|
선형대수학 Linear Algebra |
|||
|
{{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1.5em + 5px)" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -5px -1px -11px" |
<colbgcolor=#006ab8> 기본 대상 | 일차함수 · 벡터 · 행렬 · 선형 변환 | |
| 대수적 구조 | 가군(모듈) · 벡터 공간 · 내적 공간 · 노름 공간 | ||
| 선형 연산자 | <colbgcolor=#006ab8> 기본 개념 | 연립방정식( 1차 · 2차) · 행렬곱 · 단위행렬 · 역행렬과 크라메르 공식 · 가역행렬 · 전치행렬 · 행렬식( 라플라스 전개) · 주대각합 | |
| 선형 시스템 | 기본행연산과 기본행렬 · 가우스-조르당 소거법 · 행사다리꼴 · 행렬표현 · 라그랑주 보간법 | ||
| 주요 정리 | 선형대수학의 기본정리 · 차원 정리 · 가역행렬의 기본정리 · 스펙트럼 정리 | ||
| 기타 | 제곱근행렬 · 멱등행렬 · 멱영행렬 · 에르미트 행렬 · 야코비 행렬 · 방데르몽드 행렬 · 아다마르 행렬 변환 · 노름(수학) | ||
| 벡터공간의 분해 | 상사 · 고유치 문제 · 케일리-해밀턴 정리 · 대각화( 대각행렬) · 삼각화 · 조르당 분해 | ||
| 벡터의 연산 | 노름 · 거리함수 · 내적 · 외적( 신발끈 공식) · 다중선형형식 · ∇ · 크로네커 델타 | ||
| 내적공간 | 그람-슈미트 과정 · 수반 연산자( 에르미트 내적) | ||
| 다중선형대수 | 텐서 · 텐서곱 · 레비치비타 기호 | }}}}}}}}} | |
1. 개요
row equivalence · 行 同 値크기가 같은 두 행렬 [math(A)]와 [math(B)]가 서로 행동치(row equivalent)라는 것은 [math(A)]의 모든 행을 [math(B)]의 행의 선형결합으로 나타낼 수 있고, 반대로 [math(B)]의 모든 행을 [math(A)]의 행의 선형결합으로 나타낼수 있다는것이다. 이름에서부터 알 수 있다시피, 행동치는 동치관계이며, 행동치인 행렬은 행공간(row space), 영공간(null space), 계수(rank)가 같다.[1] 또한 두 연립방정식의 첨가행렬이 행동치일 경우 해집합이 같다.
2. 선형결합
체 [math(F)]와 그 위의 벡터공간 [math(V)]에 대하여, [math(v_{1},\cdots,v_{n}\in V)]가 주어져 있을 때, 임의의 스칼라 [math(c_{1},\cdots,c_{n}\in F)]에 대하여
[math(c_{1}v_{1}+\cdots+c_{n}v_{n})]
를 [math(v_{1},\cdots,v_{n}\in V)]의 선형결합이라 한다.3. 행 동치
[math(m\times n )] 행렬 [math(A)]와 [math(B)]가 행동치라는 것은, [math(A)]의 각 행을 [math(B)]의 행의 선형결합으로 나타낼 수 있고, 반대로 [math(B)]의 각 행도 [math(A)]의 선형결합으로 나타낼수 있다는것이다.3.1. 동치 관계
동치 관계 [math(\sim)]란 다음의 세 성질을 만족하는 관계이다.- (반사)[math(A\sim A)]
- (대칭)[math(A\sim B)]이면 [math(B\sim A)]
- (추이)[math(A\sim B)]이고 [math(B\sim C)]이면 [math(A\sim C)]
[math(A_{i}=\displaystyle\sum_{j=1}^{m} b_{ij}B_{j})]
[math(B_{j}=\displaystyle\sum_{k=1}^{m} c_{jk}C_{k})]
라고 적을 수 있다. 따라서, [math(B_{j}=\displaystyle\sum_{k=1}^{m} c_{jk}C_{k})]
[math(A_{i}=\displaystyle\sum_{j=1}^{m} b_{ij}B_{j}=\displaystyle\sum_{j=1}^{m} \displaystyle\sum_{k=1}^{m} b_{ij}c_{jk}C_{k}=\displaystyle\sum_{k=1}^{m} \left(\displaystyle\sum_{j=1}^{m} b_{ij}c_{jk}\right)C_{k})]
