10.47 카일리 변환(Cayley Transform)과 회전 행렬

1. 카일리 변환의 개요

카일리 변환(Cayley transform)은 아서 카일리(Arthur Cayley, 1821-1895)가 도입한 행렬 변환이며, 반대칭 행렬을 직교 행렬로 변환하는 매우 우아한 방법을 제공한다. 특히 3차원의 경우, 반대칭 행렬이 \mathfrak{so}(3) 리 대수의 원소이고 특수 직교 행렬이 SO(3)의 원소이므로, 카일리 변환은 리 대수에서 리 군으로의 사상을 제공한다.

2. 카일리 변환의 정의

2.1 일반 형태

반대칭 행렬 \mathbf{A} (\mathbf{A}^T = -\mathbf{A})에 대해 카일리 변환은 다음과 같이 정의된다.

\mathbf{R} = (\mathbf{I} - \mathbf{A})(\mathbf{I} + \mathbf{A})^{-1}

또는 동등하게

\mathbf{R} = (\mathbf{I} + \mathbf{A})^{-1}(\mathbf{I} - \mathbf{A})

이 두 형태는 일반적으로 같은 결과를 산출한다(동치).

2.2 결과의 성질

• \mathbf{R}은 직교 행렬 (\mathbf{R}^T\mathbf{R} = \mathbf{I})
• \det(\mathbf{R}) = +1 (즉, \mathbf{R} \in SO(3))

따라서 카일리 변환은 반대칭 행렬을 특수 직교 행렬로 사상한다.

3. 카일리 변환의 역

역 카일리 변환은 회전 행렬을 반대칭 행렬로 변환한다.

\mathbf{A} = (\mathbf{I} - \mathbf{R})(\mathbf{I} + \mathbf{R})^{-1}

이는 원래 카일리 변환과 정확히 같은 형태이다 (involution).

3.1 가역성

카일리 변환은 자기 자신의 역이다. 즉

C(C(\mathbf{A})) = \mathbf{A}

여기서 C는 카일리 변환이다.

4. 로드리게스 매개변수와의 관계

카일리 변환은 로드리게스 매개변수(CRP)와 직접적으로 관련이 있다. 반대칭 행렬 \mathbf{A} = [\mathbf{g}]_\times에 카일리 변환을 적용하면 로드리게스 매개변수 \mathbf{g}에 대응하는 회전 행렬이 얻어진다.

4.1 공식

\mathbf{R}(\mathbf{g}) = (\mathbf{I} - [\mathbf{g}]_\times)(\mathbf{I} + [\mathbf{g}]_\times)^{-1}

이를 전개하면 로드리게스 매개변수의 회전 행렬 공식이 얻어진다.

\mathbf{R}(\mathbf{g}) = \frac{(1 - \lVert\mathbf{g}\rVert^2)\mathbf{I} + 2\mathbf{g}\mathbf{g}^T + 2[\mathbf{g}]_\times}{1 + \lVert\mathbf{g}\rVert^2}

5. 카일리 변환의 유도

카일리 변환이 직교 행렬을 산출하는 이유를 증명해보자.

5.1 직교성 증명

\mathbf{R} = (\mathbf{I} - \mathbf{A})(\mathbf{I} + \mathbf{A})^{-1}의 전치는

\mathbf{R}^T = ((\mathbf{I} + \mathbf{A})^{-1})^T(\mathbf{I} - \mathbf{A})^T = (\mathbf{I} + \mathbf{A}^T)^{-1}(\mathbf{I} - \mathbf{A}^T)

\mathbf{A}^T = -\mathbf{A}이므로

\mathbf{R}^T = (\mathbf{I} - \mathbf{A})^{-1}(\mathbf{I} + \mathbf{A})

\mathbf{R}^T\mathbf{R}을 계산하면

\mathbf{R}^T\mathbf{R} = (\mathbf{I} - \mathbf{A})^{-1}(\mathbf{I} + \mathbf{A})(\mathbf{I} - \mathbf{A})(\mathbf{I} + \mathbf{A})^{-1}

(\mathbf{I} + \mathbf{A})(\mathbf{I} - \mathbf{A}) = \mathbf{I} - \mathbf{A}^2 = (\mathbf{I} - \mathbf{A})(\mathbf{I} + \mathbf{A})이므로 (두 항이 가환)

\mathbf{R}^T\mathbf{R} = (\mathbf{I} - \mathbf{A})^{-1}(\mathbf{I} - \mathbf{A})(\mathbf{I} + \mathbf{A})(\mathbf{I} + \mathbf{A})^{-1} = \mathbf{I}

따라서 \mathbf{R}은 직교 행렬이다.

