# 행렬: 기초 개념 (Matrices: Fundamental Concepts)

#### 행렬의 정의와 표기법

행렬(matrix)은 수학에서 데이터를 직사각형 배열로 나타내는 방식으로, 특정 규칙에 따라 정렬된 수치들의 집합이다. 일반적으로, 행렬은 행(row)과 열(column)로 구성된 표 형태로 표현되며, 각각의 위치는 행과 열의 인덱스에 의해 결정된다. 행렬의 크기는 행(row)의 수와 열(column)의 수로 나타내며, $ m \times n $ 행렬은 $ m $개의 행과 $ n $개의 열로 구성된다. 예를 들어, 3x3 행렬은 3개의 행과 3개의 열을 가진다.

행렬의 표기법은 다음과 같다:

$$
A = \begin{pmatrix} a\_{11} & a\_{12} & \cdots & a\_{1n} \ a\_{21} & a\_{22} & \cdots & a\_{2n} \ \vdots & \vdots & \ddots & \vdots \ a\_{m1} & a\_{m2} & \cdots & a\_{mn} \end{pmatrix}
$$

여기서 $ a\_{ij} $는 행렬 A의 $ i $번째 행과 $ j $번째 열에 위치한 요소이다.

#### 행렬의 종류

행렬은 그 특성에 따라 다양한 종류로 분류될 수 있다. 각각의 행렬 유형은 특정한 수학적 성질을 가지고 있으며, 이를 이해하는 것이 중요하다.

\*\*정방 행렬 (Square Matrix)\*\*는 행의 수와 열의 수가 동일한 행렬로, $ n \times n $ 형태로 나타낼 수 있다. 이러한 행렬은 주대각선(diagonal)이 중요하며, 대각행렬(diagonal matrix) 등의 개념과 연결된다.

\*\*영행렬 (Zero Matrix)\*\*은 모든 요소가 0인 행렬로, 덧셈 연산에서 항등원 역할을 한다.

\*\*단위 행렬 (Identity Matrix)\*\*은 대각선 요소가 모두 1이고, 나머지 요소가 모두 0인 정방 행렬이다. 이는 행렬 곱셈에서 항등원 역할을 하며, 다음과 같이 나타낼 수 있다:

$$
I\_n = \begin{pmatrix} 1 & 0 & \cdots & 0 \ 0 & 1 & \cdots & 0 \ \vdots & \vdots & \ddots & \vdots \ 0 & 0 & \cdots & 1 \end{pmatrix}
$$

\*\*대칭 행렬 (Symmetric Matrix)\*\*은 전치 행렬(transpose)과 자기 자신이 동일한 행렬로, $ A = A^T $를 만족한다. 즉, $ a\_{ij} = a\_{ji} $가 성립하는 행렬이다.

\*\*대각 행렬 (Diagonal Matrix)\*\*은 주대각선 이외의 모든 요소가 0인 행렬이다. 대각 행렬의 예로는 단위 행렬이 있으며, 이 행렬은 계산의 단순화를 위해 자주 사용된다.

\*\*삼각 행렬 (Triangular Matrix)\*\*은 모든 요소가 주대각선의 위 또는 아래에서만 0이 아닌 값을 가지는 행렬이다. 상삼각 행렬(Upper Triangular Matrix)과 하삼각 행렬(Lower Triangular Matrix)로 구분된다.

\*\*정규 행렬 (Orthogonal Matrix)\*\*은 전치 행렬이 역행렬과 동일한 정방 행렬이다. 즉, $ Q^TQ = QQ^T = I $를 만족하는 행렬을 의미한다.

#### 행렬의 연산

행렬의 연산은 선형대수에서 중요한 부분을 차지하며, 다양한 연산법이 존재한다. 이러한 연산을 이해하는 것은 행렬을 다루는 데 있어 필수적이다.

**행렬의 덧셈과 뺄셈**은 두 행렬의 차원이 동일할 때, 대응되는 요소끼리 더하거나 빼는 방식으로 수행된다. 즉, $ C = A + B $일 때, $ c\_{ij} = a\_{ij} + b\_{ij} $가 된다.

**스칼라 곱**은 행렬의 각 요소에 스칼라(실수)를 곱하는 연산이다. 예를 들어, 행렬 $ A $와 스칼라 $ \alpha $의 곱은 $ \alpha A = \begin{pmatrix} \alpha a\_{11} & \alpha a\_{12} & \cdots & \alpha a\_{1n} \ \alpha a\_{21} & \alpha a\_{22} & \cdots & \alpha a\_{2n} \ \vdots & \vdots & \ddots & \vdots \ \alpha a\_{m1} & \alpha a\_{m2} & \cdots & \alpha a\_{mn} \end{pmatrix} $로 계산된다.

**행렬 곱셈**은 두 행렬 $ A $와 $ B $가 곱셈 가능할 때, $ C = AB $로 계산된다. 여기서 $ C $의 요소 $ c\_{ij} $는 $ A $의 $ i $번째 행과 $ B $의 $ j $번째 열의 내적(inner product)으로 정의된다. 행렬 곱셈은 결합법칙을 만족하지만, 일반적으로 교환법칙을 만족하지 않는다.

\*\*전치 행렬 (Transpose Matrix)\*\*은 행과 열을 바꾸는 연산이다. 즉, 행렬 $ A $의 전치 행렬 $ A^T $는 $ A $의 행과 열이 뒤바뀐 형태로, $ (A^T)*{ij} = a*{ji} $로 정의된다.

\*\*역행렬 (Inverse Matrix)\*\*은 행렬 곱셈에 대한 역원을 의미하며, 정방 행렬에 대해서만 정의된다. 행렬 $ A $에 대해 $ A^{-1} $가 존재한다면, $ AA^{-1} = A^{-1}A = I $를 만족한다.

#### 행렬의 성질과 특성

행렬의 성질은 다양한 수학적 상황에서 중요한 역할을 하며, 특정한 성질을 가진 행렬은 문제 해결에 있어 매우 유용하다.

\*\*행렬식 (Determinant)\*\*은 정방 행렬에 대해 정의되며, 주어진 행렬이 가역적인지 아닌지를 판단하는 데 사용된다. 행렬식이 0이 아닌 경우 행렬은 가역이며, 0인 경우에는 가역이 아니다.

\*\*계급 (Rank)\*\*은 행렬의 계수 행렬에서 선형 독립적인 행 또는 열의 최대 수를 의미한다. 행렬의 계급은 그 행렬이 생성하는 벡터 공간의 차원을 나타내며, 선형 시스템의 해를 판단하는 데 중요하다.

\*\*특이값 (Singular Value)\*\*과 \*\*고유값 (Eigenvalue)\*\*은 행렬의 중요한 성질로, 특히 선형 변환의 기하학적 특성을 이해하는 데 사용된다. 행렬의 고유값은 행렬이 특정 벡터 방향으로 얼마나 스케일링 되는지를 나타내며, 특이값은 보다 일반적인 행렬 분해에서 중요한 역할을 한다.

***

관련 자료:

* Linear Algebra and Its Applications by Gilbert Strang
* Introduction to Linear Algebra by Serge Lang
* Matrix Analysis by Roger A. Horn and Charles R. Johnson