第 50 章 Clifford 代数与几何代数¶

前置：外代数 (Ch49) · 内积空间 (Ch08) · 旋转矩阵 (Ch05)

本章脉络：从外代数到 Clifford 代数 $\to$ 核心运算：几何积 (Geometric Product) $\mathbf{uv} = \mathbf{u \cdot v} + \mathbf{u \wedge v}$ $\to$ Clifford 代数的公理化构造 $C\ell_{p,q}$ $\to$ 多向量 (Multivectors) 结构：标量、向量、双向量 (Bivectors) 与伪标量 $\to$ 几何代数 (GA) 的物理视角 $\to$ 旋量 (Spinors) 与转动量 (Rotors) $\to$ 几何积的逆与除法 $\to$ 应用：计算机图形学中的旋转插值、量子力学中的 Pauli 与 Dirac 矩阵、相对论时空代数

延伸：几何代数是线性代数的“完全体”；它通过几何积将长度（内积）与面积（外积）统一在同一个运算中，实现了对几何变换（旋转、反射）的纯代数无坐标描述，被誉为“21 世纪的数学语言”

在线性代数中，我们通常将点积和叉积看作两个独立的运算。然而，Clifford 代数（Clifford Algebra，物理学家常称为几何代数）证明了它们只是一个更宏大运算——几何积（Geometric Product）的两个组成部分。这种代数允许我们将标量、向量、面积甚至体积放在同一个加法式子中进行运算，从而极大地简化了高维几何旋转与反射的数学表达。本章将介绍这一现代物理与图形学的终极代数语言。

50.1 几何积的定义与公理¶

定义 50.1 (几何积)

对于向量 $\mathbf{u}, \mathbf{v}$，其几何积 $\mathbf{uv}$ 是唯一满足以下性质的结合律运算： $$\mathbf{uv} = \mathbf{u} \cdot \mathbf{v} + \mathbf{u} \wedge \mathbf{v}$$ - 对称部分：$\mathbf{u} \cdot \mathbf{v} = \frac{1}{2}(\mathbf{uv} + \mathbf{vu})$（内积，标量）。 - 反对称部分：$\mathbf{u} \wedge \mathbf{v} = \frac{1}{2}(\mathbf{uv} - \mathbf{vu})$（外积，双向量）。

50.2 多向量与代数结构¶

定义 50.2 (多向量 Multivector)

Clifford 代数中的元素是不同阶项的混合叠加。例如在 3 维几何代数 $C\ell_3$ 中： $$\mathcal{A} = \alpha + \mathbf{v} + \mathbf{B} + I\beta$$ 包含：标量 (Grade 0)、向量 (Grade 1)、双向量 (Grade 2)、伪标量 (Grade 3)。

50.3 旋转与 Rotor¶

技术：Rotor 表示旋转

在几何代数中，一个向量 $\mathbf{v}$ 绕单位双向量 $B$ 旋转角度 $\theta$ 可以简洁地表示为： $$\mathbf{v}' = R \mathbf{v} R^{-1}$$ 其中 $R = e^{-B\theta/2}$ 称为 Rotor。意义：这比矩阵旋转更高效，且完美统一了复数、四元数与 3D 旋转。

练习题¶

1. [基础] 计算两个正交单位向量 $e_1, e_2$ 的几何积 $e_1 e_2$。

参考答案

计算步骤： 1. 利用几何积定义：$e_1 e_2 = e_1 \cdot e_2 + e_1 \wedge e_2$。 2. 由于正交，$e_1 \cdot e_2 = 0$。 3. 结果为 $e_1 \wedge e_2$。结论：两个正交向量的几何积就是一个代表平面的双向量（Bivector）。注意：$e_2 e_1 = -e_1 e_2$。

2. [性质] 计算 $e_1 e_1$（其中 $e_1$ 为单位向量）。

参考答案

计算： 1. $e_1 e_1 = e_1 \cdot e_1 + e_1 \wedge e_1$。 2. $e_1 \cdot e_1 = \|e_1\|^2 = 1$。 3. $e_1 \wedge e_1 = 0$。结论：$e_1^2 = 1$。在几何代数中，向量的自乘等于其长度的平方。