5.2 \det = +1 증명

연속적 경로 논증으로 \det(\mathbf{R}) = +1을 보일 수 있다. \mathbf{A} = 0일 때 \mathbf{R} = \mathbf{I}이고, \mathbf{A}가 연속적으로 변할 때 \mathbf{R}도 연속적으로 변한다. \det(\mathbf{R})은 연속 함수이고 +1에서 시작하므로 항상 +1이다.

6. 카일리 변환의 특성

6.1 \mathbf{A} = 0: 항등 회전

\mathbf{A} = 0일 때

\mathbf{R} = \mathbf{I}\cdot\mathbf{I}^{-1} = \mathbf{I}

항등 회전에 대응한다.

6.2 작은 \mathbf{A}: 작은 회전

작은 \mathbf{A}에 대해 (\mathbf{I} + \mathbf{A})^{-1} \approx \mathbf{I} - \mathbf{A}이므로

\mathbf{R} \approx (\mathbf{I} - \mathbf{A})(\mathbf{I} - \mathbf{A}) = \mathbf{I} - 2\mathbf{A}

이는 작은 회전의 근사이다.

6.3 큰 \mathbf{A}: 특이점

\mathbf{A}가 매우 크면 (\mathbf{I} + \mathbf{A})의 역이 존재하지만, 수치적 안정성이 저하될 수 있다. 이론적으로는 \det(\mathbf{I} + \mathbf{A}) = 0인 경우 카일리 변환이 정의되지 않는다.

7. 도 회전 특이점

카일리 변환의 중요한 한계는 180도 회전을 표현할 수 없다는 것이다.

7.1 수학적 이유

180도 회전의 회전 행렬 \mathbf{R}_{180}에 대해 (\mathbf{I} + \mathbf{R}_{180})^{-1}이 존재하지 않는다. \mathbf{I} + \mathbf{R}_{180}이 특이 행렬이 되기 때문이다.

7.2 역 카일리 변환의 특이점

역 카일리 변환 \mathbf{A} = (\mathbf{I} - \mathbf{R})(\mathbf{I} + \mathbf{R})^{-1}이 180도 회전에서 발산한다.

이는 로드리게스 매개변수가 \phi = \pi에서 발산하는 것과 같은 현상이다.

8. 카일리 변환의 응용

8.1 로드리게스 매개변수

카일리 변환은 로드리게스 매개변수의 수학적 기반이다. 반대칭 행렬의 카일리 변환이 정확히 로드리게스 매개변수에 대응하는 회전 행렬이다.

8.2 회전 행렬의 매개화

카일리 변환을 통해 회전 행렬을 반대칭 행렬로 매개화할 수 있다. 반대칭 행렬은 독립 성분이 3개(n(n-1)/2 = 3)이므로 3 매개변수 매개화이다.

8.3 수치 최적화

회전 행렬을 제약 조건으로 하는 최적화에서 카일리 변환이 사용된다. 자유 매개변수(반대칭 행렬의 성분)에서 최적화를 수행하고 카일리 변환으로 회전 행렬로 변환한다.

8.4 매니폴드 최적화

리 군 SO(3) 상의 최적화에서 카일리 변환이 지역 매개화로 사용된다.

8.5 행렬 이론

선형 대수에서 카일리 변환은 에르미트 행렬과 유니타리 행렬 사이의 관계에서도 등장한다 (복소수 경우).

9. 카일리 변환의 장단점

9.1 장점

1. 대수적 단순함: 분수 형태의 닫힌 형태 공식
2. 역의 자명함: 역 카일리 변환이 정확히 같은 형태
3. 자유 매개변수: 반대칭 행렬이 제약 없는 3 매개변수
4. 수치적 효율성: 3\times 3 행렬의 역이 필요하지만 효율적으로 계산 가능

9.2 단점

1. 180도 회전 특이점: 가장 큰 한계
2. 작은 작업 영역: 180도 회전 근처에서 수치 불안정
3. 실용성 제한: 일반적 회전 매개화로는 부적합

10. 카일리 변환과 쿼터니언의 관계

카일리 변환과 쿼터니언은 관련이 있지만 다른 접근법이다.

