Aerospace Kim

[선형변환부터 동형사상까지] ch4. 선형변환의 합성과 행렬 곱

  이전 읽을거리 : [선형변환부터 동형사상까지] ch3. 선형변환의 행렬표현

  다음 읽을거리 : [선형변환부터 동형사상까지] ch5. 행렬 연산

 

  본 포스팅은 '프리드버그 선형대수학(5판)'을 공부하며 작성하였습니다.

 

 

6. 선형변환의 합성

 

  함수의 합성에 대해서는 0.3. 합성함수를 보고 오는 것이 좋다.

 

  두 함수 f,g 의 합성을 표기할 때 gf 라고 쓰는 것이 일반적이다. 그러나 선형대수학에서는 표기에 일관성을 돋보이게 하기 위해, 두 선형변환 T,U 의 합성을 UT 라고 간단하게 표기한다.

 

  다음 정리에 따르면, 선형변환의 합성은 여전히 선형이다.

 

정리 6-1)  F-벡터공간 V,W,Z 와 선형변환 T:VW , U:WZ 를 생각하자. 두 선형변환의 합성 UT:VZ 는 선형변환이다.

 

proof)

  임의의 벡터 x,yV 와 스칼라 cF 에 대하여 다음이 성립한다.

UT(cx+y)=U(T(cx+y))=U(cT(x)+T(y))=cU(T(x))+U(T(x))=c(UT)(x)+UT(y)

  따라서 UT 는 선형이다.   

 

 

  다음은 선형변환의 합성에 대한 중요한 성질이다.

 

정리 6-2)  F-벡터공간 V,W,Z 와 임의의 선형변환 T,T1,T2L(V,W) , U,U1,U2L(W,Z) 에 대하여 다음이 성립한다.
  (ⅰ) U(T1+T2)=UT1+UT2
  (ⅱ) (U1+U2)T=U1T+U2T
  (ⅲ) TIV=IWT=T
  (ⅳ) 임의의 스칼라 aF 에 대하여, a(UT)=(aU)T=U(aT)

 

proof)

  (ⅰ) : 임의의 벡터 xV 에 대하여 다음이 성립한다.

(U(T1+T2))(x)=U((T1+T2)(x))=U(T1(x)+T2(x))=U(T1(x))+U1(T2(x))=UT1(x)+UT2(x)=(UT1+UT2)(x)

  따라서 U(T1+T2)=UT1+UT2 이다.

 

  (ⅱ) : 임의의 벡터 xV 에 대하여 다음이 성립한다.

((U1+U2)T)(x)=(U1+U2)(T(x))=U1(T(x))+U2(T(x))=U1T(x)+U2T(x)=(U1T+U2T)(x)

  따라서 (U1+U2)T=U1T+U2T 이다.

 

  (ⅲ) : 임의의 벡터 xV 에 대하여 다음이 성립한다.

TIV(x)=T(IV(x))=T(x)

IWT(x)=IW(T(x))=T(x)

  따라서 TIV=IWT=T 이다.

 

  (ⅳ) : 임의의 벡터 xV 에 대하여 다음이 성립한다.

((aU)T)(x)=(aU)(T(x))=aU(T(x))=a(UT)(x)=(a(UT))(x)

(U(aT))(x)=U((aT)(x))=U(aT(x))=aU(T(x))=a(UT)(x)=(a(UT))(x)

  따라서 a(UT)=(aU)T=U(aT) 이다.   

 

 

  참고로 선형변환도 어디까지나 함수의 일종이기 때문에, 정리 0.3-1과 같이 합성에 대한 교환법칙 R(UT)=(RU)T 가 성립한다.

 

  정의역과 공역이 같은 벡터공간인 선형변환의 경우, 동일한 선형변환을 여러 번 합성할 수 있다. 이러한 경우 다음의 편리한 표기법을 이용하자.

 

정의)  벡터공간 V 와 선형사상 TL(V) 를 생각하자. T1:=T 라 정의하며, 2 이상의 자연수 k에 대하여 Tk:=Tk1T 로 정의한다. 편의상 T0=IV 로 정의한다.

 

  마지막에 T0=IV 로 정의한 것은, 식 Tk=Tk1T 의 k에 1을 대입하면 T1=T0T 를 얻으므로 합리적인 정의라고 할 수 있다.

 

 

7. 행렬 곱

 

  이 글을 찾아온 분들은 두 행렬의 곱이 어떻게 정의되는지 알것이다. 하지만 행렬 곱이 왜 그렇게 정의되는지 모르는 분들도 분명히 있으리라. 아래에선 행렬 곱이 만족해야 하는 조건으로부터 그 정의되는지를 유도한다.

 

  유한차원 F-벡터공간 V,W,Z 각각의 순서기저 α={v1,,vn} , β={w1,,wm} , γ={z1,,zp} , 선형변환 T:VW , U:WZ 과 두 선형변환의 합성 UT 를 생각하자. 세 행렬 [T]αβMm×n(F) , [U]βγMp×m(F) , [UT]αγMp×m(F) 에 대하여 다음 식이 성립하도록 행렬 곱을 정의할 것이다.

