9.19 회전 행렬의 역변환과 전치 관계

1. 핵심 항등식

회전 행렬 $\mathbf{R} \in SO(3)$ 은 다음의 핵심 항등식을 만족한다.

$\mathbf{R}^{-1} = \mathbf{R}^T$

이는 회전 행렬의 역변환이 전치 행렬과 동일함을 의미하며, 직교성 조건 $\mathbf{R}^T\mathbf{R} = \mathbf{I}$ 의 직접적 결과이다.

2. 유도

직교성 조건 $\mathbf{R}^T\mathbf{R} = \mathbf{I}$ 의 양변에 $\mathbf{R}^{-1}$ 을 오른쪽에서 곱하면

$\mathbf{R}^T\mathbf{R}\mathbf{R}^{-1} = \mathbf{I}\mathbf{R}^{-1}$

$\mathbf{R}^T = \mathbf{R}^{-1}$

이 성립한다. 직교 조건이 $\mathbf{R}\mathbf{R}^T = \mathbf{I}$ 형태로도 성립하므로 좌측 역원과 우측 역원이 일치함을 확인할 수 있다.

3. 계산적 의의

일반적인 $3 \times 3$ 역행렬의 계산은 여인수 전개나 가우스 소거에 의해 $O(n^3)$ 의 연산을 요구한다. 그러나 회전 행렬은 전치가 곧 역이므로 원소의 재배치만으로 역변환을 얻을 수 있다. 수치 계산에서 이 성질은 다음의 장점을 제공한다.

계산 비용 절감: 3차원 역행렬 계산을 피하고 단순 전치로 대체한다.
수치 오차 억제: 가우스 소거에서 발생하는 반올림 오차가 전혀 누적되지 않는다.
구현의 단순성: 인덱스 접근만으로 역변환이 구현되어 오류의 여지가 없다.

4. 기하학적 해석

$\mathbf{R}$ 이 좌표계 $\{A\}$ 에서 $\{B\}$ 로의 회전(또는 $\{A\}$ 에서 표현된 벡터를 $\{B\}$ 에서 표현하도록 변환)을 나타낸다면, $\mathbf{R}^T = \mathbf{R}^{-1}$ 은 반대 방향 회전, 즉 $\{B\}$ 에서 $\{A\}$ 로의 회전을 나타낸다.

$\mathbf{R}_{A \to B}^T = \mathbf{R}_{B \to A}$

이는 물리적으로 “반대 방향 회전은 원래 회전의 정반대“라는 직관과 일치한다.

5. 각도 부호 반전과의 관계

기본 회전 행렬의 경우 전치는 각도의 부호 반전과 같다.

$\mathbf{R}_x(\phi)^T = \mathbf{R}_x(-\phi), \quad \mathbf{R}_y(\theta)^T = \mathbf{R}_y(-\theta), \quad \mathbf{R}_z(\psi)^T = \mathbf{R}_z(-\psi)$

일반적인 회전 행렬에 대해서도 축-각도 표현 $(\hat{\mathbf{u}}, \phi)$ 에서

$\mathbf{R}(\hat{\mathbf{u}}, \phi)^T = \mathbf{R}(\hat{\mathbf{u}}, -\phi) = \mathbf{R}(-\hat{\mathbf{u}}, \phi)$

이 성립한다. 축의 반전과 각도의 반전은 동일한 회전을 나타낸다.

6. 합성 회전의 역

여러 회전의 합성에 대한 역은 각 회전의 전치를 역순으로 곱한 것과 같다.

$(\mathbf{R}_n \mathbf{R}_{n-1} \cdots \mathbf{R}_1)^{-1} = \mathbf{R}_1^T \mathbf{R}_2^T \cdots \mathbf{R}_n^T$

이는 군 연산의 일반 성질 $(ab)^{-1} = b^{-1}a^{-1}$ 의 회전 군으로의 특수화이다. 로봇 기구학 연쇄의 역변환을 구할 때 이 공식이 체계적으로 적용된다.

