Aerospace Kim

[행렬의 랭크] ch2. 행렬의 랭크

이전 읽을거리) [선형변환부터 동형사상까지] ch1. 선형변환 ch1. 기본행렬연산 행렬의 랭크 Definition. $A\in\mathbb{M}_{m\times n}(F)$ 의 랭크(rank)란 선형변환 $L_A:F^n\to F^m$ 의 랭크로 정의하고 $\text{rank}(A)$ 라고 쓴다. 위 정리에 따르면 다음과 같다. $$\text{rank}(A)=\text{rank}(L_A)=\text{dim}(L_A(F^n))$$ 사실 이는 추상화된 정의이지만, 다음과 같이 중요한 정보를 빠르게 얻어낼 수 있다. Theorem 2.1. $n\times n$ 행렬이 가역일 필요충분조건은 행렬의 랭크가 $n$ 인 것이다. Proof. 행렬 $A\in\mathbb{M}_{n\times n}(F)$ 가 가역임은 ..

[행렬의 랭크] ch1. 기본행렬연산

이전 읽을거리) [선형변환부터 동형사상까지] ch5. 행렬 연산 [선형변환부터 동형사상까지] ch7. 가역인 선형변환 다음 읽을거리: ch2. 행렬의 랭크 기본행렬연산 Definition. $m\times n$ 행렬 $A$ 에 대하여 다음의 세 연산을 기본행연산(elementary row operation)이라고 한다. 1형 연산: $A$ 의 두 행을 교환하는 것. 2형 연산: $A$ 의 한 행에 $0$ 이 아닌 스칼라를 곱하는 것. 3형 연산: $A$ 의 한 행에 다른 행의 스칼라배를 더하는 것. 다음의 세 연산을 기본열연산(elementary column operation)이라고 한다. 1형 연산: $A$ 의 두 열을 교환하는 것. 2형 연산: $A$ 의 한 열에 $0$ 이 아닌 스칼라를 곱하는 것...

[행렬식의 엄밀한 정의] ch6. 행렬식의 엄밀한 정의

이전 읽을거리) [행렬의 랭크] ch2. 행렬의 랭크 ch5. 교대텐서의 성질 1. 행렬식의 정의 지난 포스팅에서 $\mathcal{A}^k(V)$ 의 기저가 무엇인지와 더불어 $\mathcal{A}^k(V)$ 의 차원에 대하여 알아보았다. 이를 요약하자면 $n$ 차원 벡터공간 $V$ 에 대해 $\mathcal{A}^k(V)$ 는 ${n\choose k}$ 차원이며, $\mathcal{A}^k(V)$ 의 기저는 $V$ 의 기저에 대응하는 기본 교대 k-텐서로 이루어져있다. 특히 $k=n$ 일 경우에 $\mathcal{A}^n(V)$ 는 1차원이며 기저로 단 하나의 교대텐서를 가짐을 알 수 있다. 다음의 정의를 확인하자. Definition. $F^n$ 의 표준기저 $e_1,\ldots,e_n$ 에 대응하..

[행렬식의 엄밀한 정의] ch5. 교대텐서의 성질

이전 읽을거리: ch4. 교대다중선형사상 다음 읽을거리: ch6. 행렬식의 엄밀한 정의 1. 교대텐서의 유일성 이제부터는 정수의 순서쌍중 특별한 순서쌍들을 자주 이용할 것이다. Definition. ${}_nT_k$ 의 원소 중 증가 순서쌍(ascending tuple)의 집합을 ${}_nT_k^*$ 라고 정의한다. 즉, 다음과 같다.$${}_nT_k^*=\{(i_1,\ldots,i_k):1\le i_1
썸네일 이미지

[행렬식의 엄밀한 정의] ch4. 교대다중선형사상

이전 읽을거리: ch3. 순열 다음 읽을거리: ch5. 교대텐서의 성질 1. 교대텐서 지난 포스팅에서 순열을 언급한 것은 지금을 위해서이다. Definition. $f\in\mathcal{L}^k(V)$ , $\sigma\in S_k$ 에 대해 다음과 같이 정의한다.$$f^\sigma(v_1,v_2,\ldots,v_k)=f(v_{\sigma(1)},v_{\sigma(2)},\ldots,v_{\sigma(k)})$$ 이때 $f$ 는 각 성분에 대해 선형이므로 $f^\sigma$ 도 마찬가지다. 따라서 $f^\sigma\in\mathcal{L}^k(V)$ 이다. 위의 정의는 어렵지 않으나, 사람에 따라 직관과 다르게 느껴질 수 있는 구석이 있다. 다음의 순열 $\sigma\in S_5$ 를 생각하자. $$\..
썸네일 이미지

[행렬식의 엄밀한 정의] ch3. 순열

이전 읽을거리: ch2. 텐서의 성질 다음 읽을거리: ch4. 교대다중선형사상 1. 순열 행렬식은 행렬의 두 행을 바꿀 때 부호가 바뀌게 된다. 이러한 성질을 일반화하기 위해서는 번거롭지만 순열에 대한 논의가 필요하다. Definition. $k\ge 2$ 에 대해 $\{1,\ldots,k\}$ 의 순열(permutation)이란 정의역과 공역이 $\{1,\ldots,k\}$ 인 일대일대응을 의미한다. $\{1,\ldots,k\}$ 의 모든 순열의 집합을 $S_k$ 라고 쓴다. 다시말해 $\{1,\ldots,k\}$ 의 순열이란 전단사함수 $\{1,\ldots,k\}\to\{1,\ldots,k\}$ 를 의미하며, 이는 k-순서쌍 $(1,2,\ldots,k)$ 의 순서를 섞는 것과 다르지 않다. 이후의 논..