(7-1)[U]βγ[T]αβ:=[UT]αγ

  행렬표현의 정의로부터 다음이 성립한다.

(7-2)T(vj)=k=1m([T]αβ)kjwkfor j=1,,n

(7-3)U(wk)=i=1p([U]βγ)ikzifor k=1,,m

(7-4)UT(vj)=i=1p([UT]αγ)ijzifor j=1,,n

  식 (7-2)와 식 (7-3)을 종합하면 다음의 결과를 얻을 수 있다.

UT(vj)=U(T(vj))=U(k=1m([T]αβ)kjwk)=k=1m([T]αβ)kjU(wk)=k=1m([T]αβ)kj(i=1p([U]βγ)ikzi)(7-5)=i=1p{k=1m([U]βγ)ik([T]αβ)kj}zi

  식 (7-4)와 식 (7-5)를 종합하면, z1,,zp 가 일차독립이라는 사실로부터 모든 i=1,,p , j=1,,n 에 대하여 다음이 성립한다.

([UT]αγ)ij=k=1m([U]βγ)ik([T]αβ)kj

  앞서 행렬 곱이 만족해야 하는 조건으로서 식 (7-1)을 고정하였으므로 다음 식이 성립하여야 한다.

([U]βγ[T]αβ)ij=k=1m([U]βγ)ik([T]αβ)kj

  이로서 모두 알고있는 다음의 정의에 명분이 생긴다.

 

정의)  p×m 행렬 Am×n 행렬 B 를 생각하자. 두 행렬 A,B곱(product) AB 는 다음과 같이 정의된 p×n 행렬이다.(AB)ij=k=1mAikBkjfor 1ip,1jn

 

  그리고 다음의 정리는 행렬 곱의 정의가 만족해야하는 공리로서 자명한 사실이다. 혹은 행렬 곱의 정의로부터 거꾸로 유도해낼 수도 있다.

 

정리 7-1)  유한차원 벡터공간 V,W,Z 와 각각의 순서기저 α,β.γ , 선형변환 T:VW , U:WZ 에 대하여 다음이 성립한다.[UT]αγ=[U]βγ[T]αβ

 

  정리 7-1에서 순서기저 γ=β 일 경우 정리의 결론은 [UT]β=[U]β[T]β 로 쓰여진다.

 

  예로, 다음의 두 선형변환을 생각하자.

U:P3(R)P2(R),f(x)f(x)

T:P2(R)P3(R),f(x)0xf(t)dt

  P3(R),P2(R) 의 표준 순서기저 α,β 에 대하여 다음과 같음을 계산해볼 수 있다.

[U]αβ=(010000200003)

[T]βγ=(00010001200013)

  정리 7-1로부터 두 선형변환의 합성의 행렬표현 [UT]β 는 다음과 같음을 알 수 있다.

[UT]β=[U]αβ[T]βα=(010000200003)(00010001200013)=(100010001)=I3=[IV]β

  정리 5.2-4로부터 UT=IV 임을 알 수 있다. 이 결과는 아래의 '미적분학의 기본정리'에 만족한다.

UT(f(x))=ddx0xf(t)dt=f(x)

 

 

7.1. 행렬 곱의 성질

 

  행렬 곱이 잘 정의되었으므로 다음과 같은 행렬 곱의 성질을 이야기할 수 있다. 이는 정리 6-2와 상당히 유사하다.

 

정리 7.1-1)  p×m 행렬 A,A1,A2m×n 행렬 B,B1,B2 에 대하여 다음이 성립한다.
  (ⅰ) A(B1+B2)=AB1+AB2
  (ⅱ) (A1+A2)B=A1B+A2B
  (ⅲ) BIn=ImB=B
  (ⅳ) 임의의 스칼라 aF 에 대하여, a(AB)=(aA)B=A(aB)

 

※ 행렬 곱의 정의를 통한 증명은 매우 쉽게 할 수 있다. 그대신 새로운 증명을 소개한다.

 

proof)

  각각 차원이 nm,p 인 임의의 F-벡터공간 V,W,Z 와 각각의 순서기저 α,β,γ 를 생각하자. 선형변환의 존재성 및 유일성 정리 2에 따라 다음을 만족하는 선형변환 U,U1,U2:WZT,T1,T2:VW 가 각각 유일하게 존재한다.

[U]βγ=A,[U1]βγ=A1,[U2]βγ=A2

[T]αβ=B,[T1]αβ=B1,[T2]αβ=B2

  정리 5.2-1과 정리 6-2를 바탕으로 다음이 성립한다.

