Summary

전치(transpose)는 행렬을 대각선 기준으로 “뒤집어” 행과 열을 맞바꾸는 연산이고, 이걸 기준으로 대칭(symmetric)·직교(orthogonal)·대각(diagonal)·삼각(triangular)·항등(identity) 같은 특수 행렬을 정의한다. 특히 직교행렬은 $Q^{T}Q=I$ 라서 역행렬이 그냥 전치($Q^{-1}=Q^T$)이고, 길이와 각도를 그대로 보존하는 아주 다루기 좋은 행렬이다.

용어 설명

• transpose (전치): 행과 열을 맞바꾼 행렬, $A^T$.
• symmetric (대칭): 전치해도 똑같은 정사각 행렬, $A=A^T$.
• orthogonal matrix (직교행렬): 열들이 서로 수직이면서 길이가 1(정규직교)인 정사각 행렬, $Q^{T}Q=I$.
• diagonal (대각행렬): 대각선 빼고 전부 0인 행렬.
• triangular (삼각행렬): 대각선 기준 위쪽 또는 아래쪽만 값이 있는 행렬.
• identity (항등행렬): 대각선이 전부 1인 대각행렬 $I$, 곱셈의 “1” 역할.
• orthonormal (정규직교): 서로 수직(orthogonal) + 각자 길이 1(normalized).

Transpose and Special Matrices

1. 전치(transpose) — 정의와 직관 (행↔열 뒤집기)

전치는 행렬을 왼쪽 위→오른쪽 아래로 가는 대각선을 거울 삼아 뒤집는 것이다. 원래 $i$번째 행, $j$번째 열에 있던 숫자가, 전치하면 $j$번째 행, $i$번째 열로 간다.

$(A^T{)}_{ij}=A_{ji}$

말로 풀면 “첫 번째 행이 첫 번째 열이 된다”는 뜻이다. 예를 들어:

$A=\left[\begin{array}{ccc}1& 2& 3\\ 4& 5& 6\end{array}\right]\Rightarrow A^T=\left[\begin{array}{cc}1& 4\\ 2& 5\\ 3& 6\end{array}\right]$

$2\times 3$ 행렬이 $3\times 2$ 행렬이 됐다. 모양(크기)도 뒤집힌다.

Tip

직관: 엑셀 표를 90도 돌려서 “행에 적던 걸 열에 적는” 느낌. 대각선 위의 숫자는 그대로 있고, 나머지가 대각선 건너편으로 점프한다.

2. 전치의 성질 ($(AB{)}^T=B^T{A}^T$ 등)

전치는 다음 규칙들을 따른다. 거의 다 “그대로 들어가는데” 곱셈 하나만 순서가 뒤집힌다.

• 두 번 뒤집으면 제자리: $(A^T{)}^T=A$
• 덧셈은 따로따로: $(A+B{)}^T=A^T+B^T$
• 상수는 그냥 통과: $(cA{)}^T=c{A}^T$
• 곱셈은 순서가 뒤집힘: $(AB{)}^T=B^T{A}^T$

$(AB{)}^T=B^T{A}^T(\text{순서 주의!})$

Important

가장 많이 틀리는 곳: $(AB{)}^T=A^T{B}^T$ 라고 쓰는 것 (X). 양말 신고 신발 신은 걸 벗을 때 신발부터 벗듯이, 곱의 전치는 뒤에 것부터 나온다. $(ABC{)}^T=C^T{B}^T{A}^T$.

3. 특수 행렬들 (대칭/직교/대각/삼각/항등)

전치를 알면 특수 행렬들을 한 줄로 정의할 수 있다.

대칭행렬 (symmetric): 전치해도 자기 자신, $A=A^T$. 반드시 정사각이어야 하고, 대각선을 기준으로 양쪽이 거울처럼 같다.
$\left[\begin{array}{ccc}2& 7& 0\\ 7& 3& 5\\ 0& 5& 1\end{array}\right](\text{(1,2)자리}=\text{(2,1)자리}=7)$
실수 대칭행렬은 좋은 성질이 많다: 고윳값이 항상 실수이고, 서로 수직인 고유벡터로 직교대각화(orthogonal diagonalization) 가 된다 (spectral theorem). 자세한 건 따로 다룬다.

직교행렬 (orthogonal matrix): 4번에서 따로 강조. 핵심은 $Q^{T}Q=I$.

대각행렬 (diagonal): 대각선 빼고 전부 0.
$D=\left[\begin{array}{ccc}5& 0& 0\\ 0& -2& 0\\ 0& 0& 9\end{array}\right]$
곱하기·역행렬·거듭제곱이 아주 쉽다 (대각 원소만 따로 계산).

