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. \[ \newcommand{\Hom}{{\operatorname{Hom}}} \newcommand{\Mat}{{\operatorname{Mat}}} \] 이 포스트에서는 유한차원 벡터공간 사이에서 정의된 선형변환을 행렬로 나타내고, 기저가 바뀌었을 때 선형변환을 표현하는 행렬이 …
\(V\)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 이야기가 달라진다. 정리. \(V\)와 \(W\)가 \(\mathbb{Q}\) 위에서의 벡터공간이라고 하자. 함수 \(T : V \rightarrow W\)가 임의의 …
벡터의 직교분해를 이용하여 코시-슈바르츠 부등식을 증명해 보자. \(V\)가 벡터공간이고 \(\mathbf{u},\,\mathbf{v}\in V\)라고 하자. 만약 \(\mathbf{u}\)와 \(\mathbf{v}\) 중 하나 이상이 \(\mathbf{0}\)이면 자명하게 \[ \lvert \langle \mathbf{u} ,\, \mathbf{v} \rangle \rvert \le \lVert \mathbf{u} \rVert \lVert \mathbf{v} \rVert \tag{1}\] 를 얻는다. 그러므로 \(\mathbf{u}\)와 \(\mathbf{v}\) 중 어느것도 \(\mathbf{0}\)이 아니라고 가정하자. 그리고 \[\mathbf{w} = \mathbf{u} – \frac{\langle \mathbf{u} ,\, \mathbf{v} \rangle}{\lVert \mathbf{v} \rVert^2} \mathbf{v} \tag{2}\] 라고 하자. 그러면 \(\mathbf{u}\)는 다음과 같이 서로 수직인 두 벡터의 합으로 표현된다. \[\mathbf{u} = \frac{\langle \mathbf{u} ,\, \mathbf{v} \rangle}{\lVert \mathbf{v} …
\(n\)이 \(2\) 이상인 자연수이고 \(a_1 ,\) \(\cdots ,\) \(a_n ,\) \(b_1 ,\) \(\cdots,\) \(b_n\)이 모두 실수일 때 다음이 성립한다. \[\left( \sum_{i=1}^n a_i b_i \right)^2 \le \left( \sum_{i=1}^n a_i ^2\right) \left(\sum_{i=1}^n b_i ^2 \right).\tag{1}\] 이 부등식을 코시-슈바르츠 부등식(Cauchy-Schwarz inequality)이라고 부른다. 라그랑주 승수법(method of Lagrange’s multiplier)을 이용하여 이 부등식을 증명해 보자. 증명을 마칠 때까지 첨수 \(i\)와 \(j\)는 \(n\) 이하의 자연수를 나타내는 것으로 약속한다. 증명 과정은 두 단계로 진행된다. 첫째 단계에서는 길이가 \(1\)인 두 벡터 \(\mathbb{x}=(x_i)\)와 \(\mathbb{y}=(y_i)\)에 대하여 \[-1 \le \mathbb{x}\cdot\mathbb{y} \le 1 …
This set of exercises is retrieved from the eighth chapter of Linear Algebra by Robert J. Valenza. Note that these solutions are not fully elaborated; You have to fill the descriptions by yourself. Problem 8.1 Using the recursive definition given in the proof of the existence of determinant, systematically evaluate the determinant of the following matrix: \[A=\begin{pmatrix}1&2&1\\0&1&1\\1&0&2\end{pmatrix}.\] Solution. \[\begin{aligned} \det (A) &= 1 \cdot \det \left[\begin{array}{cc} 1 & 1 \\ 0 & 2 \end{array}\right] – 2 \cdot \det \left[\begin{array}{cc} 0 …
This set of exercises is retrieved from the seventh chapter of Linear Algebra by Robert J. Valenza. Note that these solutions are not fully elaborated; You have to fill the descriptions by yourself. Problem 7.1 In \(\mathbb{R}^3,\) compute the inner product of \((1,\,2,\,-1)\) and \((2,\,1,\,4).\) What is the length of each vector? What is the angle between these vectors? Solution. The lengths of given vectors are \[\begin{aligned} \lVert (1,\,2,\,-1)\rVert &= \sqrt{1^2 + 2^2 + (-1)^2} = \sqrt{6} ,\\[4pt] \lVert (2,\,1,\,4)\rVert …