7.4장행렬의계수, 1차독립벡터공간 - last scene for nilz1 7.4장행렬의계수,...
TRANSCRIPT
![Page 1: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/1.jpg)
1
7.4장 행렬의 계수, 1차 독립, 벡터공간
Gauss소거법: 선형연립방정식의 해를 구하는 중요한 방법
연립방정식은
1) 해를 갖지 않는 경우
2) 하나의 해를 가지거나
3) 그 이상의 해(그리고 무한히 많은 해)를 갖는 경우
해의 존재성과 유일성 문제에 대한 일반적인 설명이 가능한가?
행렬의 계수(rank)개념이 필요하다.
![Page 2: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/2.jpg)
2
주어진 m개의 벡터 의 집합(같은 수의
성분을 가짐)에 대하여 이들 벡터의 1차 결합(linear combination)은
의 형태로 표현된다. 여기서 은 임의의 스칼라이다.
모든 값을 0으로 선택하면 성립한다. 왜냐하면 이 경우
0=0 이기 때문이다.
7.4장 벡터의 1차 독립과 종속성
)()3()2()1( ,,, maaaa LL
)()2(2)1(1 mm acacac +++ LL
)(21 ,, mccc LL
0)()2(2)1(1 =+++ mm acacac LL
jc
(1)
![Page 3: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/3.jpg)
3
만약 이것이 식 (1)을 만족하는 유일한 m개의 스칼라이라면 벡터
은 1차 독립 집합을 형성한다.
혹은 간단하게 1차 독립 (linearly independent)이라고 한다.
반면에 모두는 0이 아닌 스칼라에 대하여 식 (1)이 성립하면 이
벡터들을 1차 종속 (linearly dependant)이라고 한다.
왜냐하면 이때는 벡터 중의 하나 (최소한)를 다른 벡터들의 1차
결합으로 나타낼 수 있다. 예를 들어 만일 이면
식 (1)을 에 대하여 풀 수 있다. 즉
)()3()2()1( ,,, maaaa LL
01 ≠c
)1(a
7.4장 벡터의 1차 독립과 종속성
![Page 4: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/4.jpg)
4
여기서
(여기서 어떤 는 0이 될 수 있으며, 만약 이면
모든 는 0이 될 수 있다. )
)()3(3)2(2)1( mm akakaka +++= LL
1/ cck jj −=
jk 0)1( =a
jk
7.4장 벡터의 1차 독립과 종속성
![Page 5: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/5.jpg)
5
세개의 벡터
은 1차 종속이다. 왜냐하면
예제1. 1차 독립과 1차 종속
[ ][ ][ ]1502121
5424426
2203
)3(
)2(
)1(
−−=
−=
=
a
a
a
0216 )3()2()1( =−− aaa
세 벡터 중 처음 두 벡터는 c1a(1)+c2a(2)=0에서 c2=0(두 번째 성분에
서) 그리고 c1=0(다른 성분의 짝에서)이기 때문에 1차 독립이다.
![Page 6: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/6.jpg)
6
1차 독립과 1차 종속
행렬의 계수
행렬 A=[ajk]의 1차 독립인 행 벡터의 최대수를 A의 계수(rank)
라고 하며 rank(A)로 나타낸다.
1차 독립과 1차 종속은 2장 선형미분방정식에서 해의 기저에 관
한 정의에서 사용되었다.
1차 독립과 1차 종속의 요지는 무엇인가?
1차 종속인 집합에서 다른 벡터들의 1차 결합으로 표현되는 벡터
들을 소거하면 최종적으로 각 벡터들이 나머지 다른 원소의 1차
결합으로 표현되지 않는 1차 독립인 부분 집합을 얻을 수 있다.
![Page 7: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/7.jpg)
7
예제1. 계수
행렬
(2)⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−=
150122154244262203
A
계수 2인 행렬이다.
처음 두 행벡터는 1차 독립인 반면, 세 행벡터는 1차 종속이 되기때문이다. (예제1 참고)
rank A=0이기 위한 필요 충분조건은 A=0(영행렬)이다.
![Page 8: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/8.jpg)
8
※ 정리1. [행동치인 행렬]
행동치인 행렬들은 같은 계수를 갖는다.
행렬 의 계수를 결정하려면 Gauss 소거법을 사용하여 를
사다리꼴(7.3절)로 바꾸는 것이다.
행렬 에 Gauss 소거법을 적용하여도 정리3에 의해서 그 계수는
불변이다.
예제3. 계수의 결정
예제2의 행렬에 대해 차례대로
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−=
291421058284202203
150212154244262203
A
A
A
A
![Page 9: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/9.jpg)
9
사다리꼴이다. 행벡터와 정리3으로
곧 계수 임을 알 수 있고, 처
음 두 열벡터는 1차 독립이므로 정
리1에 의해 계수 A=2이다.⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
000058284202203
2≤A
※ 정리2. [1차 종속성과 1차 독립성]
각각 개의 성분으로 이루어진 행벡터 를 갖는
행렬의 계수가 이면 개의 벡터 는 1차 독립이다.
만일 계수가 보다 작으면 이들은 1차 종속이다.
n )()1( ,........ pXX
)()1( ,........ pXXP PP
![Page 10: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/10.jpg)
10
※ 정리 3 [열벡터에 의한 계수]
행렬 A의 계수는 A의 1차 독립인 열벡터의 최대수와 같다.
그러므로 A와 AT는 같은 계수를 갖는다.
이들 P개의 벡터는 각각 개의 성분을 가지므로, 이들로 형성
되는 행렬, 그것을 라고 하면 는 P행과 열을 갖는다.
또 만일 이면, 정리1에 의해 계수 가 되고, 정리4에서다음과 같은 결론을 얻는다.
nA A n
Pn < PnA <≤
![Page 11: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/11.jpg)
11
<증 명> A=[ajk]를 mXn 행렬이라고 하고 계수 A=r이라고 하자.
그러면 정의에 의해서 A는 1차 독립인 r개의 행벡터의 집합 V(1), ··· , V(r)을 갖고 A의 모든 행벡터의 a(1), ··· , a(r)은 그러한 독립 벡터들의 1차 결합으로 표시된다.
)()2(2)1(1)(
)(2)2(22)2(21)2(
)(1)2(12)1(11)1(
rmrmmm
rr
rr
VcVcVca
VcVcVca
VcVcVca
+⋅⋅⋅++=
+⋅⋅⋅++=
+⋅⋅⋅++=
MMMM
이것은 벡터 방정식이다. 이들 각각의 방정식은 대응하는 성분에대한n개의 방정식에 해당한다.
![Page 12: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/12.jpg)
12
이것을 알아보기 위하여 V(1)의 성분을 v11, ···, v1n으로, V(2)의 성분을 v21, ···, v2n등으로 나타내고, 좌변의 벡터도 같은 방법으로 나타내면 k=1, ···, n에 대하여 아래와 같이 된다.
1 11 1 12 2 1
2 21 1 22 2 2
1 1 2 2
k k k r rk
k k k r rk
mk m k m k mr rk
a c v c v c va c v c v c v
a c v c v c v
= + + ⋅⋅⋅ +
= + + ⋅⋅⋅+
= + + ⋅⋅⋅ +M M M M
이것은 k=1, ···, n 에 대해 아래와 같이 쓸 수 있다.
위의 좌변의 벡터는 A의 k번째 열벡터이다. 따라서 이 방정식은 A의 각열벡터가 r개의 벡터의 1차 결합이다. 그러므로 A의 1차 독립인 열벡터의 최대수는 r를 초과할 수 없다.
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+⋅⋅⋅+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
+
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
mr
r
r
rk
m
k
m
k
mk
k
k
c
cc
v
c
cc
v
c
cc
v
a
aa
MMMM2
1
2
22
12
2
1
21
11
12
1
![Page 13: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/13.jpg)
13
행렬 의 전치행렬 에도 같은 결론이 적용된다.
의 행 벡터는 의 열벡터이고 의 열벡터는 의행벡터이다.
