Split View: 공업수학 시리즈 12편: 소거법, 역행렬, 행렬식

공업수학 시리즈 12편: 소거법, 역행렬, 행렬식

선형연립방정식을 다루는 방법은 여러 가지가 있지만, 입문 단계에서는 세 가지 관점을 구분해서 이해하는 것이 좋습니다.

계산 절차로서의 소거법
개념적 표현으로서의 역행렬
가역성 판단 도구로서의 행렬식

이 셋은 서로 연결되어 있지만 역할이 다릅니다.

가우스 소거법

가우스 소거법은 행 연산을 이용해 시스템을 더 단순한 형태로 바꾸는 방법입니다. 실제 계산에서는 가장 기본적이고 실용적인 방법입니다.

예를 들어

\begin{aligned} 2x + y &= 5 \\ x - y &= 1 \end{aligned}

에서 두 번째 식을 두 배 해서 첫 번째 식에서 빼는 방식으로 미지수를 하나씩 제거할 수 있습니다.

소거법의 장점은 계산이 체계적이고, 해가 없는지 여러 개인지도 자연스럽게 드러난다는 점입니다.

역행렬

행렬 $A$ 가 가역이면

$A^{-1}A = I$

를 만족하는 역행렬이 존재합니다. 그러면

$A\mathbf{x} = \mathbf{b}$

의 해를

$\mathbf{x} = A^{-1}\mathbf{b}$

로 쓸 수 있습니다.

이 식은 매우 깔끔하지만, 실제 수치 계산에서는 무조건 역행렬을 직접 구하는 것이 최선은 아닙니다. 그래서 역행렬은 계산 도구이기도 하지만, 그보다 개념적 도구로 이해하는 편이 더 중요합니다.

행렬식

행렬식은 정방행렬의 가역성을 판단하는 중요한 숫자입니다. 2차 행렬에서는

\det \begin{pmatrix} a & b \\ c & d \end{pmatrix} = ad - bc

입니다.

행렬식이 0이 아니면 가역이고, 0이면 특이행렬입니다.

즉

\det(A) \neq 0 \quad \Rightarrow \quad A^{-1} \text{ exists}

입니다.

손으로 푸는 예제

행렬

A = \begin{pmatrix} 2 & 1 \\ 1 & -1 \end{pmatrix}

의 행렬식은

$\det(A) = 2(-1) - 1\cdot1 = -3$

입니다. 0이 아니므로 가역입니다.

연립식

A\mathbf{x} = \begin{pmatrix} 5 \\ 1 \end{pmatrix}

은 유일한 해를 가집니다. 실제로 풀면 $(x, y) = (2, 1)$ 입니다.

여기서 중요한 것은 숫자 자체보다, 행렬식이 "이 시스템이 한 점으로 모이는가"를 알려준다는 점입니다.

공학 응용

시뮬레이션과 수치해석

큰 선형시스템은 대부분 소거법 계열 알고리즘으로 풉니다.

로봇공학과 그래픽스

좌표변환 행렬이 가역인지 여부는 원래 상태 복원이 가능한지와 연결됩니다.

데이터 과학

정규방정식이나 선형회귀를 풀 때도 행렬의 조건성과 가역성이 매우 중요합니다.

자주 하는 실수

역행렬만 찾으려고 한다

작은 예제에서는 괜찮지만, 실제 계산에서는 소거법이나 분해법이 더 핵심입니다.

행렬식을 "그냥 공식"으로 외운다

행렬식은 단순한 계산 문제가 아니라, 변환이 공간을 얼마나 찌그러뜨리는지 보여주는 정보입니다.

행 연산의 의미를 놓친다

행 연산은 식을 바꾸는 것이 아니라, 같은 해를 가진 동치 시스템으로 옮겨 가는 과정입니다.

한 줄 요약

소거법은 푸는 방법, 역행렬은 표현 도구, 행렬식은 가역성 판단 도구라고 이해하면 구조가 정리됩니다.

다음 편 예고

다음 글에서는 선형대수에서 가장 중요한 아이디어 중 하나인 고유값과 고유벡터를 살펴보겠습니다.

참고자료

Erwin Kreyszig, Advanced Engineering Mathematics, 10th Edition
Gilbert Strang, Introduction to Linear Algebra
Lloyd N. Trefethen, David Bau III, Numerical Linear Algebra

Engineering Math Series 12: Elimination, Inverse Matrices, and Determinants

There are multiple ways to handle systems of linear equations, but at the introductory level it is best to distinguish three perspectives.

Elimination as a computational procedure
Inverse matrices as a conceptual representation
Determinants as an invertibility test

These three are interconnected but serve different roles.

Gaussian Elimination

Gaussian elimination uses row operations to transform the system into a simpler form. It is the most fundamental and practical method in actual computation.

For example, in

\begin{aligned} 2x + y &= 5 \\ x - y &= 1 \end{aligned}

you can eliminate unknowns one by one by doubling the second equation and subtracting it from the first.

The advantage of elimination is that the computation is systematic and it naturally reveals whether there are no solutions or multiple solutions.

Inverse Matrices

If matrix $A$ is invertible, then

$A^{-1}A = I$

and the solution of

$A\mathbf{x} = \mathbf{b}$

can be written as

$\mathbf{x} = A^{-1}\mathbf{b}$

This expression is very clean, but in actual numerical computation, directly computing the inverse is not always the best approach. Therefore, the inverse matrix is a computational tool, but more importantly it should be understood as a conceptual tool.

Determinants

The determinant is an important number that tests the invertibility of a square matrix. For a 2x2 matrix,

\det \begin{pmatrix} a & b \\ c & d \end{pmatrix} = ad - bc

If the determinant is not zero, the matrix is invertible; if zero, it is singular.

\det(A) \neq 0 \quad \Rightarrow \quad A^{-1} \text{ exists}

Worked Example

For the matrix

A = \begin{pmatrix} 2 & 1 \\ 1 & -1 \end{pmatrix}

the determinant is

$\det(A) = 2(-1) - 1\cdot1 = -3$

Since it is not zero, $A$ is invertible.

The system

A\mathbf{x} = \begin{pmatrix} 5 \\ 1 \end{pmatrix}

has a unique solution. Solving gives $(x, y) = (2, 1)$ .

What matters more than the numbers themselves is that the determinant tells us "does this system converge to a single point."

Engineering Applications

Simulation and Numerical Analysis

Large linear systems are mostly solved by elimination-type algorithms.

Robotics and Graphics

Whether a coordinate transformation matrix is invertible is connected to whether the original state can be recovered.

Data Science

When solving normal equations or linear regression, the conditioning and invertibility of the matrix are very important.

Common Mistakes

Only trying to find the inverse matrix

For small examples it is fine, but in actual computation, elimination or factorization methods are more central.

Memorizing the determinant as "just a formula"

The determinant is not just a calculation problem but information showing how much the transformation distorts space.

Missing the meaning of row operations

Row operations are not changing the equation but moving to an equivalent system with the same solution.

One-Line Summary

Elimination is the solving method, the inverse matrix is a representation tool, and the determinant is an invertibility test -- understanding these roles clarifies the structure.

Next Post Preview

In the next post, we will look at one of the most important ideas in linear algebra: eigenvalues and eigenvectors.

References

Erwin Kreyszig, Advanced Engineering Mathematics, 10th Edition
Gilbert Strang, Introduction to Linear Algebra
Lloyd N. Trefethen, David Bau III, Numerical Linear Algebra