω]^T = -[ˆω]）的性质，以及矩阵指数运算的特性。

这从数学上保证了用指数形式定义的算子 Rot(ˆω, θ)确实是一个合法的旋转矩阵

SO(3) 群是理解和描述三维空间中刚体旋转的数学基石。这个看似抽象的数学概念，是精确描述机器人 orientation（朝向）、卫星姿态、分子结构等的核心语言

1. SO(3) 的名称解析

• S： 特殊。代表矩阵的行列式等于 +1。这确保了变换是“纯旋转”，排除了镜像反射（镜像反射的行列式为 -1）。

• O： 正交。代表矩阵是正交矩阵，即满足 RTR=I（其中 RT是 R 的转置，I是单位矩阵）。这意味着矩阵的逆等于其转置：R−1=RT。

• (3)： 三维。代表我们处理的是三维实空间（R3）中的变换。

SO(3) 就是所有 3x3 的特殊正交实矩阵构成的集合

2. SO(3) 的严格数学定义

一个 3x3 的矩阵 R属于 SO(3) 群，当且仅当它同时满足以下两个条件：

1. 正交性条件： RTR=RRT=I

   • 几何意义： 正交变换保持向量长度和夹角不变。也就是说，旋转不会拉伸或压缩物体，也不会改变物体内部的角度。

2. 特殊性条件： det(R)=+1

   • 几何意义： 行列式为 +1 保证了变换是“手性保持”的。它将一个右手坐标系变换为另一个右手坐标系，而不是变成左手坐标系（镜像反射）

3. SO(3) 为什么构成一个“群”？

在数学中，“群”是一个集合，其上定义了一种运算（称为“群乘法”），并满足以下四条公理：

1. 封闭性： 两个旋转矩阵 R1​和 R2​相乘，结果 R3​=R1​R2​仍然是一个旋转矩阵（仍然满足正交性和特殊性）。（连续进行两次旋转，等价于一次新的旋转。）

2. 结合律： 矩阵乘法满足结合律，即 (R1​R2​)R3​=R1​(R2​R3​)。

3. 单位元： 存在一个单位矩阵 I，对于任何旋转矩阵 R，都有 RI=IR=R。（单位矩阵代表“不旋转”。）

4. 逆元： 对于每个旋转矩阵 R，都存在一个逆矩阵 R−1=RT，使得 RRT=RTR=I。（逆矩阵代表“反向旋转”，可以回到初始姿态。）

因为所有满足定义的 3x3 旋转矩阵，在矩阵乘法下都满足这四条性质，所以它们构成一个群，称为特殊正交群

4. SO(3) 的几何与物理意义

a) 作为旋转操作符

这是 SO(3) 最直接的应用。一个旋转矩阵 R∈SO(3)可以作为一个操作符，作用在一个三维向量 v∈R3上，使其在空间中进行旋转：

v′=Rv

结果 v′是向量 v旋转后的新向量。

b) 作为坐标系变换描述符

在机器人学中，SO(3) 矩阵更常被用来描述一个坐标系相对于另一个坐标系的朝向。

• 矩阵 B^A​_R∈SO(3)描述了坐标系 {B}相对于坐标系 {A}的旋转。

• 它的每一列，就是 {B}系的三个坐标轴单位向量在 {A}系中的坐标值。

c) 作为刚体姿态的一半

一个刚体在三维空间中的完整位姿（Pose）由其位置（3个自由度）和朝向（3个自由度）共同描述。

• SO(3)​ 完美地描述了朝向（3个自由度）。

• 位置可以由一个平移向量 p∈R3描述。

• 将两者结合（旋转和平移），就得到了描述完整位姿的 SE(3) 群（特殊欧几里得群）

5. SO(3) 的参数化（如何表示一个旋转？）

虽然 SO(3) 本身是一个矩阵集合，但在计算中我们需要用更少的参数来表示一个旋转。常见的参数化方法有：

1. 旋转矩阵： 9个参数（但有6个约束，实际自由度是3个）。最直接，但冗余。

2. 欧拉角（例如：滚转-俯仰-偏航， Roll-Pitch-Yaw）： 3个参数。直观，但存在“万向节死锁”问题。

3. 轴-角表示 / 旋转向量： 一个单位向量（表示旋转轴，2个自由度）和一个角度（表示旋转量，1个自由度）。共3个参数。

4. 四元数： 4个参数（有一个约束，实际自由度是3个）。计算高效，避免了奇异性，是计算机图形学和机器人学中最常用的表示方法之一。

3. 与前两种观点的对比

幻灯片特别强调了算子观点与之前两种观点的不同：

1. 描述坐标系朝向： 旋转矩阵 ᴬR_B描述的是坐标系 {B}相对于 {A}的朝向。

2. 坐标变换： 旋转矩阵 ᴬR_B用于将点或向量在 {B}系下的坐标变换到 {A}系下：ᴬp = ᴬR_B ᴮp。

3. 旋转算子（本幻灯片观点）： 旋转矩阵 R是直接作用在一个向量上，使其在同一个坐标系内发生旋转。公式为 p' = R p。其中 p和 p'都是在同一个坐标系下表示的。

