6.16 전치 행렬과 대칭 행렬의 성질

1. 전치 행렬의 정의

전치(transpose) 연산은 행렬의 행과 열을 교환하는 가장 기본적인 단항 연산이며, 선형대수학과 로봇공학의 거의 모든 식 변형의 근간을 이룬다. 본 절에서는 전치 행렬의 정의와 대수적 성질, 그리고 대칭 행렬의 핵심적 성질을 체계적으로 정리한다.

정의 6.16.1 (전치 행렬). m \times n 행렬 A = [a_{ij}]의 전치 행렬 A^\top은 n \times m 행렬이며, 그 성분은 다음과 같이 정의된다.

(A^\top)_{ij} = a_{ji}

기하학적으로 전치는 주대각선을 축으로 한 행렬의 반사로 해석할 수 있으며, i행 j열의 성분은 전치 후 j행 i열로 이동한다.

전치 행렬의 대수적 성질

전치 연산은 다음의 기본적 성질을 만족한다.

(T1) 대합성: (A^\top)^\top = A

(T2) 덧셈에 대한 분배: (A + B)^\top = A^\top + B^\top

(T3) 스칼라 곱과의 가환성: (kA)^\top = k A^\top

(T4) 곱셈의 반전 법칙: (AB)^\top = B^\top A^\top

(T5) 역원과의 가환성: 가역 행렬 A에 대하여 (A^{-1})^\top = (A^\top)^{-1}

성질 (T4)는 전치 연산이 선형이지만 곱셈과 단순히 가환되지 않고, 곱의 순서를 뒤바꾼다는 점을 보여 준다. 이를 일반화하면 k개의 행렬의 곱에 대하여

(A_1 A_2 \cdots A_k)^\top = A_k^\top A_{k-1}^\top \cdots A_1^\top

이 성립한다.

증명 ((T4)). 행렬 곱의 정의로부터

((AB)^\top)_{ij} = (AB)_{ji} = \sum_{k} a_{jk} b_{ki} = \sum_{k} (B^\top)_{ik} (A^\top)_{kj} = (B^\top A^\top)_{ij}

이므로 두 행렬의 모든 성분이 일치한다. \square

전치와 내적

열벡터 \mathbf{x}, \mathbf{y} \in \mathbb{R}^n의 표준 내적은 전치를 이용하여 다음과 같이 표현된다.

\langle \mathbf{x}, \mathbf{y} \rangle = \mathbf{x}^\top \mathbf{y} = \sum_{i=1}^{n} x_i y_i

이 표기를 활용하면 행렬 A \in \mathbb{R}^{m \times n}에 대하여 다음의 수반(adjoint) 관계가 성립한다.

\langle A\mathbf{x}, \mathbf{y} \rangle = \langle \mathbf{x}, A^\top \mathbf{y} \rangle

증명은 좌변이 (A\mathbf{x})^\top \mathbf{y} = \mathbf{x}^\top A^\top \mathbf{y}임을 직접 계산하면 된다. 이 관계는 A^\top이 A의 표준 내적에 대한 수반 변환임을 보이며, 함수해석학의 수반 작용소 개념의 유한 차원 표현이다.

대칭 행렬의 정의

정의 6.16.2 (대칭 행렬). 정방 행렬 A \in \mathbb{R}^{n \times n}이 다음 조건을 만족하면 대칭 행렬(symmetric matrix)이라 한다.

A^\top = A, \quad \text{즉} \quad a_{ij} = a_{ji} \text{ for all } i, j

대칭 행렬의 성분은 주대각선을 기준으로 거울상의 형태를 이루며, 독립적인 성분의 수는 n(n+1)/2이다.

정의 6.16.3 (반대칭 행렬). 정방 행렬 A가 A^\top = -A를 만족하면 반대칭 행렬(skew-symmetric matrix)이라 한다. 이 경우 a_{ii} = -a_{ii}이므로 모든 대각 성분은 0이며, 독립적인 성분의 수는 n(n-1)/2이다.

