# 변환 행렬의 특성

#### 가역 변환과 비가역 변환

변환 행렬을 다룰 때 중요한 개념 중 하나는 가역 변환(invertible transformation)과 비가역 변환(non-invertible transformation)이다. 이는 주로 변환 행렬의 역행렬(inverse matrix)이 존재하는지 여부에 따라 결정된다.

**가역 변환 (Invertible Transformation)**

가역 변환은 행렬 $\mathbf{A}$에 대해 그 역행렬 $\mathbf{A}^{-1}$이 존재하는 경우를 의미한다. 즉, 다음 조건을 만족하는 행렬 $\mathbf{A}^{-1}$가 존재하는 경우이다:

$$
\mathbf{A} \mathbf{A}^{-1} = \mathbf{I} \quad \text{and} \quad \mathbf{A}^{-1} \mathbf{A} = \mathbf{I}
$$

여기서 $\mathbf{I}$는 단위 행렬(identity matrix)이다.

* **역행렬의 존재 조건**: 행렬 $\mathbf{A}$가 가역 행렬이기 위한 필요충분 조건은 $\mathbf{A}$의 행렬식(determinant)이 0이 아닌 것이다.

$$
\text{det}(\mathbf{A}) \neq 0
$$

* **벡터 공간에서의 의미**: 가역 변환은 벡터 공간의 차원을 보존하며, 한 공간에서 다른 공간으로 변환된 뒤 다시 원래 공간으로 돌아갈 수 있음을 의미한다.

**비가역 변환 (Non-invertible Transformation)**

비가역 변환은 행렬 $\mathbf{A}$에 대해 그 역행렬 $\mathbf{A}^{-1}$이 존재하지 않는 경우를 의미한다. 이 경우, 다음과 같은 특성을 갖는다:

* **행렬식**: 행렬 $\mathbf{A}$가 비가역 행렬(non-invertible matrix)인 경우, 행렬식은 0이다.

$$
\text{det}(\mathbf{A}) = 0
$$

* **선형 종속성**: 행렬 $\mathbf{A}$의 열벡터(혹은 행벡터)가 선형 종속(linearly dependent)인 경우 비가역 변환이 된다. 이는 행렬 $\mathbf{A}$의 계수가 그 행렬의 차원보다 작다는 것을 의미한다.
* **벡터 공간에서의 의미**: 비가역 변환은 벡터 공간의 차원 감소를 의미하며, 이 경우 특정 방향의 정보가 손실되거나 왜곡된다.

#### 주요 차이점 요약

가역 변환과 비가역 변환의 주요 차이점을 다음과 같이 요약할 수 있다:

1. **역행렬 존재 여부**:
   * **가역 변환**: 행렬 $\mathbf{A}$의 역행렬 $\mathbf{A}^{-1}$이 존재
   * **비가역 변환**: 행렬 $\mathbf{A}$의 역행렬 $\mathbf{A}^{-1}$이 존재하지 않음
2. **행렬식**:
   * **가역 변환**: $\text{det}(\mathbf{A}) \neq 0$
   * **비가역 변환**: $\text{det}(\mathbf{A}) = 0$
3. **벡터 공간**:
   * **가역 변환**: 벡터 공간의 차원을 보존
   * **비가역 변환**: 벡터 공간의 차원을 감소시키거나 정보 전환