[행렬식의 엄밀한 정의] ch2. 텐서의 성질

이전 읽을거리) 쌍대공간 (Dual Space) ch1. 다중선형사상 다음 읽을거리: ch3. 순열 1. 텐서의 유일성 두 함수가 같다는 것은, 정의역의 모든 원소에 대한 상이 동일하다는 것이다. 따라서 일반적으로, 정의역의 몇 개의 원소만 가지고서는 두 함수가 같음을 알기 힘들다. 그러나 선형변환을 공부한 사람은 특수한 조건 하에서 몇 개의 원소만으로 두 함수가 같음을 보이는 것이 가능하다는 것을 기억할 것이다. ([선형변환부터 동형사상까지] ch2. 선형변환의 존재성 및 유일성 참고) 텐서의 경우에도 비슷한 모습을 볼 수 있다. 텐서 이론에서는 자연수의 순서쌍이 매우 빈번하게 등장한다. 필자의 편의상 다음의 표기법을 정의한다. Definition. 자연수 $n$ 에 대해 $\{1,\ldots,n\}$..

[행렬식의 엄밀한 정의] ch1. 다중선형사상

이전 읽을거리: ch0. 행렬식의 귀납적 정의 다음 읽을거리: ch2. 텐서의 성질 1. 다중선형사상 흔히 순서쌍이라 하면, 실수 2~3개를 순서지어 $(1,2)$ 처럼 나타내는 것을 떠올릴 것이다. 다음은 일반화된 순서쌍의 정의이다. Definition. 공집합이 아닌 집합 $A_1,\ldots,A_k$ 를 생각하자. 각 $i$ 에 대해 $A_i$ 의 원소 $a_i$ , 총 k개의 원소를 다음과 같이 순서지어 나타내는 것을 k-순서쌍(k-tuple)이라고 한다.$$(a_1,a_2,\ldots,a_n)$$ 이러한 k-순서쌍의 집합을 $A_1,A_2,\ldots,a_n$ 의 곱집합(product)이라 하며 $A_1\times A_2\times\cdots\times A_k$ 라고 표기한다. 즉, 다음과 같다..

[행렬식의 엄밀한 정의] ch0. 행렬식의 귀납적 정의

이전 읽을거리) [벡터공간부터 기저까지] ch1. 벡터공간과 부분공간 [선형변환부터 동형사상까지] ch1. 선형변환 다음 읽을거리: ch1. 다중선형사상 ※ 본 시리즈는 행렬식을 이미 알고있는 사람들을 대상으로 하는 글 입니다. 초심자를 대상으로 하는 대부분의 책에서는 행렬식을 소개할 때 어떠한 귀납적인 계산 공식을 이용하여 정의하곤 한다. 예를들어 '프리드버그 선형대수학'에서는 행렬식을 다음과 같이 소개한다. 행렬 $A\in\mathbb{M}_{n\times n}$ 의 행렬식 $\text{det }A$ 를 다음과 같이 정의한다.$$\text{det }A=\begin{cases}A_{11}&\text{if}\quad n=1\\\displaystyle\sum_{j=1}^n(-1)^{1+j}A_{1j}\;\..

원하는 행렬의 존재성 증명

다음을 증명하자. 임의의 벡터 $x\in F^m$ , $y\in F^n$ 에 대해 $x\neq 0$ 이면 $y=Ax$ 이도록 하는 행렬 $A\in\mathbb{M}_{n\times m}(F)$ 가 존재한다. proof) $F^m$ 과 $F^n$ 각각의 표준순서기저 $\gamma_m$ , $\gamma_n$ 을 생각하자. $x$ 하나만을 원소로 갖는 집합 $\{x\}\subset F^m$ 는 일차독립이므로 ($\because$ 정리 5.1-2(ⅱ)) $x$ 를 포함하는 $F^m$ 의 순서기저 $\beta\subset F^m$ 를 구성할 수 있다. ($\because$ 대체정리의 따름정리 2(ⅱ)) 다음과 같다고 하자. $$\beta=\{x,v_1,v_2,\ldots,v_{m-1}\}$$ 선형변환의 존재성 ..

