행렬-행렬 연은 선형대수의 핵심 개념 중 하나로, 두 개 이상 행렬 간에할 수 있는 다양한 수학적 연산을 포함합니다. 이러한 연산 수치해석 컴퓨터 그래픽스, 기계학습, 물리학, 경학 등 다양한 분에서 널리 활용되며, 특히 데이터의 선형 변환과 시스템 해석에 핵심적인 역할을 합니다. 본 문서에서는 행렬 간의 주요 연산인 덧셈, 뺄셈, 곱셈, 전치, 역행렬 등을 체계적으로 설명합니다.
개요
행렬은 숫자,호, 또는 수식을 직사각형 형태로 배열한 수학적 구조입니다. 두 행렬 간의 연산은 원소의 위치와 행렬의 차원(행과 열의 수에 따라 정의되며, 연산 가능 여부는 행렬의 크기에 따라 제한됩니다. 일반적으로 행렬-행렬 연산은 다음과 같은 조건을 만족해야 정의됩니다:
- 덧셈 및 뺄셈: 두 행렬의 차원이 동일해야 함 (예: $ m \times n $ 행렬끼리만 가능)
- 곱셈: 첫 번째 행렬의 열 수와 두 번째 행렬의 행 수가 같아야 함 (예: $ m \times n $ 행렬과 $ n \times p $ 행렬)
주요 행렬-행렬 연산
1. 행렬의 덧셈과 뺄셈
두 행렬 $ A $와 $ B $가 각각 $ m \times n $ 차원일 때, 덧셈 $ A + B $와 뺄셈 $ A - B $는 대응하는 원소끼리 더하거나 빼는 방식으로 정의됩니다.
$$
(A + B)_{ij} = A_{ij} + B_{ij}, \quad (A - B)_{ij} = A_{ij} - B_{ij}
$$
예시:
$$
A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}, \quad
B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}
\quad \Rightarrow \quad
A + B = \begin{bmatrix} 6 & 8 \\ 10 & 12 \end{bmatrix}
$$
- 성질:
- 교환 법칙 성립: $ A + B = B + A $
- 결합 법칙 성립: $ (A + B) + C = A + (B + C) $
- 영행렬 $ 0 $에 대해 $ A + 0 = A $
2. 행렬의 곱셈
행렬 곱셈은 덧셈보다 복잡하며, 비가환적(non-commutative)입니다. 즉, 일반적으로 $ AB \neq BA $입니다.
두 행렬 $ A $ (크기: $ m \times n $), $ B $ (크기: $ n \times p $)의 곱 $ C = AB $는 크기 $ m \times p $의 행렬이며, 각 원소는 다음과 같이 계산됩니다:
$$
C_{ij} = \sum_{k=1}^{n} A_{ik} B_{kj}
$$
예시:
$$
A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}, \quad
B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}
\quad \Rightarrow \quad
AB = \begin{bmatrix} 1\cdot5 + 2\cdot7 & 1\cdot6 + 2\cdot8 \\ 3\cdot5 + 4\cdot7 & 3\cdot6 + 4\cdot8 \end{bmatrix} = \begin{bmatrix} 19 & 22 \\ 43 & 50 \end{bmatrix}
$$
- 성질:
- 결합 법칙: $ (AB)C = A(BC) $
- 분배 법칙: $ A(B + C) = AB + AC $
- 단위행렬 $ I $에 대해 $ AI = IA = A $
- 일반적으로 $ AB \neq BA $ (비가환성)
3. 전치 연산 (Transpose)
행렬 $ A $의 전치 $ A^T $는 $ A $의 행과 열을 서로 바꾼 행렬입니다. 즉, $ (A^T)_{ij} = A_{ji} $.
예시:
$$
A = \begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{bmatrix}
\quad \Rightarrow \quad
A^T = \begin{bmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{bmatrix}
$$
- 성질:
- $ (A^T)^T = A $
- $ (A + B)^T = A^T + B^T $
- $ (AB)^T = B^T A^T $
전치는 대칭행렬( $ A = A^T $ ) 정의나 내적 계산에 자주 사용됩니다.
4. 역행렬 (Inverse Matrix)
정방행렬 $ A $ (즉, $ n \times n $)에 대해, $ AB = BA = I $를 만족하는 행렬 $ B $가 존재하면 $ B $를 $ A $의 역행렬이라 하고 $ A^{-1} $로 표기합니다. 역행렬은 행렬식(determinant)이 0이 아닐 때만 존재합니다.