(결론)
의 1차 독립인 행벡터는 행벡터의 최대수( 이다.)는 의 1차독립인
열벡터의 최대수를 초과 할 수 없음을 의미한다.
따라서 그 수는 이다.
TA
A A
A TA A
A r A
r
![Page 14: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/14.jpg)
14
예제 4. 정리 3의 설명
이 정리가 앞의 행렬(2)에 대하여 어떤 뜻을 갖는가?
위에서 이므로 열 벡터 중 두 개는 1차 독립이어야 한다.
다른 2개는 이들의 1차 결합이 되어야 한다.
실제로 처음 두 열벡터는 1차 독립이며, 다른 두 개는 이들의
1차 결합이 되어야 한다.
실제로 처음 두 열 벡터는
그리고
검증은 쉬우나 알아내기는 쉽지 않다.
2=rankA
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−+
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
21420
32
216
3
32
0242
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−+
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
− 21420
2129
216
3
32
15542
![Page 15: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/15.jpg)
15
• 행렬이 매우 간단하지 않으면 정의를 직접 적용하여 계수를
결정하는 것은 적절한 방법이 아니다.
계수를 바꾸지 않고 그 행렬을 단순화(변환)할 수 있는지에 대한
의문을 갖는다.
가능하다.
※ 정리4. 개의 성분을 갖는 개의 벡터는 항상 1차종속이다.
예를 들어 평면상에서 세개 또는 그 이상의 벡터는 1차종속이고
공간에서 네개 또는 그 이상의 벡터는 역시 1차 종속이다.
)( Pn < n
![Page 16: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/16.jpg)
16
벡터공간, 차원, 기저
공집합이 아닌 집합 의 임의의 두 원소 에 대하여 이들의 모든
1차 결합 ( 는 임의의 실수) 또는 의 원소이며,
7.1절의 식(3)와 (4)의 법칙을 만족하면 는 벡터공간(vector-
space)이라고 한다.
을 얻고 스칼라 곱에 대하여
V ba,
ba βα + βα , V
V
0)()(0)(
)()()()()(
=−+=+
++++=+++=+
AAdAAc
WVUWVUWVUbABBAa
(3) 로 나타냄
![Page 17: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/17.jpg)
17
AAdckAAckkAcc
kAcAAkcbcBcABAca
==
+=++=+
1)()()()()(
)()()()(
(4)
로 나타냄
의 원소를 벡터(vector)이라고 한다(고딕체 소문자 a, b, u 로 나타냄)
벡터공간 내의 1차 독립인 벡터들의 최대수를 의 차원 (dimension)
이라고 하고 로 나타낸다.
내의 최대로 가능한 수의 1차 독립인 벡터로 구성되는 부분 집합을
의 기저(basis)이라고 한다.
의 기저의 벡터의 수는 와 같다.
V
VVdim
V
V
V
Vdim
V
![Page 18: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/18.jpg)
18
성분의 수가 같은 주어진 벡터들 에 관하여 이들의
1차 결합으로 표현되는 모든 벡터들의 집합을 이들 벡터들의
생성공간(span)이라고 한다.
생성공간은 벡터공간이다.
벡터공간 의 부분집합으로 그 자체가 벡터공간 일 때,
즉 벡터공간 에서 정의된 두 대수적 연산, 벡터합과 스칼라곱
(7.1절의 식(3)와 (4)의 법칙 참조)에 닫혀 있을 때, 이를 의
부분공간(subspace)이라고 한다.
)()2()1( , paaa LL
V
V
V
![Page 19: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/19.jpg)
19
예제 5. 벡터공간, 차원, 기저
예제1의 세 행벡터들의 생성공간은 차원이 2인 벡터공간이며
또는 등은 이 벡터공간의 기저이다.
행렬 의 행벡터들이 생성공간을 행 공간 (row space)이라 하며,
열 벡터들의 생성공간을 의 열공간 (column space)이라고 한다.
정리 3에 의해서 1차 독립인 행 벡터 수 만큼 열벡터 내에 1차
독립인 열 벡터들이 존재한다.
)2()1( ,aa )3()1( ,aa
A
A
※ 정리5. 개의 성분을 갖는 모든 벡터로 구성된 벡터공간은 차원을 갖는다.
nnR
![Page 20: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/20.jpg)
20
※ 정리6. [ 행공간과 열공간 ]
행렬 의 행공간과 열공간은 차원이 같고 의 계수와 동일하다.
기본 행 연산에 의한 계수의 불변
행렬 의 계수 는 1차 독립인 행벡터의 최대수와 같으며 이 수는
기본 행연산 즉 두 행의 교환, 한 행이 0이 아닌 상수 c를 곱하는 것,
또는 한 행의 상수배를 다른 행과 더 함으로써 얻는 1차 결합 등에
대해서 변하지 않는다.
A A
A A
![Page 21: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/21.jpg)
21
연습문제 7.4
다음 주어진 문제들이 1차 독립인가? 1차 종속인가?
[ ] [ ]48882456 , 61137 .2 −−=−−= vu
풀이) v=-8u가 성립한다. 따라서 a=8, b=1이면 au+bv=0을
만족하므로 주어진 두 벡터는 일차 종속(linearly dependant)이다.
[ ] [ ] [ ] [ ]010 ,111 ,111 , 111 .4 =−=−=−= pwvu
풀이) v+w=2p이다. 따라서 a=0, b=1, c=1, d=-2이면
au+bv+cw+dp=0을 만족하므로 주어진 네 벡터는 일차 종속
이다.
![Page 22: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/22.jpg)
22
9.
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−
361248
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
000048
답) 계수(rank)는 1
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
01110111012.
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
011110101
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
1-10110101
2행을 기준으로 하고
-1배해서 3행에 더해라⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
2-00110101
답:계수는 3
![Page 23: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/23.jpg)
23
응용문제 1
열과 행벡터
다음과 같은 일반적인 행렬에서
각 행들은 아래와 같이 표시된다.
nm×
⎟⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜⎜
⎝
⎛
=
mnmm
n
n
aaa
aaaaa
A
LL
MMMMM
MMMMM
LL
LL
21
22221
11211
( ) ( )nn aaauaaau 222212112111 , LL ==
( )mnmmm aaau LL 21, =
![Page 24: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/24.jpg)
24
각 열들은
각각 의 행벡터 그리고 의 열벡터라고 한다.
벡터 들의 집합은 독립이거나 종속적이다.
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
⎟⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜⎜
⎝
⎛
=
mn
n
n
n
mm a
aa
V
a
aa
V
a
aa
VMMM2
1
2
22
12
2
1
21
11
1 ,,
A A
muuu LL., 21
![Page 25: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/25.jpg)
25
행렬의 계수 : 행렬 의 계수는 라고 쓰고 내의
일차독립인 행벡터의 최대 개수이다. (정리1 참고)
행렬에 대해 생각해 보자
에서
이다.
는 1차 종속
는 서로 각각의 상수배가 아니다.
nm× A A)(Arank
43 ×
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=
875386223111
A
( ) ( ) ( )8753,8622,3111 321 −=−=−= uuu
0)21(4 321 =+− uuu
321 ,, uuu→
21 , uu
![Page 26: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/26.jpg)
26
는 1차 독립,
(1)에서 행벡터 는 벡터공간(Vector space) 의 벡터
집합이다.
• 는 의 부분집합이므로 가 행렬 의
행공간이라고 한다.
• 는 1차 독립이고 를 생성한다.
• 는 의 기저이다.
• 행공간 의 차원(기저에서 벡터의 수)은 2이다.
2)( =Arank21 , uu
21 , uu
21 , uu
A
4R
4R AR
AR
AR
AR
321 ,, uuu
),,( 321 uuuspanR A =
)(Arank⇒
![Page 27: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/27.jpg)
27
다음조건을 만족하는 벡터 으로 된 집합을
1차 독립이라고 한다.
방정식을 만족하는 유일한 상수들은
이다.
