행렬

수학에서 행렬(行列, 영어: matrix)은 수 또는 다항식 등을 직사각형 모양으로 배열한 것이다.^[1]^[2] 예를 들어, 실수 1, 9, −13, 20, 5, −16을 2×3 직사각형 위에 배열한 행렬은 다음과 같다.

{\begin{pmatrix}1&9&-13\\20&5&-16\end{pmatrix}}

행렬에는 덧셈과 스칼라배, 곱셈 연산이 존재한다. 크기가 같은 두 행렬은 같은 위치의 성분별로 더할 수 있으며, 첫째 행렬의 열과 둘째 행렬의 행의 수가 같은 두 행렬은 첫째 행렬의 각 행벡터와 둘째 행렬의 각 열벡터의 스칼라곱을 통해 곱할 수 있다. 곱셈의 교환 법칙이나 소거 법칙 등 복소수의 일부 성질들은 행렬 연산에서 더 이상 성립하지 않는다. 가환환 위의 유한 차원 자유 가군(특히, 체 위의 유한 차원 벡터 공간)의 선형 변환을 행렬로 유일하게 표현할 수 있으며, 이는 행렬의 중요한 응용이다. 예를 들어, 3차원 유클리드 공간의 회전은 회전 행렬 $R$ 을 각 열벡터 $v$ 에 곱하여 새 열벡터 $Rv$ 를 얻는 함수이다. 행렬의 덧셈과 스칼라배는 선형 변환의 점별 덧셈과 점별 스칼라배, 행렬의 곱셈은 선형 변환의 합성에 대응한다. 행렬은 가우스 소거법 등 연립 일차 방정식의 풀이에도 응용된다.^[2]^:97 정사각 행렬과 그 선형 변환의 일부 성질들은 그 행렬식 또는 고윳값과 고유 벡터에서 반영된다. 예를 들어, 가환환의 원소를 성분으로 하는 행렬이 역행렬을 가질 필요 충분 조건은 행렬식이 가역원인 것이며, 특히 체의 경우 필요 충분 조건은 행렬식이 0이 아닌 것이다.

행렬은 과학과 수학의 수많은 분야에서 다양한 응용이 있다. 물리학의 전기 회로 이론, 고전역학, 광학, 전자기학, 양자역학, 양자 전기역학 등 분야에서 응용되며, 컴퓨터 그래픽스에서 3차원 이미지를 2차원 평면에 투영하거나 사실적인 움직임을 그려내기 위해 사용한다. 확률론과 통계학의 마르코프 행렬과 다변수 미적분학의 헤세 행렬 등 역시 행렬의 응용이다. 행렬 계산은 수치해석학의 중요한 문제 중 하나이다. 행렬 분해는 행렬 계산을 이론과 실제 응용에서 모두 단순화할 수 있다. 희소행렬, 띠행렬 등 널리 사용되는 특수한 구조의 행렬들의 경우 특화된 고속 알고리즘들이 존재한다. 천체물리학과 양자물리학 등 분야에서는 무한 행렬도 등장한다.

정의

환 $R$ 위의 $m\times n$ 행렬은 각 행 $i\in \{1,\dotsc ,m\}$ 및 열 $j\in \{1,\dotsc ,n\}$ 의 순서쌍 $(i,j)$ 에 환의 원소 $A_{ij}\in R$ 를 대응시키는 함수 $A=(A_{ij})_{i,j}$ 이다.^[2]^:98

행렬 $A$ 는 모든 성분을 직사각형으로 배열한 다음 소괄호 또는 대괄호를 추가하여

{\begin{pmatrix}A_{11}&A_{12}&A_{13}&\cdots &A_{1n}\\A_{21}&A_{22}&A_{23}&\cdots &A_{2n}\\A_{31}&A_{32}&A_{33}&\cdots &A_{3n}\\\vdots &\vdots &\vdots &\ddots &\vdots \\A_{m1}&A_{m2}&A_{m3}&\cdots &A_{mn}\end{pmatrix}}

또는

{\begin{bmatrix}A_{11}&A_{12}&A_{13}&\cdots &A_{1n}\\A_{21}&A_{22}&A_{23}&\cdots &A_{2n}\\A_{31}&A_{32}&A_{33}&\cdots &A_{3n}\\\vdots &\vdots &\vdots &\ddots &\vdots \\A_{m1}&A_{m2}&A_{m3}&\cdots &A_{mn}\end{bmatrix}}

와 같이 표기한다.

