写给计算机系同学的李群与李代数（一）：从旋转矩阵到抽象群

李群与李代数的初识——从旋转矩阵到抽象群

在计算机科学中，无论是三维图形学中的旋转、机器人学中的运动规划，还是机器学习中的流形优化，我们常常需要处理连续的变换。这些变换通常具有某种“平滑”和“结构化”的性质，而李群（Lie Group）和李代数（Lie Algebra）正是描述这类变换的数学工具。本篇博客将带你从熟悉的旋转矩阵出发，逐步走进李群和李代数的世界，揭开它们的神秘面纱。我们会通过公式、推导和例子，结合几何意义和直观解释，帮助你建立对这些概念的初步认识。

什么是李群（Lie Group）？

李群（Lie Group）是一个既是群（Group）又具有光滑流形（Smooth Manifold）结构的数学对象。让我们拆解一下这个定义：

• 群（Group）：一个集合配上一种运算（例如矩阵乘法），满足以下性质：
  • 封闭性（Closure）：对任意两个元素 $g,h$，它们的运算结果 $g\cdot h$ 仍在集合中。
  • 结合律（Associativity）：$(g\cdot h)\cdot k=g\cdot (h\cdot k)$。
  • 单位元（Identity）：存在一个元素 $e$，使得对任意 $g$，有 $e\cdot g=g\cdot e=g$。
  • 逆元（Inverse）：对任意 $g$，存在 $g^{-1}$，使得 $g\cdot g^{-1}=g^{-1}\cdot g=e$。
• 光滑流形（Smooth Manifold）：一个可以局部看作欧几里得空间的几何对象，并且具有“平滑”性质，允许我们定义微分、切线等概念。

简单来说，李群是一个集合，它的元素可以通过某种运算组合，并且这些元素可以“连续变化”，就像旋转角度可以从 0° 平滑变化到 360°。李群的名字来源于挪威数学家索菲斯·李（Sophus Lie），他研究了连续变换的代数结构。

常见的李群示例

让我们通过几个具体的李群来感受它们的魅力：

1. 特殊正交群（Special Orthogonal Group, SO(n))：

   • 这是所有 $n\times n$ 旋转矩阵的集合，满足：
     • 正交性：$R^{T}R=I$（$I$ 是单位矩阵）。
     • 行列式为 1：$\det (R)=1$。
   • 例如，二维旋转矩阵属于 SO(2)，形如：
     $$R(\theta )=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$$
     它描述平面上的旋转，角度 $\theta$ 可以连续变化。
   • SO(3) 则包含三维空间的所有旋转矩阵，用于描述 3D 物体的旋转。

2. 特殊线性群（Special Linear Group, SL(n))：

   • 这是所有 $n\times n$ 矩阵中行列式为 1 的集合。
   • 例如，SL(2) 包含二维变换矩阵，保持面积不变。

3. 欧几里得群（Euclidean Group, SE(n))：

   • 这是刚体变换的集合，包括旋转和平移。
   • SE(3) 常用于机器人学，描述三维空间中的位姿（旋转加平移），可以用 $4\times 4$ 矩阵表示：
     $$\left[\begin{array}{cc}R& t\\ 0& 1\end{array}\right]$$
     其中 $R\in \text{SO(3)}$，$t$ 是平移向量。

这些李群在计算机领域无处不在：SO(3) 用于 3D 动画中的物体旋转，SE(3) 用于机器人手臂的运动规划，SL(n) 出现在某些优化问题中。

从旋转矩阵到李群

为了更好地理解李群，让我们以 SO(2) 为例，探索旋转矩阵如何形成一个群。

SO(2) 的群结构

考虑二维平面上的旋转矩阵：
$$R(\theta )=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$$
我们来验证它是否满足群的性质：

