李群李代数 简明教程

李群李代数 简明教程

slam算法中往往需要用到李群李代数的一些知识，最近看到一个李群李代数的简明教程，就翻译下来，有些地方翻译的可能不准，主要是作为一个学习记录。

2.4 李群

优化和滤波的方法适用与欧式向量空间${\mathbb{R}}^n$中的向量或标量，当进行优化操作时，我们计算一个增量$\delta \in {\mathbb{R}}^{\mathbf{n}}$，然后将该增量加到当前的估计值${\mathbf{x}}^{(\mathbf{k})}\in {\mathbb{R}}^{\mathbf{n}}$上：
$${\mathbf{x}}^{(\mathbf{k}+1)}={\mathbf{x}}^{(\mathbf{k})}+\delta$$
现在我们来看一个表达式$G(\omega )$，$\omega =({\omega }_1,{\omega }_2,{\omega }_3)$是一个三维空间中的旋转，我们希望求出使$G(\omega )$最小的$\omega$的值。$\omega$可能是三维旋转的任何一种参数表示（例如欧拉角、旋转向量）。执行一次$\delta$旋转然后再进行一次$\omega$旋转通常与执行一次$\delta +\omega$的旋转是不相等的。两次旋转并不能通过两个向量的简单相加得到。因此，旋转并不能用欧式向量空间表达，而是需要使用李群。

李群在计算机视觉和机器人学的相关领域越来越受欢迎。但是大多数文档或者是单纯的只讲如何应用，很少谈及一些特殊李群的相关性质，或者时面向数学专业的讲得很复杂的书。因此，为了弥补两者之间的gap，该教程不仅会介绍$SO(3)$和$SE(3)$而且会介绍一些更一般的概念。

2.4.1 光滑流形和李群

许多基本的数学方法和结论都基于变量是欧氏向量空间中的量。然而大多数的结论都是可以泛化到更加抽象的概念中的。一个较实用的泛化就是从欧氏空间泛化到光滑流行上。一个光滑流形在局部可以视作是欧氏空间，但是在全局结构上又不同于欧氏空间。球面是光滑流形较好的一个例子，球面的每一个局部区域都可以近似用切平面表示，然而它的全局结构又与平面不同。例如，一个2维平面是无界的，而球面是有界的。直观上看，我们可以认为流形是一个被弯曲了的欧氏向量空间。

我们将会关注一类有着特殊的流形：李群，它有着一些非常好的性质。李群是一种群，同时也是一种光滑流形。基于这个抽象的定义来介绍李群需要许多高阶的数学理论，例如拓扑学和微分几何学。然而我们将跟随Stillwell的步伐来理解作为可逆矩阵群$GL(n)$的封闭子群的李群。因此我们就不必非常正式来介绍光滑流形。限定在李群矩阵上并不会有什么大的损失，因为我们感兴趣的大多数李群都属于这一类的李群。

从几何上来直观的介绍李群是比较困难的，因为没有一个比较直观的例子。球面是光滑流形的一个好例子，但是它并不是李群。欧氏空间是一个不太重要的李群。很明显，它不是李群的一个很好的例子，正如一条直线并不能作为光滑函数的一个很好的例子一样。一个最基本的例子是圆环群（图2.3b）。这个群定义了平面旋转。然而，圆环群不够一般，因为它是可交换的。我们将会看到可交换群是非常特殊的。一个最简单的不可交换李群是三维旋转群$SO(3)$。该群将作为我们主要的例子来使用。

2.4.2 群

首先，李群是一种群。一个群$(G,id,\otimes )$是一个集合G,它包含幺元$id\in G$和运算符$\otimes :G\otimes G\to G$，且满足下列群公理：
$${\forall }_{a\in G}{\forall }_{b\in G}{\forall }_{c\in G}a\otimes (b\otimes c)=(a\otimes b)\otimes c(associativity)$$

$${\forall }_{a\in G}a\otimes id=id\otimes a(neutralelement)$$

$${\forall }_{a\in G}{\exists }_{b\in G}a\otimes b=b\otimes a=id(uniqueinverseelement)$$

从公理（4）可知，每个群都有一个取逆函数$inv:G\to G$，定义如下：
$$inv(a):=thatbsuchthata\otimes b=id$$
一个群是可交换的，如果所有的元素可交换：
$${\forall }_{a\in G}{\forall }_{b\in G}a\otimes b=b\otimes a$$
一个群$(G,id,\otimes )$的子集$S\subset G$是一个G子群的子群当$(S,id,\otimes )$是一个群的时候。子群$Z(G)\subset G$的元素是与G中所有元素都满足交换律，即
Z ( G ) : = { x ∈ G : ∀ y ∈ G : x ⊗ y = y ⊗ x } Z(G):=\{x \in G:\forall_{y \in G}:x \otimes y = y \otimes x\} Z(G):={ x∈G:∀y∈G​:x⊗y=y⊗x}
则$Z(G)$称为G的中心。