각 $A_{ij}$ 를 $A$ 의 $i$ 번째 행 $j$ 번째 열의 성분(成分, 영어: entry) 또는 원소(元素, 영어: element) 또는 계수(係數, 영어: coefficient)라고 한다. 행렬 $A$ 의 각 성분은 행과 열의 번째수를 첨수로 사용하여 $A_{ij}$ , $A_{i,j}$ , $a_{ij}$ , $a_{i,j}$ , $A(i,j)$ , $A[i,j]$ 등과 같이 나타낸다. 행과 열의 번째수가 같은 성분 $A_{ii}$ ( $i\in \{1,\dotsc ,\min\{m,n\}\}$ )을 $A$ 의 대각 성분(對角成分, 영어: diagonal entry) 또는 대각 원소(對角元素, 영어: diagonal element) 또는 대각 요소(對角要素) 또는 주대각선 성분이라고 한다.^[2]^:99

환 $R$ 위의 $m\times n$ 행렬의 집합은 $\operatorname {Mat} (m,n;R)$ 또는 $\operatorname {M} _{m,n}(R)$ 로 표기한다.

크기

행렬 $A$ 의 크기(영어: size)는 행과 열의 수의 순서쌍 $(m,n)$ 또는 $m\times n$ 을 뜻한다. 일부 특수한 크기의 행렬들은 특별한 이름으로 불린다.

만약 행과 열의 수가 같다면 ( $m=n$ ), $A$ 를 정사각 행렬(正四角行列, 영어: square matrix) 또는 정방 행렬(正方行列)이라고 한다. 환 $R$ 위의 $n\times n$ 정사각 행렬의 집합은 $\operatorname {Mat} (n;R)$ 또는 $\operatorname {M} _{n}(R)$ 로 표기한다.
만약 $m=1$ 이라면, $A$ 를 $1\times n$ 행벡터(行-, 영어: row vector)라고 한다.
만약 $n=1$ 이라면, $A$ 를 $m\times 1$ 열벡터(列-, 영어: column vector)라고 한다.

특히, 행렬 $A$ 의 $i$ 번째 행벡터와 $j$ 번째 열벡터는 각각

A_{i,-}={\begin{pmatrix}A_{i1}&A_{i2}&\cdots A_{in}\end{pmatrix}}

와

A_{-,j}{\begin{pmatrix}A_{1j}\\A_{2j}\\\vdots \\A_{mj}\end{pmatrix}}

이며, 이를 통해 행렬을 다음과 같이 나타낼 수 있다.

A={\begin{pmatrix}A_{1,-}\\A_{2,-}\\\vdots \\A_{m,-}\end{pmatrix}}={\begin{pmatrix}A_{-,1}&A_{-,2}&\cdots &A_{-,n}\end{pmatrix}}

연산

행렬들에 대하여 덧셈, 스칼라배, 곱셈, 전치 행렬 등의 연산을 정의할 수 있으며, 정사각 행렬은 역행렬, 대각합, 행렬식 등 연산이 추가로 정의된다. 덧셈은 같은 크기의 두 행렬에 대해서만 정의되며, 곱셈은 오직 첫 번째 행렬의 열의 수와 두 번째 행렬의 행의 수가 같은 경우에만 정의된다.^[2]^:99 역행렬은 가역 정사각 행렬에 대하여 정의되며, 행렬식은 가환환 위의 정사각 행렬에 대하여 정의된다.

덧셈과 스칼라배

환 $R$ 위의 두 $m\times n$ 의 행렬 $A,B\in \operatorname {Mat} (m,n;R)$ 의 합 $A+B\in \operatorname {Mat} (m,n;R)$ 은 두 행렬을 성분별로 합한 $m\times n$ 행렬이다. 즉, 각 행과 열 $i$ , $j$ 에 대하여,

(A+B)_{ij}=A_{ij}+B_{ij}

이다.

실수 행렬의 예는 다음과 같다.