7. 열벡터와 행벡터의 상호 관계

$\mathbf{R}$ 의 열벡터는 회전된 좌표계에서의 원래 기저 벡터의 표현이고, $\mathbf{R}^T$ 의 열벡터는 원래 좌표계에서의 회전된 기저 벡터의 표현이다. 즉, $\mathbf{R}$ 의 $i$ 번째 열벡터가 새 좌표계에서의 $\hat{\mathbf{e}}_i$ 의 상(image)이라면, $\mathbf{R}^T$ 의 $i$ 번째 열벡터는 원래 좌표계에서의 회전된 $\hat{\mathbf{e}}_i'$ 의 역상(preimage)이다.

8. 반복 적용의 역

회전 $\mathbf{R}$ 을 $n$ 번 반복 적용한 것은 $\mathbf{R}^n$ 이며, 그 역은 $\mathbf{R}^{-n} = (\mathbf{R}^T)^n$ 이다. 특히

$\mathbf{R}^n (\mathbf{R}^T)^n = \mathbf{I}$

가 성립한다. 축-각도 표현 $(\hat{\mathbf{u}}, \phi)$ 에서 $\mathbf{R}^n$ 은 같은 축 주위의 $n\phi$ 회전에 대응한다.

9. $SE(3)$ 에서의 역변환과의 관계

동차 변환 행렬 $\mathbf{T} = \begin{bmatrix}\mathbf{R} & \mathbf{t} \\ \mathbf{0}^T & 1\end{bmatrix}$ 에서 역변환은 단순 전치가 아니다.

$\mathbf{T}^{-1} = \begin{bmatrix}\mathbf{R}^T & -\mathbf{R}^T\mathbf{t} \\ \mathbf{0}^T & 1\end{bmatrix}$

회전 부분은 여전히 전치로 역이 되지만, 병진 부분은 $-\mathbf{R}^T\mathbf{t}$ 로 변환된다. 이는 역변환이 병진을 먼저 취소하고 회전을 반전시켜야 하기 때문이다.

10. 미분 가능성

$\mathbf{R}(t)$ 가 시간에 관해 미분 가능한 회전 행렬이면 $\mathbf{R}(t)^T\mathbf{R}(t) = \mathbf{I}$ 의 양변을 시간 미분하여

$\dot{\mathbf{R}}^T\mathbf{R} + \mathbf{R}^T\dot{\mathbf{R}} = \mathbf{0}$

$\mathbf{R}^T\dot{\mathbf{R}} = -(\mathbf{R}^T\dot{\mathbf{R}})^T$

즉, $\mathbf{R}^T\dot{\mathbf{R}}$ 은 반대칭 행렬이며, 이는 각속도 벡터를 생성하는 반대칭 행렬 표현의 기초이다. 이 관계는 회전 운동학에서 각속도와 회전 행렬 미분의 연결 고리이다.

11. 로봇 공학에서의 활용

11.1 좌표 변환 방향의 전환

벡터의 좌표계 표현을 한 방향에서 다른 방향으로 바꾸는 데 전치가 직접 사용된다. 예를 들어 월드 좌표에서 로봇 좌표로의 변환이 $\mathbf{R}_{W \to R}$ 이면 로봇 좌표에서 월드 좌표로의 변환은 $\mathbf{R}_{W \to R}^T$ 이다.

11.2 자세 오차의 계산

두 자세 $\mathbf{R}_1, \mathbf{R}_2$ 의 상대 오차는 $\Delta\mathbf{R} = \mathbf{R}_1^T\mathbf{R}_2$ 로 계산된다. 이는 $\mathbf{R}_1$ 을 기준으로 $\mathbf{R}_2$ 까지의 회전 편차를 나타내며, SLAM과 최적화에서 잔차 계산의 표준 방식이다.

11.3 수치적 안정성

필터링이나 번들 조정에서 회전 행렬의 역이 빈번히 필요하나, 전치로 대체함으로써 수치 오차의 누적과 계산 비용을 모두 억제한다. 이는 실시간 로봇 시스템에서 매우 중요한 최적화이다.

12. 참고 문헌

Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
Craig, J. J. (2018). Introduction to Robotics: Mechanics and Control (4th ed.). Pearson.
Spong, M. W., Hutchinson, S., & Vidyasagar, M. (2020). Robot Modeling and Control (2nd ed.). Wiley.
Murray, R. M., Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.
Barfoot, T. D. (2017). State Estimation for Robotics. Cambridge University Press.

version: 1.0