�ݺ�ߣ

2018 FASTCAMPUS Extension SCHOOL
FAST CAMPUS SCHOOL 2018
Copyright FAST CAMPUS Corp. All Rights Reserved
기초 선형대수
(Spectral Property – 함수/변환)
윤 정 훈

일차독립
 방정식 𝑐1 𝕧1 + 𝑐2 𝕧2 + ⋯ + 𝑐 𝑠 𝕧 𝑠 = 𝕆 을 만족시키는 유일한 스칼라들 𝑐1, 𝑐2, … , 𝑐 𝑠 가
 𝑐1 = 0, 𝑐2 = 0, … , 𝑐 𝑠 = 0 이면 𝑅 𝑛
의 벡터들의 공집합이 아닌 집합 𝑆 = 𝕧1, 𝕧2, … , 𝕧 𝑠 는 일차독립(linearly
independent) 이라고 한다.
 𝑐1, 𝑐2, … , 𝑐 𝑠 중 1개 이상이 0인 경우, 집합 𝑆 는 일차종속(linearly dependent) 이라고 한다.
 일차종속의 경우, 𝑅 𝑛
에서 두 개 이상의 벡터들의 집합 𝑆 = 𝕧1, 𝕧2, … , 𝕧 𝑠 에 대하여, 𝑆 의 벡터 중
적어도 하나는 다른 벡터들의 일차결합으로 표현할 수 있다.
𝕧1
𝕧2
𝕧1
𝕧2
𝕧1
𝕧2
일차독립일차종속

함수
 함수(function) 𝑓는 주어진 가능한 입력 집합 𝐷에 대해, 𝐷의 각각의 입력과 유일한 출력을 연관시키
는 규칙이다.
 집합 𝐷는 𝑓의 정의역(domain)이라고 한다.
 출력은 𝑥에서 𝑓의 값(value) 또는 𝑓에 의한 𝑥의 상(image)이라 한다.
 정의역 전체에 걸쳐서 산출한 모든 출력 𝑦의 집합은 𝑓의 치역(range)이라고 한다.
 𝑓가 𝑥를 𝑓(𝑥)로 보낸다 또는 사상한다(map)라고 말한다.
입력 𝑥 출력 𝑦
𝑓
Program

변환
 입력과 출력이 모두 벡터인 함수는 변환(transformation)이라 하고 일반적으로 변환은 대문자로 표
시한다.
 𝑇가 벡터 𝕩로부터 벡터 𝕨로 보내는 변환이면,
 𝕨 = 𝑇(𝕩)
 𝕩 ⟶ 𝕨
𝑇

변환 예제
 𝑇는 𝑅2 상의 벡터 𝕩 = (𝑥1, 𝑥2)를 𝑅2 상의 벡터 2𝕩 = (2𝑥1, 2𝑥2)로 사상하는 변환
 𝑇 𝕩 = 2𝕩 ⇒ 𝑇 𝑥1, 𝑥2 = (2𝑥1, 2𝑥2)
 𝕩 ⟶ 2𝕩 ⇒ (𝑥1, 𝑥2) ⟶ (2𝑥1, 2𝑥2)
 𝕩 = (−1,3) 이면, 𝑇 𝕩 = 2𝕩 = (−2,6)
 𝑇는 𝑅3
상의 벡터 𝕩 = (𝑥1, 𝑥2, 𝑥3)를 각 성분들의 제곱인 𝑅3
상의 벡터로 보내는 변환
 𝑇 𝑥1, 𝑥2, 𝑥3 = (𝑥1
2
, 𝑥2
2
, 𝑥3
2
)
 𝕩 = 1,3, −4 이면, 𝑇 𝕩 = (1,9,16)
𝑇 𝑇

행렬변환
𝑅 𝑛 𝑅 𝑚
𝕩
𝑇𝐴(𝕩)
정의역
공변역
치역

행렬변환
 𝐴가 𝑚 × 𝑛 행렬이고 𝕩가 𝑅 𝑛 안의 열벡터이면 곱 𝐴𝕩는 𝑅 𝑚 안의 벡터이며, 𝕩에 𝐴를 곱해
서 만드는 변환은 𝑅 𝑛안의 벡터를 𝑅 𝑚안의 벡터로 보낸다. 정의역이 𝑅 𝑛이고 치역이 𝑅 𝑚 에
서 정의된 이러한 변환 𝑇를 𝐴의 곱셈변환(multiplication by A) 또는 행렬변환(matrix
transformation)이라 한다. 행렬 𝐴를 강조하기 위해 이 변환을 𝑇𝐴로 표시한다.
 𝑇𝐴: 𝑅 𝑛
⟶ 𝑅 𝑚
 𝑇𝐴 𝕩 = 𝐴𝕩
 𝕩 ⟶ 𝐴𝕩
𝑇𝐴

