선형대수학에서 가역 행렬(可逆行列, 영어: invertible matrix) 또는 정칙 행렬(正則行列, 영어: regular matrix) 또는 비특이 행렬(非特異行列, 영어: non-singular matrix)은 그와 곱한 결과가 단위 행렬인 행렬을 갖는 행렬이다. 이를 그 행렬의 역행렬(逆行列, 영어: inverse matrix)이라고 한다.

체 ${\displaystyle K}$ 위에서 정의된 ${\displaystyle n\times n}$ 행렬 ${\displaystyle A,B}$에 대하여, 다음 세 조건이 서로 동치이다. 이 조건이 성립할 경우 ${\displaystyle B}$를 ${\displaystyle A}$의 역행렬이라고 하며, ${\displaystyle B}$를 ${\displaystyle A^{-1))$와 같이 표기한다.

• ${\displaystyle AB=I_{n))$
• ${\displaystyle BA=I_{n))$
• ${\displaystyle AB=BA=I_{n))$

체 ${\displaystyle K}$ 위에서 정의된 ${\displaystyle n\times n}$ 행렬 ${\displaystyle A}$에 대하여, 다음 조건들이 서로 동치이며, 이를 만족시키는 ${\displaystyle A}$를 가역 행렬이라고 한다.

• 역행렬을 갖는다.
• 유일한 역행렬을 갖는다.
• 유한 개의 기본 행렬의 곱이다.
• 단위 행렬과 행동치이다.
• 단위 행렬과 열동치이다.
• 단위 행렬과 동치이다.
• 방정식 ${\displaystyle Ax=0}$의 해는 ${\displaystyle x=\mathbf {0} }$뿐이다. 즉 ${\displaystyle \ker A=\left\{\mathbf {0} \right\))$이다.
• 방정식 ${\displaystyle Ax=b}$의 해는 ${\displaystyle b}$의 값과 무관하게 항상 유일하다.
• ${\displaystyle A}$의 열이 ${\displaystyle K^{n))$의 기저를 이룬다.
• ${\displaystyle \det A\neq 0}$ (여기서 ${\displaystyle \det }$는 행렬식이다.)
• ${\displaystyle \operatorname {rank} A=n}$ (여기서 ${\displaystyle \operatorname {rank} }$는 계수이다.)
• ${\displaystyle \operatorname {null} A=0}$ (여기서 ${\displaystyle \operatorname {null} A:=\dim {\ker A))$이다.)
• 0을 고윳값으로 가지지 않는다.

체 ${\displaystyle K}$ 위에서 정의된 ${\displaystyle n\times n}$ 행렬 ${\displaystyle A}$에 대하여, 다음 조건들이 서로 동치이다.

• ${\displaystyle A}$는 가역 행렬이다.
• ${\displaystyle A^{\operatorname {T} ))$는 가역 행렬이다.
• ${\displaystyle AA^{\operatorname {T} ))$는 가역 행렬이다.

체 ${\displaystyle K}$ 위에서 정의된 ${\displaystyle n\times n}$ 행렬 ${\displaystyle A,B}$에 및 스칼라 ${\displaystyle k\in K}$에 대하여, 다음과 같은 항등식들이 성립한다.

• ${\displaystyle (A^{-1})^{-1}=A}$
• ${\displaystyle (kA)^{-1}=k^{-1}A^{-1))$
• ${\displaystyle (AB)^{-1}=B^{-1}A^{-1))$

즉, 체 ${\displaystyle K}$ 위의 ${\displaystyle n\times n}$ 가역 행렬의 집합은 군을 이루며, 이를 일반선형군 ${\displaystyle \operatorname {GL} (n;K)}$이라고 한다. 또한, 역행렬은 일반선형군의 자기 반대 동형을 정의한다.

가우스 소거법은 어떤 행렬이 가역행렬인지를 판단하고 그 행렬의 역행렬을 구할 수 있는 알고리즘이다. LU 분해를 이용해 두 개의 삼각행렬로 분해하면 가우스 소거법을 더 빨리 계산할 수 있다. 또는 ${\displaystyle mn\times mn}$ 행렬을 ${\displaystyle n\times n}$을 원소로 갖는 ${\displaystyle m\times m}$ 행렬로 나누어 재귀적으로 계산하면 행렬의 특성에 따라 더 빠른 계산이 가능하다.

행렬의 공통인자로 이루어진 행렬을 구해 계산하면 작은 크기의 행렬에 대해서는 더 빨리 계산할 수도 있다. (큰 행렬에 대해서는 적당치 않을수있다) 다음과 같이 공통인자 행렬을 구한다.

${\displaystyle A^{-1}={1 \over {\begin{vmatrix}A\end{vmatrix))}\left(C_{ij}\right)^{T}={1 \over {\begin{vmatrix}A\end{vmatrix))}{\begin{pmatrix}C_{11}&C_{21}&\cdots &C_{j1}\\C_{12}&\ddots &&C_{j2}\\\vdots &&\ddots &\vdots \\C_{1i}&\cdots &\cdots &C_{ji}\\\end{pmatrix))}$
여기서 ${\displaystyle i+j}$가 홀수일 때 이고(${\displaystyle C_{ji}=-M_{ji))$) ${\displaystyle i+j}$가 짝수일 때 (${\displaystyle C_{ji}=M_{ji))$)이다. 즉,${\displaystyle C_{ji}=(-1)^{i+j}M_{ji))$이다.