- 성질:
- $ A A^{-1} = A^{-1} A = I $
- $ (AB)^{-1} = B^{-1} A^{-1} $
- $ (A^T)^{-1} = (A^{-1})^T $
역행렬은 선형 연립방정식 $ Ax = b $의 해를 $ x = A^{-1}b $로 구하는 데 사용됩니다.
정방행렬 $ A $에 대해, $ A^n $는 $ A $를 $ n $번 곱한 것을 의미합니다. 예: $ A^2 = AA $, $ A^3 = AAA $.
- 정의 가능 조건: $ A $가 정방행렬일 것
- $ A^0 = I $ (단위행렬)
이 연산은 마르코프 체인, 동적 시스템 등에서 중요하게 사용됩니다.
응용 분야
| 분야 |
활용 예시 |
| 기계학습 |
가중치 행렬 갱신, 신경망의 전파 연산 |
| 컴퓨터 그래픽스 |
3D 변환(회전, 이동, 확대)에 사용되는 변환 행렬 |
| 물리학 |
양자역학에서의 연산자 표현, 상태 전이 |
| 경제학 |
입력-출력 모델, 선형 생산 모델 |
참고 자료 및 관련 문서
결론
행렬-행렬 연산은 현대 수학과 응용 과학의 기초를 이루는 중요한 도구입니다. 덧셈, 곱셈, 전치, 역행렬 등 각 연산은 특정 조건 하에 정의되며, 그 성질을 이해함으로써 복잡한 선형 시스템을 효과적으로 분석하고 해결할 수 있습니다. 특히, 행렬 곱셈의 비가환성과 역행렬의 존재 조건은 수학적 직관을 요구하는 핵심 포인트입니다.
# 행렬-행렬 연산
행렬-행렬 연은 선형대수의 핵심 개념 중 하나로, 두 개 이상 행렬 간에할 수 있는 다양한 수학적 연산을 포함합니다. 이러한 연산 수치해석 컴퓨터 그래픽스, 기계학습, 물리학, 경학 등 다양한 분에서 널리 활용되며, 특히 데이터의 선형 변환과 시스템 해석에 핵심적인 역할을 합니다. 본 문서에서는 행렬 간의 주요 연산인 덧셈, 뺄셈, 곱셈, 전치, 역행렬 등을 체계적으로 설명합니다.
---
## 개요
행렬은 숫자,호, 또는 수식을 직사각형 형태로 배열한 수학적 구조입니다. 두 행렬 간의 연산은 원소의 위치와 행렬의 차원(행과 열의 수에 따라 정의되며, 연산 가능 여부는 행렬의 크기에 따라 제한됩니다. 일반적으로 행렬-행렬 연산은 다음과 같은 조건을 만족해야 정의됩니다:
- 덧셈 및 뺄셈: 두 행렬의 차원이 동일해야 함 (예: $ m \times n $ 행렬끼리만 가능)
- 곱셈: 첫 번째 행렬의 열 수와 두 번째 행렬의 행 수가 같아야 함 (예: $ m \times n $ 행렬과 $ n \times p $ 행렬)
---
## 주요 행렬-행렬 연산
### 1. 행렬의 덧셈과 뺄셈
두 행렬 $ A $와 $ B $가 각각 $ m \times n $ 차원일 때, 덧셈 $ A + B $와 뺄셈 $ A - B $는 대응하는 원소끼리 더하거나 빼는 방식으로 정의됩니다.
$$
(A + B)_{ij} = A_{ij} + B_{ij}, \quad (A - B)_{ij} = A_{ij} - B_{ij}
$$
#### 예시:
$$
A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}, \quad
B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}
\quad \Rightarrow \quad
A + B = \begin{bmatrix} 6 & 8 \\ 10 & 12 \end{bmatrix}
$$
- **성질**:
- 교환 법칙 성립: $ A + B = B + A $
- 결합 법칙 성립: $ (A + B) + C = A + (B + C) $
- 영행렬 $ 0 $에 대해 $ A + 0 = A $
---
### 2. 행렬의 곱셈
행렬 곱셈은 덧셈보다 복잡하며, **비가환적**(non-commutative)입니다. 즉, 일반적으로 $ AB \neq BA $입니다.