{\begin{pmatrix}1&3&7\\1&0&0\end{pmatrix}}+{\begin{pmatrix}0&0&5\\7&5&0\end{pmatrix}}={\begin{pmatrix}1+0&3+0&7+5\\1+7&0+5&0+0\end{pmatrix}}={\begin{pmatrix}1&3&12\\8&5&0\end{pmatrix}}

환 $R$ 위의 $m\times n$ 의 행렬 $A\in \operatorname {Mat} (m,n;R)$ 및 환의 원소 $r\in R$ 에 대하여, 왼쪽·오른쪽 스칼라배 $rA,Ar\in \operatorname {Mat} (m,n;R)$ 는 각각 행렬의 각 성분의 왼쪽·오른쪽에 스칼라를 곱한 $m\times n$ 행렬이다.

(rA)_{ij}=rA_{ij}

(Ar)_{ij}=A_{ij}r

만약 $R$ 가 가환환일 경우, 이 두 연산은 일치하며, 이를 스칼라배라고 부른다.

실수 행렬의 예는 다음과 같다.

2{\begin{pmatrix}1&8&-3\\4&-2&5\end{pmatrix}}={\begin{pmatrix}2\cdot 1&2\cdot 8&2\cdot -3\\2\cdot 4&2\cdot -2&2\cdot 5\end{pmatrix}}={\begin{pmatrix}2&16&-6\\8&-4&10\end{pmatrix}}

환 $R$ 위의 $m\times n$ 행렬의 집합 $\operatorname {Mat} (m,n;R)$ 은 위 덧셈과 왼쪽·오른쪽 스칼라배에 따라 $(R,R)$ -쌍가군을 이룬다. 만약 $R$ 가 가환환일 경우, 이는 (덧셈과 스칼라배에 따른) $R$ -가군이 되며, 특히 만약 $R$ 가 체일 경우 $R$ -벡터 공간이다. 이 쌍가군의 덧셈 항등원은 영행렬(즉, 모든 성분이 0인 행렬)

0_{m\times n}={\begin{pmatrix}0&0&\cdots &0\\0&0&\cdots &0\\\vdots &\vdots &\ddots &\vdots \\0&0&\cdots &0\end{pmatrix}}\in \operatorname {Mat} (m,n;R)

이며, 각 행렬 $A\in \operatorname {Mat} (m,n;R)$ 의 덧셈 역원은 성분별 덧셈 역원

-A\in \operatorname {Mat} (m,n;R)

(-A)_{ij}=-A_{ij}

이다.

특히, 두 행렬 $A,B\in \operatorname {Mat} (m,n;R)$ 의 차를 다음과 같이 정의할 수 있다.

A-B=A+(-B)\in \operatorname {Mat} (m,n;R)

환 $R$ 위의 $m\times n$ 행렬의 $(R,R)$ -쌍가군 $A,B\in \operatorname {Mat} (m,n;R)$ 는 왼쪽 가군으로서 $mn$ 차원 왼쪽 자유 가군을 이루며, 오른쪽 가군으로서 $mn$ 차원 오른쪽 자유 가군을 이룬다. $R$ 가 가환환일 경우 $mn$ 차원 자유 $R$ -가군이다. 그 한 기저는 다음과 같다.

E_{ij}\in \operatorname {Mat} (m,n;R)

(E_{ij})_{kl}=\delta _{ik}\delta _{jl}={\begin{cases}1&i=k\land j=l\\0&i\neq k\lor j\neq l\end{cases}}

i\in \{1,\dotsc ,m\}

j\in \{1,\dotsc ,n\}

곱셈

환 $R$ 위의 $m\times n$ 행렬 $A\in \operatorname {Mat} (m,n;R)$ 와 $n\times p$ 행렬 $B\in \operatorname {Mat} (n,p;R)$ 의 곱 $AB\in \operatorname {Mat} (m,p;R)$ 는 $m\times p$ 행렬이며, 그 $i$ 번째 행 $j$ 번째 열 성분은 $A$ 의 $i$ 번째 행벡터와 $B$ 의 $j$ 번째 열벡터의 ‘스칼라곱’이다 (둘 모두 $n$ 차원 벡터이므로 ‘스칼라곱’이 정의된다).

(AB)_{ij}=\sum _{k=1}^{n}A_{ik}B_{kj}=A_{i1}B_{1j}+A_{i2}B_{2j}+\cdots A_{in}B_{nj}

다음은 실수 행렬의 예다.

