Square matrix
![](https://upload.wikimedia.org/wikipedia/commons/thumb/b/bf/Arbitrary_square_matrix.gif/220px-Arbitrary_square_matrix.gif)
수학(mathematics)에서, 정사각 행렬(square matrix)은 행과 열의 개수가 같은 행렬(matrix)입니다. 행렬은 차 정사각 행렬로 알려져 있습니다. 같은 차수의 두 정사각 행렬은 더하거나 곱할 수 있습니다.
정사각 행렬은 종종 전단(shearing) 또는 회전(rotation)과 같은 단순 선형 변환(linear transformations)을 나타내기 위해 사용됩니다. 예를 들어, 만약 이 회전을 나타내는 정사각 행렬 (회전 행렬)이고 가 공간에서 점(position)의 위치를 설명하는 열 벡터(column vector)이면, 곱 는 해당 회전 후 해당 점의 위치를 설명하는 또 다른 열 벡터를 산출합니다. 만약 가 행 벡터(row vector)이면, 같은 변환은 를 사용하여 얻을 수 있으며, 여기서 는 의 전치(transpose)입니다.
Main diagonal
엔트리 (i = 1, …, n)는 정사각 행렬의 주요 대각선을 형성합니다. 그것들은 행렬의 꼭대기 왼쪽 모서리에서 바닥 오른쪽 모서리까지 이어지는 허수 직선 위에 놓입니다. 예를 들어, 위의 4×4 행렬의 주요 대각선은 원소 a11 = 9, a22 = 11, a33 = 4, a44 = 10를 포함합니다.
꼭대기 오른쪽에서 바닥 왼쪽 모서리까지 정사각 행렬의 대각선은 역-대각선(antidiagonal) 또는 반대-대각선(counterdiagonal)이라고 불립니다.
Special kinds
Name Example with n = 3 Diagonal matrix Lower triangular matrix Upper triangular matrix
Diagonal or triangular matrix
만약 주요 대각선 밖의 모든 엔트리가 영이면, 는 대각 행렬(diagonal matrix)이라고 불립니다. 만약 주요 대각선 위 (또는 아래)의 모든 엔트리만 영이면, 는 위쪽 (또는 아래쪽) 삼각 행렬(triangular matrix)이라고 불립니다.
Identity matrix
크기 의 항등 행렬(identity matrix) 은 주요 대각선(main diagonal) 위의 모든 원소가 1이고 모든 다른 원소가 0인 행렬입니다. 예를 들어,
그것은 차수 의 정사각 행렬이고, 특수한 종류의 대각 행렬(diagonal matrix)입니다. 그것은 항등 행렬이라고 불리는데 왜냐하면 그것과의 곱셈은 행렬을 변경하지 않고 남겨두기 때문입니다.
- AIn = ImA = A for any m-by-n matrix .
Invertible matrix and its inverse
정사각 행렬 는 만약 다음임을 만족하는 행렬 가 존재하면 역-가능(invertible) 또는 비-특이(non-singular)라고 불립니다:
만약 가 존재하면, 그것은 고유하고 의 역 행렬(inverse matrix)이라고 불리고, 로 표시됩니다.
Symmetric or skew-symmetric matrix
그것의 전치와 같은 정사각 행렬 , 즉, 인 행렬은 대칭 행렬(symmetric matrix)이라고 불립니다. 만약 대신 이면, 는 반-대칭 행렬(skew-symmetric matrix)이라고 불립니다.
복소수 정사각 행렬 에 대해, 종종 전치의 적절한 아날로그는 의 복소 켤레(complex conjugate)의 전치로 정의되는 켤레 전치(conjugate transpose) 입니다. 를 만족시키는 복소수 정사각 행렬 는 에르미트 행렬(Hermitian matrix)이라고 불립니다. 만약 대신 이면, 는 반-에르미트 행렬(skew-Hermitian matrix)이라고 불립니다.