• 封闭性：两个旋转矩阵相乘仍是旋转矩阵。设 $R({\theta }_1)$ 和 $R({\theta }_2)$，它们的乘积为：
  $$R({\theta }_1)R({\theta }_2)=\left[\begin{array}{cc}\cos {\theta }_1& -\sin {\theta }_1\\ \sin {\theta }_1& \cos {\theta }_1\end{array}\right]\left[\begin{array}{cc}\cos {\theta }_2& -\sin {\theta }_2\\ \sin {\theta }_2& \cos {\theta }_2\end{array}\right]$$
  通过三角恒等式，计算得：
  $$R({\theta }_1)R({\theta }_2)=\left[\begin{array}{cc}\cos ({\theta }_1+{\theta }_2)& -\sin ({\theta }_1+{\theta }_2)\\ \sin ({\theta }_1+{\theta }_2)& \cos ({\theta }_1+{\theta }_2)\end{array}\right]=R({\theta }_1+{\theta }_2)$$
  结果仍是 SO(2) 中的矩阵。

• 结合律：矩阵乘法天然满足结合律。

• 单位元：取 $\theta =0$，得 $R(0)=\left[\begin{array}{cc}1& 0\\ 0& 1\end{array}\right]$，即单位矩阵 $I$。

• 逆元：对于 $R(\theta )$，其逆为 $R(\theta {)}^{-1}=R(-\theta )$，因为：
  $$R(\theta )R(-\theta )=R(\theta +(-\theta ))=R(0)=I$$

此外，SO(2) 的矩阵随 $\theta$ 连续变化，满足光滑流形的性质，因此 SO(2) 是一个李群。

几何意义

SO(2) 描述了平面上的所有可能旋转，参数 $\theta$ 定义了一个圆（拓扑上，SO(2) 同构于圆 $S^1$）。你可以想象一个时钟的指针，连续地旋转，这就是李群的“连续性”体现。

李代数（Lie Algebra）的初步概念

如果李群描述了“变换的集合”，那么李代数（Lie Algebra）则捕捉了这些变换的“无穷小变化”，类似物理中位置与速度的关系。形式上，李代数是一个向量空间，配有一个特殊的运算——李括号（Lie Bracket），通常是矩阵的交换子 $[A,B]=AB-BA$。

对于一个李群，它的李代数可以看作群的单位元（例如单位矩阵）附近的“切空间”。更具体地，李代数的元素通过矩阵指数映射（Matrix Exponential）生成李群的元素：
$$e^A=\sum _{k=0}^{\infty }\frac{A^k}{k!}$$
其中 $A$ 是李代数中的矩阵，$e^A$ 是李群中的元素。

以 SO(2) 为例

让我们看看 SO(2) 的李代数是什么。考虑旋转矩阵 $R(\theta )$ 在 $\theta =0$ 附近的“速度”。对 $R(\theta )$ 求导：
$$R(\theta )=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right],\frac{d}{d\theta }R(\theta )=\left[\begin{array}{cc}-\sin \theta & -\cos \theta \\ \cos \theta & -\sin \theta \end{array}\right]$$
在 $\theta =0$ 处：
$${\frac{d}{d\theta }R(\theta )|}_{\theta =0}=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]=B$$
矩阵 $B$ 是一个反对称矩阵（Skew-Symmetric Matrix），满足 $B^T=-B$。我们发现，SO(2) 的李代数（记为 $\text{so(2)}$）由所有形如 $cB$ 的矩阵组成，其中 $c$ 是实数。