{\begin{pmatrix}1&0&2\\-1&3&1\\\end{pmatrix}}{\begin{pmatrix}3&1\\2&1\\1&0\end{pmatrix}}={\begin{pmatrix}1\cdot 3+0\cdot 2+2\cdot 1&1\cdot 1+0\cdot 1+2\cdot 0\\-1\cdot 3+3\cdot 2+1\cdot 1&-1\cdot 1+3\cdot 1+1\cdot 0\end{pmatrix}}={\begin{pmatrix}5&1\\4&2\end{pmatrix}}

행벡터와 열벡터

A={\begin{pmatrix}A_{1,-}\\A_{2,-}\\\vdots \\A_{m,-}\end{pmatrix}}

B={\begin{pmatrix}B_{-,1}&B_{-,2}&\cdots &B_{-,n}\end{pmatrix}}

를 통해 행렬 곱셈을 다음과 같이 나타낼 수 있다.

AB={\begin{pmatrix}A_{1,-}B\\A_{2,-}B\\\vdots \\A_{m,-}B\end{pmatrix}}={\begin{pmatrix}AB_{-,1}&AB_{-,2}&\cdots &AB_{-,n}\end{pmatrix}}={\begin{pmatrix}A_{1,-}B_{-,1}&A_{1,-}B_{-,2}&\cdots &A_{1,-}B_{-,p}\\A_{2,-}B_{-,1}&A_{2,-}B_{-,2}&\cdots &A_{2,-}B_{-,p}\\\vdots &\vdots &\ddots &\vdots \\A_{m,-}B_{-,1}&A_{m,-}B_{-,2}&\cdots &A_{m,-}B_{-,p}\end{pmatrix}}

행렬 곱셈은 결합 법칙을 만족시킨다. 즉, 환 $R$ 위의 임의의 $m\times n$ 행렬 $A\in \operatorname {Mat} (m,n;R)$ 및 $n\times p$ 행렬 $B\in \operatorname {Mat} (n,p;R)$ 및 $p\times q$ 행렬 $C\in \operatorname {Mat} (p,q;R)$ 에 대하여,

(AB)C=A(BC)

가 성립한다.

행렬 곱셈은 함수

\operatorname {Mat} (m,n;R)\oplus \operatorname {Mat} (n,p;R)\to \operatorname {Mat} (m,p;R)

로서 $(R,R)$ -쌍선형 함수를 이룬다.

특히, 환 $R$ 위의 정사각 행렬들의 $(R,R)$ -쌍가군 $\operatorname {Mat} (n;R)$ 는 그 위의 행렬 곱셈에 따라 $R$ -결합 대수를 이룬다. 특히 환을 이루며, 행렬환(行列環, 영어: matrix ring)이라고 한다. 행렬환의 곱셈 항등원은 단위 행렬(즉, 모든 대각 성분이 1, 그 밖의 성분이 0인 행렬)

1_{n\times n}={\begin{pmatrix}1&0&\cdots &0\\0&1&\cdots &0\\\vdots &\vdots &\ddots &\vdots \\0&0&\cdots &1\end{pmatrix}}\in \operatorname {Mat} (n;R)

이다.

교환 법칙과 소거 법칙의 실패

행렬환은 일반적으로 가환환이 아니다. 즉, 행렬 곱셈의 교환 법칙은 (체의 경우에도) 일반적으로 성립하지 않는다. 예를 들어, 실수 2×2 행렬의 경우

{\begin{pmatrix}1&0\\0&0\end{pmatrix}}{\begin{pmatrix}1&2\\0&3\end{pmatrix}}={\begin{pmatrix}1&2\\0&0\end{pmatrix}}

이지만

{\begin{pmatrix}1&2\\0&3\end{pmatrix}}{\begin{pmatrix}1&0\\0&0\end{pmatrix}}={\begin{pmatrix}1&0\\0&0\end{pmatrix}}

이다.

물론 가환하는 두 행렬도 존재한다. 예를 들어, 가환환 위의 스칼라 행렬은 (같은 크기의) 모든 행렬과 가환한다. 또한, 가환환 $R$ 및 정사각 행렬 $A\in \operatorname {Mat} (n;R)$ 에 대하여,

R[A]=\{p(A)\colon p\in R[x]\}\subseteq \operatorname {Mat} (n;R)

는 가환환이다.

