함께 배우는 수업 · 수학

선형대수학: 행렬식(Determinant)

행렬이 공간을 얼마나 확대·축소·반전시키는지, 그리고 역행렬이 존재하는지(가역성)를 판별하는 선형대수학의 핵심 스칼라 불변량입니다.

이 수업에서 해 볼 일

  • 행렬식으로 가역성을 판단하고 역행렬 조건을 확인한다

먼저 알면 좋은 것: 행렬의 덧셈과 곱셈 · 기하학적 벡터 공간과 기저 · 가우스-조르당 소거법

오늘의 목표

가입 없이 시작할 수 있어요. 설명을 읽고, 함께 연습한 뒤, 처음 보는 문제에서 직접 확인합니다.

판단 과정과 비교 사례

2×2 행렬식은 ad−bc다. 두 대각선의 곱을 더하지 않고 순서대로 빼며 부호도 결과의 중요한 정보다.정사각행렬이 가역이려면 행렬식이 0이 아니어야 한다. 두 행이 비례하면 정보가 독립적이지 않아 행렬식이 0이 된다.평면의 넓이 배율은 행렬식의 절댓값이고 음수 부호는 방향 반전을 나타낸다. 음의 넓이가 생긴다는 뜻과 구분한다.

1. 개념 정의와 직관적 원리: 기하학적 부피 변화율로서의 행렬식

선형대수학에서 정사각행렬 A∈Rn×nA \in \mathbb{R}^{n \times n}의 행렬식(Determinant) det⁡(A)\det(A) 또는 ∣A∣|A|는 단순한 숫자의 조합 공식이 아니라, 선형 변환 T(x)=AxT(\mathbf{x}) = A\mathbf{x}가 nn차원 공간의 부피(또는 넓이)를 몇 배로 확대하거나 축소하는지를 나타내는 기하학적 척도입니다. 2차원 평면 R2\mathbb{R}^2에서 단위 정사각형의 두 기저 벡터 e1=(1,0)T\mathbf{e}_1 = (1, 0)^T, e2=(0,1)T\mathbf{e}_2 = (0, 1)^T는 행렬 A=(abcd)A = \begin{pmatrix} a & b \\ c & d \end{pmatrix}에 의해 각각 첫 번째 열벡터 v1=(a,c)T\mathbf{v}_1 = (a, c)^T와 두 번째 열벡터 v2=(b,d)T\mathbf{v}_2 = (b, d)^T로 이동합니다. 이때 두 열벡터가 이루는 평행사변형의 부호 있는 넓이(Signed Area)가 바로 행렬식입니다.
det⁡(A)=∣abcd∣=ad−bc\det(A) = \begin{vmatrix} a & b \\ c & d \end{vmatrix} = ad - bc
- ∣det⁡(A)∣>1|\det(A)| > 1: 선형 변환 후 공간의 넓이나 부피가 원래보다 팽창합니다. - det⁡(A)<0\det(A) < 0: 공간의 방향(Orientation, 오른손 법칙 기준)이 거울에 비친 것처럼 뒤집혔음을 뜻합니다. - det⁡(A)=0\det(A) = 0: 평행사변형의 넓이가 00이 되었다는 뜻으로, 2차원 평면 전체가 1차원 직선이나 0차원 원점으로 완전히 찌그러져(차원 축소) 정보 손실이 일어났음을 의미합니다. 한번 차원이 납작하게 무너지면 원래 상태로 되돌릴 수 없으므로 역행렬 A−1A^{-1}이 존재하지 않습니다.🎯 행렬식이 0이 아니라는 것(det(A) ≠ 0)은 행렬 A가 가역행렬(Invertible / Non-singular Matrix)이며, 열벡터들이 선형 독립이고, 연립방정식 Ax = b가 모든 b에 대해 유일한 해를 가짐을 보장하는 필요충분조건입니다!

2. 핵심 공식 유도 및 성질: 여인수 전개와 행렬식의 연산 법칙

3×33 \times 3 이상의 고차 행렬식은 소행렬식(Minor)과 여인수(Cofactor)를 이용한 라플라스 전개(Laplace Expansion)로 정의됩니다. 행렬 AA에서 ii행과 jj열을 제거하여 얻은 (n−1)×(n−1)(n-1) \times (n-1) 부분행렬의 행렬식을 MijM_{ij}라 할 때, (i,j)(i, j) 성분의 여인수 CijC_{ij}는 다음과 같습니다.
Cij=(−1)i+jMijC_{ij} = (-1)^{i+j} M_{ij}
임의의 ii번째 행을 따라 전개한 n×nn \times n 행렬식 공식은 다음과 같습니다:
det⁡(A)=∑j=1naijCij=∑j=1n(−1)i+jaijMij\det(A) = \sum_{j=1}^{n} a_{ij} C_{ij} = \sum_{j=1}^{n} (-1)^{i+j} a_{ij} M_{ij}
특히 3×33 \times 3 행렬의 경우 1행을 기준으로 전개하면 다음과 같은 공식(또는 사루스 법칙)을 얻습니다:
det⁡(abcdefghi)=a(ei−fh)−b(di−fg)+c(dh−eg)\det \begin{pmatrix} a & b & c \\ d & e & f \\ g & h & i \end{pmatrix} = a(ei - fh) - b(di - fg) + c(dh - eg)
또한 행렬식은 다중선형성(Multilinearity)과 교대성(Alternating property)으로부터 유도되는 강력한 대수적 성질들을 가집니다: 1. 곱의 행렬식: det⁡(AB)=det⁡(A)det⁡(B)\det(AB) = \det(A)\det(B) 2. 전치행렬의 행렬식: det⁡(AT)=det⁡(A)\det(A^T) = \det(A) (행 연산의 성질이 열 연산에도 그대로 적용됨) 3. 역행렬의 행렬식: det⁡(A−1)=1det⁡(A)\det(A^{-1}) = \frac{1}{\det(A)} 4. 삼각행렬·대각행렬의 행렬식: 주대각선 성분들의 단순 곱과 같습니다 (det⁡(U)=u11u22⋯unn\det(U) = u_{11}u_{22}\cdots u_{nn}).