벡터들의 집합이 일차독립이 아니면 일차종속이다.
( ) ( ) ( )maaa ,, 21 LL
( ) ( ) 0)(2211 =+++ mmacacac L
021 ==== mccc L
위의 내용을 참고로 하여 u1, u2, u3는 일차 종속이라는 결론을 얻
는다. 즉 u1과 u2는 서로 각각의 상수배가 아니기 때문에 행벡터
u1과 u2는 일차독립이다.
그러므로 rank(A)=2이다.
![Page 28: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/28.jpg)
28
응용문제 2. 행 축소를 통한 계수 확인!
Gauss소거법을 이용해 연립방정식을 풀 때 선형 연립방정식의 첨
가 행렬을 사다리꼴(echelon form)로 바꾼다.
그러므로 행렬 A 사다리꼴 B
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−
875386223111=A 1행X(-2배)+2행
1행X(-3배)+3행
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
142028403111
2행X( 배)+3행
2행X(- 배)
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
−
0000210
3111
21
21
41
두 개의 0이 아닌 행렬이므로
rank(A)=2
![Page 29: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/29.jpg)
29
7.5장 선형방정식의 해 : 존재성, 유일성,일반형식
• 앞절에서 정의된 행렬의 계수의 개념을 이용하여 선형연립방정
식의 해의 존재성과 유일성에 대한 필요충분조건을 줄 수 있다.
• 정리1에서 이러한 조건의 일반형태를 나타낼 수 있다.
구체적인 예(7.3절 참조)
• 행렬 A의 부분행렬(submatrix) : 행렬 A에서 몇 개의 행이나 열
(또는 행과 열)을 제거해서 얻어지는 행렬이다. 부분행렬에는
행렬 A 자신도 (아무런 행이나 열도 제거하지 않은 행렬)도 포함
된다.
![Page 30: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/30.jpg)
30
계수의 개념은 대수 방정식들이 선형계의 해의 존재 가능성과 관련
지을 수 있다.
는 선형 연립방정식이고 는 연립방정식의 첨가행렬
이라고 하자.
연립방정식이 해가 없음은 첨가행렬 의 행축소에서 행사다리
꼴의 마지막 행이 0이 아니라는 사실에서 알 수 있다.
선형 연립방정식의 계수(rank)
BAX = BA
BA
83264
1
21
21
21
=−−=−
=+
xxxx
xx
![Page 31: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/31.jpg)
31
이러한 축소(reduction)는 이다.
반면에
의 해의 존재
의 선형 연립방정식의 계수행렬A의 계수가 첨가행렬 의
계수와 같다.(선형방정식이 해를 가질 필요충분조건)
1 1 1 1 0 1 1 0 04 1 6 0 1 2 0 1 02 3 8 0 0 16 0 0 1
⎛ ⎞ ⎛ ⎞ ⎛ ⎞⎜ ⎟ ⎜ ⎟ ⎜ ⎟− − ⇒ ⇒⎜ ⎟ ⎜ ⎟ ⎜ ⎟⎜ ⎟ ⎜ ⎟ ⎜ ⎟−⎝ ⎠ ⎝ ⎠ ⎝ ⎠
BAX =BAX = BA
2)(
001001
3214
11
=
⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜
⎝
⎛
⇒⎟⎟⎟⎟
⎠
⎞
⎜⎜⎜⎜
⎝
⎛
−−
Arank
3=BArank
![Page 32: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/32.jpg)
32
m개의 방정식과 n개의 미지수를 갖는 선형 연립방정식 가
해를 갖는다고 가정하자.
계수행렬A가 계수r를 갖는다면 그 연립방정식 해는 n-r개의 매개변
수들을 갖는다.
BAX =
19752534
723
321
321
321
=+−=++−=−+
xxxxxxxxx
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛−−⇒
⎟⎟⎟
⎠
⎞
⎜⎜⎜
⎝
⎛
−
−
00003110
2101
1975253147231
행연산
![Page 33: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/33.jpg)
33
행렬의 계수 개념과 선형 연립방정식의 해
AX=0
항상 해를 갖는다
유일한 해 : X=0rank(A)=n
무한해rank(A)<n
n-r 임의의 해에서의매개 변수들
![Page 34: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/34.jpg)
34
AX=B, B=0
해를 가짐rank(A)=rank(A B)
무한해rank(A)<n
n-r 임의의 해에서의매개 변수들
해가 없음rank(A)<rank(A B)
유일해rank(A)=n
![Page 35: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/35.jpg)
35
(a) 존재성 (existence) :
n개의 미지수 에 관한 선형연립방정식은 다음과 같다
(1)
이 해를 갖기 위한 필요충분조건은 그 계수행렬 A와 첨가행렬 , 즉
과
~A
mnmnmm
nn
nn
bxaxaxa
bxaxaxabxaxaxa
=+⋅⋅⋅++⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅=+⋅⋅⋅++=+⋅⋅⋅++
2211
22222121
11212111
nxxx ,,, 21 ⋅⋅⋅
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅
⋅⋅⋅⋅⋅⋅
=
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅
⋅⋅⋅⋅⋅⋅
=
mmnm
n
mnm
n
baa
baa
A
aa
aa
A
1
1111
~
1
111
이 같은 계수 r을 갖는다.
![Page 36: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/36.jpg)
36
(b) 유일성(uniqueness) :
선형 연립 방정식(1)이 유일한 해를 갖기 위한 필요충분조건은
A 와 가 같은 계수 r=n을 갖는 것이다.
(c) 무수히 많은 해 : 만약 r<n이면 무수히 많은 해가 존재하고,
이들 모든 해는 r 개의 적당한 미지수 (이들의 계수로 된
부분행렬은 계수가 r이어야 한다)를 결정해야 얻을 수 있다.
~A
![Page 37: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/37.jpg)
37
나머지 n-r개의 미지수에 임의의 값을 대입한 후 r개의 미지수를
이것들로 표현하여 가정한다.(7.3절 예제3참조)
(d) Gauss 소거법(Gauss elimination, 7.3절) : 만일해가 존재하면
그들은 가우스 소거법에 의해 모두 구해진다. (이 소거법은 A와
의 계수를 먼저 구하지 않아도 된다 자동적으로 7.3절에서
알 수 있다.
~A
![Page 38: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/38.jpg)
38
<증명>
(a) 연립방정식 (1)을
와 같은 형태로 쓸 수 있다.
혹은 의 열 벡터 으로 다음과 같이 쓸 수 있다.
행렬 는 행렬 에 열 벡터 를 첨가 시켜 얻은 것이다.
7.4절의 정리 3에 의하여 는 또는
와 같이 된다.
bAx =)1(
A )()1( , nCC LL
bxCxCxC nn =++ )(2)2(1)1()2( LL
A~ A b
Arank ~Arank 1+Arank
![Page 39: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/39.jpg)
39
지금 연립방정식(1)이 해 를 갖는다면, (2)를 볼 때 가
행렬 의 열 벡터의 1차 결합이다.
따라서 는 보다 클 수 없고 결과적으로
이다.
역으로, 만일 이면, 는 의 열 벡터의
1차 결합이어야 한다.
즉
와 같이 표현되어야 한다.
x bA
Arank ~ rank AArankArank =
~
ArankArank =~
b A
)(11
*)2( nnccb αα LL+=
![Page 40: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/40.jpg)
40
만약 그렇지 않다면 이기 때문이다.
이것은 식 와 를 비교해 보면, 연립방정식(1)이 해
을 갖는다는 것을 의미한다.
(a) 만일 이면, 이때 집합 은
7.4절의 정리3에 의해서 1차 독립이다.
또 를 나타내는 식(2)의 표현이 유일하지 않다면,
와 같이 되는데 이는
1~+= ArankArank
*)2( )2(
nnxx αα == LL,11
nrArank ==~ { })()1( nccc LL=
b
nnnn xcxcxcxcxcxc ~~~)(2)2(1)1()(2)2(1)1( LLLL ++=++
![Page 41: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/41.jpg)
41
을 뜻하고 1차 독립성에 의해 이
되기 때문에 결국 를 나타내는 관계식(2)는 유일하게 된다.
