전치 행렬
IT 위키
인공무능 (토론 | 기여)님의 2025년 9월 19일 (금) 06:48 판 (새 문서: 전치 행렬(轉置行列, transpose matrix)은 주어진 행렬의 행(row)과 열(column)을 서로 바꾼 행렬이다. 주어진 행렬 A의 전치(transpose)는 보통 A<sup>⊤</sup>로 표기된다. ==정의== 행렬 A가 m×n 크기일 때, 전치 행렬 A<sup>⊤</sup>는 n×m 크기를 가지며 각 성분은 다음과 같이 정의된다: *(A<sup>⊤</sup>)<sub>ij</sub> = A<sub>ji</sub> 예: A = { 1 2 3 4 5 6 } → A<sup>⊤</sup> = { 1 4 2 5 3...)
전치 행렬(轉置行列, transpose matrix)은 주어진 행렬의 행(row)과 열(column)을 서로 바꾼 행렬이다. 주어진 행렬 A의 전치(transpose)는 보통 A⊤로 표기된다.
정의
행렬 A가 m×n 크기일 때, 전치 행렬 A⊤는 n×m 크기를 가지며 각 성분은 다음과 같이 정의된다:
- (A⊤)ij = Aji
예: A = { 1 2 3 4 5 6 } → A⊤ = { 1 4 2 5 3 6 }
성질
전치 행렬은 다음과 같은 수학적 성질을 갖는다:
- (A⊤)⊤ = A
- (A + B)⊤ = A⊤ + B⊤
- (cA)⊤ = cA⊤ (c는 스칼라)
- (AB)⊤ = B⊤ A⊤
- A = A⊤이면 A는 대칭 행렬이다.
- A⊤ = -A이면 A는 반대칭 행렬이다.
- det(A⊤) = det(A)
응용
전치 행렬은 순수 수학뿐 아니라 공학, 컴퓨터과학, 인공지능 분야에서 다양하게 활용된다.
- 회귀 분석: 선형 회귀의 정규 방정식 A⊤A x = A⊤b에서 전치 행렬이 사용된다.
- 내적 및 유사도 계산: 벡터 x에 대해 x⊤x는 자기 자신과의 내적을 의미하며, 유사도 분석에 활용된다.
- 딥러닝:
- 역전파(backpropagation) 알고리즘에서 오차 전파 시 가중치 행렬의 전치가 필수적이다.
- 입력 벡터 또는 배치 데이터의 구조를 전환(transpose)하여 연산 효율을 높인다.
- 공분산 행렬 계산 시, 데이터 행렬 X를 전치하여 X⊤X 형태로 사용한다.
- Transformer 계열 모델에서 multi-head attention의 쿼리, 키, 값 행렬 간 연산에서도 전치가 빈번히 등장한다.
주의 사항
- 비정방형 행렬의 전치는 행과 열의 크기를 변경하므로 연산 가능 여부를 확인해야 한다.
- 복소수 행렬의 경우, 단순 전치가 아닌 켤레 전치(conjugate transpose)가 사용되는 경우가 많다.
같이 보기
참고 문헌
- Gilbert Strang, Linear Algebra and Its Applications
- David C. Lay, Linear Algebra and Its Applications (4th Edition)