search

직교 행렬 (Orthogonal Matrices)

hashtag
정의와 기본 성질

직교 행렬(Orthogonal Matrix)은 n×n 실수 행렬 $ Q $가 다음 조건을 만족할 때, 이를 직교 행렬이라 한다.

QTQ=QQT=InQ^T Q = Q Q^T = I_n

여기서 $ Q^T $는 행렬 $ Q $의 전치 행렬(transpose matrix)이며, $ I_n $은 n차 단위 행렬(identity matrix)을 의미한다. 이 식은 직교 행렬이 자신의 전치 행렬에 의해 역행렬(inverse matrix)이 됨을 보여준다. 즉, $ Q^{-1} = Q^T $가 성립한다.

직교 행렬은 다음과 같은 중요한 성질들을 갖는다:

  • **행렬의 열벡터와 행벡터는 각각 서로 직교(orthogonal)**한다.

  • **행렬의 열벡터와 행벡터는 각각 정규화(normalized)**되어 있다. 즉, 벡터의 크기는 1이다.

이러한 성질로 인해 직교 행렬은 항상 비특이 행렬(non-singular matrix)이며, 그 행렬식(determinant)은 $ \pm1 $의 값을 갖는다.

hashtag
직교 행렬의 분류

직교 행렬은 대각행렬(diagonal matrix)와 반대칭행렬(skew-symmetric matrix)과 같은 특수한 형태로 분류될 수 있다. 특히, 2차원 및 3차원 공간에서는 회전행렬(rotation matrix)과 반사행렬(reflection matrix)로도 분류된다.

  • 회전 행렬 (Rotation Matrix): 행렬식이 1인 직교 행렬이다. 이 행렬은 유클리드 공간에서 벡터를 회전시키는 성질을 갖는다.

  • 반사 행렬 (Reflection Matrix): 행렬식이 -1인 직교 행렬이다. 이 행렬은 어떤 축에 대해 벡터를 반사시키는 역할을 한다.

hashtag
직교 행렬의 스펙트럼 성질

직교 행렬의 고유값(eigenvalue)은 매우 특수한 성질을 가지는데, 이는 직교 행렬의 스펙트럼(spectrum)을 분석할 때 중요하다. 모든 고유값은 복소수(complex number)에서 크기가 1인 값, 즉 단위 원(unit circle) 상에 위치한다.

  • 고유값의 종류: 고유값은 $ \pm1 $ 또는 복소수의 경우 $ |\lambda| = 1 $인 형태를 갖는다.

  • 고유벡터(Eigenvector): 직교 행렬의 고유벡터는 서로 직교하며, 서로 다른 고유값에 대응하는 고유벡터들은 모두 서로 직교한다.

hashtag
직교 행렬과 내적 보존

직교 행렬은 유클리드 공간에서 내적(inner product)을 보존하는 성질을 갖는다. 두 벡터 $ u, v $가 있을 때, 직교 행렬 $ Q $에 대해 다음이 성립한다:

⟨Qu,Qv⟩=⟨u,v⟩\langle Qu, Qv \rangle = \langle u, v \rangle

이 식은 직교 행렬이 내적을 변화시키지 않는다는 의미이다. 즉, 직교 변환은 길이와 각도를 보존하며, 이는 유클리드 기하학에서 매우 중요한 성질이다.

hashtag
직교 행렬의 상사 변환

직교 행렬 $ Q $와 어떤 정방 행렬 $ A $가 주어졌을 때, 상사 변환(similarity transformation)은 다음과 같이 정의된다:

Q−1AQ=QTAQQ^{-1}AQ = Q^TAQ

이 변환에서 $ A $와 $ Q^{-1}AQ $는 같은 고유값을 가지며, 이 변환은 행렬의 고유값과 스펙트럼 분해(spectral decomposition)에 매우 중요한 역할을 한다.

hashtag
직교 행렬의 생성 방법

직교 행렬은 여러 가지 방법으로 생성될 수 있다. 대표적인 방법으로는 다음이 있다:

  • 그람-슈미트(Gram-Schmidt) 정규화: 주어진 선형 독립 벡터 집합으로부터 직교 집합을 생성하는 방법이다.

  • QR 분해(QR Decomposition): 임의의 행렬 $ A $를 직교 행렬 $ Q $와 상삼각 행렬(upper triangular matrix) $ R $의 곱으로 분해하는 방법이다.

hashtag
직교 행렬의 연산적 성질

직교 행렬은 여러 가지 연산적 성질을 가지며, 이는 특히 행렬 연산에서 유용하다.

  • 곱의 닫힘 성질: 두 직교 행렬의 곱은 여전히 직교 행렬이다.

  • 전치의 성질: 직교 행렬의 전치는 여전히 직교 행렬이다.

  • 역행렬의 성질: 직교 행렬의 역행렬은 전치 행렬과 동일하다.

관련 자료:

  1. Horn, R. A., & Johnson, C. R. (2013). Matrix Analysis. Cambridge University Press.

  2. Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations. Johns Hopkins University Press.

  3. Lax, P. D. (2007). Linear Algebra and Its Applications. Wiley-Interscience.

Previous반대칭 행렬 (Skew-Symmetric Matrix)Next행렬: 대각행렬 (Diagonal Matrix)

Last updated