가 성립하여, [math(A)]의 각 행이 [math(C)]의 행의 선형결합으로 나타내어진다. 반대의 경우도 같은 방법으로 보일 수 있다.3.2. 기본행연산과 행동치
행렬 [math(A)]와 기본행연산을 한번적용한 행렬 [math(EA)]를 생각하자. [math(A_{i})]를 [math(A_{i})]의 [math(i)]행이라고 할 때, 기본행연산을 한번 했을때 바뀌는 행은 다음과 같다.- 한 행에 0 이 아닌 상수배 [math((EA)_{i}=cA_{i})]
- 한 행에 다른 행의 상수배를 더해줌 [math((EA)_{i}=A_{i}+cA_{j})]
- 한 행과 다른행을 교환함. [math((EA)_{i}=A_{j}, (EA)_{j}=A_{i})]
3.3. 행동치와 기약행사다리꼴
임의의 행렬 [math(A)]에 대해 가우스-조르당 소거법을 이용하여 행동치인 기약행사다리꼴을 찾을 수 있다. 그런 기약행사다리꼴을 [math(R_{A})]라고 하자. 그러면, 유한개의 기본행렬 [math(E_{1},\cdots,E_{n})]에 대하여
[math( R_{A}=E_{1}\cdots E_{n} A)]
라고 표현할 수 있다. 마찬가지로, [math(B)]의 경우도,
[math( R_{B}=E^{\prime}_{1}\cdots E^{\prime}_{n} B)]
를 만족하는 기본행렬 [math(E^{\prime}_{1},\cdots, E^{\prime}_{n})]이 존재한다. 여기서, [math(R_{A})]와 [math(R_{B})]가 같다면,
[math(E_{1}\cdots E_{n} A=E^{\prime}_{1}\cdots E^{\prime}_{n} B)]
[math(A=E_{n}^{-1}\cdots E_{1}^{-1}E^{\prime}_{1}\cdots E^{\prime}_{n} B)]
가 되므로, [math(A)]와 [math(B)]가 행동치임을 알 수 있다. 행동치는 동치관계이므로, [math(R_{A})]와 [math(R_{B})]가 다르다면, [math(A)]와 [math(B)]도 행동치가 아님을 알 수 있다.[2] 즉, 어떤 두 행렬이 행동치일 필요충분조건은 각자의 행동치인 기약행사다리꼴이 서로 같다는것이다. 즉, 기약행사다리꼴이란, 행동치인 행렬 중에서 대표가 되는 행렬 정도로 이해할수 있다.[math(A=E_{n}^{-1}\cdots E_{1}^{-1}E^{\prime}_{1}\cdots E^{\prime}_{n} B)]
4. 행동치와 행공간
행공간이란 [math(m\times n)]행렬 [math(A)]의 행벡터가 생성하는 [math(F^{m})]의 부분공간을 뜻한다. 즉, [math(A)]의 행공간의 임의의 벡터는, [math(A)]의 각 행의 선형결합으로 표현된다. 그런데, [math(A)]와 [math(B)]가 행동치라면, [math(B)]의 모든 행이 [math(A)]의 행의 선형결합이므로, [math(B)]의 행공간의 임의의 원소는 [math(A)]의 행의 선형결합으로 표현된다. 마찬가지로, [math(A)]의 행공간의 임의의 원소도 [math(B)]의 행의 선형결합으로 표현된다. 즉, 행동치인 두 행렬 [math(A)]와 [math(B)]는 행공간이 서로 같다. 역으로, 크기가 같은 두 행렬이 행공간이 같다면, 행동치라는것은 꽤나 자명한 명제이다.5. 두 연립방정식의 동치
미지수 n-tuple [math(x)]에 대한 연립방정식 [math(L)]을
[math(\begin{aligned}f_{1}(x)&=y_{1}\\f_{2}(x)&=y_{2}\\ \cdots \\f_{m}(x)&=y_{m} \end{aligned})]
라고 할 때, [math(l : c_{1}f_{1}(x)+\cdots+c_{m}f_{m}(x)=c_{1}y_{1}+\cdots+c_{m}y_{m})]꼴의 방정식을 연립방정식 [math(L)]의 선형결합이라고 한다. [math(x_{0})]이 [math(L)]의 해 일 경우, [math(x_{0})]을 [math(l)]에 대입하면 식을 만족한다. 따라서 연립방정식 [math(L_{2})]를 구성하는 모든 개별 방정식이 연립방정식 [math(L_{1})]의 선형결합이라면, [math(L_{1})]의 모든 해는 [math(L_{2})]의 해가 됨을 알 수 있다. 반대로, [math(L_{1})]을 구성하는 모든 개별방정식도 [math(L_{2})]의 선형결합이라면, [math(L_{2})]의 모든 해가 [math(L_{1})]의 해가되어, 두 연립방정식의 해가 같다고 이야기할 수 있다. 이렇듯, 두 연립방정식이 각각 상대의 개별방정식의 선형결합으로 나타내어지는 경우를 연립방정식의 동치라고 한다.5.1. 계수행렬, 첨가행렬과 행동치