2.4.3 李群矩阵

首先看一般线性群这一最一般的李群矩阵。它是由$n\times n$可逆实矩阵构成的群。该群的运算符为矩阵乘法，幺元为单位阵$I_{n\times n}$。矩阵必须是可逆的才能满足群公理的要求。矩阵的乘法不可交换因此李群矩阵的运算也不可交换。例如：
$$\left[\begin{array}{cc}0& 1\\ 1& 1\end{array}\right]\left[\begin{array}{cc}1& 2\\ 0& 1\end{array}\right]=\left[\begin{array}{cc}0& 1\\ 1& 3\end{array}\right],但是\left[\begin{array}{cc}1& 2\\ 0& 1\end{array}\right]\left[\begin{array}{cc}0& 1\\ 1& 1\end{array}\right]=\left[\begin{array}{cc}2& 3\\ 1& 1\end{array}\right]$$
有几个李群的例子将会贯穿到整个教程中。一个是称为$SO(2)$的平面旋转群。它由$R(\alpha )$形式的$2\times 2$矩阵构成。
$$R(\alpha )=\left[\begin{array}{cc}\cos (\alpha )& -\sin (\alpha )\\ \sin (\alpha )& \cos (\alpha )\end{array}\right]$$
如果将$R(\alpha )$乘以一个2维向量$x$，那么在右手坐标系中相当于该向量被绕着原点逆时针旋转了$\alpha$角度。$SO(2)$李群是一个特殊的群，因为它是可以交换的，也就是对于两个矩阵$R(\alpha ),R(\beta )\in SO(2)$，那么$R(\alpha )R(\beta )=R(\beta )R(\alpha )$。

为了从$SO(2)$进行一般化，首先注意到它的元素都是正交矩阵，即$R(\alpha )R(\alpha {)}^T=I$或等价的$R(\alpha {)}^T=R(\alpha {)}^{-1}$；一般地，如果$n\times n$矩阵$A{A}^T=I$，那么矩阵称为正交矩阵群$O(n)$。正交群$O(n)$的行列式为1或-1。行列式为-1的正交群处了旋转作用外还有镜像作用。如果我们只想获得旋转，那么需要限制正交矩阵的行列式$det(A)=1$。这样的群被称为特殊正交群，我们将主要研究三维旋转群$SO(3)$。

2.4.4切空间

多数李群,包括$SO(3)$,都是不可交换群。然而每一个群的元素$a$与幺元$id$是可交换的，即：$a⨂id=id⨂a$。因此在幺元附近一个无穷小的区域内是可交换的空间。这一空间就是我们将要介绍的幺元附近的切空间。

光滑路径定义

令$X\subset R^m$，$[a,b]$为一个实数区间。
$$P是X上的光滑路径:⟺P:[a,b]\to X是一个可微的方程。$$
因此一个光滑路径是一个从实数区间映射到实向量空间的可微函数。必要时，我们会将一个矩阵看成是一个m维元组。因此我们可以将一个方阵$A_{n\times n}$看做是向量空间$R^m$的一个成员，这里$m=n^2$。实际上我们感兴趣的是映射到矩阵群上的光滑路径。例如一个$SO(3)$的光滑路径为：
$$R_x:[-\pi ,\pi ]\to SO(3)，R_x(t)=\left[\begin{array}{ccc}1& 0& 0\\ 0& \cos (t)& -\sin (t)\\ 0& \sin (t)& \cos (t)\end{array}\right]$$
光滑路径是一个与空间中运动概念相关联的术语。事实上，$R(t)$描述了$t$时刻绕$x$轴的旋转。另外一个例子是$SO(2)$是由式(2)定义的光滑路径完全确定。

定义：一个路径的切向量

令$P$是一个光滑路径，且$P(0)=y$。
$$x是路径P在y点处的切向量:⟺x=\frac{\partial }{\partial t}P(t){|}_{t=0}$$
此外，如果如果这样的一个光滑路径存在，那么我们称$x$是空间$X$的一个切向量。

定义：一个空间的切向量

令$X\subset R^n$是一个空间，且$y\in X$。
$$x是X上y点处的一个切向量:⟺{\exists }_{smooth\_path\_P\_in\_X}(P(0)=y\wedge x=\frac{\partial }{\partial t}P(t){|}_{t=0})$$
例如，
$$\frac{\partial }{\partial t}{R}_x(t){|}_{t=0}=\left[\begin{array}{ccc}0& 0& 0\\ 0& -\sin (0)& -\cos (0)\\ 0& \cos (0)& -\sin (0)\end{array}\right]=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& -1\\ 0& 1& 0\end{array}\right]$$
是$R(x)$的切向量，因此也是