6.13 행렬의 종류와 특수 행렬

1. 행렬의 분류 기준

행렬은 그 형태, 성분의 성질, 대수적 성질 등에 따라 다양한 종류로 분류된다. 각 종류의 행렬은 고유한 수학적 성질을 가지며, 로봇공학의 특정 문제에서 자연스럽게 등장한다. 본 절에서는 로봇공학에서 빈번히 사용되는 특수 행렬의 정의와 성질을 체계적으로 정리한다.

2. 형태에 따른 분류

2.1 정방 행렬

행과 열의 수가 같은 행렬, A \in \mathbb{R}^{n \times n}. 행렬식, 역행렬, 고유값 등의 개념이 정의된다. 로봇공학에서 회전 행렬, 관성 행렬, 공분산 행렬 등이 정방 행렬의 대표적 예이다.

2.2 직사각 행렬

행과 열의 수가 다른 행렬, A \in \mathbb{R}^{m \times n} (m \neq n). 자코비안 행렬은 일반적으로 직사각 행렬이며, 6 \times n 또는 m \times n의 형태를 가진다. 직사각 행렬에 대해서는 의사 역행렬(pseudo-inverse)과 SVD 등이 일반화된 개념으로 적용된다.

2.3 영행렬

모든 성분이 0인 행렬. 행렬 덧셈의 항등원이며 O 또는 \mathbf{0}으로 표기한다.

2.4 항등 행렬

주대각선 성분이 1이고 나머지가 0인 정방 행렬, I_n. 행렬 곱셈의 항등원이며, 모든 벡터를 그대로 보존한다: I\mathbf{x} = \mathbf{x}.

3. 대각 행렬과 삼각 행렬

3.1 대각 행렬

비대각 성분이 모두 0인 정방 행렬.

D = \text{diag}(d_1, d_2, \ldots, d_n), \quad d_{ij} = 0 \text{ for } i \neq j

대각 행렬의 곱과 거듭제곱은 단순화된다.

D^k = \text{diag}(d_1^k, d_2^k, \ldots, d_n^k)

대각 행렬의 역행렬은 모든 대각 성분이 0이 아닐 때 존재하며, 다음과 같이 계산된다.

D^{-1} = \text{diag}(1/d_1, 1/d_2, \ldots, 1/d_n)

스칼라 행렬

대각 행렬 중에서 모든 대각 성분이 동일한 행렬, 즉 D = cI 형태의 행렬을 스칼라 행렬(scalar matrix)이라 한다.

상삼각 행렬과 하삼각 행렬

주대각선의 한쪽이 모두 0인 정방 행렬을 삼각 행렬(triangular matrix)이라 한다.

• 상삼각 행렬: u_{ij} = 0 for i > j
• 하삼각 행렬: l_{ij} = 0 for i < j

삼각 행렬의 행렬식은 주대각선 성분의 곱과 같다.

\det(L) = \prod_{i=1}^{n} l_{ii}

이러한 성질로 인해 삼각 행렬은 LU 분해, 가우스 소거법, 후진 대입법 등의 효율적 수치 계산에 핵심적 역할을 한다.

3.2 단위 삼각 행렬

대각 성분이 모두 1인 삼각 행렬을 단위 삼각 행렬(unit triangular matrix)이라 한다. LU 분해에서 L은 일반적으로 단위 하삼각 행렬로 정규화된다.

4. 대칭성에 따른 분류

4.1 대칭 행렬

전치가 자기 자신과 같은 정방 행렬을 대칭 행렬(symmetric matrix)이라 한다.

A = A^\top, \quad a_{ij} = a_{ji}

대칭 행렬의 중요한 성질은 다음과 같다.

• 모든 고유값이 실수이다.
• 서로 다른 고유값에 대응하는 고유벡터는 직교한다.
• 대각화 가능하며, 직교 행렬에 의해 대각화된다 (스펙트럼 정리).

로봇공학에서 관성 행렬, 공분산 행렬, 강성 행렬 등이 대칭 행렬이다.

반대칭 행렬

전치가 자기 자신의 음수와 같은 정방 행렬을 반대칭 행렬(skew-symmetric matrix)이라 한다.

A^\top = -A, \quad a_{ij} = -a_{ji}, \quad a_{ii} = 0

3차원 반대칭 행렬은 외적 연산을 행렬 형태로 표현하는 데 사용된다.

[\boldsymbol{\omega}]_\times = \begin{bmatrix} 0 & -\omega_3 & \omega_2 \\ \omega_3 & 0 & -\omega_1 \\ -\omega_2 & \omega_1 & 0 \end{bmatrix}

이 표현은 로봇공학에서 각속도와 회전 행렬의 시간 미분 관계, 리 대수 \mathfrak{so}(3)의 표현 등에 본질적으로 사용된다.

임의 행렬의 대칭/반대칭 분해

임의의 정방 행렬 A는 대칭 부분과 반대칭 부분의 합으로 유일하게 분해된다.

A = \frac{1}{2}(A + A^\top) + \frac{1}{2}(A - A^\top) = A_{\text{sym}} + A_{\text{skew}}

5. 직교 행렬

정의 6.13.1 (직교 행렬). 정방 행렬 Q \in \mathbb{R}^{n \times n}이 다음 조건을 만족하면 직교 행렬(orthogonal matrix)이라 한다.