삼각행렬 (triangular): 대각선 기준 한쪽만 값이 있다. 위쪽만 있으면 상삼각(upper), 아래쪽만 있으면 하삼각(lower).
$U=\left[\begin{array}{ccc}1& 2& 3\\ 0& 4& 5\\ 0& 0& 6\end{array}\right]L=\left[\begin{array}{ccc}1& 0& 0\\ 2& 3& 0\\ 4& 5& 6\end{array}\right]$
삼각행렬은 행렬식이 대각 원소의 곱이라 계산이 편하다 (가우스 소거, LU 분해에서 등장).

항등행렬 (identity): 대각선이 전부 1인 대각행렬, $I$. 곱셈의 “1”이라서 $AI=IA=A$.
$I=\left[\begin{array}{ccc}1& 0& 0\\ 0& 1& 0\\ 0& 0& 1\end{array}\right]$

4. 직교행렬 강조 ($Q^{T}Q=I$, $Q^{-1}=Q^T$, 길이·각 보존)

직교행렬 $Q$의 정의: 열들이 정규직교(orthonormal) — 즉 서로서로 수직이고 각각 길이가 1이다. 이 한 조건이 엄청난 결과를 만든다.

$Q^{T}Q=I⟹Q^{-1}=Q^T$

역행렬을 힘들게 구할 필요 없이 그냥 전치하면 끝이다. 이게 직교행렬이 사랑받는 첫 번째 이유다.

두 번째 이유: 직교행렬을 벡터에 곱해도 길이와 각도가 변하지 않는다. 즉 회전(rotation)이나 반사(reflection)만 일으킨다. 물체를 찌그러뜨리지 않고 통째로 돌리거나 뒤집기만 한다.

$\Vert Qx\Vert =\Vert x\Vert (Qx)\cdot (Qy)=x\cdot y$

예시 (2D 회전행렬, 항상 직교):
$Q=\left[\begin{array}{cc}\cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{array}\right]$

Tip

직관: 직교행렬은 “강체 변환”. 종이에 그린 그림을 종이째 돌리거나 뒤집어도 그림 안의 거리·각도는 그대로인 것과 같다.

5. 어디에 쓰나 / 흔한 함정

어디에 쓰나

• 직교행렬: 수치적으로 안정한(오차가 안 커지는) 변환. QR 분해, SVD의 $U$, $V$가 전부 직교행렬이다. 컴퓨터 그래픽스의 회전도 여기에 해당.
• 대칭행렬: 통계의 공분산행렬(covariance), 최적화의 이차형식(quadratic form) $x^{T}Ax$. 실수 고윳값이 보장돼서 분석하기 좋다.
• 대각/삼각행렬: 계산을 쉽게 만드는 “분해의 목표물” (대각화, LU 분해).

흔한 함정

• $(AB{)}^T=B^T{A}^T$ — 순서 뒤집힘을 까먹고 $A^T{B}^T$로 쓰기.
• 직교행렬은 열이 단순히 수직인 것만으로는 부족하다. 길이가 1(정규화) 까지 돼야 $Q^{T}Q=I$가 성립한다. (수직이기만 한 행렬은 “직교행렬”이 아님.)
• 대칭행렬은 정사각일 때만 정의된다.
• “직교행렬(orthogonal matrix)“인데 정작 영어 단어는 orthonormal(정규직교) 조건을 요구한다 — 이름과 조건이 살짝 어긋나니 주의.

6. 30초 요약

• 전치 $A^T$: 행↔열 맞바꿈, $(A^T{)}_{ij}=A_{ji}$.
• 성질: $(A^T{)}^T=A$, $(A+B{)}^T=A^T+B^T$, $(cA{)}^T=c{A}^T$, $(AB{)}^T=B^T{A}^T$ (순서 뒤집힘!).
• 대칭: $A=A^T$ (정사각). 실대칭 → 실고윳값 + 직교대각화 가능.
• 직교 $Q$: 열이 정규직교 → $Q^{T}Q=I$, $Q^{-1}=Q^T$, 길이·각 보존.
• 대각=대각선만, 삼각=한쪽만, 항등 $I$=대각선 1 (곱셈의 1).
• 쓰임: 직교=안정한 변환(QR/SVD), 대칭=공분산·이차형식. 교과서: Strang, Ch 2, 4.

관련 노트

• Linear Algebra Concepts (index)
• Matrix Multiplication
• Orthogonality, Projection, and Least Squares