\(A\)가 \(n\)차 정사각행렬이고 모든 성분이 체 \(K\)의 성분이라고 하자. 즉 \(A\in M_n (K)\)라고 하자. 그리고 \(A\)의 특성다항식을 \(p_A (t)\)라고 하자. 그러면 \(\lambda \in K\)가 \(A\)의 고윳값일 필요충분조건은 \(p_A(\lambda)=0\)인 것이다. 이때 \(p_A (t)\)는 다음과 같은 꼴로 인수분해된다. \[p_A (t) = (t-\lambda )^r q(t).\] 여기서 \((t-\lambda)\)의 차수 \(r\)를 고윳값 \(\lambda\)의 대수적 중복도라고 부른다. 고윳값 \(\lambda\)를 고정시켜 두고 다음 집합을 생각하자. \[\left\{ \mathbf{v}\in \mathbb{R}^n \,\vert\, A\mathbf{v} = \lambda \mathbf{v} \right\}\] 이 집합은 \(\mathbb{R}^n\)의 부분공간이 되는데, 이 공간을 고윳값 \(\lambda\)에 대응되는 고유공간이라고 부른다. 이 …
다음과 같은 타원의 방정식을 생각해 봅시다. \[2x^2 – 4xy + 5y^2 = 36\tag{1}\] 선형대수학에서 공부한 이차형식의 성질을 이용하면 좌변을 변형하여 타원의 장축과 단축의 길이를 구할 수 있습니다. 하지만 오늘은 라그랑주의 방법(method of Lagrange’s multiplier)을 이용하여 이 타원의 장축과 단축의 길이를 구해보겠습니다. 타원의 중심이 좌표평면의 원점이므로, 타원 위의 점 중에서 원점으로부터 가장 멀리 있는 점까지의 거리와 가장 가까이 있는 점까지의 거리를 찾으면 됩니다. 즉 타원 위의 점 \((x,\,y)\)에 대하여 다음 함수 \[f(x,\,y) = x^2 + y^2\tag{2}\] 의 값의 최댓값과 최솟값을 찾으면 …
Problem 9.1 Describe geometrically the linear transformation \(T_A : \mathbb{R}^2 \rightarrow \mathbb{R}^2\) given by \[A = \begin{pmatrix} 0 & 1 \\ 1 & 0 \end{pmatrix}\] and then interpret the meanings of the eigenvalues and eigenvectors accordingly. Solution. \(T_A\) is a reflection about the line \(y=x.\) Hence \(v\) is an eigenvector of \(T_A\) if and only if \(v\) is parallel to or orthogonal to the line \(y=x.\) \(T_A\) does not change the length of a vector, hence the eigenvalue is \(1\) …
이 글은 현재는 절판된 Serge Lang의 선형대수 교재 제2판([1], VII, §6)의 내용을 토대로 쓴 것이다. 퍼가지 마시라. 이 글에서는 행렬식을 한 도형의 체적으로 이해하는 이야기를 소개한다. 먼저 2-차원의 경우를 논할텐데, ‘체적(volume)’이라는 용어를 2-차원 도형의 넓이를 일컬을 때에도 그냥 사용하고자 한다. 또한 ‘\(\operatorname{Vol}\)’와 같은 기호를 이용하여 넓이를 나타내기도 할 것이다. 물론 이 기호를 일반적인 고차원 도형의 체적을 나타내는 기호로도 쓸 것이다. 먼저 두 벡터 \(v, w\)로 생성한 평행사변형을 생각해보자. 물론 이 평행사변형은 \[ t_{1}v+t_{2}w\quad (0\leq t_{i}\leq 1) \] 꼴의 일차결합으로 표현되는 …
지난 포스트에서 벡터공간 \(K^n,\) \(K^m\) 사이에서 정의된 선형변환과 \(m\times n\) 행렬의 관계를 살펴보았다(지난 포스팅 보기). 이번에는 일반적인 유한차원 벡터공간 \(V,\) \(V’\) 사이에서 정의된 선형변환과 행렬의 관계를 살펴보자. \(K\)가 체이고 \(n\)과 \(m\)이 양의 정수라고 하자. 그리고 \(V\)와 \(V’\)이 \(K\) 위에서 정의된 \(n\)차원 벡터공간, \(m\)차원 벡터공간이라고 하자. 또한 \[\begin{align} B: &\,\, v_1 ,\, v_2 ,\, \cdots ,\, v_n, \\[6pt] B’ : & \,\, v_1 ‘ ,\, v_2 ‘ ,\, \cdots ,\, v_m ‘ \end{align}\] 이 각각 \(V\)와 \(V’\)의 기저라고 하자. 임의의 \(v\in …
벡터공간 \(K^n,\) \(K^m\) 사이에서 정의된 선형변환과 \(m\times n\) 행렬의 관계를 살펴보자. \(K\)가 체(field)이고 \(n\)과 \(m\)이 양의 정수라고 하자. 모든 성분이 \(K\)에 속하는 \(m\times n\) 행렬들의 모임을\(\newcommand{\MatK}{\operatorname{Mat}_{m \times n}(K)}\) \[\MatK\] 로 나타낸다. 또한 정의역이 \(K^n\)이고 공역이 \(K^m\)인 선형변환들의 모임을\(\newcommand{\HomK}{\operatorname{Hom}(K^n ,\, K^m )}\) \[\HomK\] 으로 나타낸다. [여기서 \(K^n\)과 \(K^m\)은 통상적인 벡터 합과 스칼라 곱이 주어진 벡터공간이다.] 스칼라 \(k\in K\)와 \(m\times n\) 행렬 \(A = (a_{ij})_{m\times n}\), \(B=(b_{ij})_{m\times n}\)에 대하여 스칼라곱 \(kA\)와 합 \(A+B\)를 각각 \[\begin{gather} kA = (ka_{ij})_{m\times n} ,\\[6pt] A+B = …