행렬환은 일반적으로 0이 아닌 왼쪽·오른쪽 영인자를 갖는다. 즉, 0이 아닌 두 행렬의 곱은 0일 수 있으며, 소거 법칙이 일반적으로 성립하지 않는다. 예를 들어, 실수 행렬에서

{\begin{pmatrix}2&-1\\-2&1\end{pmatrix}}{\begin{pmatrix}1&3\\2&6\end{pmatrix}}={\begin{pmatrix}0&0\\0&0\end{pmatrix}}

이다.

역행렬

행렬환 $\operatorname {Mat} (n;R)$ 의 가역원은 가역 행렬이라고 하며, 그 곱셈 역원은 역행렬이라고 한다. 일반적으로 행렬환은 (체 위에서도) 0이 아닌 비가역 행렬을 갖는다. 예를 들어, 실수 2×2 정사각 행렬

{\begin{pmatrix}0&5\\0&3\end{pmatrix}}

은 가역 행렬이 아니다.

만약 $R$ 가 가환환일 경우, 가역 행렬은 행렬식이 환의 가역원인 것과 동치이며, 특히 체의 경우 행렬식이 0이 아닌 것과 동치이다. 또한, 가역 행렬 $A\in \operatorname {Unit} (\operatorname {Mat} (n;R))$ 의 역행렬은 행렬식과 수반 행렬을 통하여 다음과 같이 나타낼 수 있다.

A^{-1}={\frac {1}{\det A}}\operatorname {adj} A

전치 행렬

환 $R$ 위의 $m\times n$ 행렬 $A\in \operatorname {Mat} (m,n;R)$ 의 전치 행렬 $A^{\top }\in \operatorname {Mat} (n,m;R)$ 는 행과 열을 교환한 $n\times m$ 행렬이다. 즉, 각 $i\in \{1,\dotsc ,n\}$ 및 $j\in \{1,\dotsc ,m\}$ 에 대하여,

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

이다.^[2]^:99

다음은 실수 행렬의 예다.

{\begin{pmatrix}9&8&7\\-1&3&4\end{pmatrix}}^{\top }={\begin{pmatrix}9&-1\\8&3\\7&4\end{pmatrix}}

이다.

전치 행렬은 함수

^{\top }\colon \operatorname {Mat} (m,n;R)\to \operatorname {Mat} (n,m;R)

로서 $(R,R)$ -쌍가군 동형을 이루며, 그 역함수 또한 (정의역과 공역이 뒤바뀐) 전치 행렬이다.

또한, 임의의 $m\times n$ 행렬 $A\in \operatorname {Mat} (m,n;R)$ 및 $n\times p$ 행렬 $B\in \operatorname {Mat} (n,p;R)$ 에 대하여,

(AB)^{\top }=B^{\top }A^{\top }

이다.

특히, 환 $R$ 위의 정사각 행렬의 $R$ -결합 대수 $\operatorname {Mat} (n;R)$ 위에서, 전치 행렬은 $\operatorname {Mat} (n;R)$ 와 그 반대환 $\operatorname {Mat} (n;R)^{\operatorname {op} }$ 사이의 대합 $R$ -결합 대수 동형이며, 만약 $R$ 가 가환환일 경우 $\operatorname {Mat} (n;R)$ 는 전치 행렬에 따라 $R$ -대합 대수를 이룬다.

대각합

환 $R$ 위의 $n\times n$ 정사각 행렬 $A\in \operatorname {Mat} (n;R)$ 의 대각합은 모든 대각 성분들의 합이다.

\operatorname {tr} A=\sum _{i=1}^{n}A_{ii}=A_{11}+A_{22}+\cdots +A_{nn}\in R

대각합

\operatorname {tr} \colon \operatorname {Mat} (n;R)\to R

는 $(R,R)$ -선형 변환을 이룬다. 또한, 임의의 $A\in \operatorname {Mat} (n;R)$ 에 대하여, 그 대각합은 그 전치 행렬의 대각합과 같다.

