向量叉乘的泰勒级数展开疑问及推导验证

嗨，我来帮你理清这个向量叉乘泰勒展开的问题，先看看你的思路，再纠正核心的误区~

你的问题与初步推导 #

我现在有点困惑，想求函数 $f(u,v) = u \times v$ 围绕点 $(u_0, v_0)$ 展开到一阶导数（即仅保留线性项，忽略高阶项）的泰勒级数。我目前的思路是：
取靠近 $(u_0, v_0)$ 的小量，令 $u = u_0 + \bar{u}$，$v = v_0 + \bar{v}$，然后把 $f(u,v)$ 近似成：
$$f(u,v) \approx f(u_0, v_0) + \frac{\partial f (u,v)}{\partial u}\Big|{(u_0,v_0)},\bar{u} + \frac{\partial f (u,v)}{\partial v}\Big|{(u_0,v_0)},\bar{v}$$
代入后得到：
$$f(u,v) \approx u_0 \times v_0 + \frac{\partial}{ \partial u}(u \times v)\Big |{(u_0,v_0)}\cdot \bar{u} + \frac{\partial}{ \partial v}(u \times v)\Big |{(u_0,v_0)}\cdot \bar{v}$$
接着我写成了：
$$= u_0 \times v_0 + (\mathbb{1} \times v_0) \cdot \bar{u} + (u_0 \times \mathbb{1}) \cdot \bar{v}$$
这里的 $\mathbb{1}$ 我当成了全1列向量，因为我觉得 $\frac{\partial }{\partial u}\begin{bmatrix}u_1 \u_2 \u_3 \end{bmatrix} = \begin{bmatrix}1 \1 \1 \end{bmatrix}$。不过我不确定是不是应该用单位矩阵 $I_{3\times3}$ 代替 $\mathbb{1}$？

核心误区纠正与正确推导 #

首先要明确一个关键知识点：向量值函数对向量的导数是雅可比矩阵（线性算子），而不是向量。你的问题就出在这里——你把对向量$u$的导数当成了全1向量，但实际上$f(u,v)$是3维向量值函数，$u$是3维输入向量，所以$\frac{\partial f}{\partial u}$是一个$3 \times 3$的雅可比矩阵，而非列向量。

我们可以从两个角度验证正确的展开：

角度1：利用叉乘的双线性性质

叉乘本身是双线性运算，直接展开$u \times v$就能得到结果：
$$
\begin{align*}
u \times v &= (u_0 + \bar{u}) \times (v_0 + \bar{v}) \
&= u_0 \times v_0 + u_0 \times \bar{v} + \bar{u} \times v_0 + \bar{u} \times \bar{v}
\end{align*}
$$
你要求的是到一阶导数的近似（忽略二阶项$\bar{u} \times \bar{v}$），所以直接得到：
$$
f(u,v) \approx u_0 \times v_0 + \bar{u} \times v_0 + u_0 \times \bar{v}
$$
代入$\bar{u} = u - u_0$、$\bar{v} = v - v_0$，也可以写成：
$$
f(u,v) \approx u \times v_0 + u_0 \times v - u_0 \times v_0
$$

角度2：通过雅可比矩阵推导

我们把叉乘写成分量形式（假设$u=(u_1,u_2,u_3)^{T$，$v=(v_1,v_2,v_3)}T$）：
$$
\begin{align*}
(u \times v)1 &= u_2v_3 - u_3v_2 \
(u \times v)2 &= u_3v_1 - u_1v_3 \
(u \times v)3 &= u_1v_2 - u_2v_1
\end{align*}
$$
计算$\frac{\partial f}{\partial u}$（雅可比矩阵），每一行对应$f$的分量对$u$的梯度：
$$
\frac{\partial f}{\partial u}\bigg|{(u_0,v_0)} = \begin{bmatrix}
0 & v{0,3} & -v{0,2} \
-v_{0,3} & 0 & v_{0,1} \
v_{0,2} & -v_{0,1} & 0
\end{bmatrix}
$$
这个矩阵是$v_0$的反对称矩阵，记作$[v_0]_\times$。当它与$\bar{u}$相乘时，结果就是$\bar{u} \times v_0$，和我们之前的结论一致。

同理，$\frac{\partial f}{\partial v}\bigg|{(u_0,v_0)}$是$u_0$的反对称矩阵$[u_0]\times$，与$\bar{v}$相乘得到$u_0 \times \bar{v}$。

结论 #

你最初的泰勒展开框架是对的，但对向量求导的理解有误：

• 不能用全1向量$\mathbb{1}$来表示导数，因为对向量的导数是线性算子（矩阵），而非向量；
• 正确的一阶近似直接利用叉乘的双线性性质就能得到，不需要引入多余的符号，结果为：
  $$
  f(u,v) \approx u_0 \times v_0 + (u - u_0) \times v_0 + u_0 \times (v - v_0)
  $$

备注：内容来源于stack exchange，提问作者twist_lsk