  (ⅰ) :

A(B1+B2)=[U]βγ([T1]αβ+[T2]αβ)=[U]βγ[T1+T2]αβ=[U(T1+T2)]αγ=[UT1+UT2]αγ=[UT1]αγ+[UT2]αγ=[U]βγ[T1]αβ+[U]βγ[T2]αβ=AB1+AB2

  (ⅱ) :

(A1+A2)B=([U1]βγ+[U2]βγ)[T]αβ=[U1+U2]βγ[B]αβ=[(U1+U2)T]αγ=[U1T+U2T]αγ=[U1T]αγ+[U2T]αγ=[U1]βγ[T]αβ+[U2]βγ[T]αβ=A1B+A2B

  (ⅲ) : In=[IV]α , Im=[IW]β 이므로 다음이 성립한다.

BIn=[T]αβ[IV]α=[TIV]αβ=[T]αβ=B

ImB=[IW]β[T]αβ=[IWT]αβ=[T]αβ=B

BIn=ImB=B

  (ⅳ) :

(aA)B=(a[U]βγ)[T]αβ=[aU]βγ[T]αβ=[(aU)T]αγ=[a(UT)]αγ=a[UT]αγ=a([U]βγ[T]αβ)=a(AB)

A(aB)=[U]βγ(a[T]αβ)=[U]βγ[aT]αβ=[U(aT)]αγ=[a(UT)]αγ=a[UT]αγ=a([U]βγ[T]αβ)=a(AB)

(aA)B=A(aB)=a(AB)

 

 

따름정리 7.1-2)  p×m 행렬 A,A1,A2,,Akm×n 행렬 B,B1,B2,,Bk , 그리고 임의의 스칼라 a1,,ak 에 대하여 다음이 성립한다.A(i=1kaiBi)=i=1kaiABi(i=1kaiAi)B=i=1kaiAiB

 

proof)

  k 에 대한 수학적 귀납법으로 증명한다. k=1 일때는 정리 7.1-1(ⅳ)와 동일하므로 주어진 정리가 자명하게 성립한다.

  2 이상의 자연수 j 에 대해 k=j1 일때 주어진 정리가 참이라고 가정하자. 다음이 성립한다.

let, i=1j1aiBi=C,i=1j1aiAi=D

A(i=1jaiBi)=A(i=1j1aiBi+ajBj)=A(C+ajBj)=AC+ajABj=A(i=1j1aiBi)+ajABj=i=1j1aiABi+ajABj=i=1jaiABi

(i=1jaiAi)B=(i=1j1aiAi+ajAj)B=(D+ajAj)B=DB+ajAjB=(i=1j1aiAi)B+ajAjB=i=1j1aiAiB+ajAjB=i=1jaiAiB

  따라서 k=j 일때 주어진 정리가 성립한다. 수학적 귀납법에 따라 임의의 자연수 k 에 대하여 주어진 정리가 성립한다.   

 

 

  정의역과 공역이 같은 선형변환을 여러 번 합성하듯이, 행과 열의 수가 같은 행렬도 스스로 여러 번 곱할 수 있다.

 

정의)  n×n 행렬 A 를 생각하자. A1:=A 라 정의하며, 2 이상의 자연수 k에 대하여 Ak:=Ak1A 로 정의한다. 편의상 A0=In 으로 정의한다.

 

  마지막에 A0=In 으로 정의한 것도 마찬가지로, 식 Ak=Ak1A 의 k에 1을 대입하면 A1=A0A 를 얻으므로 합리적인 정의라고 할 수 있다.

 

  참고로 행렬은 행렬 곱에 대한 소거법칙이 성립하지 않는다. 다시말해 AB=AC 이어도 B=C 임이 보장되지 않는다는 것이다.[각주:1] 예로 A=(0010) 를 생각하자. AA 를 계산하면 2×2 영행렬 O 임을 알 수 있다. AA=O , AO=O 이므로 AA=AO 이지만 AO 이다.

 

  아래는 행렬 곱에 대한 전치행렬[각주:2]에 대해 소개한다. 이 정리는 '행렬의 열벡터에 대한 성질'을 증명 한 뒤 '행렬의 행벡터에 대한 성질'을 바로 알아내기 위해 사용되곤 한다.

 

정리 7.1-3)  p×m 행렬 A , m×n 행렬 B 에 대하여 (AB)t=BtAt 가 성립한다.

 

proof)

  전치행렬에 대하여, 다음과 같은 성질이 성립함을 떠올리자.

(At)ij=Aji

  모든 i=1,,p , j=1,,n 에 대하여 다음이 성립한다.

{(AB)t}ij=(AB)ji=k=1mAjkBki=k=1m(At)kj(Bt)ik=k=1m(Bt)ik(At)kj=(BtAt)ij

  따라서 (AB)t=BtAt 가 성립한다.   

 

 

읽어주셔서 감사합니다.

 

  이전 읽을거리 : [선형변환부터 동형사상까지] ch3. 선형변환의 행렬표현

  다음 읽을거리 : [선형변환부터 동형사상까지] ch5. 행렬 연산

  1. 가역행렬과 행렬식에 대해 알고있는 사람은, B=C가 보장되기 위한 조건이 det(A)=0 임을 알 것이다. [본문으로]
  2. 행렬의 각 성분의 행과 열을 뒤집은 행렬. 상첨자에 T 또는 t를 표기하여 나타낸다. [본문으로]

댓글