Q^\top Q = QQ^\top = I

이는 곧 Q^{-1} = Q^\top임을 의미한다. 직교 행렬은 다음의 기하학적 성질을 가진다.

• 길이 보존: \|Q\mathbf{x}\| = \|\mathbf{x}\|
• 각도 보존: \langle Q\mathbf{x}, Q\mathbf{y} \rangle = \langle \mathbf{x}, \mathbf{y} \rangle
• 행렬식: \det(Q) = \pm 1

\det(Q) = +1인 직교 행렬을 진정 직교 행렬(proper orthogonal matrix) 또는 회전 행렬이라 하며, 이들의 집합을 SO(n)으로 표기한다. \det(Q) = -1인 직교 행렬은 반사(reflection)를 포함한다.

회전 행렬 R \in SO(3)은 로봇공학에서 3차원 자세를 표현하는 가장 기본적인 도구이다.

양정치성에 따른 분류

양정치 행렬

대칭 행렬 A \in \mathbb{R}^{n \times n}이 모든 영벡터가 아닌 \mathbf{x} \in \mathbb{R}^n에 대하여 \mathbf{x}^\top A \mathbf{x} > 0을 만족하면 양정치 행렬(positive definite matrix)이라 하며, A \succ 0으로 표기한다.

양정치 행렬의 동치 조건은 다음과 같다.

• 모든 고유값이 양수이다.
• 모든 주축 소행렬식(leading principal minor)이 양수이다 (실베스터 판정법).
• 촐레스키 분해 A = LL^\top이 존재한다.

로봇공학에서 관성 행렬은 양정치이며, 운동 에너지가 항상 양수임을 보장한다.

양반정치 행렬

대칭 행렬 A가 모든 \mathbf{x}에 대하여 \mathbf{x}^\top A \mathbf{x} \geq 0을 만족하면 양반정치 행렬(positive semidefinite matrix)이라 하며, A \succeq 0으로 표기한다. 양반정치 행렬은 0의 고유값을 가질 수 있다. 공분산 행렬은 항상 양반정치이다.

부정치 행렬

대칭 행렬 A가 양정치도 음정치도 아닌 경우, 즉 \mathbf{x}^\top A \mathbf{x}의 부호가 \mathbf{x}에 따라 변하면 부정치 행렬(indefinite matrix)이라 한다. 이는 양수 고유값과 음수 고유값을 모두 가짐을 의미한다.

특수한 구조의 행렬

블록 행렬

행렬을 부분 행렬(submatrix)의 격자로 분할한 것을 블록 행렬(block matrix)이라 한다.

M = \begin{bmatrix} A & B \\ C & D \end{bmatrix}

블록 행렬은 동차 변환 행렬, 자코비안의 분할, 칼만 필터의 공분산 등에 활용된다.

5.1 희소 행렬

대부분의 성분이 0인 행렬을 희소 행렬(sparse matrix)이라 하며, 비0 성분만을 저장하는 효율적 자료 구조가 사용된다. 그래프 기반 SLAM의 인수 그래프, 유한 요소 해석, 대규모 최적화 문제 등에서 희소 행렬이 등장한다.

5.2 토플리츠 행렬

각 대각선 방향으로 동일한 성분을 가지는 행렬을 토플리츠 행렬(Toeplitz matrix)이라 한다.

T_{ij} = t_{i-j}

신호 처리에서의 합성곱 연산과 FIR 필터가 토플리츠 행렬로 표현된다.

순열 행렬

각 행과 각 열에 정확히 하나의 1이 있고 나머지는 0인 정방 행렬을 순열 행렬(permutation matrix)이라 한다. 순열 행렬은 직교 행렬이며, LU 분해의 피벗팅(pivoting)에 사용된다.

야코비안 행렬

함수의 편도함수로 구성된 행렬을 야코비안 행렬(Jacobian matrix)이라 한다.

J_{ij} = \frac{\partial f_i}{\partial x_j}

로봇 기구학에서 이는 관절 변수와 작업 공간 변수 사이의 관계를 나타낸다.

5.3 해세 행렬

스칼라 함수의 이차 편도함수로 구성된 대칭 행렬을 해세 행렬(Hessian matrix)이라 한다.

H_{ij} = \frac{\partial^2 f}{\partial x_i \partial x_j}

해세 행렬은 함수의 곡률을 나타내며, 뉴턴 방법과 이차 최적화에 사용된다.

복소수 행렬과 특수 종류

에르미트 행렬

복소수 행렬 A \in \mathbb{C}^{n \times n}이 켤레 전치와 같으면 에르미트 행렬(Hermitian matrix)이라 한다.

A^\ast = A, \quad \text{여기서 } (A^\ast)_{ij} = \overline{a_{ji}}

에르미트 행렬은 실수 대칭 행렬의 복소수 일반화이며, 양자 역학과 신호 처리에서 등장한다.

5.4 유니타리 행렬

복소수 행렬 U가 U^\ast U = UU^\ast = I를 만족하면 유니타리 행렬(unitary matrix)이라 한다. 이는 직교 행렬의 복소수 일반화이다.

6. 로봇공학에서의 응용

참고문헌

• Strang, G. (2023). Introduction to Linear Algebra (6th ed.). Wellesley-Cambridge Press.
• Horn, R. A., & Johnson, C. R. (2012). Matrix Analysis (2nd ed.). Cambridge University Press.
• Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations (4th ed.). Johns Hopkins University Press.
• Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.

Version: 1.0