2. 대칭/반대칭 분해

정리 6.16.1 (대칭/반대칭 분해). 임의의 정방 행렬 A \in \mathbb{R}^{n \times n}은 대칭 행렬과 반대칭 행렬의 합으로 유일하게 분해된다.

A = A_{\text{sym}} + A_{\text{skew}}

여기서

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

이다.

증명. A_{\text{sym}}^\top = \frac{1}{2}(A^\top + A) = A_{\text{sym}}이고 A_{\text{skew}}^\top = \frac{1}{2}(A^\top - A) = -A_{\text{skew}}이므로 각 항은 대칭 및 반대칭이다. 유일성은 A = S_1 + K_1 = S_2 + K_2 (S_i 대칭, K_i 반대칭)일 때 S_1 - S_2 = K_2 - K_1의 양변을 전치하여 얻는다. \square

이 분해는 변형률 텐서의 분해, 속도 기울기 텐서의 분해 등 연속체 역학과 강체 역학에서 핵심적 도구이다.

3. 대칭 행렬의 핵심 성질

대칭 행렬은 일반 정방 행렬에 비하여 매우 특별한 스펙트럼적 성질을 가진다.

성질 1 (실수 고유값). 실수 대칭 행렬의 모든 고유값은 실수이다.

성질 2 (직교 고유벡터). 실수 대칭 행렬의 서로 다른 고유값에 대응하는 고유벡터는 서로 직교한다.

성질 3 (직교 대각화 가능성, 스펙트럼 정리). 임의의 실수 대칭 행렬 A에 대하여 직교 행렬 Q가 존재하여

A = Q \Lambda Q^\top

로 분해된다. 여기서 \Lambda는 A의 고유값을 대각 성분으로 가지는 대각 행렬이며, Q의 열은 정규 직교 고유벡터이다.

성질 4 (이차 형식의 표현). 대칭 행렬 A는 이차 형식 f(\mathbf{x}) = \mathbf{x}^\top A \mathbf{x}와 일대일 대응한다. 임의의 정방 행렬 B에 대해서도 \mathbf{x}^\top B \mathbf{x} = \mathbf{x}^\top B_{\text{sym}} \mathbf{x}가 성립하므로, 이차 형식의 분석에서는 대칭 부분만 의미를 가진다.

대칭 행렬을 생성하는 표준적 구성

실용적 계산에서 대칭 행렬을 얻는 표준적 방법은 다음과 같다.

구성 1. 임의의 행렬 B \in \mathbb{R}^{m \times n}에 대하여 A = B^\top B는 n \times n 대칭 행렬이며, 동시에 양반정치(positive semidefinite)이다.

증명: (B^\top B)^\top = B^\top (B^\top)^\top = B^\top B이고, 임의의 \mathbf{x}에 대하여 \mathbf{x}^\top B^\top B \mathbf{x} = \|B\mathbf{x}\|^2 \geq 0이다.

구성 2. B B^\top 또한 대칭이며 양반정치이다. 단, 그 크기는 m \times m이다.

구성 3. 대칭 행렬 A와 임의의 행렬 P에 대하여 P^\top A P는 다시 대칭이다. 이를 합동 변환(congruence transformation)이라 하며, 좌표계 변환에 따른 이차 형식의 변환을 표현한다.

양정치성과 대칭 행렬

대칭 행렬의 부정성/정성(definiteness) 분류는 그 고유값의 부호에 의해 결정된다.

이러한 분류는 비선형 최적화에서의 임계점 판정, 동역학에서의 운동 에너지 양정치성 보장, 안정성 해석에서의 리아푸노프 함수 구성 등에 활용된다.

반대칭 행렬과 외적

3차원 반대칭 행렬은 외적 연산을 행렬 곱셈으로 표현하는 데 사용된다. 벡터 \boldsymbol{\omega} = (\omega_1, \omega_2, \omega_3)^\top에 대응하는 반대칭 행렬은 다음과 같이 정의된다.

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

이때 임의의 벡터 \mathbf{v}에 대하여 다음의 등식이 성립한다.