4. 重要注意事项：参考系的统一

幻灯片最后一点是关键提醒：当使用旋转算子时，所有向量和矩阵必须在同一个参考系下表示。

• 例如，在公式 p' = R p中，原始点 p、旋转后的点 p‘以及旋转矩阵 R，它们的坐标值都必须是相对于同一个坐标系而言的。

• 如果参考系不统一，运算将没有意义

不同坐标系下旋转算子的转换

同一个物理的旋转操作，在不同参考系下观察或描述时，其数学表示（即旋转矩阵）是不同的。

好的，我们根据这张标题为 “Rotation Operator in Different Frames (1/2)”​ 的幻灯片，来详细解释其核心内容。这张幻灯片深入探讨了旋转算子在不同参考系下的表示及其关系，这是机器人学中一个非常关键且实用的概念。

---

核心问题：参考系的重要性

幻灯片的核心思想是：同一个物理的旋转操作，在不同参考系下观察或描述时，其数学表示（即旋转矩阵）是不同的。

这引出了一个关键问题：这些不同的表示之间有什么关系？以及如何在不同参考系之间进行转换？

---

1. 旋转算子的两种视角

幻灯片首先区分了在两种不同参考系下定义旋转算子的方法：

• 在固定参考系（例如世界系 {A}）中：

  旋转算子 Rot(ˆω, θ)直接作用在一个向量上，表示为 p' = Rot(ˆω, θ) p。这意味着在固定坐标系​ {A}下，将向量 p绕一根在 {A}系中方向为 ˆω的轴旋转 θ角度，得到新向量 p‘。

• 在物体固连参考系（例如刚体系 {B}）中：

  旋转算子 Rot(ˆβ, θ)表示绕一个在物体自身坐标系​ {B}中方向为 ˆβ的轴旋转 θ角度。

关键点： 即使 ˆω和 ˆβ在各自坐标系中的坐标值相同（例如都是 [0, 0, 1]^T），由于坐标系 {A}和 {B}的朝向不同，这两根轴在空间中的实际方向是完全不同的。因此，Rot(ˆω, θ)和 Rot(ˆβ, θ)是两个完全不同的旋转操作

2. 不同参考系下旋转算子之间的关系（核心公式）

幻灯片给出了连接不同参考系下旋转算子的核心公式。这是一个极其重要的结论：

如果一根旋转轴在 {B}系中的坐标为 ˆβ，而在 {A}系中的坐标为 ˆω，并且两个坐标系之间的旋转矩阵为 ᴬR_B，那么有如下关系：

Rot(ˆω, θ) = ᴬR_B Rot(ˆβ, θ) ᴬR_B^T

以及其逆关系：

Rot(ˆβ, θ) = ᴬR_B^T Rot(ˆω, θ) ᴬR_B

公式解读

这个公式的物理意义非常深刻：

1. Rot(ˆβ, θ)： 这是在物体自身坐标系 {B}中描述的旋转。可以理解为“命令”刚体绕其自身的 ˆβ轴旋转 θ。

2. ᴬR_B^T： 这是从 {A}系到 {B}系的旋转矩阵（ᴬR_B的逆）。它起到一个“视角转换”的作用。ᴬR_B^T将向量从固定系 {A}转换到物体系 {B}，以便刚体能够“理解”这个在固定系中描述的旋转轴 ˆω。

3. Rot(ˆω, θ)： 这是在固定坐标系 {A}中描述的旋转。

4. ᴬR_B： 这是从 {B}系回到 {A}系的旋转矩阵。它将旋转后的结果重新转换回固定系 {A}中进行观察。

因此，整个公式 Rot(ˆω, θ) = ᴬR_B Rot(ˆβ, θ) ᴬR_B^T描述了一个“夹心饼干”式的变换过程：

• 步骤1（ᴬR_B^T）： 将固定系 {A}中的指令（绕 ˆω轴旋转）“翻译”成刚体坐标系 {B}能理解的指令（相当于找出 ˆω轴在 {B}系中的方向 ˆβ）。

• 步骤2（Rot(ˆβ, θ)）： 刚体在自身坐标系​ {B}下执行旋转操作。

• 步骤3（ᴬR_B）： 将旋转后的结果（在 {B}系中表示）“翻译”回固定系 {A}中。

这个过程保证了最终在固定系 {A}中观察到的刚体旋转效果，与直接命令刚体绕固定轴 ˆω旋转的效果是完全相同的。