10.1 쿼터니언의 우위

• 쿼터니언은 180도 회전을 포함한 모든 회전을 표현한다.
• 쿼터니언은 4 매개변수(단위 노름 제약)이지만, 실제 계산이 더 효율적이다.
• 쿼터니언 SLERP가 매끄러운 보간을 제공한다.

10.2 카일리 변환의 이점

• 대수적으로 간결하다.
• 반대칭 행렬과의 직접 관계가 이론적 분석에 유용하다.
• 특정 수학적 구조(사영 기하학 등)와의 연결이 자연스럽다.

11. 일반화: 복소 카일리 변환

카일리 변환은 실수 경우 외에도 일반화될 수 있다. 복소 경우 에르미트 행렬과 유니타리 행렬 사이의 관계이다.

U = (I - iH)(I + iH)^{-1}

여기서 H는 에르미트 행렬이고 U는 유니타리 행렬이다. 이는 실수 카일리 변환의 복소 확장이다.

12. 카일리 변환의 기하학적 해석

12.1 사영 변환

카일리 변환은 사영 기하학과 관련이 있다. 분수 형태의 공식은 사영 공간의 선형 분수 변환과 유사하다.

12.2 단위 구면과 평면

카일리 변환은 단위 구면 상의 점을 평면 상의 점으로 사영하는 것과 구조적으로 비슷하다(입체 사영).

13. 카일리 변환의 계산

13.1 차원 경우

\mathbf{A} = [\mathbf{g}]_\times가 반대칭 3\times 3 행렬이면

\mathbf{R} = (\mathbf{I} - [\mathbf{g}]_\times)(\mathbf{I} + [\mathbf{g}]_\times)^{-1}

13.2 역 계산

\mathbf{I} + [\mathbf{g}]_\times의 역은 (1 + \lVert\mathbf{g}\rVert^2)로 나누고 다음과 같이 구성된다.

(\mathbf{I} + [\mathbf{g}]_\times)^{-1} = \frac{\mathbf{I} - [\mathbf{g}]_\times + \mathbf{g}\mathbf{g}^T}{1 + \lVert\mathbf{g}\rVert^2}

13.3 곱의 전개

(\mathbf{I} - [\mathbf{g}]_\times)(\mathbf{I} + [\mathbf{g}]_\times)^{-1}을 전개하면 로드리게스 매개변수의 표준 회전 행렬 공식이 얻어진다.

14. 카일리 변환의 역사

14.1 아서 카일리

아서 카일리(Arthur Cayley, 1821-1895)는 영국의 수학자이다. 그는 19세기 중반에 행렬 이론과 군론에 큰 기여를 하였다. 카일리-해밀턴 정리(Cayley-Hamilton theorem)와 카일리 그래프(Cayley graph) 등이 그의 이름을 딴 개념이다.

14.2 카일리 변환의 도입

카일리는 1846년에 직교 행렬을 생성하는 방법으로 카일리 변환을 제시하였다. 이는 행렬 이론의 발전에 기여한 중요한 결과이다.

15. 결론

카일리 변환은 반대칭 행렬과 직교 행렬 사이의 우아한 대수적 관계를 제공한다. 이는 로드리게스 매개변수의 수학적 기반이며, 회전 행렬의 매개화에서 사용된다. 180도 회전에서의 특이점이 실용성을 제한하지만, 이론적 분석과 특정 수학적 응용에서 여전히 중요하다. 현대 로봇 공학에서는 쿼터니언이 더 자주 사용되지만, 카일리 변환의 개념은 회전 이론의 이해에 필수적이다.

16. 참고 문헌

• Cayley, A. (1846). “Sur quelques propriétés des déterminants gauches.” Journal für die reine und angewandte Mathematik, 32, 119–123.
• Shuster, M. D. (1993). “A Survey of Attitude Representations.” Journal of the Astronautical Sciences, 41(4), 439–517.
• Selig, J. M. (2005). Geometric Fundamentals of Robotics (2nd ed.). Springer.
• Diebel, J. (2006). “Representing Attitude: Euler Angles, Unit Quaternions, and Rotation Vectors.” Stanford University Technical Report.
• Schaub, H., & Junkins, J. L. (2003). Analytical Mechanics of Space Systems. AIAA Education Series.

version: 1.0