스펙트럼 정리(spectral theorem)에 의해, 실수 대칭 (또는 복소수 에르미트) 행렬은 직교 (또는 유니태리) 고유기저(eigenbasis)를 가집니다; 즉, 모든 각 벡터는 고유벡터의 선형 조합(linear combination)으로 표현할 수 있습니다. 둘 다 경우에서, 모든 고윳값은 실수입니다.[3]
Definite matrix
Positive definite | Indefinite |
---|---|
Q(x,y) = 1/4 x2 + y2 | Q(x,y) = 1/4 x2 − 1/4 y2 |
![]() Points such that Q(x, y) = 1 (Ellipse). |
![]() Points such that Q(x, y) = 1 (Hyperbola). |
대칭 행렬은 만약 모든 비-영 벡터 에 대해, 다음에 의해 주어진 결합된 이차 형식(quadratic form)이
- Q(x) = xTAx
오직 양수 값 (각각 오직 음수 값; 일부 음수와 일부 양수 둘 다 값)을 취하면 양수-한정 (각각 음수-한정; 부정)이라고 불립니다.[4] 만약 이차 형식이 오직 비-음의 (각각 오직 비-양의 값) 값을 취하면, 대칭 행렬은 양수-반한정 (각각, 음수-반한정)이라고 불립니다; 따라서 그 행렬은 정확히 양수-반한정도 아니고 음수-반한정도 아닐 때 부정입니다.
대칭 행렬이 양수-한정인 것과 모든 그것의 고윳값이 양수인 것은 필요충분 조건입니다.[5] 오른쪽에서 테이블은 2×2 행렬에 대한 두 가능성을 보여줍니다.
두 개의 서로 다른 벡터를 입력으로 허용하면 대신 에 결합된 쌍선형 형식(bilinear form)이 생성됩니다:
- BA(x, y) = xTAy.[6]
Orthogonal matrix
직교 행렬(orthogonal matrix)은 열과 행이 직교 단위 벡터(orthogonal unit vectors, 즉, 직교-정규 벡터)인 실수 엔트리를 갖는 정사각 행렬(square matrix)입니다. 동등하게, 행렬 는 만약 그것의 전치(transpose)가 그것의 역(inverse)과 같으면 직교입니다:
이는 다음을 동반합니다:
여기서 는 항등 행렬(identity matrix)입니다.
직교 행렬 는 필연적으로 역가능(invertible) (역 ), 유니태리(unitary) (), 및 정규(normal) ()입니다. 임의의 직교 행렬의 행렬식(determinant)은 +1 또는 −1 중 하나입니다. 특수 직교 그룹(special orthogonal group) 은 행렬식(determinant) +1을 갖는 직교 행렬로 구성됩니다.
직교 행렬의 복소수(complex) 아날로그는 유니태리 행렬(unitary matrix)입니다.
Normal matrix
실수 또는 복소수 정사각 행렬 는 만약 이면 정규(normal)라고 불립니다. 만약 실수 정사각 행렬이 대칭, 반-대칭, 또는 직교이면, 그것은 정규입니다. 만약 복소수 정사각 행렬이 에르미트, 반-에르미트 또는 유니태리이면, 그것은 정규입니다. 정규 행렬은 방금 나열된 행렬 유형을 포함하고 스펙트럼 정리(spectral theorem)가 유지하는 가장 광범위한 행렬 클래스를 형성하기 때문에 주로 관심의 대상입니다.[7]
Operations
Trace
정사각 행렬 의 대각합(trace), tr()은 대각 엔트리의 합입니다. 행렬 곱셈은 교환적이 아니지만, 두 행렬의 곱의 대각합은 인수의 순서와 무관합니다:
이것은 행렬 곱셈의 정의에서 바로 나타납니다:
역시, 행렬의 대각합은 전치의 대각합과 같습니다. 즉,
Determinant
![](https://upload.wikimedia.org/wikipedia/commons/thumb/a/a7/Determinant_example.svg/300px-Determinant_example.svg.png)
정사각 행렬 의 행렬식 또는 는 행렬의 특정 속성을 인코딩하는 숫자입니다. 행렬이 역-가능인 것과 그것의 행렬식이 비-영인 것은 필요충분 조건입니다. 그 절댓값은 단위 정사각형 (또는 정육면체)의 이미지의 넓이 () 또는 부피 ()와 같고, 그 부호는 해당 선형 맵의 방향에 해당합니다: 행렬식이 양수인 것과 방향이 보존되는 것은 필요충분 조건입니다.