3. [四元数] 证明：在 3 维几何代数中，双向量基 $e_1e_2, e_2e_3, e_3e_1$ 的代数性质与虚数单位 $i, j, k$ 相同。

参考答案

验证 $i^2 = -1$： 1. $(e_1e_2)^2 = e_1e_2e_1e_2 = e_1(-e_1e_2)e_2 = -e_1^2 e_2^2 = -1 \cdot 1 = -1$。 2. 类似可证 $(e_2e_3)^2 = -1$ 且满足 $i j = k$ 等关系。结论：四元数本质上是 3 维几何代数中的偶子代数。

4. [几何意义] 双向量 $\mathbf{u} \wedge \mathbf{v}$ 代表什么？

参考答案

解释： 它代表了一个具有方向（朝向）和面积大小的有向面积元。在 3 维空间中，它描述了由 $\mathbf{u}, \mathbf{v}$ 张成的平面的姿态。

5. [反射] 写出向量 $\mathbf{v}$ 关于单位向量 $\mathbf{n}$ 的反射公式。

参考答案

公式： $\mathbf{v}' = -\mathbf{n}\mathbf{v}\mathbf{n}$。证明：将 $\mathbf{v}$ 分解为平行于 $\mathbf{n}$ 和垂直于 $\mathbf{n}$ 的分量，代入几何积展开即可得到经典的反射表达式。

6. [逆运算] 向量 $\mathbf{v}$ 的几何积逆 $\mathbf{v}^{-1}$ 是什么？

参考答案

结论： $\mathbf{v}^{-1} = \frac{\mathbf{v}}{\|\mathbf{v}\|^2}$。验证：$\mathbf{v} \cdot \frac{\mathbf{v}}{\|\mathbf{v}\|^2} = \frac{\mathbf{v}^2}{\|\mathbf{v}\|^2} = \frac{\|\mathbf{v}\|^2}{\|\mathbf{v}\|^2} = 1$。这证明了几何代数是一个分级除法代数。

7. [Pauli矩阵] 几何代数 $C\ell_3$ 与量子力学中的 Pauli 矩阵有何联系？

参考答案

联系： Pauli 矩阵 $\sigma_1, \sigma_2, \sigma_3$ 的乘法规则（反交换性与自乘为 1）与 3 维空间的标准正交基 $e_1, e_2, e_3$ 的几何积规则完全一致。这意味着量子自旋的数学描述本质上是 3 维空间几何代数的矩阵表示。

8. [计算] 计算多向量 $A = 1 + e_{12}$ 的模（平方）。

参考答案

计算： 1. 定义 $A^\dagger = 1 - e_{12}$（逆转算子）。 2. $A A^\dagger = (1+e_{12})(1-e_{12}) = 1 - e_{12}^2 = 1 - (-1) = 2$。结论：模的平方为 2。

9. [Rotor] 若 $R = \cos(\theta/2) - e_{12} \sin(\theta/2)$，描述其作用。

参考答案

结论： 这是一个在 $e_1-e_2$ 平面（即 $xy$ 平面）上旋转角度 $\theta$ 的 Rotor。它对应于复数 $e^{-i\theta}$ 的算子形式，但可以作用于 3 维空间中的任意向量。

10. [应用] 为什么几何代数在计算机视觉中优于欧几里得矩阵？

参考答案

理由： 1. 统一性：它在一个框架内统一处理点、线、面和体积。 2. 效率：Rotor 旋转避免了矩阵的冗余参数，且没有万向节死锁（Gimbal Lock）问题。 3. 直观性：几何代数直接操作几何对象本身，而非它们的坐标分量，使得算法的几何意图更清晰。

本章小结¶

Clifford 代数实现了几何与代数的终极融合：

运算的统一：几何积将内积（收缩）与外积（扩张）整合，证明了长度与面积只是同一个张量实体的不同侧面。
变换的简化：通过 Rotor 和反射算子，GA 提供了一种无坐标、高度紧凑的几何变换描述方式，彻底重构了 3D 计算的底层逻辑。
物理的语言：从 Pauli 矩阵到 Dirac 方程，Clifford 代数为现代物理提供了最自然的数学土壤，证明了时空本身的代数结构是几何代数的必然结果。