\operatorname {tr} (A^{\top })=\operatorname {tr} A

만약 $R$ 가 가환환일 경우, 임의의 두 행렬 $A,B\in \operatorname {Mat} (n;R)$ 에 대하여, 두 행렬의 곱의 대각합은 곱하는 순서와 무관하게 같다.

\operatorname {tr} (AB)=\operatorname {tr} (BA)

행렬식

가환환 $R$ 위의 $n\times n$ 정사각 행렬 $A\in \operatorname {Mat} (n;R)$ 의 행렬식은 다음과 같다.

\det A=\sum _{\sigma \in \operatorname {Sym} (n)}\operatorname {sgn} \sigma \prod _{i=1}^{n}A_{i,\sigma (i)}\in R

여기서 $\operatorname {Sym} (n)$ 은 대칭군이며, $\operatorname {sgn} \sigma$ 는 순열의 부호이다. 행렬 $A$ 의 행렬식은 $\det A$ , $|A|$ , $\operatorname {D} (A)$ 등으로 표기한다. 특히, 2×2 행렬 $A\in \operatorname {Mat} (2;R)$ 의 행렬식은 다음과 같다.

\det A={\begin{vmatrix}A_{11}&A_{12}\\A_{21}&A_{22}\end{vmatrix}}=A_{11}A_{22}-A_{12}A_{21}

행렬식은 $n$ 개의 행벡터(또는 열벡터)의 함수

\det \colon \operatorname {Mat} (n;R)=\underbrace {\operatorname {Mat} (1,n;R)\oplus \cdots \oplus \operatorname {Mat} (1,n;R)} _{n}\to R

로서, 단위 행렬의 상이 1인 유일한 $R$ -교대 다중 선형 형식이다. 또한, 행렬식은 두 환의 곱셈 모노이드 사이의 준동형이며, 전치 행렬에 대하여 불변이다. 즉, 임의의 $A,B\in \operatorname {Mat} (n;R)$ 에 대하여,

\det(AB)=\det A\det B

\det A^{\top }=\det A

이다.

행렬식은 크라메르 공식에서 사용된다.

부분 행렬과 소행렬식

환 $R$ 위의 $m\times n$ 행렬 $A\in \operatorname {Mat} (m,n;R)$ 의, 행과 열의 집합

I=\{i_{1},i_{2},\dotsc ,i_{|I|}\}\subseteq \{1,\dotsc ,m\}\qquad (i_{1}<i_{2}<\cdots <i_{|I|})

J=\{j_{1},j_{2},\dotsc ,j_{|J|}\}\subseteq \{1,\dotsc ,n\}\qquad (j_{1}<j_{2}<\cdots <j_{|J|})

에 속하는 행과 열을 취한 부분 행렬은 다음과 같다.

A_{I,J}={\begin{pmatrix}A_{i_{1},j_{1}}&A_{i_{1},j_{2}}&\cdots &A_{i_{1},j_{|J|}}\\A_{i_{2},j_{1}}&A_{i_{2},j_{2}}&\cdots &A_{i_{2},j_{|J|}}\\\vdots &\vdots &\ddots &\vdots \\A_{i_{|I|},j_{1}}&A_{i_{|I|},j_{2}}&\cdots &A_{i_{|I|},j_{|J|}}\end{pmatrix}}\in \operatorname {Mat} (|I|,|J|;R)

특히,

$A$ 의 $I$ 에 대한 주부분 행렬은 부분 행렬 $A_{I,I}$ 를 뜻한다.^[3]^{:24, §1.3.3}
$A$ 의 $k\times k$ 선행 주부분 행렬은 부분 행렬 $A_{\{1,\dotsc ,k\},\{1,\dotsc ,k\}}$ 를 뜻한다.^[3]^{:24, §1.3.3}
$A$ 의 $i$ 번째 행벡터는 $A_{i,\{1,\dotsc ,n\}}$ 이다.
$A$ 의 $j$ 번째 열벡터는 $A_{\{1,\dotsc ,m\},j}$ 이다.

가환환 위의 행렬의 부분 정사각 행렬의 행렬식을 소행렬식이라고 한다.

예

몇몇 특수한 행렬들은 다음이 있다.