두 행렬 $ A $ (크기: $ m \times n $), $ B $ (크기: $ n \times p $)의 곱 $ C = AB $는 크기 $ m \times p $의 행렬이며, 각 원소는 다음과 같이 계산됩니다:
$$
C_{ij} = \sum_{k=1}^{n} A_{ik} B_{kj}
$$
#### 예시:
$$
A = \begin{bmatrix} 1 & 2 \\ 3 & 4 \end{bmatrix}, \quad
B = \begin{bmatrix} 5 & 6 \\ 7 & 8 \end{bmatrix}
\quad \Rightarrow \quad
AB = \begin{bmatrix} 1\cdot5 + 2\cdot7 & 1\cdot6 + 2\cdot8 \\ 3\cdot5 + 4\cdot7 & 3\cdot6 + 4\cdot8 \end{bmatrix} = \begin{bmatrix} 19 & 22 \\ 43 & 50 \end{bmatrix}
$$
- **성질**:
- 결합 법칙: $ (AB)C = A(BC) $
- 분배 법칙: $ A(B + C) = AB + AC $
- 단위행렬 $ I $에 대해 $ AI = IA = A $
- 일반적으로 $ AB \neq BA $ (비가환성)
---
### 3. 전치 연산 (Transpose)
행렬 $ A $의 전치 $ A^T $는 $ A $의 행과 열을 서로 바꾼 행렬입니다. 즉, $ (A^T)_{ij} = A_{ji} $.
#### 예시:
$$
A = \begin{bmatrix} 1 & 2 & 3 \\ 4 & 5 & 6 \end{bmatrix}
\quad \Rightarrow \quad
A^T = \begin{bmatrix} 1 & 4 \\ 2 & 5 \\ 3 & 6 \end{bmatrix}
$$
- **성질**:
- $ (A^T)^T = A $
- $ (A + B)^T = A^T + B^T $
- $ (AB)^T = B^T A^T $
전치는 대칭행렬( $ A = A^T $ ) 정의나 내적 계산에 자주 사용됩니다.
---
### 4. 역행렬 (Inverse Matrix)
정방행렬 $ A $ (즉, $ n \times n $)에 대해, $ AB = BA = I $를 만족하는 행렬 $ B $가 존재하면 $ B $를 $ A $의 역행렬이라 하고 $ A^{-1} $로 표기합니다. 역행렬은 **행렬식**(determinant)이 0이 아닐 때만 존재합니다.
- **성질**:
- $ A A^{-1} = A^{-1} A = I $
- $ (AB)^{-1} = B^{-1} A^{-1} $
- $ (A^T)^{-1} = (A^{-1})^T $
역행렬은 선형 연립방정식 $ Ax = b $의 해를 $ x = A^{-1}b $로 구하는 데 사용됩니다.
---
### 5. 행렬의 거듭제곱
정방행렬 $ A $에 대해, $ A^n $는 $ A $를 $ n $번 곱한 것을 의미합니다. 예: $ A^2 = AA $, $ A^3 = AAA $.
- 정의 가능 조건: $ A $가 정방행렬일 것
- $ A^0 = I $ (단위행렬)
이 연산은 마르코프 체인, 동적 시스템 등에서 중요하게 사용됩니다.
---
## 응용 분야
| 분야 | 활용 예시 |
|------|-----------|
| **기계학습** | 가중치 행렬 갱신, 신경망의 전파 연산 |
| **컴퓨터 그래픽스** | 3D 변환(회전, 이동, 확대)에 사용되는 변환 행렬 |
| **물리학** | 양자역학에서의 연산자 표현, 상태 전이 |
| **경제학** | 입력-출력 모델, 선형 생산 모델 |
---
## 참고 자료 및 관련 문서
- [선형대수학 개론 (Gil Strang)](https://math.mit.edu/~gs/linearalgebra/)
- [행렬 (위키백과)](https://ko.wikipedia.org/wiki/행렬)
- [행렬 곱셈 알고리즘 (Coppersmith–Winograd 등)](https://en.wikipedia.org/wiki/Matrix_multiplication_algorithm)
---
## 결론
행렬-행렬 연산은 현대 수학과 응용 과학의 기초를 이루는 중요한 도구입니다. 덧셈, 곱셈, 전치, 역행렬 등 각 연산은 특정 조건 하에 정의되며, 그 성질을 이해함으로써 복잡한 선형 시스템을 효과적으로 분석하고 해결할 수 있습니다. 특히, 행렬 곱셈의 비가환성과 역행렬의 존재 조건은 수학적 직관을 요구하는 핵심 포인트입니다.