2×2 행렬의 행렬식은 다음에 의해 주어집니다:
3×3 행렬의 행렬식은 6 항 (사뤼스의 규칙(rule of Sarrus))을 포함합니다. 더 긴 라이프니츠 공식(Leibniz formula)은 이들 두 공식을 모든 차원으로 일반화합니다.[8]
정사각 행렬 곱의 행렬식은 행렬식의 곱과 같습니다:[9]
임의의 행의 배수를 또 다른 행에 더하거나, 임의의 열의 배수를 또 다른 열에 더해도 행렬식은 변경되지 않습니다. 두 행 또는 두 열을 교환하는 것은 행렬식에 −1을 곱함으로써 행렬식에 영향을 미칩니다.[10] 이들 연산을 사용하여, 임의의 행렬은 아래쪽 (또는 위쪽) 삼각 행렬로 변환할 수 있고, 그러한 행렬에 대해 행렬식은 주요 대각선에 있는 엔트리의 곱과 같습니다; 이것은 임의의 행렬의 행렬식을 계산하는 방법을 제공합니다. 마지막으로, 라플라스 전개(Laplace expansion)는 소행렬식(minors), 즉 더 작은 행렬의 행렬식의 관점에서 행렬식을 표현합니다.[11] 이 전개는 행렬식의 재귀적 정의에 사용될 수 있으며 (시작 사례로 고유한 엔트리인 1×1 행렬의 행렬식, 또는 1인 0×0 행렬의 행렬식을 취함), 라이프니츠 공식과 동등하다고 볼 수 있습니다. 행렬식은 크라메르의 규칙(Cramer's rule)을 사용하여 선형 시스템(linear systems)을 풀기 위해 사용될 수 있으며, 여기서 두 개의 관련된 정사각 행렬의 행렬식의 나눗셈은 각 시스템 변수의 값과 같게 합니다.[12]
Eigenvalues and eigenvectors
다음을 만족시키는 숫자 λ와 비-영 벡터 는
각각, 의 고윳값(eigenvalue)과 고유벡터(eigenvector)라고 불립니다.[13][14] 숫자 λ가 n×n-행렬 의 고윳값인 것과 이 역-가능인 것은 필요충분 조건이며, 이는 다음과 동등(equivalent)합니다:
행렬식 det(XIn − A)의 평가에 의해 주어진 불확정(indeterminate) X에서 다항식 pA는 A의 특성 다항식(characteristic polynomial)이라고 불립니다. 그것은 차수(degree) n의 일계수 다항식(monic polynomial)입니다. 그러므로, 다항 방정식 pA(λ) = 0은 많아야 n개의 서로 다른 해, 즉 행렬의 고윳값을 가집니다.[16] 그것들은 A의 엔트리가 실수이더라도 복소수일 수 있습니다. 케일리-해밀턴 정리(Cayley–Hamilton theorem)에 따르면, pA(A) = 0, 즉, 행렬 자체를 자체의 특성 다항식에 대입한 결과 영 행렬(zero matrix)을 산출합니다.
See also
Notes
- ^ Brown 1991, Definition I.2.28
- ^ Brown 1991, Definition I.5.13
- ^ Horn & Johnson 1985, Theorem 2.5.6
- ^ Horn & Johnson 1985, Chapter 7
- ^ Horn & Johnson 1985, Theorem 7.2.1
- ^ Horn & Johnson 1985, Example 4.0.6, p. 169
- ^ Artin, Algebra, 2nd edition, Pearson, 2018, section 8.6.
- ^ Brown 1991, Definition III.2.1
- ^ Brown 1991, Theorem III.2.12
- ^ Brown 1991, Corollary III.2.16
- ^ Mirsky 1990, Theorem 1.4.1
- ^ Brown 1991, Theorem III.3.18
- ^ Eigen means "own" in German and in Dutch.
- ^ Brown 1991, Definition III.4.1
- ^ Brown 1991, Definition III.4.9
- ^ Brown 1991, Corollary III.4.10
References
- Brown, William C. (1991), Matrices and vector spaces, New York, NY: Marcel Dekker, ISBN 978-0-8247-8419-5
- Horn, Roger A.; Johnson, Charles R. (1985), Matrix Analysis, Cambridge University Press, ISBN 978-0-521-38632-6
- Mirsky, Leonid (1990), An Introduction to Linear Algebra, Courier Dover Publications, ISBN 978-0-486-66434-7
External links
Media related to Square matrix at Wikimedia Commons