6.99 무어-펜로즈 의사 역행렬의 정의와 성질

무어-펜로즈 의사 역행렬(Moore-Penrose pseudoinverse)은 임의의 크기와 랭크를 가진 행렬에 대해 유일하게 정의되는 일반화된 역행렬이다. 정방 비특이 행렬의 역행렬 개념을 비정방 행렬 및 특이 행렬로 확장한 것으로, 최소 제곱 문제와 최소 노름 문제의 해를 통일적으로 표현한다. 본 절에서는 무어-펜로즈 의사 역행렬의 정의, 성질, 계산 방법을 다룬다.

1. 무어-펜로즈 조건

행렬 $A \in \mathbb{R}^{m \times n}$ 에 대해, 다음의 네 가지 조건을 모두 만족하는 행렬 $A^\dagger \in \mathbb{R}^{n \times m}$ 를 무어-펜로즈 의사 역행렬이라 한다.

$A A^\dagger A = A$
$A^\dagger A A^\dagger = A^\dagger$
$(A A^\dagger)^\top = A A^\dagger$
$(A^\dagger A)^\top = A^\dagger A$

이 네 조건을 펜로즈 조건(Penrose conditions)이라 한다. 임의의 행렬 $A$ 에 대해 이 조건을 모두 만족하는 $A^\dagger$ 는 유일하게 존재한다.

2. 특수한 경우의 의사 역행렬

2.1 열 풀랭크 행렬 ( $m > n$ , $\text{rank}(A) = n$ )

과결정 시스템에 대응하며, 좌측 의사 역행렬이 된다.

$A^\dagger = (A^\top A)^{-1} A^\top$

이 경우 $A^\dagger A = I_n$ 이 성립한다.

2.2 행 풀랭크 행렬 ( $m < n$ , $\text{rank}(A) = m$ )

부족 결정 시스템에 대응하며, 우측 의사 역행렬이 된다.

$A^\dagger = A^\top (A A^\top)^{-1}$

이 경우 $A A^\dagger = I_m$ 이 성립한다.

2.3 정방 비특이 행렬 ( $m = n$ , $\text{rank}(A) = n$ )

의사 역행렬은 통상적인 역행렬과 일치한다.

$A^\dagger = A^{-1}$

2.4 영행렬

영행렬의 의사 역행렬은 영행렬이다. $\mathbf{0}^\dagger = \mathbf{0}$ .

3. SVD에 의한 계산

$A$ 의 특이값 분해 $A = U \Sigma V^\top$ 이 주어지면, 의사 역행렬은 다음과 같이 계산된다.

$A^\dagger = V \Sigma^\dagger U^\top$

여기서 $\Sigma^\dagger$ 는 $\Sigma$ 의 비영 대각 성분을 역수로 취하고 전치한 행렬이다. $\Sigma = \text{diag}(\sigma_1, \dots, \sigma_r, 0, \dots, 0)$ 일 때,

$\Sigma^\dagger = \text{diag}\left(\frac{1}{\sigma_1}, \dots, \frac{1}{\sigma_r}, 0, \dots, 0\right)$

이를 전개하면 다음과 같다.

$A^\dagger = \sum_{i=1}^{r} \frac{1}{\sigma_i} \mathbf{v}_i \mathbf{u}_i^\top$

여기서 $r = \text{rank}(A)$ 이다.

4. 주요 성질

무어-펜로즈 의사 역행렬은 다음의 성질을 만족한다.

유일성: 펜로즈 조건을 만족하는 $A^\dagger$ 는 유일하다.
사영 성질: $AA^\dagger$ 는 $\mathcal{R}(A)$ 로의 직교 사영 행렬이고, $A^\dagger A$ 는 $\mathcal{R}(A^\top)$ 로의 직교 사영 행렬이다.

$AA^\dagger = P_{\mathcal{R}(A)}, \quad A^\dagger A = P_{\mathcal{R}(A^\top)}$

전치와의 관계: $(A^\top)^\dagger = (A^\dagger)^\top$
반복 적용: $(A^\dagger)^\dagger = A$
랭크 보존: $\text{rank}(A^\dagger) = \text{rank}(A)$
스칼라 곱: $(\alpha A)^\dagger = \frac{1}{\alpha} A^\dagger$ ( $\alpha \neq 0$ )

5. 최소 제곱-최소 노름 해

방정식 $A\mathbf{x} = \mathbf{b}$ 에 대해, $\mathbf{x}^* = A^\dagger \mathbf{b}$ 는 다음의 두 가지 최적성을 동시에 만족하는 유일한 벡터이다.

$\|A\mathbf{x}^* - \mathbf{b}\|$ 를 최소화한다 (최소 제곱).
위 조건을 만족하는 모든 $\mathbf{x}$ 중에서 $\|\mathbf{x}^*\|$ 가 최소이다 (최소 노름).

이 성질은 과결정, 부족 결정, 정방 시스템 등 모든 경우에 대해 통일적으로 적용된다.

시스템 유형	조건	$A^\dagger \mathbf{b}$ 의 의미
과결정 ( $m > n$ )	해 부존재	잔차 최소화 (최소 제곱 해)
부족 결정 ( $m < n$ )	무한 해	해 노름 최소화 (최소 노름 해)
정방 비특이	유일 해	정확한 해 ( $A^{-1}\mathbf{b}$ )
랭크 부족	무한 최소 제곱 해	최소 노름 최소 제곱 해

6. 절단된 SVD에 의한 정규화

실제 계산에서 작은 특이값이 존재하면 의사 역행렬의 성분이 매우 커져 수치적 불안정이 발생한다. 이를 완화하기 위해 임계값 $\epsilon$ 이하의 특이값을 0으로 간주하는 절단된 SVD(truncated SVD)를 사용한다.

$A_k^\dagger = \sum_{i=1}^{k} \frac{1}{\sigma_i} \mathbf{v}_i \mathbf{u}_i^\top, \quad k \leq r$

여기서 $k$ 는 $\sigma_i > \epsilon$ 인 특이값의 수이다. 이 방법은 해의 정확도와 수치적 안정성 사이의 균형을 제공한다.

7. 로봇 공학에서의 역할

무어-펜로즈 의사 역행렬은 로봇 공학에서 다음과 같이 활용된다.

여유 자유도 역기구학: $J^\dagger = J^\top(JJ^\top)^{-1}$ 에 의한 최소 노름 관절 속도 계산
과결정 캘리브레이션: $(A^\top A)^{-1}A^\top$ 에 의한 최소 제곱 매개변수 추정
특이점 근방 제어: 절단된 SVD 또는 댐핑 의사 역행렬에 의한 수치적 안정화
영 공간 투영: $N = I - J^\dagger J$ 에 의한 부차 목표 최적화

8. 참고 문헌

Ben-Israel, A., & Greville, T. N. E. (2003). Generalized Inverses: Theory and Applications. 2nd ed. Springer.
Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations. 4th ed. Johns Hopkins University Press.
Strang, G. (2019). Linear Algebra and Its Applications. 5th ed. Wellesley-Cambridge Press.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.
Nakamura, Y. (1991). Advanced Robotics: Redundancy and Optimization. Addison-Wesley.

v 0.1