|
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
역행렬(inverse matrix)은 사각행렬 [math( A )]의 곱셈에 대한 역원 [math( A^{-1} )]을 말한다. 후술할 단위행렬은, 곱셈에 대한 항등원이다. 즉,[math(A^{-1}A=AA^{-1}=I )]
을 만족시키는 유일한 [math(A^{-1} )]을 말한다.[1]
역행렬은 아래와 같이 정의한다.
[math(\displaystyle A^{-1}=\frac{\mathrm{adj}\,A }{\det{A} } )][2]
표기(notation)는 [math(\square^{-1})]이다.
2. 유일성 증명
행렬 [math(A)]의 역행렬이 존재할 때, 그 역행렬 [math(A^{-1})]은 유일하다. 증명은 다음과 같다.|
1. [math(A)]의 역행렬이 여러 개라고 가정하고, 이들 중 두 역행렬을 각각 [math(B, C)]라 하자. 2. 행렬곱의 결합법칙에 의해 [math(B(AC)=(BA)C)]이다. 3. 이때 [math(AC=I, BA=I)]이므로 [math(B=BI=B(AC)=(BA)C=IC=C)]이므로 [math(B=C)]이다. |
여기서 결합법칙으로 [math(B(AC)=(BA)C)] 대신 [math(C(AB)=(CA)B)]를 이용할 수도 있고, 이때는 [math(C=CI=C(AB)=(CA)B=IB=B)]로 증명할 수 있다.
3. 가역행렬과 행렬식
이때, 주어진 행렬이 언제 가역이 되는지가 문제이다. [math( 2\times2)] 행렬의 경우에는 아래 식에 따라 행렬식 [math( A_{11}A_{22} - A_{12}A_{21} )]이 [math( 0)]이 아니면 가역이 됨을 알 수 있다. 크기가 이보다 큰 행렬에서도 마찬가지로 행렬식만 보면 알 수 있다. 자세한 건 가역행렬의 기본정리 문서 참고. 일반적으로 [math( R)]이 [math( 1)]을 갖는 가환환일 때, [math( R)] 위의 정사각행렬이 가역인 것과 그 행렬식이 가역인 것은 동치이다.문제는 일반적인 [math(n\times n)] 행렬의 행렬식을 어떻게 정의하느냐 하는 것이고, 이것이 학부 선형대수학의 전반부 대부분을 차지하는 내용이다.
4. 2×2, 3×3 행렬의 역행렬
우리가 주로 보는 [math(2 \times 2)] 행렬에 대한 역행렬은| [math(\displaystyle \begin{aligned} \begin{bmatrix} A_{11} & A_{12} \\ A_{21} & A_{22} \end{bmatrix}^{-1}=\frac{1}{A_{11}A_{22}-A_{12}A_{21}}\begin{bmatrix} A_{22} & -A_{12} \\ -A_{21} & A_{11} \end{bmatrix} \end{aligned})] |
| [math(\displaystyle \begin{aligned} \begin{bmatrix} A_{11} & A_{12} & A_{13} \\ A_{21} & A_{22} & A_{23} \\ A_{31} & A_{32} & A_{33} \end{bmatrix}^{-1}=\frac{1}{K} \begin{bmatrix} A_{22}A_{33}-A_{23}A_{32} & A_{13}A_{32}-A_{12}A_{33} & A_{12}A_{23}-A_{13}A_{22} \\ A_{23}A_{31}-A_{21}A_{33} & A_{11}A_{33}-A_{13}A_{31} & A_{13}A_{21}-A_{11}A_{23} \\ A_{21}A_{32}-A_{22}A_{31} & A_{12}A_{31}-A_{11}A_{32} & A_{11}A_{22}-A_{12}A_{21} \end{bmatrix} \end{aligned})] |
| [math(\displaystyle K=A_{11}A_{22}A_{33} - A_{11}A_{23}A_{32} - A_{12}A_{21}A_{33} + A_{12}A_{23}A_{31} + A_{13}A_{21}A_{32} - A_{13}A_{22}A_{31} )] |
|
[math(\displaystyle Α^{-1} = \dfrac{1}{\det{A}}C^{T})] |
- [math(\boldsymbol{2 \times 2})] 행렬: [math(\displaystyle A^{-1}\det{A}=I\operatorname{tr}A-A)]
- [math(\boldsymbol{3 \times 3})] 행렬: [math(\displaystyle A^{-1}\det{A}=I \frac{\operatorname{tr}^2A-\operatorname{tr}A^2}2-A\operatorname{tr}A+A^2)]
[math(4 \times 4)] 행렬 이상의 크기를 가진 행렬은 공식이 있지만 매우 복잡하여 잘 쓰지 않고, 여러 가지 방법으로 역행렬을 구할 수 있다.
