9.38 지수 사상(Exponential Map)과 회전 행렬

1. 행렬 지수의 정의

정방 행렬 \mathbf{A} \in \mathbb{R}^{n \times n}의 행렬 지수(matrix exponential)는 스칼라 지수 함수의 테일러 급수를 행렬로 확장한 형태로 정의된다.

\exp(\mathbf{A}) = \sum_{k=0}^\infty \frac{1}{k!}\mathbf{A}^k = \mathbf{I} + \mathbf{A} + \frac{1}{2!}\mathbf{A}^2 + \frac{1}{3!}\mathbf{A}^3 + \cdots

이 급수는 임의의 정방 행렬에 대해 절대 수렴하며, 결과는 항상 가역 행렬이다. 특히 \det(\exp(\mathbf{A})) = e^{\mathrm{tr}(\mathbf{A})} > 0이다.

2. 지수 사상으로서의 역할

지수 사상(exponential map)은 리 대수의 원소를 리 군의 원소로 변환하는 사상이다. SO(3)의 경우 리 대수 \mathfrak{so}(3)(반대칭 행렬)에서 SO(3)(회전 행렬)로의 사상이 된다.

\exp: \mathfrak{so}(3) \to SO(3), \quad [\boldsymbol{\phi}]_\times \mapsto \exp([\boldsymbol{\phi}]_\times)

여기서 \boldsymbol{\phi} \in \mathbb{R}^3는 회전 벡터이고 [\boldsymbol{\phi}]_\times는 그 반대칭 행렬 표현이다.

3. 반대칭 행렬의 지수가 회전 행렬임

3.1 직교성의 증명

\exp(\mathbf{S})^T = \exp(\mathbf{S}^T) = \exp(-\mathbf{S})이고 \exp(\mathbf{S})\exp(-\mathbf{S}) = \mathbf{I}이므로

\exp(\mathbf{S})^T\exp(\mathbf{S}) = \mathbf{I}

가 성립한다. 이는 \exp(\mathbf{S})가 직교 행렬임을 보인다. 단, 일반적으로 \exp(\mathbf{A} + \mathbf{B}) \neq \exp(\mathbf{A})\exp(\mathbf{B})이지만, \mathbf{A} = \mathbf{S}와 \mathbf{B} = -\mathbf{S}는 가환하므로 이 경우에는 지수 규칙이 성립한다.

3.2 행렬식의 증명

\det(\exp(\mathbf{S})) = e^{\mathrm{tr}(\mathbf{S})}이고 반대칭 행렬의 대각합은 0이므로 \mathrm{tr}(\mathbf{S}) = 0이다. 따라서

\det(\exp(\mathbf{S})) = e^0 = 1

이다. 직교성과 \det = +1을 합하면 \exp(\mathbf{S}) \in SO(3)이다.

4. 로드리게스 공식과의 등가

3차원 반대칭 행렬의 지수는 로드리게스 공식으로 주어진 닫힌 형태를 가진다. \boldsymbol{\phi} = \phi\hat{\mathbf{u}}에 대해

\exp([\boldsymbol{\phi}]_\times) = \mathbf{I} + \sin\phi\,[\hat{\mathbf{u}}]_\times + (1 - \cos\phi)\,[\hat{\mathbf{u}}]_\times^2

이 성립한다. 이 닫힌 형태는 3차원 반대칭 행렬의 거듭제곱 패턴 [\hat{\mathbf{u}}]_\times^3 = -[\hat{\mathbf{u}}]_\times를 이용하여 테일러 급수를 \sin과 \cos 급수로 재정리함으로써 유도된다.

5. 지수 사상의 전사성

지수 사상 \exp: \mathfrak{so}(3) \to SO(3)은 **전사(surjective)**이다. 즉, 모든 회전 행렬 \mathbf{R} \in SO(3)에 대해 \exp([\boldsymbol{\phi}]_\times) = \mathbf{R}을 만족하는 회전 벡터 \boldsymbol{\phi}가 적어도 하나 존재한다. 이는 오일러의 회전 정리의 직접적 결과이다.

그러나 지수 사상은 일대일이 아니다. 회전 벡터 \boldsymbol{\phi}와 \boldsymbol{\phi} + 2\pi k\hat{\mathbf{u}} (정수 k)는 같은 회전 행렬을 산출한다. 이를 관례적으로 \lVert \boldsymbol{\phi} \rVert \leq \pi로 제한하여 대부분의 회전에 대해 유일한 역상을 얻는다.

6. 지수 사상의 국소 동형

지수 사상은 **원점 근방에서 국소 동형(local diffeomorphism)**이다. 즉, \boldsymbol{\phi} = \mathbf{0} 근처에서 지수 사상은 역을 가지고 그 역이 매끄럽다. 이 역사상이 바로 로그 사상(logarithmic map)이다.

6.1 지수 사상의 야코비안

\boldsymbol{\phi} = \mathbf{0}에서 지수 사상의 미분은 항등 사상이다.

\left.\frac{d\exp}{d\boldsymbol{\phi}}\right|_{\boldsymbol{\phi} = \mathbf{0}} = \mathbf{I}

이는 작은 회전 벡터가 1차 근사로 \mathbf{I} + [\boldsymbol{\phi}]_\times에 해당함을 보인다.