따라서 스칼라 은 유일하게 결정된다.
즉 연립방정식(1)의 해는 유일하다.
0~,011 =−=− nn xxxx LL
nxx ,,1 LL
0)~()~( )()1(11 =−+− nnn cxxcxx LL
b
![Page 42: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/42.jpg)
42
(C) 만일에 이면 7.4절의 정리1에
의하여 의 1차 독립인 개의 열 벡터의 집합 가 존재하여
의 나머지 개의 열 벡터는 이들 벡터의 1차 결합으로
표시된다.
열과 미지수에 새로 번호를 붙이고 이것을 기호 (^) 로 표시하여
이 1차 독립인 집합 가 되도록 하자
그러면 관계식(2)는
nrArankrankA <==~
{ })()1(ˆ,ˆ
rCC LL
bxcxc nn =++ )()(11 ˆˆˆˆ LL
A r K
A rn −
K
![Page 43: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/43.jpg)
43
가 되고 는 속에 있는 열 벡터의
1차 결합이며, 벡터 도 마찬가지이다.
위의 연립방정식은
로 쓸 수 있다.
여기서 이고 는 로부터
얻으며 이다.
{ })()1(ˆ,,ˆ
nr CC LL+ K
{ })()1()1( ˆ,,ˆ nnrr cxcx LL++
bycyc rr =++ )()(1)1( ˆˆ)3( LL
jjj xy β+= ˆjβ nnrr xcxc ˆˆ,,ˆˆ )()1()1( LL++
rj ,,1 LL=
![Page 44: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/44.jpg)
44
그런데 주어진 연립방정식은 해를 가지므로, 방정식 (3)을 만족하는
이 존재한다.
따라서 을 선택하면 와 이에 대응하는
가 확정된다.
nr xx ˆ,,ˆ 1 LL+ jβ
jjj yx β−=ˆ
ryy LL,1
![Page 45: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/45.jpg)
45
(d) 이는 7.3절에서 증명되었다.
예제 2에서 이므로 유일한 해가
존재한다.
예제 3에서 이고 와 는
임의대로 택할 수 있다.
예제 4에서 이므로 해가
존재하지 않는다.
3ˆ === nArankrankA
3ˆ2 =<= ArankrankA
42ˆ =<== nArankrankA 3x 4x
![Page 46: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/46.jpg)
46
문제 1.
1 2 3
2 3
3 22 4
x x xx x+ + = −+ =
일반해를 구하여라
(단계1) [ ] 1 1 3 2:
0 1 2 4A B
− −⎡ ⎤= ⎢ ⎥⎣ ⎦
M
M
[ ] 1 0 1 6:
0 1 2 4RA B
−⎡ ⎤= ⎢ ⎥⎣ ⎦
M
M
1 0 10 1 2RA
−⎡ ⎤= ⎢ ⎥⎣ ⎦
64
C⎡ ⎤
= ⎢ ⎥⎣ ⎦
Pipot 축자→
[ ]RA CM 의 형태이다.
![Page 47: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/47.jpg)
47
(단계2) [ ]( ) 2rank A rank A C= = M 이므로
해가 존재한다.
(단계3)1 2
3
, .
RA x xx부터 는 종속이고
는 독립이다
[ ]1 3
2 3
1 3
2 3
6 2 4
6 4 2
RA B
x xx xx xx x
− =
+ =
= +
= −
M 로 부터
따라서
![Page 48: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/48.jpg)
48
(단계4) 다음과 같이 쓴다.
1 3
2 3
3 3
64 20
x xx xx x
+⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥= −⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥+⎣ ⎦ ⎣ ⎦
(단계5) 단계 4의 결과를 다음과 같이 쓴다.
3
6 14 20 1
x⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥+ −⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
![Page 49: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/49.jpg)
49
의 일반해는 α가 임의의 수 일 때AX B=
6 14 2 .0 1
α⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥+ −⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥−⎣ ⎦ ⎣ ⎦
이다
이것은 다음의 합인 것을 주목하라!
64 6
0
AX B
AXα
⎡ ⎤⎢ ⎥ =⎢ ⎥⎢ ⎥⎣ ⎦⎡ ⎤⎢ ⎥ =⎢ ⎥⎢ ⎥⎣ ⎦
의한 특수해
1
2 의일반해
-1
♦ α에 대해 주어진 연립방정식을 만족시티는 것을 알아보자.
1
2
3
64 2
xxx
αα
α
= += −=
![Page 50: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/50.jpg)
50
일차독립/종속
(해)
• 주어진 벡터들의 행으로 하는 행렬 A를 구성한다.
• A를 계수 3인 행 사다리꼴로 축소한다.
If rank (A) < 3 →벡터의 집합은 일차종속이다.
( ) ( ) ( )1 2 3
3
2 1 1 , 0 3 0 , 3 1 2
R .
u u u= = =벡터 의
집합이 에서 일차독립인지, 종속인지 결정하라
2 1 1 1 0 00 3 0 0 1 03 1 2 0 0 1
A⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥= ⇒⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥⎣ ⎦ ⎣ ⎦
행렬 A의 행공간의 기저
행사다리꼴
![Page 51: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/51.jpg)
51
• 그래서 rank (A) =3이고 벡터 는 1차 독립이다
행공간의 기저 는 기본기저 (1,0,0), (0,1,0), (0,0,1)
1 2 3, ,u u u
3R
![Page 52: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/52.jpg)
52
해가 없는 방정식
• 다음 연립방정식을 풀어라.
1 2
1 2
1 2
14 62 3 8
x xx xx x
+ =− = −− =
Gauss 소거법에 의해서
1 1 1 1 0 14 1 6 0 1 22 3 8 0 0 16
−⎡ ⎤ ⎡ ⎤⎢ ⎥ ⎢ ⎥− − ⇒⇒⎢ ⎥ ⎢ ⎥⎢ ⎥ ⎢ ⎥−⎣ ⎦ ⎣ ⎦
A의 rank 수=2
rank (A/B) = 3
![Page 53: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/53.jpg)
53
• 마지막 행렬의 세번째 행은 을 의미한다.
어떠한 과 도 이방정식을 만족하지 않으므로 이 연립방정식의 해는 없다.
1 20 0 16x x+ =
1x 2x
, 0AX B B= ≠
( ) ( / )rank A rank A B<
해가 없음
![Page 54: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/54.jpg)
54
제차 연립 방정식
만일 연립방정식 (1)에서 모든 가 0이면 이 연립방정식을
(homogeneous)라고 한다.
그렇지 않을 때 비제차 ( nonhomogeneous)라고 한다. (7.3절 참조)
정리 2 [제차 연립방정식]
제차연립방정식
(4)
0
00
2211
2222121
1212111
=+⋅⋅⋅⋅⋅⋅++⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅⋅
=+⋅⋅⋅⋅⋅⋅++=+⋅⋅⋅⋅⋅⋅++
nmnmm
nn
nn
xaxaxa
xaxaxaxaxaxa
jb
![Page 55: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/55.jpg)
55
은 항상 자명한 해(trivial solution) 을 갖는다.
그리고 자명하지 않는 해가 존재할 필요충분조건은 이다.
만일 이면 그 해는 과 함께 해공간(solution-
space)이라 불리는 차원(7.4절 참조)의 벡터 공간이다.
특히 과 가 제차연립방정식(4)의 해 벡터이면,
(단 는 임의의 상수) 또한
제차연립 방정식(4)의 해벡터이다
(비제차 연립방정식에서는 성립하지않는다.)
0,,01 == nxx LL
nrankA <
nrrankA <= 0=x
rn −
)1(x )2(x
)2(2)1(1 xcxcx += 21,CC
![Page 56: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/56.jpg)
56
<증명>
처음 명제는 분명하며 이것은 비제차 연립방정식에서 그 계수행렬과
첨가행렬은 같은 계수를 갖는다는 사실과도 일치한다.