변환 예제 1
 𝐴 =
1 −1
2 5
3 4
, 𝑇𝐴 는 𝑅2 상의 2 × 1 열벡터 𝕩를 𝑅3 상의 3 × 1 열벡터 𝐴𝕩로 보내는 변환
 𝑇𝐴 𝕩 = 𝐴𝕩 또는 𝕩 ⟶ 𝐴𝕩 로 표시할 수 있다.
 𝐴𝕩 =
1 −1
2 5
3 4
𝑥1
𝑥2
=
𝑥1 − 𝑥2
2𝑥1 + 5𝑥2
3𝑥1 + 4𝑥2
이므로, 𝑇𝐴
𝑥1
𝑥2
=
𝑥1 − 𝑥2
2𝑥1 + 5𝑥2
3𝑥1 + 4𝑥2
로 나타낼 수 있다.
 𝑇𝐴 𝑥1, 𝑥2 = (𝑥1 − 𝑥2, 2𝑥1 + 5𝑥2, 3𝑥1 + 4𝑥2)
 𝑇𝐴
−1
3
=
−4
13
9
또는 𝑇𝐴 −1,3 = (−4,13,9)
𝑇

변환 예제 2
 행렬 𝐴 =
1 −1
2 5
3 4
에 대하여 행렬변환 𝑇𝐴: 𝑅2
⟶ 𝑅3
을 생각해보자.
 만일 𝑇𝐴에 의한 상이 벡터 𝕓 = 7 0 7 𝑇
가 되는 벡터 𝕩가 𝑅2
안에 존재한다면 이 벡터를 찾아라.
 만일 𝑇𝐴에 의한 상이 벡터 𝕓 = 9 −3 −1 𝑇
가 되는 벡터 𝕩가 𝑅2
안에 존재한다면 이 벡터를 찾아라.

선형변환
 𝑅 𝑛
안의 모든 벡터 𝕦와 𝕧, 그리고 모든 스칼라 𝑐에 대해 아래 두가지 특성이 성립하면 함수 𝑇: 𝑅 𝑛
⟶
𝑅 𝑚을 𝑅 𝑛 부터 𝑅 𝑚 까지의 선형변환(linear transformation)이라고 한다.
 동차성 : 𝑇 𝑐𝕦 = 𝑐𝑇(𝕦)
 가산성 : 𝑇 𝕦 + 𝕧 = 𝑇 𝕦 + 𝑇(𝕧)
 𝑚 = 𝑛인 특별한 경우 선형변환 𝑇를 𝑅 𝑛
상의 선형연산자(linear operator) 라고 한다.

선형변환 예제1
 행렬변환은 선형변환인가?
 행렬 𝐴는 𝑚 × 𝑛이고, 열벡터 𝕦, 𝕧 ∈ 𝑅 𝑛
이고, 𝑐가 스칼라일때, 행렬 연산의 성질에 의하여 다음을 만족한다.
 𝐴 𝑐𝕦 = 𝑐(𝐴𝕦)
 𝐴 𝕦 + 𝕧 = 𝐴𝕦 + 𝐴𝕧
 따라서 선형변환의 동차성 및 가산성 모두 만족한다.
 𝑇𝐴 𝑐𝕦 = 𝐴 𝑐𝕦 = 𝑐 𝐴𝕦 = 𝑐𝑇𝐴(𝕦)
 𝑇𝐴 𝕦 + 𝕧 = 𝐴 𝕦 + 𝕧 = 𝐴𝕦 + 𝐴𝕧 = 𝑇𝐴 𝕦 + 𝑇𝐴(𝕧)

선형변환 예제2
 𝑇 𝑥1, 𝑥2, 𝑥3 = (𝑥1
2
, 𝑥2
2
, 𝑥3
2
)
 동차성 위반 : 𝑇 𝑐𝕦 = 𝑇 𝑐𝑢1, 𝑐𝑢2, 𝑐𝑢3 = 𝑐2
𝑢1
2
, 𝑐2
𝑢2
2
, 𝑐2
𝑢3
2
= 𝑐2
𝑢1
2
, 𝑢2
2
, 𝑢3
2
= 𝑐2
𝑇(𝕦)
 가산성 위반
 𝑇 𝕦 + 𝕧 = 𝑇 𝑢1 + 𝑣1, 𝑢2 + 𝑣2, 𝑢3 + 𝑣3 = ( 𝑢1 + 𝑣1
2
, 𝑢2 + 𝑣2
2
, 𝑢3 + 𝑣3
2
)
 𝑇 𝕦 + 𝑇 𝕧 = 𝑢1
2
, 𝑢2
2
, 𝑢3
2
+ 𝑣1
2
, 𝑣2
2
, 𝑣2
2
= (𝑢1
2
+ 𝑣1
2
, 𝑢2
2
+ 𝑣2
2
, 𝑢3
2
+ 𝑣3
2
)

기저
 𝑅 𝑛
의 부분공간 𝑉의 벡터들의 집합이 일차독립이고 𝑉를 생성한다면 이 집합을 𝑉에 대한 기저(basis)
라 한다.
 𝑉 ∈ 𝑅 𝑛
가 원점을 지나는 직선이라면, 직선 위의 영이 아닌 벡터는 𝑉의 기저를 행성한다.
 𝑉 ∈ 𝑅 𝑛
가 원점을 지나는 평면이라면, 서로 스칼라배수가 아니고 영이 아닌 평면 위의 두 개의 벡터는 𝑉의
기저를 형성한다.
 표준단위벡터 𝕖1, 𝕖2, … , 𝕖 𝑛는 𝑅 𝑛
의 표준기저(standard basis)이다.
 일차독립이다.
 𝑅 𝑛
을 생성한다.
 ∀𝕩 ∈ 𝑅 𝑛
에 대하여, 𝕩 = 𝑥1, 𝑥2, … , 𝑥 𝑛 = 𝑥1 𝕖1 + 𝑥2 𝕖2 + ⋯ + 𝑥 𝑛 𝕖 𝑛