일반적인 \boldsymbol{\phi}에서 지수 사상의 좌측 야코비안(left Jacobian)은

\mathbf{J}_l(\boldsymbol{\phi}) = \sum_{k=0}^\infty \frac{1}{(k+1)!}[\boldsymbol{\phi}]_\times^k

로 정의되며, 닫힌 형태로

\mathbf{J}_l(\boldsymbol{\phi}) = \mathbf{I} + \frac{1 - \cos\phi}{\phi^2}[\boldsymbol{\phi}]_\times + \frac{\phi - \sin\phi}{\phi^3}[\boldsymbol{\phi}]_\times^2

이 성립한다. 여기서 \phi = \lVert \boldsymbol{\phi} \rVert이다.

7. 지수 사상의 성질

7.1 교환자와의 관계

일반적으로 \exp(\mathbf{A})\exp(\mathbf{B}) \neq \exp(\mathbf{A} + \mathbf{B})이며, 두 회전의 합성이 벡터 합으로 표현되지 않는다. 이는 3차원 회전의 비가환성을 반영한다. 정확한 관계는 베이커-캠벨-하우스도르프(Baker-Campbell-Hausdorff, BCH) 공식으로 주어진다.

\exp(\mathbf{A})\exp(\mathbf{B}) = \exp(\mathbf{A} + \mathbf{B} + \frac{1}{2}[\mathbf{A}, \mathbf{B}] + \cdots)

BCH 급수의 고차 항은 리 브라켓의 반복 적용으로 이루어진다.

7.2 유사 변환

회전 행렬 \mathbf{R}에 의한 반대칭 행렬의 유사 변환은 다음의 관계를 만족한다.

\mathbf{R}\exp([\boldsymbol{\phi}]_\times)\mathbf{R}^T = \exp([\mathbf{R}\boldsymbol{\phi}]_\times)

이는 회전 축이 \mathbf{R}에 의해 함께 회전함을 의미하며, SO(3)의 공역(adjoint) 작용으로 이해된다.

7.3 역원

\exp([\boldsymbol{\phi}]_\times)^{-1} = \exp(-[\boldsymbol{\phi}]_\times) = \exp([-\boldsymbol{\phi}]_\times)이다. 따라서 회전의 역은 회전 벡터의 부호를 반전시킨 것에 해당한다.

8. 지수 사상의 수치 계산

8.1 닫힌 형태 사용

3차원 SO(3)의 경우 로드리게스 공식을 직접 사용하는 것이 효율적이다. 테일러 급수를 반복 계산하는 것보다 사인, 코사인, 행렬 제곱의 닫힌 표현이 훨씬 빠르다.

8.2 작은 각에서의 수치 안정성

\phi가 0에 가까울 때 \sin\phi/\phi \to 1, (1 - \cos\phi)/\phi^2 \to 1/2이지만 직접 계산하면 분모가 0에 가까워 수치 오차가 발생한다. 다음의 테일러 전개로 근사하는 것이 안정적이다.

\frac{\sin\phi}{\phi} \approx 1 - \frac{\phi^2}{6} + \frac{\phi^4}{120} - \cdots

\frac{1 - \cos\phi}{\phi^2} \approx \frac{1}{2} - \frac{\phi^2}{24} + \frac{\phi^4}{720} - \cdots

9. 지수 사상의 로봇 공학적 활용

9.1 자세 적분

각속도 \boldsymbol{\omega}의 시간 적분으로 자세를 갱신할 때 지수 사상을 사용한다.

\mathbf{R}_{k+1} = \mathbf{R}_k\exp([\boldsymbol{\omega}\Delta t]_\times)

이는 1차 오일러 적분의 직접적 구현이며, 회전의 다양체 구조를 정확히 존중한다.

9.2 SLAM 최적화

그래프 최적화 기반 SLAM에서 포즈 노드의 오차는 리 대수 \mathfrak{se}(3)에서 정의되고, 지수 사상으로 SE(3)에 적용된다. 비선형 최소 제곱 해법(가우스-뉴턴, 레벤버그-마쿼트)이 리 대수 공간에서 수행된다.

9.3 제어 오차의 표현

자세 제어에서 목표와 현재 자세의 오차 \mathbf{R}_e = \mathbf{R}^T\mathbf{R}_d를 로그 사상으로 회전 벡터로 변환하고, 지수 사상으로 제어 입력을 생성한다.

9.4 쿼터니언과의 연결

쿼터니언 표현에서의 지수 사상은 다음과 같이 정의된다.

\exp(\boldsymbol{\phi}/2) = \cos(\phi/2) + \sin(\phi/2)\hat{\boldsymbol{\phi}}

(순수 벡터 부분의 지수로서 정의). 쿼터니언 지수와 회전 행렬 지수는 SO(3)의 이중 피복 관계에서 통일적으로 이해된다.

10. 참고 문헌

• Hall, B. C. (2015). Lie Groups, Lie Algebras, and Representations (2nd ed.). Springer.
• 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.
• Sola, J., Deray, J., & Atchuthan, D. (2018). “A Micro Lie Theory for State Estimation in Robotics.” arXiv:1812.01537.
• Chirikjian, G. S. (2011). Stochastic Models, Information Theory, and Lie Groups, Volume 2. Birkhäuser.

version: 1.0