만약 과 가 임의의 해 벡터이면 이고
이것은 (단, 는 임의의 상수)이면서
이므로 해벡터는 벡터공간을
이룬다.
)1(x
0)( )1()1( == cAxcxA C
0,0 )2()1( == AxAx
0)( )2()1()2()1( =+=+ AxAxxxA
)2(x
![Page 57: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/57.jpg)
57
만일 이면 기본정리에 의하여 임의의 개의
적당한 미지수 을 임의로 택할 수 있고,
모든 해는 이러한 방법으로 얻어진다.
따라서 해의 기저(basis of solution)는 이다.
여기서 해벡터 는 로 택하고 나머지 은
0으로 택하여 얻는다. 이때 이에 대응하는 이 결정된다.
이로써 해공간은 차원이고, 따라서 이 정리의 증명이 끝난다.
nrrankA <= rn −{ }nr xx ,,)1( LL+
)()1( rnyy −++ LL
jy 1=+ jrx nr xx ,,1 LL+
rxx ,,1 LL
rn −
![Page 58: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/58.jpg)
58
제차방정식 (4)의 해공간을 계수행렬 의 영공간(null space)이라고 한다.
왜냐하면 이 영공간에 있는 임의의 에 대해 이기 때문이다.
그 차원 수를 의 퇴화차수 (nullity)라고 한다.
이 개념에 따르면 정리2는 다음과 같다.
(5) 의 계수 + 의 퇴화차수 =
여기서 은 미지수 개수 ( 의 열의 수)
정의에 의하여 식(4)에서 이 되며, 따라서
인 경우에는 이다.
A
X 0=AX
A
A A n
n A
mrrankA ≤=
nm < nr <
![Page 59: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/59.jpg)
59
정리2에 의하여 실용적인 면에서 중요한 다음의 정리를 얻는다.
*정리3 [ 미지수보다 방정식의 수가 적은 제차 선형연립방정식 ]
방정식의 수가 미지수의 수보다 적은 제차연립방정식은 항상 자명하지
않은 해를 갖는다.
비제차 연립방정식
비제차 연립방정식이 해를 가지면 모든 해는 다음과 같이 나타난다.
![Page 60: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/60.jpg)
60
*정리4 [ 비제차연립방정식 ]
만약 식(1)과 같은 형태의 비제차 연립방정식이 해를 갖는다면
이들 모든 해는
와 같은 형태가 된다. 여기서 는 식(1)의 임의의 고정된 해이고
는 대응하는 제차연립방정식(4)의 모든 해를 대표한다.
<증명>벡터 를 식(1)의 임의의 주어진 해라고 하고 를 임의의 택한
식(1)의 해라고 하면 이고 따라서
이다.
hxxx += 0
0X
hx
x0x
bAxbAx == 0,
0)( 00 =−=− AxAxxxA
![Page 61: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/61.jpg)
61
이것은 식(1)의 임의의 해 와 식(1)의 임의의 고정된 해 의 차,
가 식(4)의 한 해 임을 뜻한다.
그러므로 식(1)의 모든 해는 가 제차연립방정식(4)의 모든 해를
대표하게 되면 증명은 끝난다.
x 0x
0xx− hx
hx
![Page 62: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/62.jpg)
62
행렬의 계수 : 행렬 의 계수는 라고 쓰고 내의
일차독립인 행벡터의 최대 개수이다. (정리1 참고)
행렬에 대해 생각해 보자
에서
이다.
는 1차 종속
는 서로 각각의 상수배가 아니다.
nm× A A)(Arank
43 ×
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=
875386223111
A
( ) ( ) ( )8753,8622,3111 321 −=−=−= uuu
0)21(4 321 =+− uuu
321 ,, uuu→
21 , uu
응용문제 1.
![Page 63: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/63.jpg)
63
는 1차 독립,
(1)에서 행벡터 는 벡터공간(Vector space) 의 벡터
집합이다.
• 는 의 부분집합이므로 가 행렬 의
행공간이라고 한다.
• 는 1차 독립이고 를 생성한다.
• 는 의 기저이다.
• 행공간 의 차원(기저에서 벡터의 수)은 2이다.
2)( =Arank21 , uu
21 , uu
21 , uu
A
4R
4R AR
AR
AR
AR
321 ,, uuu
),,( 321 uuuspanR A =
)(Arank⇒
![Page 64: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/64.jpg)
64
다음조건을 만족하는 벡터 으로 된 집합을
1차 독립이라고 한다.
방정식을 만족하는 유일한 상수들은
이다.
벡터들의 집합이 일차독립이 아니면 일차종속이다.
( ) ( ) ( )maaa ,, 21 LL
( ) ( ) 0)(2211 =+++ mmacacac L
021 ==== mccc L
위의 내용을 참고로 하여 u1, u2, u3는 일차 종속이라는 결론을 얻
는다. 즉 u1과 u2는 서로 각각의 상수배가 아니기 때문에 행벡터
u1과 u2는 일차독립이다.
그러므로 rank(A)=2이다.
![Page 65: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/65.jpg)
65
응용문제 2. 행 축소를 통한 계수 확인!
Gauss소거법을 이용해 연립방정식을 풀 때 선형 연립방정식의
첨가 행렬을 사다리꼴(echelon form)로 바꾼다.
그러므로 행렬 A 사다리꼴 B
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−
875386223111=A 1행X(-2배)+2행
1행X(-3배)+3행
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
142028403111
2행X( 배)+3행
2행X(- 배)
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
−
0000210
3111
21
21
41
두 개의 0이 아닌 행렬이므로
rank(A)=2
![Page 66: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/66.jpg)
66
7.6 행렬식, Cramer의 법칙(2,3차)
행렬식 : 선형연립방정식을 풀기위해 소개되었음.
계산에서는 비 실용적이지만 고유값 문제(8.1절), 미분방정식(2,3장),
벡터 대수학(9.3절)등에서 공학적 응용에 중요하게 사용된다.
차 행렬식은 정방행렬 와 관련된 표현식인데
우선 인 경우부터 설명한다.
n
2=n
nn× [ ]jkaA=
![Page 67: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/67.jpg)
67
2차 행렬식
2차 행렬식(determinant of second order)는
행렬 : 대괄호로 표시
행렬식 : 두 개의 직선(bar)을 사용하여 나타낸다.
211222112221
1211det aaaaaaaa
AD −===
![Page 68: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/68.jpg)
68
예.
예. 2개 방정식의 선형시스템에서의 Cramer의 법칙 다음
연립방정식의 해의 공식을 유도하라.
<풀이> 식 (a)에 를 곱하고 식(b)에 를 곱한 후 두 식을
더하여 를 소거하면
1423541234
=⋅−⋅=
2222121
1212111
)()(
bxaxabbxaxaa
=+=+
2x
212221121122211 )( baabxaaaa −=−
22a 12a−
![Page 69: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/69.jpg)
69
가 되고 식 (a)에 을 곱하고 식 (b)에 을 곱한 후
두 식을 더하여 을 소거하면
이 된다.
이라고 가정하고
위의 두식을 D로 나누자.
위의 두 식의 우변을 행렬식으로 쓸 수 있다.
021122211 ≠−= aaaaD
211211221122211 )( abbaxaaaa −=−
21a− 11a
1x
![Page 70: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/70.jpg)
70
그러면 n=2 일 때의 방정식에 대한 Cramer의 법칙을 얻는다.
예로 만약
이면
Dabba
Dbaba
xD
baabD
abab
x 211211221
111
2212221222
121
1−
===−
== ,
8521234
21
21
−=+=+
xxxx
41456
523482
124
,61484
523458312
21 −=−
=−
===−
= xx
가 된다.
![Page 71: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/71.jpg)
71
만일 연립방정식 가 제차 이고 이라면 자명한 해
만을 가지며 D=0 이면 자명하지 않은( 즉, 모두가 0 이 아닌)
해도 갖는다.