차원
 0이 아닌 부분공간, 𝑉 ∈ 𝑅 𝑛
에 대하여, 𝑉의 차원(dimension)은 𝑉의 기저에 대한 벡터의 수로 정의하
며, dim(𝑉)라고 쓴다.
 𝑅 𝑛
의 원점을 통과하는 직선의 차원은 1이다.
 𝑅 𝑛
의 원점을 지나는 평면의 차원은 2이다.
 𝑅 𝑛
의 차원은 𝑛이다. (표준단위벡터 𝕖1, … , 𝕖 𝑛)
평면의 차원은 2라는 것은
평면의 basis의 벡터수가 2라는 것이다.

기저와 차원의 성질
 𝑆 = {𝕧1, … , 𝕧 𝑘}가 𝑅 𝑛
의 부분공간 𝑉의 기저라면, ∀𝕧 ∈ 𝑉는 정확히 한 가지 방법으로 𝑆의 벡터들에
의해 일차결합으로 표현된다.
 𝑅 𝑛의 영이 아닌 𝑘차원 부분공간에서 𝑘개의 일차독립벡터들의 집합은 그 부분공간의 기저이다.
 𝑅 𝑛의 영이 아닌 𝑘차원 부분공간을 생성하는 𝑘개의 벡터들의 집합은 그 부분공간의 기저이다.
 𝑅 𝑛의 영이 아닌 𝑘차원 부분공간에서 𝑘개보다 적은 일차독립벡터들의 집합은 그 부분공간을 생성
할 수 없다.
 𝑅 𝑛
의 영이 아닌 𝑘차원 부분공간에서 𝑘개보다 많은 벡터들의 집합은 일차 종속이다.

행렬의 기본공간
 𝐴가 𝑚 × 𝑛행렬일 때,
 𝐴의 행공간(row space) : 𝐴의 행벡터들에 의해 생성되는 𝑅 𝑛
의 부분공간, row(𝐴)
 𝐴의 열공간(column space) : 𝐴의 열벡터들에 의해 생성되는 𝑅 𝑚
의 부분공간, col(𝐴)
 𝐴의 영공간(null space) : 𝐴𝕩 = 𝕆의 해공간인 𝑅 𝑛
의 부분공간, null(𝐴)
1 2 3
4 5 6
7 8 9
1 2 3
4 5 6
7 8 9
행렬의 행벡터들 행렬의 열벡터들

계수
 행렬 𝐴의 행공간의 차원(dimension)은 𝐴의 계수(rank)라 하고 rank(𝐴)로 표시
 행렬의 행공간 basis의 벡터의 갯수
 행렬 𝐴의 영공간(null space)의 차원은 영공간의 차원(nullity)이라 하고 nullity(A) 로 표시

행공간 및 계수의 예제
 다음 벡터들에 의해 성성된 𝑅5의 부분공간 𝑊에 대한 기저를 구하라.
𝕧1 = 1,0,0,0,2
𝕧2 = −2,1, −3, −2, −4
𝕧3 = (0,5, −14, −9,0)
𝕧4 = (2,10, −28, −18,4)
 주어진 벡터들에 의해 생성된 부분공간은 그 행렬 𝐴의 행공간이다.
𝐴 =
1 0 0
−2 1 −3
0 2
−2 −4
0 5 −14
2 10 −28
−9 0
−18 4

행공간 및 계수의 예제
 이 행렬을 행사다리꼴로 변형시킴으로써 다음 행렬을 얻는다.
𝑈 =
1 0 0 0 2
0 1 −3 −2 0
0 0 1 1 0
0 0 0 0 0
 0이 아닌 행을 추출하면 기저벡터들을 생성한다.
𝕨1 = (1,0,0,2)
𝕨2 = 0,1, −3, −2,0
𝕨3 = (0,0,1,1,0)
 따라서, 주어진 벡터들에 의해 생성되는 공간의 기저는 3이고, 주어진 벡터에 의해 생성되는
부분공간은 그 행렬 𝐴의 행공간이므로, 행공간의 차원 즉, rank는 3이다.
 주어진 벡터 4개로 생성되는 부분공간 𝑊를 생성하기 위해서는 결국 주어진 벡터 4개까지 필
요없고, 3개의 벡터(기저)만 있으면 된다. 즉 벡터의 갯수로 보면 1개가 필요없는 것이 된다. 𝑊
를 나타내가 위해서는 계수만큼의 벡터만 있으면 된다.

�ݺ�ߣ

0131 1 spectral_theorem_transformation

More Related Content

0131 1 spectral_theorem_transformation

Editor's Notes