쌍대공간 (Dual Space)

이전 읽을거리 : [선형변환부터 동형사상까지] ch1. 선형변환 [선형변환부터 동형사상까지] 5.1. 선형변환의 집합인 벡터공간 [선형변환부터 동형사상까지] ch8. 동형사상 본 포스팅은 '프리드버그 선형대수학(5판)' 및 'Kenneth Hoffman & Ray Kunze. Linear algebra'를 공부하며 작성하였습니다. 1. 선형범함수 선형변환의 정의를 다시 소개하자면 다음과 같다. 정의) 임의의 두 $F$-벡터공간 $V,\;W$ 를 생각하자. 어떤 함수 $T:V\to W$ 가 임의의 벡터 $x,\;y\in V$ 와 스칼라 $c\in F$ 에 대하여 다음의 두 조건을 만족하면 $T$ 를 선형변환이라고 한다. (ⅰ) $T(x+y)=T(x)+T(y)$ (ⅱ) $T(cx)=cT(x)$ 선형변환의 구..
썸네일 이미지

[선형변환부터 동형사상까지] ch8. 동형사상

이전 읽을거리 : [선형변환부터 동형사상까지] ch7. 가역인 선형변환 본 포스팅은 '프리드버그 선형대수학(5판)'을 공부하며 작성하였습니다. 11. 동형사상 ※ 본 포스팅의 도입부는 다소 엄밀하지 못하므로, 대수구조 및 동형에 대해 자세하게 공부하실 분은 'Fraleigh. A first course in abstract algebra' 또는 타 블로그 생새우초밥집을 참고하시길 바랍니다. 체스를 두자. 여러가지 선택지가 있을 수 있다. 상아로 된 말을 쑬 수도 있고, 나무로 된 말을 쓸 수도 있다. 아니면 운동장에 나가서 바닥에 줄을 긋고 친구들을 세워 체스를 할 수도 있다. 모두 다 다른 형식을 갖추었지만, 중요한건 체스의 룰은 그대로라는 것이다. 우리가 체스라고 부르는 것은 분명히 규칙 그 자체를 ..

[선형변환부터 동형사상까지] ch7. 가역인 선형변환

이전 읽을거리 : [선형변환부터 동형사상까지] ch6. 좌측 곱 변환 다음 읽을거리 : [선형변환부터 동형사상까지] ch8. 동형사상 본 포스팅은 '프리드버그 선형대수학(5판)'을 공부하며 작성하였습니다. 10. 가역인 선형변환 함수의 역함수에 대해서는 ch0. 함수에서 살펴보았다. 선형변환의 역함수에 대해 공부하기 전에 먼저 보고 오길 추천한다. 선형변환에 대하여 역함수의 정의를 또 적어보자. 정의) 벡터공간 $V,\;W$ 와 선형변환 $T:V\to W$ 를 생각하자. $TU=I_W$ , $UT=I_V$ 를 만족하는 함수 $U:W\to V$ 가 존재하면 선형변환 $T$ 는 가역(invertible)이라고 한다. 유일한 함수 $U$ 는 $T$ 의 역함수(inverse)라고 하며 $T^{-1}$ 라고 표기..

[선형변환부터 동형사상까지] ch6. 좌측 곱 변환

이전 읽을거리 : [선형변환부터 동형사상까지] ch5. 행렬 연산 다음 읽을거리 : [선형변환부터 동형사상까지] ch7. 가역인 선형변환 본 포스팅은 '프리드버그 선형대수학(5판)'을 공부하며 작성하였습니다. 9. 좌측 곱 변환 원래 행렬은 그저 수를 직사각형으로 배열하는 것에 불과했다. 여기에 합과 스칼라 곱, 행렬 곱을 잘 정의하여 연산의 대상으로 볼 수 있게 되었다. 이번 절에서는 추가로 행렬을 함수처럼 사용하는 방법을 다룬다. 정의) 행렬 $A\in\mathbb{M}_{m\times n}(F)$ 를 생각하자. 다음과 같이 정의되는 함수 $L_A$ 를 좌측 곱 변환(left multiplication transformation)이라 한다.$$L_A:F^n\to F^m,\;x\mapsto Ax$$ 이..

[선형변환부터 동형사상까지] ch5. 행렬 연산

이전 읽을거리 : [선형변환부터 동형사상까지] ch4. 선형변환의 합성과 행렬 곱 다음 읽을거리 : [선형변환부터 동형사상까지] ch6. 좌측 곱 변환 본 포스팅은 '프리드버그 선형대수학(5판)'을 공부하며 작성하였습니다. 8. 행렬 연산 행렬의 왼쪽에 열벡터를 곱하는 과정을 생각해보자. 우선, 행렬에 포함되는 열벡터의 갯수와 곱해지는 열벡터의 크기가 똑같아야 할 것이다. 대략 $m\times n$ 행렬 $A$ 와 열벡터 $x\in F^n$ 을 곱한 $Ax$ 와 같은 것을 생각해볼 수 있다. 크기가 n인 열벡터는 $n\times 1$ 행렬로 취급하므로 이 연산의 결과는 행렬 곱의 정의에 따라 $m\times 1$ 행렬, 즉 크기가 m인 열벡터이다. 이번 절에서는 행렬과 열벡터를 곱하는 연산 속의 규칙을 ..