3차 행렬식
3차 행렬식(determinant of third order)는
)0( 21 == bb
021 == xx
2322
131231
3332
131221
3332
232211
333231
232221
131211
aaaa
aaaaa
aaaaa
aaaaaaaaaa
D +−==
0≠D
![Page 72: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/72.jpg)
72
으로 정의한다. 우변의 부호가 +-+이다. 우변의 3개의 항 각각은
D의 첫번째 열의 원소에 해당 소 행렬 식(minor)을 곱한 것이다.
소행렬식: 해당원소의 행과 열을 D에서 제거하여 얻어진 2차 행렬식
에 대해서는 첫번째 행과 열을 제거하고, 나머지도 마찬가지로
행한다.
만약 소행렬식을 풀어 쓰면
11a
221331231231331221
321321322311332211
aaaaaaaaaaaaaaaaaaD
−+−+−=
![Page 73: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/73.jpg)
73
예제3. 3개 방정식의 선형시스템에서의 Cramer 법칙
미지수가 3개인 3개의 선형연립방정식 에서의
3333232131
2323222121
1313212111
bxaxaxabxaxaxabxaxaxa
=++=++=++
Cramer법칙은
) 0 ( , , 33
22
11 ≠=== D
DDx
DDx
DDx
![Page 74: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/74.jpg)
74
로 되는데 여기서 D는 식(4)에 의해 주어지는 연립방정식의
행렬식이고
33231
223221
11211
3
33331
23221
13111
2
33323
23222
13121
1 baabaabaa
Dabaabaaba
Daabaabaab
D ===,,
예제 2의 소거법에 의해 유도될 수 있다.
대신에 n차 선형 연립방정식에 대한 Cramer법칙에서 얻을 수 있다.
![Page 75: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/75.jpg)
75
7.7 행렬식, Cramer의 법칙
행렬식 : 선형연립방정식을 풀기위해 소개되었음.
계산에서는 비 실용적이지만 고유값 문제(8.1절), 미분방정식(2,3장),
벡터 대수학(9.3절)등에서 공학적 응용에 중요하게 사용된다.
.
![Page 76: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/76.jpg)
76
n차 행렬식
n차 행렬식(determinant of order n)은 nxn 정방행렬식 A=[ajk]와 연관된 스칼라이고
이를
(1)
⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
==
nnnn
n
n
aaa
aaaaaa
AD
L
MLMM
L
L
21
22221
11211
det
과 같이 표기한다. n=1에 대해서는
(2) 11aD =
으로 정의 되고 2≥n 에 대해서는
![Page 77: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/77.jpg)
77
(3a) jnjnjjjj CaCaCaD +++= K2211
(4b) nknkkkkk CaCaCaD +++= K2211
또는
와 같이 정의된다. 여기서
( j=1,2, … , 또는 n )
(k=1,2, … , 또는 n)
Mjk는 n-1차의 행렬식, 즉 A로부터 원소 ajk를 포함하는 행과 열을
(j번째 행과 k번째 열), 소거하여 얻는 A의 부분행렬의 행렬식이다.
D는 차수가 n-1인 n개의 행렬식에 의해 정의되고, 이 각각은
차례대로 차수 n-2인 n-1개의 행렬식에 의해 정의 되므로 이를 계속하
여 2차의 행렬식에 이르게 된다.
![Page 78: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/78.jpg)
78
D에서 n2개의 원소 ajk를 가지고, n개의 행과 열이 있고 a11, …, ann
이 주대각선에 있다.
2차 행렬식에서는 그 부분 행렬들이 식(8)에 의해 원소 자체가
행렬식으로 정의 되는 단일원소로 이루어진다.
정의로부터 임의의 행이나 열에 의해서 D를 전개할 수 있다.
즉 식(3)에서 임의의 행이나 열에 있는 원소들을 선택할 수 있다.
식(3)의 Cjk를 전개할 때도 마찬가지이다.
이 정의는 전개하려고 택하는 열이나 행에 관계없이 D의 값은
같다.
![Page 79: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/79.jpg)
79
Mjk를 ajk의 소행렬식(minor)이라고 부르고 Cjk를 ajk의 여인수
(cofactor)라 부른다.
다음에 사용할 수 있도록 식(3)를
∑=
+−=n
kjkjk
kj MaDa1
14 )( )( ) , 2, ,1 ( nj L= 또는
∑=
+−=n
jjkjk
kj MaDb1
14 )( )( ) , 2, ,1 ( n k L= 또는
소행렬식으로 나타낼 수 있다.
![Page 80: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/80.jpg)
80
예제 . 3차 행렬식의 소행렬식과 여인수
식 (4)에서 D의 첫 번째 행 원소들의 소행렬식과 여인수는 바로
알 수 있다.
3231
121123
3331
131122
3332
131221 , ,
aaaa
Maaaa
Maaaa
M ===
여인수 C21=-M21, C22=+M22, C23=-M23 이다.
두 번째 해의 원소들에 대해 소행렬식은 다음과 같다.
333231
232221
131211
aaaaaaaaa
D =
![Page 81: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/81.jpg)
81
세 번째 행도 같은 식으로 표현된다.
그리고 Cjk의 부호는
+−+−+−+−+
![Page 82: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/82.jpg)
82
예제2. 3차 행렬식의 전개
첫 번째 행에 의한 전개
0162
02142
3- 2046
1 201462031
−+
−=
−=D
다른 4가지 전개도 –12가 된다.
예제3. 삼각행렬식의 행렬식
605435204
3 521046003
−=⋅⋅−=−=−
−
![Page 83: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/83.jpg)
83
행렬식의 일반적인 성질
※ 정리1 [기본행 연산하에서 n차 행렬식의 상태]
(a) 두 행을 바꾸는 것은 행렬식의 값에 –1을 곱하는 것이다.
(b)한 행의 상수배를 다른 행에 더하는 것은 행렬식의 값에 변화를
주지 않는다.
(c) 한 행에 c를 곱하는 것은 행렬식의 값에 c를 곱하는 것이다.
증명 (a) 수학적 귀납법을 써서 증명하자 n=2인 경우는
bcaddcba
−= 그러나 adbcbadc
−=
![Page 84: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/84.jpg)
84
예제4. 삼각형화에 의한 행렬식의 계산
정리1에 의해 Gauss소거법에서처럼 삼각형 형태로 줄여서 행렬
식을 구할 수 있다.
103801620
129506402
1983162001546402
−−
−
=
−
−
=D
2행-2X1행
4행+1.5X1행
![Page 85: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/85.jpg)
85
3행 –0.4X2행
25.470008.34.200
129506402
2.294.11008.34.200
129506402
−−
=
−
−−
=
4행 –1.6X2행
4행+4.75X3행
113425.474.252 =×××=
![Page 86: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/86.jpg)
86
※ 정리2 [추가적인 n차 행렬식의 성질]
정리 1의 (a)-(c)는 열에 대해서도 성립한다.
(d) 전치(transposition)는 행렬식의 값에 변화를 주지않는다.
(e) 0행 또는 0렬은 행렬식의 값을 0으로 만든다.
(f) 같은 비의 행 또는 열은 행렬식의 값을 0으로 만든다. 특히 같
은 두 행이나 두 열을 가진 행렬식의 값은 0이다.
증명. (a)-(e)는 행렬식이 임의의 행이나 열로 전개될 수 있다는 사
실에서 바로 성립한다. (d)는 행렬의 전치는 j번째 행이 전치된
행렬에서는 j번째 열이 되어 알 수 있다.
![Page 87: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/87.jpg)
87
(f) 만약 j번째 열이 i번째 행의 c배이면 여기서 D1은 j번째 행과 i번
째 행이 같다. 바꾸면 정의 1(a)에 의해 행렬식이 –D1이 된다.
그러므로 D1=0이고 cD1=0이다. 같은 방법으로 열의 경우도 성립
한다.