여기서 ${\displaystyle |A|}$는 ${\displaystyle A}$의 행렬식을 가리키고 ${\displaystyle C_{ij))$는 행렬의 공통인자,${\displaystyle M_{ij))$는 행렬의 소행렬식, ${\displaystyle A^{T))$는 ${\displaystyle A}$의 전치행렬을 가리킨다.

수치 해석에서 대부분의 경우 선형 시스템을 풀기 위해 역행렬을 구할 필요는 없기 때문에 이 방법으로 실제로 역행렬을 구하는 경우는 별로 없다.

위의 공통인자 방정식에서 ${\displaystyle n}$이 2일 경우 다음과 같은 식을 유도할 수 있다.

${\displaystyle A^{-1}={\begin{bmatrix}a&b\\c&d\\\end{bmatrix))^{-1}={\frac {1}{ad-bc)){\begin{bmatrix}d&-b\\-c&a\\\end{bmatrix))}$

2 × 2 행렬의 역행렬은 위 방법을 통해 빠르게 계산할 수 있다.

위의 공통인자 방정식에서 ${\displaystyle n}$이 3일 경우 다음과 같은 식을 유도할 수 있다.

${\displaystyle A^{-1}={\begin{bmatrix}a&b&c\\d&e&f\\g&h&i\\\end{bmatrix))^{-1}={\frac {1}{|A|)){\begin{bmatrix}ei-fh&-(bi-ch)&bf-ce\\-(di-fg)&ai-cg&-(af-cd)\\dh-eg&-(ah-bg)&ae-bd\end{bmatrix))={\frac {1}{|A|)){\begin{bmatrix}ei-fh&ch-bi&bf-ce\\fg-di&ai-cg&cd-af\\dh-eg&bg-ah&ae-bd\end{bmatrix))}$

${\displaystyle |A|=a(ei-fh)-b(di-fg)+c(dh-eg)=-d(bi-ch)+e(ai-cg)-f(ah-bg)=g(bf-ce)-h(af-cd)+i(ae-bd)\ }$

다음과 같은 식을 이용하면 행렬을 몇 개의 작은 블록 행렬로 나누어 계산할 수 있다.

${\displaystyle {\begin{bmatrix}A&B\\C&D\end{bmatrix))^{-1}={\begin{bmatrix}A^{-1}+A^{-1}B(D-CA^{-1}B)^{-1}CA^{-1}&-A^{-1}B(D-CA^{-1}B)^{-1}\\-(D-CA^{-1}B)^{-1}CA^{-1}&(D-CA^{-1}B)^{-1}\end{bmatrix))}$

${\displaystyle A,B,C,D}$는 행렬의 임의의 작은 블록이다. 이 방법은 ${\displaystyle A}$가 대각행렬이고 ${\displaystyle A}$의 슈어 보수행렬 ${\displaystyle (D-CA^{-1}B)}$이 작은 크기일 때 특히 유용하다. 두 개의 행렬에 대한 역행렬만 계산하면 되기 때문이다. 이 방법은 행렬을 더 빠르게 곱하는 슈트라센 알고리즘의 개발자 포커 슈트라센이 발견했다.

행렬 ${\displaystyle A}$가 ${\displaystyle t}$라는 변수에 따라 변한다고 하자. 이때 ${\displaystyle A}$의 역행렬의 도함수는 다음과 같다.

${\displaystyle {\frac {\mathrm {d} A^{-1)){\mathrm {d} t))=-A^{-1}{\frac {\mathrm {d} A}{\mathrm {d} t))A^{-1}.}$

행렬${\displaystyle A}$ 와 ${\displaystyle B}$에서,

${\displaystyle ((A} \over {B))=A\cdot B^{-1))$ 이고, ${\displaystyle A\cdot B^{-1}\neq B^{-1}\cdot A}$이다.

${\displaystyle ((A} \over {B^{-1))}=A\cdot B}$이다.

스칼라 행렬${\displaystyle k}$는,

${\displaystyle ((A} \over {k))=A\cdot k^{-1))$ 이고, ${\displaystyle A\cdot k^{-1}=k^{-1}\cdot A}$이다.

대각화행렬에서는

임의의 행렬 A를 예약하고 고윳값 행렬 P를 조사하고 P의 역행렬 P^-1를 통해서,

${\displaystyle P^{-1}AP=A^{D))$

대각화 행렬 A^D를 얻을수있다. 여기서,

${\displaystyle AP=((A^{D)) \over {P^{-1))))$

${\displaystyle AP={P}{A^{D))}$

처럼 대각화행렬에서는 역행렬의 나눗셈 성질을 갖는다.

• 크라메르 공식
• 전치행렬
• 대칭행렬
• 사다리꼴행렬
• 특이값 분해
• QR 분해
• 치환행렬

• 역행렬 계산기

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