现在，验证矩阵指数映射：
$$e^{\theta B}=e^{\theta \left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]}$$
计算 $B^2$：
$$B^2=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]=\left[\begin{array}{cc}-1& 0\\ 0& -1\end{array}\right]=-I$$
因此：
$$B^3=B^2\cdot B=-I\cdot B=-B,B^4=B^3\cdot B=-B\cdot B=I$$
矩阵指数展开：
$$e^{\theta B}=I+\theta B+\frac{(\theta B{)}^2}{2!}+\frac{(\theta B{)}^3}{3!}+\cdots =I+\theta B-\frac{{\theta }^2}{2!}I-\frac{{\theta }^3}{3!}B+\cdots$$
将奇次项和偶次项分开：
$$e^{\theta B}=\left(1-\frac{{\theta }^2}{2!}+\frac{{\theta }^4}{4!}-\cdots \right)I+\left(\theta -\frac{{\theta }^3}{3!}+\frac{{\theta }^5}{5!}-\cdots \right)B$$
利用泰勒展开 $\cos \theta =1-\frac{{\theta }^2}{2!}+\frac{{\theta }^4}{4!}-\cdots$ 和 $\sin \theta =\theta -\frac{{\theta }^3}{3!}+\frac{{\theta }^5}{5!}-\cdots$，得：
$$e^{\theta B}=\cos \theta I+\sin \theta B=\left[\begin{array}{cc}\cos \theta & 0\\ 0& \cos \theta \end{array}\right]+\left[\begin{array}{cc}0& -\sin \theta \\ \sin \theta & 0\end{array}\right]=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$$
这就是 SO(2) 的旋转矩阵！这表明，$\text{so(2)}$ 中的矩阵 $\theta B$ 通过指数映射生成了 SO(2) 的元素。

几何意义

矩阵 $B=\left[\begin{array}{cc}0& -1\\ 1& 0\end{array}\right]$ 表示一个“无穷小旋转”。参数 $\theta$ 控制旋转的角度，矩阵指数 $e^{\theta B}$ 将这个“速度”转化为具体的旋转。类比于物理学，李代数像是“角速度”，而李群是“旋转角度”。

SO(3) 的简单介绍

让我们稍微扩展到三维情况。SO(3) 包含所有 $3\times 3$ 旋转矩阵，描述三维空间的旋转。它的李代数 $\text{so(3)}$ 由所有 $3\times 3$ 反对称矩阵组成，例如：
$$B_1=\left[\begin{array}{ccc}0& 0& 0\\ 0& 0& -1\\ 0& 1& 0\end{array}\right],B_2=\left[\begin{array}{ccc}0& 0& 1\\ 0& 0& 0\\ -1& 0& 0\end{array}\right],B_3=\left[\begin{array}{ccc}0& -1& 0\\ 1& 0& 0\\ 0& 0& 0\end{array}\right]$$
这些矩阵分别对应绕 x、y、z 轴的“无穷小旋转”。通过矩阵指数 $e^{\theta B_i}$，我们可以生成绕某轴的旋转矩阵（具体推导将在后续博客中展开）。

例子：三维旋转

假设我们想绕 z 轴旋转角度 $\theta$，对应的李代数元素是 $\theta B_3$。计算 $e^{\theta B_3}$（推导略，类似 SO(2)），结果为：
$$e^{\theta B_3}=\left[\begin{array}{ccc}\cos \theta & -\sin \theta & 0\\ \sin \theta & \cos \theta & 0\\ 0& 0& 1\end{array}\right]$$
这正是绕 z 轴旋转的矩阵，与 3D 图形学中的变换一致。

直观总结

李群和李代数的关系可以用一个类比来理解：想象你在一条曲线上移动，李群是你的“位置”（例如旋转矩阵），而李代数是你的“速度”（无穷小变换）。矩阵指数映射 $e^A$ 就像是从速度积分得到位置。

• 李群（Lie Group）：描述连续变换的集合，例如旋转、平移。
• 李代数（Lie Algebra）：描述这些变换的“局部行为”，通过指数映射连接到李群。
• 几何意义：李群是“全局”的变换空间，李代数是“局部”的线性近似，方便计算和优化。

为什么计算机系的学生需要关心这些？

李群和李代数在计算机科学中有广泛应用：

• 计算机图形学：SO(3) 用于 3D 物体的旋转，SE(3) 用于刚体变换。
• 机器人学：李代数帮助优化运动轨迹，处理非线性约束。
• 机器学习：李群上的优化用于流形学习、生成模型等。

接下来的博客将深入探讨李代数的结构、矩阵指数的细节，以及它们在实际问题中的应用。希望这篇介绍让你对李群和李代数有了一个直观的认识！

后记

2025年4月11日于上海，在grok 3大模型辅助下完成。