Linear Algebra

유한차원 벡터공간 \(V\) 위에서 자기준동형사상 \(T\)가 정의되어 있을 때 \(T\)의 표현행렬은 \(V\)에 어떠한 기저가 주어졌는지에 따라 달라진다. \(V\)와 \( T\)가 적절한 조건을 만족시키면 \(V\)의 기저를 적절히 택하여 \(T\)의 표현행렬이 ‘대단히 좋은 형태’가 되도록 할 수 있다. 이 포스트에서는 벡터공간을 특성부분공간의 직합으로 나타내는 방법과 자기준동형사상을 조르당 표준형으로 나타내는 방법을 살펴본다. 이 포스트에서 다루는 벡터공간은 유한차원 벡터공간인 것으로 약속한다. \[ \newcommand{\Hom}{{\operatorname{Hom}}} \newcommand{\Mat}{{\operatorname{Mat}}} \newcommand{\proj}{{\operatorname{proj}}} \newcommand{\adj}{{\operatorname{adj}}} \newcommand{\Ker}{{\operatorname{Ker}}} \] …

체 \(K\) 위에서 정의되어 있고 차원이 \(n\)인 유한차원 벡터공간은 \(K^n\)와 동형이다. 그러므로 유한차원 벡터공간 사이에서 정의된 선형변환은 적당한 \(n,\) \(m\)에 대하여 선형변환 \(T : K^n \rightarrow K^m\)과 같은 것으로 생각할 수 있다. 더욱이 \(T : K^n \rightarrow K^m\)은 행렬로 나타낼 수 있으므로 유한차원 벡터공간 사이에 정의된 선형변환은 행렬과 동일시할 수 있다. 그런데 이러한 행렬 표현은 벡터공간에 어떠한 기저가 주어졌는지에 따라 달라진다. \[ \newcommand{\Hom}{{\operatorname{Hom}}} \newcommand{\Mat}{{\operatorname{Mat}}} …

\(V\)와 \(W\)가 체 \(F\) 위에서의 벡터공간이라 하자. 만약 함수 \(T : V \rightarrow W\)가 두 조건 임의의 \(v_1 ,\, v_2 \in V\)에 대하여 \(T(v_1 + v_2 ) = T(v_1 ) + T(v_2 )\)이다, 임의의 \(k \in F\)와 \(v\in V\)에 대하여 \(T(kv) = kT(v)\)이다 를 모두 만족시키면 \(T\)를 선형변환(linear transformation)이라고 부른다. 만약 \(F = \mathbb{R}\)라면, \(T\)가 (1)을 만족시키더라도 (2)를 만족시키지 않을 수 있다. 그러나 \(F=\mathbb{Q}\)라면 …