행렬식에 의한 계수
행렬 A의 계수(1차 독립인 행 또는 열벡터의 최대수. 7.4절 참조)
행렬식에 의해 구할 수 있다. (계수를 정의하는데 사용)
여기서 rank A > 0 이라고 가정한다.
rank A = 0 일 충분조건은 A=0이다.
![Page 88: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/88.jpg)
88
문제(7.7절)
행렬식에 의한 계수
계수를 구하고 행연산을 검증하여라
모든 2X2 부분 행렬의
행렬식은 0이다.
1X1 부분행렬의 하나
인[4]의 행렬식이 0이
아니므로 원래 행렬의
계수는 1이다.
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−1216
6834 0
0034
6834
==−−
00034
121634
==
00068
121668
=−−
=−−
1행을 (-1)배 해서 2행에 더해라.
1행을 2배 해서 2행에 더해라.
![Page 89: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/89.jpg)
89
23
×
5.750320
502
053320
502
053502320
−−=−
−−=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
0 60 1500
320502
≠−=−−=
즉 원래 행렬의 계수는 3이다.
1행 배 해서 3행을 더한다.
2행을 배 해서3행에 더해라)25(−
![Page 90: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/90.jpg)
90
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
23714833145211461317321
0 5451121817417321
71483352114617321
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡ −
부분행렬을 ①이라고 하자
②
①에서 1행X(-2)+2행 2행에 쓸 것
②의 2행과 3행은 상수 배이므로 값이 0이다.
![Page 91: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/91.jpg)
91
새로운 부분행렬 ①에서 1행X(-2배)+2행
②의 2행에 쓸 것.
2행과 3행은 상수 배이므로 값이 0이다.
0 36511212174
13321
23483314114613321
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
②
새로운 부분행렬 ①
![Page 92: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/92.jpg)
92
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−−
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
185343066120113173
237148
14521113173
또 다른 부분행렬 ① ②
부분행렬①의 1행×16배+3행
→ 3행에 쓴다.
부분행렬①의 1행×4배+2행
→ 2행에 쓴다.
②에서 2행×(-3배)+1행
→ 1행에 쓴다.
0 18534306612011853430
=⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
−−=
![Page 93: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/93.jpg)
93
즉 모든 3×3부분행렬의 행렬식은 0이고 2×2부분 행렬의
하나가 행렬식이 0이 아니므로 원래 행렬의 계수는 2이다.
03691146
321≠=⎥
⎦
⎤⎢⎣
⎡ −
304310369030431036901317321
23714833
145211461317321
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−⇒
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
00003043103690317321
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
−⇒
![Page 94: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/94.jpg)
94
7.8 역행렬, Gauss-Jordan 소거법
정방행렬에 대해서만 고찰한다.
nxn행렬 A=[ajk]의 역행렬(inverse matrix)은 A-1로 표기하고
IAAAA == −− 11(1)
를 만족하는 nxn행렬로 정의한다.
여기서 I는 nxn단위행렬이다. (7.2절 참조)
만약 A가 역행렬을 가지면 A를 정칙행렬(nonsingular matrix)라고 한다.
A가 역행렬을 갖지 않으면 A를 특이행렬(singular matrix)라고 한다.
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
100010001
I인 주대각선 원소가 모두 1인 스칼라 행렬을단위 행렬이라고 한다.
Unit matrix or identity matrixAI=IA=A
![Page 95: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/95.jpg)
95
만약 A가 역행렬을 가지면 그 역행렬은 유일하다.
실제 B와 C를 A의 역행렬이라 하면 AB=I, CA=ICCIABCBCAIBB ===== )()(
A가 역행렬이 될(정칙이 될) 필요충분조건 : A가 최대가능한 계수 n
을 갖는다.
만약 이 존재하면 이 증명에서 는
를 의미한다.
1−A bAX = bAX 1−=
유일성을 갖는다.
→선형연립방정식에 대한 관계, 역행렬을 정의 하게 된 동기
2700321000
21
21
=+=+xx
xx
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡=
27001000
3211
2
1 bxx
XA
→미지수가 많은 복잡한 연립 방정식: 역행렬 이용
![Page 96: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/96.jpg)
96
※정리1. [역행렬의 존재성]
A가 행렬일 때 역행렬 이 존재할 필요충분조건은
이고 따라서 이다. (6.6절 정리3에 의해)
따라서 이면 A는 정칙행렬이고(6.3절 예제 4)
이면 특이 행렬이다.(6.3절 예제 3)
nn× 1−AnrankA = 0det ≠A
nrankA =
nrankA <
<증명>
계수행렬 A를 갖는 선형연립방정식을 생각하자.
bAX = (2)
![Page 97: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/97.jpg)
97
만약 역행렬이 존재한다면, 윗 식의 양변의 왼쪽에 곱을 하면 식
(1)에 의해 아래와 같이 된다.
bAXAXA 11 −− ==
n
→식(2)가 유일한 해를 가짐을 보여준다.
→A는76.5절의 기본정리에 의해 계수 을 갖는다.
![Page 98: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/98.jpg)
98
역으로 rank A=n 이라고 하자.
그러면 같은 정리에 의해 식(2)는 임의의 에 대한 유일한 해
를 갖는다.
X
jX
BbX =
b
( ) ( )AX A Bb AB b Cb b= = = =
그리고 Gauss 소거법에 의해 후치환(7.3절)에 의해 성분 는
b의 성분의 1차결합이 되므로 아래와 같이 표현된다.
(3)
이것을 식(2)에 대입하면 임의의 b에 대하여
그러므로 , 즉 단위행렬이다.IABC ==
![Page 99: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/99.jpg)
99
식(2)를 (3)에 대입하면 임의의 X (그리고 b=Ax)에 대해
XBAAXBBbX )()( ===
따라서, 이다. 두가지 사실에서 이 존재한다.IBA = 1−= AB
![Page 100: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/100.jpg)
100
행렬 의 역행렬 을 실제로 결정하기 위해서는
Gauss 소거법(7.3절), 실제로 그것의 변형인 Gauss-Jordan 소거
법을 사용할 수 있다.
nn × A 1−A
역행렬의 결정
를 사용하여 n개의 연립방정식 을
만든다.
여기서 는 n×n 단위행렬 의 번째 열이다.
)()()1()1( , , nn eAxeAx == KA
I j
이제 n×n 행렬 와 을 도입하여
n개의 연립방정식을 행렬 방정식 에 결합시킨다.
)( je][ )()1( nxxX ⋅⋅⋅⋅= ][ )()1( neeI ⋅⋅⋅⋅=
IAx =
![Page 101: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/101.jpg)
101
n개의 첨가 행렬 을 단일 첨가행렬
에 결합시킨다.
여기서 AX=I는 X=A-1I=A-1를 의미하고 X에 대해 AX=I를 풀
기 위해서는 에 Gauss 소거법을 적용하여 [U,H] 를
얻는다.
][,],[ )()1( nAeAe ⋅⋅⋅⋅ ][~ AIA =
] [~ IAA =
![Page 102: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/102.jpg)
102
U : 위 삼각행렬( Gauss 소거법은 연립방정식을 삼각화 시킨다.)
Gauss-Jordan 소거법에 의해, 주 대각선 위에 있는 U의 원소를
제거하고 모든 원소를 1로 만들어서 대각형식, 즉 단위행렬 I 로 만든다.
(아래 예제 참조)
이 방법을 전체에 작용하면 H를 어떤 행렬 K로 변환시킨다.
그러므로 전체 를 로 변환시킨다.
이것은 의 첨가행렬이다.
그러므로 을 얻게 되고 를 에서 읽어낼 수 있다.
Q
[ ]HU
[ ]HU [ ]KI
KIX =
1−= AK 1−A [ ]KI
![Page 103: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/103.jpg)
103
예제1. 역행렬, Gauss-Jordan 소거법
다음 행렬 A의 역행렬 을 구해라.
