최근 수정 시각 : 2023-12-05 18:20:30

가역행렬의 기본정리

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 · 역행렬 크라메르 공식 · 가역행렬 · 전치행렬 · 행렬식( 라플라스 전개) · 주대각합
선형 시스템 기본행연산 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. 개요2. 가역행렬3. 내용4. 증명
4.1. part 14.2. part 24.3. part 34.4. part 44.5. part 5
5. 같이 보기


The Fundamental Theorem of Invertible Matrices

1. 개요

어떤 행렬이 가역행렬일 필요충분조건을 제시하는 정리이다.

2. 가역행렬

Invertible Matrix

역행렬이 존재하는 n×n 행렬 A를 가역행렬이라고 한다.

3. 내용

[math(A)]를 [math(n\times n)] 행렬, [math(T:V\rightarrow W)]를 선형 변환이라고 하자. 그리고 [math(\mathcal{B}, \mathcal{C})]를 각각 [math(V, W)]의 기저라고 하고, [math([T]_{\mathcal{C}}^{\mathcal{B}} = A)] 라고 하자.

그럼 다음은 모두 동치이다.
  • (a) [math(A)]가 가역행렬이다.
  • (b) [math(A)]가 right inverse를 갖는다. 즉, [math(AB=I)]인 [math(n\times n)] 행렬 [math(B)]가 존재한다.
  • (c) [math(A)]가 left inverse를 갖는다. 즉, [math(BA=I)]인 [math(n\times n)] 행렬 [math(B)]가 존재한다.
  • (d) [math(\mathbb{R}^n)]의 임의의 원소 [math(\mathbf{b})]에 대하여, [math(A\mathbf{x}=\mathbf{b})]의 해가 존재한다.
  • (e) [math(\mathbb{R}^n)]의 임의의 원소 [math(\mathbf{b})]에 대하여, [math(A\mathbf{x}=\mathbf{b})]의 해가 유일하게 존재한다.
  • (f) [math(A\mathbf{x}=\mathbf{0})]은 유일한 해 [math(\mathbf{x}=\mathbf{0})]을 갖는다.
  • (g) [math(A)]의 RREF 단위행렬 [math(I_n)]이다.
  • (h) [math(A)]는 기본행렬들의 곱이다.
  • (i) [math(\mathrm{rank}\left(A\right) = n)]
  • (j) [math( \mathrm{nullity}(A) = 0 )]
  • (k) [math(A)]의 열벡터들은 선형독립이다.
  • (l) [math(A)]의 열벡터들은 [math(\mathbb{R}^n)]을 생성한다.
  • (m) [math(A)]의 열벡터들의 집합은 [math(\mathbb{R}^n)]의 기저이다.
  • (n) [math(A)]의 행벡터들은 선형독립이다.
  • (o) [math(A)]의 행벡터들은 [math(\mathbb{R}^n)]을 생성한다.
  • (p) [math(A)]의 행벡터들의 집합은 [math(\mathbb{R}^n)]의 기저이다.
  • (q) [math( \det A \neq 0 )]
  • (r) 0은 [math(A)]의 고윳값이 아니다.
  • (s) [math(T)]는 가역이다.[1]
  • (t) [math(T)]는 단사이다.
  • (u) [math(T)]는 전사이다.
  • (v) [math(\mathrm{ker}(T)=\{ \mathbf{0} \})]
  • (w) [math(\mathrm{range}(T) = W )]
  • (x) 0은 [math(A)]의 singular value가 아니다.

4. 증명

4.1. part 1

선형 시스템 관련
  • (a) => (b) : b=A^(-1)x 로 유일.
  • (b) => (c) : b=0의 특수한 경우.
  • (c) => (d) : A의 RREF를 R이라고 하면 Ax=0와 Rx=0의 해는 같아야 하므로 Rx=0의 해는 유일해야 하고 free variable이 없어야 하며 따라서 R에는 zero row가 없어야 한다. 즉 R=I.
  • (d) => (e) : A와 I_n이 행 동치이므로 I_n에 적절한 row operation들을 유한 번 취해주어, 즉 적절한 elementary matrix들을 유한 번 곱해주어 A로 만들 수 있다. I_n은 행렬곱에 대한 항등원이므로 A는 기본행렬들의 곱으로 나타내어진다.
  • (e) => (a) : 기본행렬들의 행렬식은 0이 아니고, 임의의 n×n 행렬 P, Q에 대해 det(PQ)=det(P)det(Q)이므로 성립.

4.2. part 2

Rank Theorem 관련
  • (f) <=> (g) : Rank Theorem
  • (g) <=> (c) : nullity(A)=0 <=> null(A)=0[2] <=> Ax=0이면 x는 영공간에 속한다. <=> Ax=0이면 x=0이다.

4.3. part 3

열공간, 행공간 관련

4.4. part 4

선형변환 관련

4.5. part 5

기타 (행렬식, 고윳값, singular value)

5. 같이 보기


[1] 역함수 정리에 의해 T가 전단사함수이면 inverse가 존재하는 것은 맞으나, 이 경우 T의 inverse 또한 선형 변환임을 보일 필요가 있다. [2] 영공간