일차연립방정식을 계수행렬(coefficient matrix)과 첨가행렬(augmented matrix)로 바꾼다면, 방정식에 대한 이야기를 선형대수학의 언어로 풀 수 있다.5.1.1. 제차 연립일차방정식의 경우
일차연립방정식의 상수항이 0인경우 제차 연립방정식(homogeneous system of linear equations)이라고 한다. 이 경우에는, 첨가행렬의 마지막 열은 0이므로, 계수행렬만 생각하여도 충분하다. 계수행렬의 각 행이 의미하는것은 연립방정식을 구성하는 개별방정식이므로, 두 [math(m\times n)]행렬 [math(A,B)]에 대하여 [math(L_{1}:AX=O)]와 [math(L_{2}:BX=O)]가 연립방정식으로써 동치라면, [math(A)]의 각 행은 [math(B)]의 행의 선형결합으로 나타낼 수 있고, 반대로, [math(B)]의 각 행도 [math(A)]의 선형결합으로 나타낼 수 있을것이다. 즉, [math(A)]와 [math(B)]가 행렬로써 행동치라는것이다. 반대로, [math(A)]와 [math(B)]가 행동치라면, 연립방정식 [math(L_{1}:AX=O)]와 [math(L_{2}:BX=O)]는 연립방정식으로써 동치가 된다. 즉, 계수행렬이 행동치인 경우 해공간[3]이 같다는 것이다. 반대로, 크기가 같은 두행렬 [math(A,B)]에 대해 두 연립방정식 [math(L_{1}:AX=O)]와 [math(L_{2}:BX=O)]의 해공간이 같다면, 두 행렬은 행동치라고 할 수 있을까? 직관적으로 참인것 같아 보이는[4] 이 명제를 증명하기 위해서는 쌍대공간[5]에 대한 이해가 필요하다.[6] 연립방정식의 해공간이 주어져 있다면, [math(F^{n})]의 부분공간이므로, 기저 [math(\{b_{1},\cdots,b_{r}\})]이 존재하고, 기저확장정리에 의해, [math(\mathcal{B}=\{b_{1},\cdots,b_{r},b_{r+1},\cdots,b_{n}\})]이 [math(F^{n})]의 기저가 되는 [math(\{b_{r+1},\cdots,b_{n}\})]을 찾을 수 있다. 그 후 쌍대기저[math( \mathcal{B}^{*}=\{L_{i}|L_{i}(b_{j})=\delta_{i,j}\})][7]를 구할 수 있고, 계수행렬의 행공간과
[math(<[L_{r+1}],\cdots,[L_{n}]>)] [8]
이 같아야 함을 알 수 있다. 행공간이 같으면 행동치이므로, 해공간이 같은 두 연립방정식의 계수행렬은 크기가 같다면 행동치이다.5.1.2. 비제차 연립일차방정식의 경우
6. 선형변환 Y=AX와 행동치
[1]
하지만 열공간(column space)은 일반적으로 같지 않다.
[2]
서로 다른 기약행사다리꼴은 행동치가 아니다. 이는 수학적 귀납법으로 보일 수 있다.
[3]
제차 연립일차방정식의 해집합은 부분공간이 된다.
[4]
물론 행의 갯수가 해공간의 차원보다 크거나 같아야 의미있는 명제가 된다. 행의 갯수가 해공간의 차원보다 작다면, 행렬이 존재하지 않아서, 허무하게 참(vacuous truth)이다.
[5]
연립방정식의 개별방정식의 좌변을 함수(즉, 선형변환)로 이해할 경우, 선형범함수(linear functional)가 되며, 방정식의 근은 각 선형범함수의 영공간(Null space)의 교집합이 된다.
[6]
내적을 이용하여, 해공간의 직교여공간이 계수행렬의 행공간이 됨을 보여도 된다. 물론 내적이 정의되었다면, 정규직교기저에 대한 쌍대기저를 내적으로 정의할수 있으니, 그 말이 그 말이긴 하다.
[7]
δ는 크로네커 델타이다.
[8]
< >는 생성(span)을 의미하고, \[ \]는 선형변환의 표준기저에 대한
행렬 표현(matrix representation)을 뜻한다.