역사와 어원

1848년 수학에 처음으로 실베스터가 사용한 행렬(matrix)이라는 단어의 어원은 해부학에서 자궁(子宮,모체母體)을 뜻한다. 행렬식에 대해서 행렬의 의미를 표현한 것으로 전해진다.^[4]

같이 보기

텐서

참고 문헌

위키미디어 공용에 관련된
미디어 분류가 있습니다.

행렬

↑ Lang, Serge (2002). 《Algebra》. Graduate Texts in Mathematics (영어) 211 개정 3판. New York, NY: Springer. doi:10.1007/978-1-4613-0041-0. ISBN 978-1-4612-6551-1. ISSN 0072-5285. MR 1878556. Zbl 0984.00001.
↑ ^가 ^나 ^다 ^라 ^마 ^바 Abdelwahab Kharab; Ronald B. Guenther (2013). 《An Introduction to Numerical Methods A MATLAB Approach》 [이공학도를 위한 수치해석]. 학산미디어. ISBN 978-89-966211-8-8.
↑ ^가 ^나 Golub, Gene H.; Van Loan, Charles F. (2013). 《Matrix computations》. Johns Hopkins Studies in the Mathematical Sciences (영어) 4판. Baltimore: The Johns Hopkins University Press. ISBN 978-1-4214-0794-4. LCCN 2012943449. MR 3024913. Zbl 1268.65037.
↑ 고등기하와 벡터, 성지출판 ( $\mathbf {I}$ 일차변환과 행렬) 수학이야기-행렬과 행렬식30p

외부 링크

“Matrix”. 《Encyclopedia of Mathematics》 (영어). Springer-Verlag. 2001. ISBN 978-1-55608-010-4.
Weisstein, Eric Wolfgang. “Matrix”. 《Wolfram MathWorld》 (영어). Wolfram Research.
“Matrix”. 《nLab》 (영어).

[Lang-1] Lang, Serge (2002). 《Algebra》. Graduate Texts in Mathematics (영어) 211 개정 3판. New York, NY: Springer. doi:10.1007/978-1-4613-0041-0. ISBN 978-1-4612-6551-1. ISSN 0072-5285. MR 1878556. Zbl 0984.00001.

[Kharab-2] 가 ^나 ^다 ^라 ^마 ^바 Abdelwahab Kharab; Ronald B. Guenther (2013). 《An Introduction to Numerical Methods A MATLAB Approach》 [이공학도를 위한 수치해석]. 학산미디어. ISBN 978-89-966211-8-8.

[Golub-3] 가 ^나 Golub, Gene H.; Van Loan, Charles F. (2013). 《Matrix computations》. Johns Hopkins Studies in the Mathematical Sciences (영어) 4판. Baltimore: The Johns Hopkins University Press. ISBN 978-1-4214-0794-4. LCCN 2012943449. MR 3024913. Zbl 1268.65037.

[4] 고등기하와 벡터, 성지출판 ( $\mathbf {I}$ 일차변환과 행렬) 수학이야기-행렬과 행렬식30p

[1]

[2]

[3]

[4]

v t e 선형대수학
기본 개념	스칼라 벡터 벡터 공간 스칼라 곱셈 벡터 사영 선형생성 선형 변환 사영작용소 일차 독립 집합 선형 결합 기저 기저 변경 행 벡터와 열 벡터 행 공간과 열 공간 직교 영공간 고윳값과 고유 벡터 외적 내적 공간 스칼라곱 전치행렬 그람-슈미트 과정 일차 방정식 기본 정리
벡터 대수	벡터곱 삼중곱 7차원 외적
다중선형대수학	기하적 대수학 외대수 이중벡터 다중벡터 텐서 아우터모피즘
행렬	블록 행렬 행렬 분해 가역행렬 소행렬식 행렬 곱셈 계수 변환행렬 크라메르 공식 가우스 소거법 행렬식
대수적 구성	쌍대 공간 직합 함수 공간 몫공간 부분공간 텐서곱
수치선형대수학	부동소수점 수치적 안정성 BLAS(Basic Linear Algebra Subprogram) 희소행렬 선형대수학 라이브러리 비교 수치 분석 소프트웨어 비교
분류 개요 수학 포털 위키책 위키배움터

전거 통제
국가	스페인 프랑스 BnF 데이터 독일 이스라엘 미국 라트비아 체코
기타	현대 우크라이나 백과사전

정의

크기

연산