선형대수학에서 행렬은 데이터를 다루고 변환하는 핵심 도구입니다. 그 중에서도 ‘행렬의 내적’은 다양한 수학적, 물리적, 공학적 문제를 해결하는 데에 매우 중요한 연산입니다. 이번 글에서는 행렬 내적의 정의와 의미, 그리고 어디에 쓰이는지를 직관적으로 설명해보겠습니다.
1. 행렬의 내적이란?
행렬 내적은 보통 행렬 곱(Matrix Multiplication)을 의미합니다. 이는 일반적인 벡터 내적과는 개념이 다르지만, 벡터 내적이 포함된 연산이라고 볼 수 있습니다.
두 행렬 \( A \)와 \( B \)에 대해 다음 조건을 만족할 때 곱이 정의됩니다:
$$ A_{m \times n} \cdot B_{n \times p} = C_{m \times p} $$
즉, 앞 행렬의 열 수와 뒤 행렬의 행 수가 같아야 합니다. 결과는 앞 행렬의 행 수와 뒤 행렬의 열 수를 가진 새로운 행렬이 됩니다.
2. 행렬 곱의 계산 방식
행렬 내적은 다음과 같이 각 행과 열의 벡터 내적으로 계산됩니다:
$$ C_{ij} = \sum_{k=1}^{n} A_{ik} \cdot B_{kj} $$
즉, \( A \)의 i번째 행과 \( B \)의 j번째 열을 벡터로 보고, 이 둘의 내적을 통해 결과 행렬의 원소 \( C_{ij} \)를 구합니다.
3. 행렬 내적의 기하학적 의미
행렬의 내적은 단순한 수 곱셈이 아니라, 벡터 공간의 변환(Transformation)을 의미합니다.
- 벡터 \( \vec{x} \)에 행렬 \( A \)를 곱하면, \( A\vec{x} \)는 벡터를 새로운 공간으로 매핑합니다.
- 즉, 행렬 내적은 벡터의 선형변환(linear transformation)을 수학적으로 표현하는 수단입니다.
예를 들어, 회전, 확대, 축소, 반사 등 모든 선형 변환은 행렬 내적을 통해 표현할 수 있습니다.
4. 단위 행렬과 내적
단위 행렬 \( I \)는 다음과 같은 성질을 가집니다:
$$ A \cdot I = A, \quad I \cdot A = A $$
이는 수학적으로 벡터의 방향을 유지한 채, 변형되지 않은 상태로 유지된다는 의미입니다. 마치 스칼라 곱에서 ‘1’을 곱해도 값이 변하지 않는 것과 같은 원리입니다.
5. 행렬 내적의 응용
- 컴퓨터 그래픽스: 3D 객체 회전, 이동, 스케일 조정
- 기계 학습: 입력 벡터와 가중치 행렬의 연산
- 물리학: 운동, 회전, 텐서 해석
- 데이터 과학: 고차원 행렬 연산을 통한 패턴 분석
이처럼 행렬 내적은 다차원 데이터를 다른 차원으로 사상하거나, 구조를 분석하는 데 필수적인 도구입니다.
6. 벡터 내적과의 관계
두 벡터를 각각 행렬로 간주할 수 있으며, 이 경우 벡터 내적은 행렬 곱의 특수한 경우로 볼 수 있습니다:
$$ \vec{a}^T \cdot \vec{b} = \sum a_ib_i = \vec{a} \cdot \vec{b} $$
즉, \( 1 \times n \) 행 벡터와 \( n \times 1 \) 열 벡터의 곱은 스칼라 하나를 반환하며, 이는 우리가 아는 벡터 내적과 일치합니다.
7. 선형 시스템 해석
행렬 내적은 연립방정식을 행렬 형태로 표현할 때 필수적으로 사용됩니다:
$$ A\vec{x} = \vec{b} $$
이 식은 선형 시스템을 벡터 공간에서 해석하고, 해를 구하는 데 가장 기본적인 형태입니다. 이를 통해 고차원 방정식도 간결하게 다룰 수 있습니다.
결론
행렬 내적은 단순한 수의 곱셈을 넘어서, 데이터와 공간을 변환하고 해석하는 핵심 도구입니다.
기하학적으로는 선형변환, 수학적으로는 벡터 내적의 확장 개념, 그리고 실용적으로는 머신러닝과 물리현상 해석에까지 응용될 수 있습니다.
행렬 곱의 원리를 이해하면, 벡터와 공간의 관계, 연산의 흐름, 데이터 처리의 본질까지 더 깊이 이해할 수 있습니다.