5. 가우스-조르당 소거법(Gauss-Jordan elimination)
행렬에 다른 행렬을 첨가한 형태의 행렬을 첨가 행렬(augmented matrix)이라 한다. 이 방법을 통하여 역행렬을 구하는 것은 아래의 절차를 따르면 된다.예시로 행렬
[math(\displaystyle A \equiv \begin{bmatrix} 2 & 2 & 0 \\ -2 & 1 & 1 \\ 3 & 0 & 1 \end{bmatrix} )]
의 역행렬을 구해보자.
[math(\displaystyle \begin{aligned} [ A | I ] &= \left [ \begin{array} {ccc|ccc} 2 & 2 & 0 & 1 & 0 & 0 \\ -2 & 1 & 1 & 0 & 1 & 0 \\ 3 & 0 & 1 & 0 & 0 & 1 \end{array} \right] \\ &\sim \left [ \begin{array} {ccc|ccc} 2 & 2 & 0 & 1 & 0 & 0 \\ 0 & 3 & 1 & 1 & 1 & 0 \\ 3 & 0 & 1 & 0 & 0 & 1 \end{array} \right] \\ &\sim \left [ \begin{array} {ccc|ccc} 2 & 2 & 0 & 1 & 0 & 0 \\ 0 & 3 & 1 & 1 & 1 & 0 \\ 0 & -3 & 1 & -3/2 & 0 & 1 \end{array} \right] \\ & \sim \left [ \begin{array} {ccc|ccc} 2 & 2 & 0 & 1& 0 & 0 \\ 0 & 3 & 1 & 1 & 1 & 0 \\ 0 & 0 & 2 & -1/2 & 1 & 1 \end{array} \right] \\ &\sim \left [ \begin{array} {ccc|ccc} 1 & 1 & 0 & 1/2 & 0 & 0 \\ 0 & 3 & 1 & 1 & 1 & 0 \\ 0 & 0 & 1 & -1/4 & 1/2 & 1/2 \end{array} \right] \\ &\sim \left [ \begin{array} {ccc|ccc} 1 & 1 & 0 & 1/2 & 0 & 0 \\ 0 & 3 & 0 & 5/4 & 1/2 & -1/2 \\ 0 & 0 & 1 & -1/4 & 1/2 & 1/2 \end{array} \right] \\ &\sim \left [ \begin{array} {ccc|ccc} 1 & 1 & 0 & 1/2 & 0 & 0 \\ 0 & 1 & 0 & 5/12 & 1/6 & -1/6 \\ 0 & 0 & 1 & -1/4 & 1/2 & 1/2 \end{array} \right] \\ &\sim \left [ \begin{array} {ccc|ccc} 1 & 0 & 0 & 1/12 & -1/6 & 1/6 \\ 0 & 1 & 0 & 5/12 & 1/6 & -1/6 \\ 0 & 0 & 1 & -1/4 & 1/2 & 1/2 \end{array} \right]
\end{aligned} )]
따라서
[math(A^{-1}=\dfrac{1}{12}\begin{bmatrix} 1 & -2 & 2 \\ 5 & 2 & -2 \\ -3 & 6 & 6 \end{bmatrix} )]
6. 크라메르 공식으로 역행렬 구하기
[1]
사실 [math( AA^{-1}=I )]나 [math( A^{-1}A=I )] 둘 중 하나만 만족시켜도 상관없다. 증명은 행렬식을 이용하거나 Elementary row (column) operation을 이용한다.
[2]
[math(\det{A})]는
행렬식, [math( \mathrm{adj}\,A)]는 고전적
수반행렬(Classical Adjoint)이다.
[3]
한 행에 0이 아닌 상수를 곱하거나, 한 행에 다른 행을 더해주거나, 두 행의 위치를 서로 교환.
중학교 수학에서 가감법이라고 배운 것이 근본적으로는 기본행연산의 하나이다.