<풀이> Gauss소거법 (7.3절 참조)을 적용하면
1−A
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=
431113211
A
[ ]⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=
100010001
431113211
IA
![Page 104: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/104.jpg)
104
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−
101013001
220720211
2행+3x1행
3행-1행
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
114013001
500720211
3행-2행
이 된다. 이것은 Gauss소거법에 이한 것으로 이고,
이제 Gauss-Jordan의 단계에 따라 U를 I로 변형한다.
[ ]HU
![Page 105: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/105.jpg)
105
즉 주대각선의 원소가 1이 되는 대각행렬로 변형한다.
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−
−−
2.02.08.005.15.1001
1005.310
211
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−−
2.02.08.07.02.03.14.04.06.0
100010011
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
2.02.08.07.02.03.13.02.07.0
100010001
-1행
0.5x2행
-0.2x3행
1행+2x3행
3행-3.5x3행
1행+2행
왼쪽을 단위행렬로만든다.
(-1)배
![Page 106: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/106.jpg)
106
마지막 3열은 를 만든다. 검증해 보면
이 된다. 따라서 이다.
같은 방법으로 이다.
1−A
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−
−
100010001
2.02.08.07.02.03.13.02.07.0
431113211
IAA =− 1
IAA =− 1
![Page 107: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/107.jpg)
107
역 행렬에 관한 유용한 공식
*정리2 [역 행렬]
정칙인 행렬 의 역행렬은
으로 주어진다. 여기서 는 에서 의 여인수이다.
(7.7절 참조)
에서 여인수 는 에서 ( 가 아니라)가 있는 자리에
위치한다.
nn×
[ ]⎥⎥⎥⎥
⎦
⎤
⎢⎢⎢⎢
⎣
⎡
⋅⋅⋅==−
nnnn
n
n
jk
AAA
AAAAAA
AA
AA
L
L
L
L
21
22212
12111
1
det1
det1)4(
jkA Adet jka
jkA1−A A jkakja
][ jkaA =
T
![Page 108: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/108.jpg)
108
특히
⎥⎦
⎤⎢⎣
⎡=
2221
1211*)4(aaaa
A
⎥⎦
⎤⎢⎣
⎡−
−=−
1121
12221
det1
aaaa
AA
의 역행렬은
이다
⎥⎦
⎤⎢⎣
⎡=
10241
A 의 역행렬을 구하라.
2810det =−=A 이므로
⎥⎦
⎤⎢⎣
⎡−
−=⎥
⎦
⎤⎢⎣
⎡−
−=−
21
1
125
12410
21A
![Page 109: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/109.jpg)
109
예제2. 행렬의 역행렬
예제3. 정리2의 예시
식(4)를 이용하여 역행렬을 구하라
22×
⎥⎦
⎤⎢⎣
⎡−
−=⎥
⎦
⎤⎢⎣
⎡−
−=⎥
⎦
⎤⎢⎣
⎡= −
3.02.01.04.0
3214
101,
4213 1AA
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−
−=
431113211
A
![Page 110: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/110.jpg)
110
<풀이>
31121
,24321
,74311
312111 =−
==−=−=−
= AAA
71321
,24121
,134113
322212 =−
−=−=−−
−=−=−
= AAA
213
11,2
3111
,83113
332313 −=−
−==
−−
−==−
−= AAA
![Page 111: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/111.jpg)
111
이 된다. 예제 1과 일치한다.
대각행렬 A=[ajk], j ≠ k 이면 ajk=0의 역행렬이 존재할 필요충분조건은
모든 ajj ≠ 0이다.
그러면 A-1은 1/a11, ….1/ann이 대각원소인 행렬이다.
식 (4)에 의해
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡
−−−
−=−
2.02.08.07.02.03.13.02.07.0
2287213327
1011A
![Page 112: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/112.jpg)
112
<증명>
(4)에서 대각행렬
112211
2211 1aaaa
aaDA
nn
nn ==LL
LL
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−=
⎥⎥⎥
⎦
⎤
⎢⎢⎢
⎣
⎡−= −
100025.00002
, 100040005.0
1AA
예제 4. 대각행렬의 역행렬
![Page 113: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/113.jpg)
113
두 행렬의 곱 AC의 역행렬은 각 인자행렬의 역행렬의 역행렬을
구하여 그 결과를 역순으로 곱하면 얻어진다. 즉
이다. 따라서 세 개 이상의 행렬의 곱에 대하여
을 얻는다.
111)()7( −−− = ACAC
11111)()8( −−−−− ⋅⋅⋅=⋅⋅⋅ ACPQPQAC
![Page 114: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/114.jpg)
114
을 얻고, 또 다시 을 이 식의 왼쪽에 곱하면 식(7)을 얻는다.
식(8)은 (7)로부터 수학적 귀납법에 의해 얻어진다.
또한 역행렬의 역행렬은
1−C
AA =−− 11)()9(
<증명>
식(1)
에서 A대신 AC를 대입하면
이다. 을 이식의 왼쪽에 곱하고 을 이용하면
IACAC =−1)(1−A IAA =−1
111)( −−− == AIAACC
IAAAA == −− 11
![Page 115: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/115.jpg)
115
행렬의 곱이 사라짐·약분법
행렬의 곱셈은 숫자의 곱셈과는 다르다
[1]교환법칙은 성립하지 않는다. 즉 일반적으로
이다.
[2]AB=0은 일반적으로 A=0또는 B=0을 의미하지 않는다.
(또는 BA=0) 예를 들면
[3]AC=AD는 C=D를 의미하지 않는다.(심지어 일 때에도)
BAAB ≠
⎥⎦
⎤⎢⎣
⎡=⎥
⎦
⎤⎢⎣
⎡−
−⎥⎦
⎤⎢⎣
⎡0000
1111
2211
0≠A
![Page 116: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/116.jpg)
116
※정리3 [약분법칙]
A,B,C를 행렬이라고 하자. 그러면
(a) rank A=n 이고 AB=AC 이면 B=C이다.
(b) rank A=n 이면 AB=0 은 B=0를 의미한다. 그러므로 AB=0이면서
이고, 동시에 이면 이고
이다.
(c) A가 특이행렬이면 AB와 BA도 또한 특이 행렬이다.
nn×
0≠A 0≠B nArank <
nBrank <
![Page 117: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/117.jpg)
117
<증명>
(a) 양변에 을 앞에 곱하면 정리1에 의해 증명된다.
(b) 양변에 앞에 곱하라.
(c1)정리1에 의해 이다. 그러므로 은 6.5절의
정리2에 의해 자명하지 않는 해를 갖는다.
곱에 의해 이 되므로 이 해들은 또한 을
만족한다. 결국 7.5절의 정리2에 의해 이고,
정리1 에 의해 는 특이행렬이다.
ACAB = 1−A
0=AB 1−A
nrankA < 0=Ax
0=BAx
nBArank <)(
BA
0=BAx
![Page 118: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/118.jpg)
118
(c2) 7.7절의 정리2(d)에 의해 는 특이행렬이다.
그러므로(c1)에 의해 도 특이행렬이다.
그러나 이다.[7.2절 식(5) 참조], 그러므로
는 7.7절의 정리2(d)에 의해 특이행렬이 된다.
TATT AB
TTT ABAB )(=
AB
![Page 119: 7.4장행렬의계수, 1차독립벡터공간 - Last Scene for nilz1 7.4장행렬의계수, 1차독립, 벡터공간 Gauss소거법: 선형연립방정식의해를구하는중요한방법](https://reader033.vdocuments.mx/reader033/viewer/2022041621/5e3efb097fff887510024d8d/html5/thumbnails/119.jpg)
119
행렬의 곱의 행렬식
행렬의 곱의 행렬식은 각 행렬의 행렬식의 곱으로 표시할 수 있다.
Gauss-Jordan 대각화(예제1 참조)와 정리3으로부터 얻는다.
※ 정리4 [행렬의 곱의 행렬식]
임의의 행렬 A 와 B에 대해 다음이 성립한다.
BABAAB detdet)det()det( )10( ==
nn×