예제로 살펴보기

3×3 행렬 A = [[2, 0, 1], [3, -1, 2], [1, 4, 0]] 의 행렬식 det(A)를 여인수 전개를 이용하여 구하시오.
  1. 0이 포함된 1행(2, 0, 1)을 기준으로 여인수 전개를 수행하면 계산이 가장 빠릅니다. 1) (1,1) 성분: +2 × det([[-1, 2], [4, 0]]) = 2 × ((-1)(0) - (2)(4)) = 2 × (-8) = -16 2) (1,2) 성분: -0 × det([[3, 2], [1, 0]]) = 0 3) (1,3) 성분: +1 × det([[3, -1], [1, 4]]) = 1 × ((3)(4) - (-1)(1)) = 1 × (12 + 1) = 13 따라서 det(A) = -16 + 0 + 13 = -3 입니다. (0이 아니므로 A는 가역행렬입니다.)
확인: 행렬식 det(A)는 선형 변환에 의한 n차원 공간의 부호 있는 부피(넓이) 변화율을 의미한다.

3. 심화 응용 및 실전 빈출 함정 분석: 스칼라배와 기본행연산

실전 시험과 공학 응용에서 가장 많이 활용되는 기법은 가우스 소거법(기본행연산, Elementary Row Operations)을 통해 행렬을 상삼각행렬로 바꾼 뒤 대각성분을 곱하는 방식입니다. 이때 세 가지 기본행연산이 행렬식에 미치는 영향을 정확히 구분해야 합니다. - 교환(Row Swap, Ri↔RjR_i \leftrightarrow R_j): 두 행을 맞바꾸면 행렬식의 부호가 반대로 바뀝니다 (det⁡(B)=−det⁡(A)\det(B) = -\det(A)). - 스칼라배(Scaling, kRi→Rik R_i \to R_i): 한 행에 상수 kk를 곱하면 행렬식도 kk배가 됩니다 (det⁡(B)=kdet⁡(A)\det(B) = k\det(A)). - 대체(Row Replacement, Rj+cRi→RjR_j + c R_i \to R_j): 한 행의 상수배를 다른 행에 더해도 행렬식의 값은 전혀 변하지 않습니다! 여기서 학부생들이 가장 많이 틀리는 빈출 함정 2가지를 반드시 주의해야 합니다: 1. 행렬 전체의 스칼라배 함정: n×nn \times n 행렬 AA 전체에 상수 kk를 곱한 kAkA는 모든 nn개의 행에 각각 kk가 곱해진 것이므로, det⁡(kA)=kdet⁡(A)\det(kA) = k\det(A)가 아니라 반드시 det⁡(kA)=kndet⁡(A)\det(kA) = k^n \det(A)가 됩니다! 2. 덧셈 분배 불가 함정: 일반적으로 det⁡(A+B)≠det⁡(A)+det⁡(B)\det(A + B) \neq \det(A) + \det(B) 입니다. 예를 들어 A=I2,B=I2A = I_2, B = I_2일 때 det⁡(A+B)=det⁡(2I2)=22=4\det(A+B) = \det(2I_2) = 2^2 = 4이지만, det⁡(A)+det⁡(B)=1+1=2\det(A) + \det(B) = 1 + 1 = 2로 서로 다릅니다. 나아가 여인수 행렬의 전치행렬인 수반행렬(Adjugate Matrix, adj(A)=CT\text{adj}(A) = C^T)을 이용하면 역행렬 공식 A−1=1det⁡(A)adj(A)A^{-1} = \frac{1}{\det(A)}\text{adj}(A) 및 연립방정식의 해를 행렬식의 비로 구하는 크래머 공식(Cramer's Rule, xi=det⁡(Ai)det⁡(A)x_i = \frac{\det(A_i)}{\det(A)})을 유도할 수 있습니다.⚠️ 빈출 오답 주의: 3차 정사각행렬 A에 대해 det(A) = 5일 때, det(2A)는 2 × 5 = 10이 아니라 2³ × 5 = 40입니다! 차수 n이 지수로 올라가는 성질(det(kA) = k^n det(A))을 절대 놓치지 마세요.

참고 근거와 확인 범위

설명·예제·문제 구성 및 오류 수정 책임: 프리런. 위 자료는 표시한 주제를 확인하거나 더 읽기 위한 근거이며, 외부 기관의 공식 수업이나 감수본을 뜻하지 않습니다.

참고 자료 연결 점검: 2026-11-02. 제작 방식·검수 범위와 수정 기록에서 확인 범위를 볼 수 있습니다. 오류는 상단의 의견 보내기 또는 contact@freelearn.io로 알려 주세요.

이 단원의 개념서 읽기 →