\boldsymbol{\omega} \times \mathbf{v} = [\boldsymbol{\omega}]_\times \mathbf{v}

3차원 반대칭 행렬의 집합은 행렬 덧셈에 대해 3차원 벡터 공간을 이루며, 리 대수 \mathfrak{so}(3)의 표현이 된다.

전치와 행렬식, 대각합

전치 연산은 행렬식과 대각합을 보존한다.

\det(A^\top) = \det(A), \quad \text{tr}(A^\top) = \text{tr}(A)

대각합은 더 나아가 순환 성질을 가지므로 다음이 성립한다.

\text{tr}(A^\top A) = \text{tr}(A A^\top) = \sum_{i,j} a_{ij}^2 = \|A\|_F^2

여기서 \|A\|_F는 행렬의 프로베니우스 노름(Frobenius norm)이다.

로봇공학에서의 응용

관성 행렬의 대칭성

n자유도 로봇의 관성 행렬 M(\mathbf{q})는 항상 대칭 양정치 행렬이다.

M(\mathbf{q}) = M(\mathbf{q})^\top \succ 0

대칭성은 운동 에너지 표현 T = \frac{1}{2} \dot{\mathbf{q}}^\top M(\mathbf{q}) \dot{\mathbf{q}}의 정의로부터 자연스럽게 유도되며, 양정치성은 운동 에너지가 영이 아닌 모든 속도에 대하여 양수임을 보장한다.

3.1 자코비안 전치에 의한 정역학

말단 장치에 작용하는 외력 \mathbf{F}와 관절 토크 \boldsymbol{\tau}의 관계는 자코비안의 전치를 통해 표현된다.

\boldsymbol{\tau} = J(\mathbf{q})^\top \mathbf{F}

이 관계는 가상 일의 원리로부터 유도되며, 속도 매핑 \dot{\mathbf{x}} = J(\mathbf{q}) \dot{\mathbf{q}}의 자연스러운 쌍대 관계를 형성한다.

공분산 행렬의 대칭성

확률적 상태 추정에서 공분산 행렬 \Sigma는 대칭 양반정치 행렬이다.

\Sigma = E[(\mathbf{x} - \boldsymbol{\mu})(\mathbf{x} - \boldsymbol{\mu})^\top]

칼만 필터의 공분산 갱신 단계에서 수치 오차로 인해 대칭성이 손상될 수 있으므로, 일반적으로 \Sigma \leftarrow \frac{1}{2}(\Sigma + \Sigma^\top)의 대칭화 단계 또는 조셉 형식(Joseph form)의 갱신 식이 사용된다.

3.2 각속도와 회전 행렬의 미분

회전 행렬 R(t) \in SO(3)의 시간 미분은 반대칭 행렬과의 곱으로 표현된다.

\dot{R} = [\boldsymbol{\omega}]_\times R

이 관계는 RR^\top = I를 시간으로 미분하여 \dot{R} R^\top + R \dot{R}^\top = 0, 즉 \dot{R} R^\top이 반대칭임을 이용하여 유도된다.

강성 행렬과 임피던스 제어

로봇의 임피던스 제어에서 작업 공간 강성 행렬 K_x는 일반적으로 대칭 양정치 행렬로 설계된다. 강성 행렬을 좌표 변환할 때 합동 변환

K_q = J^\top K_x J

이 사용되며, 결과 또한 대칭이 보존된다.

3.3 최소 제곱 문제의 정규 방정식

선형 최소 제곱 문제 \min_{\mathbf{x}} \|A\mathbf{x} - \mathbf{b}\|^2의 해는 정규 방정식

A^\top A \mathbf{x} = A^\top \mathbf{b}

으로부터 얻어진다. 계수 행렬 A^\top A는 대칭 양반정치이며, A가 열 풀랭크일 때 양정치이다. 이 구조는 카메라 내부 파라미터 추정, SLAM의 번들 조정, 매니퓰레이터의 보정 등에 직접적으로 사용된다.

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.
• Murray, R. M., Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.

Version: 1.0