대각 행렬(Diagonal Matrix) 한 번에 정리하기

2024. 7. 23. 07:06·Machine Learning Math/Linear Algebra
반응형

대각 행렬이란?

대각 행렬(Diagonal Matrix)은 행렬의 주 대각선(diagonal)을 제외한 모든 원소가 0인 정사각 행렬이다.

대각 행렬은 다음과 같은 형태를 가진다:

 

$\mathbf{D} = \begin{bmatrix}
d_{11} & 0 & \cdots & 0 \\
0 & d_{22} & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & d_{nn}
\end{bmatrix}$

 

대각 행렬의 특징

대각 행렬은 다음과 같은 특징을 가진다.

 

1. 대각선 외의 모든 원소가 0이다. $d_{ii}$ 외의 모든 원소는 0이다.

예를 들어 다음과 같은 모양은 가진다.

 

$\mathbf{D} = \begin{bmatrix}
3 & 0 & 0 \\
0 & 5 & 0 \\
0 & 0 & 7
\end{bmatrix}$

 

2. 대각 행렬의 행렬식(Determinant)는 대각선 원소를 모두 곱한 값이다. 

수식: $\det(\mathbf{D}) = \prod_{i=1}^{n} d_{ii}$

 

따라서 1번 예제에서 다룬 대각 행렬의 행렬식은 다음과 같다.

 

$\det(\mathbf{D}) = 3 \cdot 5 \cdot 7 = 105$

 

 

3. 대각 행렬의 역행렬은, 대각 행렬의 원소들을 모두 역수로 만든 행렬이다.

그래야 둘이 곱했을 때 단위 행렬 $I$가 나오기 때문이다. 

 

$\mathbf{D}^{-1} = \begin{bmatrix}
\frac{1}{d_{11}} & 0 & \cdots & 0 \\
0 & \frac{1}{d_{22}} & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & \frac{1}{d_{nn}}
\end{bmatrix}$

 

1번 예제에서 다룬 대각 행렬의 역행렬은 다음과 같다.

 

$\mathbf{D}^{-1} = \begin{bmatrix}
\frac{1}{3} & 0 & 0 \\
0 & \frac{1}{5} & 0 \\
0 & 0 & \frac{1}{7}
\end{bmatrix}$

 

 

4. 두 대각 행렬의 곱셈은 대응하는 대각선 원소의 곱으로 구성된 새로운 대각 행렬이다.

$\mathbf{D_1} \mathbf{D_2} = \begin{bmatrix}
d_{11}^{(1)} & 0 & \cdots & 0 \\
0 & d_{22}^{(1)} & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & d_{nn}^{(1)}
\end{bmatrix}
\begin{bmatrix}
d_{11}^{(2)} & 0 & \cdots & 0 \\
0 & d_{22}^{(2)} & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & d_{nn}^{(2)}
\end{bmatrix}
= \begin{bmatrix}
d_{11}^{(1)} d_{11}^{(2)} & 0 & \cdots & 0 \\
0 & d_{22}^{(1)} d_{22}^{(2)} & \cdots & 0 \\
\vdots & \vdots & \ddots & \vdots \\
0 & 0 & \cdots & d_{nn}^{(1)} d_{nn}^{(2)}
\end{bmatrix}$

 

5. 대각 행렬의 고유값은 대각선 원소와 같다.

1번 예제에서 다룬 행렬의 고유값(Eigenvalue)은 3, 5, 7 이다.

반응형
저작자표시 비영리 변경금지 (새창열림)

'Machine Learning Math > Linear Algebra' 카테고리의 다른 글

아핀 변환(Affine Transformation)이란 무엇인가?  (0) 2024.08.01
직교 행렬(Orthogonal Matrix)이란 무엇인가?  (0) 2024.07.31
역행렬(Inverse Matrix) 이란 무엇인가? Numpy, TensorFlow, PyTorch 에서 계산 방법 알아보기  (0) 2024.07.22
가우스 조던 소거법(Gauss-Jordan Elimination) 알아보기  (0) 2024.07.21
대칭 행렬(Symmetric Matrix)와 단위 행렬(Identity Matrix) 한 번에 정리하기: Numpy, TensorFlow, PyTorch 사용해 단위 행렬 만들기  (0) 2024.07.20


'Machine Learning Math/Linear Algebra' 카테고리의 다른 글
  • 아핀 변환(Affine Transformation)이란 무엇인가?
  • 직교 행렬(Orthogonal Matrix)이란 무엇인가?
  • 역행렬(Inverse Matrix) 이란 무엇인가? Numpy, TensorFlow, PyTorch 에서 계산 방법 알아보기
  • 가우스 조던 소거법(Gauss-Jordan Elimination) 알아보기
심플코드
심플코드
프로그래밍을 어렵지 않게 풀어서 설명하는 기술 블로그
    반응형
  • 심플코드
    심플코드
    심플코드
  • 전체
    오늘
    어제
    • 분류 전체보기 (96)
      • 안드로이드를 위한 Coroutines (2)
      • Unit Testing (19)
      • GitHub Actions (0)
      • 공식 문서 번역 (35)
        • Coroutines 공식 문서 (35)
      • 알고리즘 (7)
        • Kotlin 자료구조 (0)
        • 알고리즘 (7)
        • Kotlin으로 구현하는 자료구조 (0)
      • 코딩 테스트 (0)
      • Deep Learning (0)
      • Machine Learning Math (17)
        • Linear Algebra (17)
      • ML (0)
      • Docker (15)
      • Kubernetes (1)
  • 블로그 메뉴

    • 홈
    • 태그
    • 방명록
  • 링크

  • 공지사항

    • 코틀린 코루틴의 정석 책 출간 소식
  • 인기 글

  • 태그

    junit
    컨테이너
    Coroutines Flow
    Coroutines Context
    coroutine
    unit test
    unit testing
    코루틴
    pytorch
    코루틴 채널
    numpy
    Machine Learning
    Coroutines Channel
    Docker
    Coroutines
    mockito
    Kotlin
    TensorFlow
    도커
    코루틴 Flow
  • 최근 댓글

  • 최근 글

  • hELLO· Designed By정상우.v4.10.3
심플코드
대각 행렬(Diagonal Matrix) 한 번에 정리하기
상단으로

티스토리툴바