이번 시간에는 선형변환의 역변환에 대해서 다루겠습니다.
벡터공간 V와 W에 대하여 선형변환 T:V→W를 생각하자. TU=IW이고, UT=IV인 함수 U가 존재하면 선형변환 T는 가역이고, U를 T의 역함수라고 한다. T−1이라고 표기한다.
선형변환의 역함수에는 다음과 같은 성질이 있습니다.
가역인 선형변환 T, U에 대하여 (T는 V에서 W로의 함수)
- TT−1=I를 만족시키는 T−1은 유일하다.
- T−1은 선형변환이다.
- (TU)−1=U−1T−1
- (T−1)−1=T
- dim(V)=dim(W)이다. (단, V와 W는 유한차원)
- T가 가역이기 위한 필요충분조건은 rank(T)=dim(V)이다. (단, V와 W는 유한차원)
- TT−1=IW인 T−1이 두 개 존재하여 U1, U2라 합시다. 그러면 U2=U2IW=U2(TU1)=(U2T)U1=IVU1=U1이므로 T−1는 유일합니다.
- T(x1)=y1, T(x2)=y2라 합시다. T−1(y1+cy2)=T−1(T(x1)+cT(x2))=T−1(T(x1+cx2))=x1+cx2=T−1(y1)+cT−1(y2)이므로 T−1은 선형변환입니다.
- (TU−1)TU=IW이고, U−1(T−1T)U=U−1IVU=U−1U=IW이므로 U−1T−1는 TU의 역변환입니다. U−1T−1가 유일한 역변환임은 1에서 확인할 수 있습니다.
- 역함수의 정의에 의해 T−1(T−1)−1=IV이고, T−1T=IV이므로 (T−1)−1=T입니다.
- dim(V)=n, dim(W)=m이라 합시다. 그리고 V의 기저를 β, W의 기저를 γ라 합시다. T가 일대일대응인 선형변환이고 β가 일차독립이므로 T(β)도 일차독립이고, W의 부분공간을 생성합니다. 따라서 (1-10)에 의해 n≤m입니다. 반대로 T−1이 일대일대응인 선형변환이고 γ가 일차독립이므로 T−1(γ)도 일차독립이고, V의 부분공간을 생성합니다. 따라서 m≤n입니다. 따라서 n=m입니다.
- 5에서 dim(V)=dim(W)임을 밝혔고, T가 전단사이므로 (1-17)에 의해 rank(T)=dim(V)입니다.
선형변환의 가역성을 생각했으니 행렬의 가역성을 생각하는 것은 자연스러운 일입니다. dim(V)=dim(W)이므로 정사각행렬만이 역행렬을 가질 수 있습니다. (정사각행렬이라고 해서 무조건 역행렬을 가지는 것은 당연히 아닙니다.) 행렬의 가역과 역행렬의 정의는 선형변환의 가역과 역함수의 정의와 매우 유사합니다.
n×b 행렬 A에 대하여 AB=BA=I인 n×b 행렬 B가 존재할 때 A가 가역이고 B가 역행렬이다.
역행렬은 유일하게 존재합니다. 만약 B가 아닌 또 다른 역행렬 C가 존재한다면 C=CI=C(AB)=(CA)B=IB=B이기 때문입니다.
선형변환의 역함수와 행렬의 역행렬 사이에는 다음과 같은 관계가 있습니다.
- 유한차원 벡터공간에 대하여 V의 기저를 β={v1,v2,⋯,vn}, W의 기저를 γ={w1,w2,⋯,wn}라 하자. 선형변환 T:V→W에 대하여 T가 가역이기 위한 필요충분조건은 [T]γβ가 가역인 것이다.
- [T−1]βγ=([T]γβ)−1
- n×n 행렬 A가 가역일 필요충분조건은 LA가 가역인 것이다.
- (LA)−1=LA−1
- A, B가 n×n 가역행렬이면 AB도 가역행렬이다.
- A가 n×n 가역행렬이면 At도 가역행렬이다.
1, 2번이 증명된다면 V=Cn, F=Cn라 놓으면 3, 4번도 자동으로 증명됩니다. 이제 1, 2번을 증명하겠습니다.
- T가 가역이라 합시다. 그러면 dim(V)=dim(W)=n이므로 [T]γβ는 n×n 행렬입니다. 역함수 T−1:W→V에 대해서 IW=TT−1이므로 이를 행렬표현으로 나타내면 [IW]γ=In=[TT−1]γ=[T]γβ[T−1]βγ이고, 비슷하게 In=[T−1]βγ[T]γβ이므로 T는 가역이고, [T−1]βγ=([T]γβ)−1입니다.
- 이제 A=[T]γβ가 가역이라고 합시다. 그러므로 AB=BA=In인 행렬 B가 존재합니다. 이때 (1-14)에 의해 선형변환 U:W→V가 U(vj)=n∑i=1Bijvi를 만족하도록 유일하게 정할 수 있고, U의 γ와 β에 대한 행렬표현이 B입니다. 그리고 [IV]β=In=BA=[U]βγ[T]γβ이므로 IV=UT에서 T가 가역임을 알 수 있습니다.
5번은 다음과 같이 증명합니다.
- AB가 가역행렬이라는 것은 LALB가 가역변환이라는 것과 동치입니다. (1-20)에 의해 LALB의 역변환은 LB−1LA−1로 존재하므로 AB는 가역행렬입니다. 덤으로, AB의 역행렬은 B−1A−1임을 알 수 있습니다.
6번은 다음과 같이 증명합니다.
- At(A−1)t=(AA−1)t=(In)t=In이고, 마찬가지로 (A−1)tAt=(A−1A)t=(In)t=In이므로 At의 역행렬은 (A−1)t로 존재합니다.
지금부터는 동형사상에 대해 다루겠습니다.
동형, 구조가 같다는 뜻입니다. 두 벡터가 생긴 건 다르더라도 구조가 같으면 동형이라 부르는데, 무슨 말일까요? 예를 들어서 세 가지 벡터 ax3+bx2+cx+d,(a,b,c,d),(abcd)를 살펴봅시다. k만큼 상수배를 해볼까요? (ka)x3+(kb)x2+(kc)x+(kd),(ka,kb,kc,kd),(kakbkckd) 두 벡터를 더해볼까요? (a1+a2)x3+(b1+b2)x2+(c1+c2)x+(d1+d2),(a1+a2,b1+b2,c1+c2,d1+d2),(a1+a2b1+b2c1+c2d1+d2)벡터의 합과 스칼라 곱이 똑같이 작용하는 것을 확인할 수 있습니다. 이런 관계를 동형이라고 부릅니다.
두 벡터공간 V와 W 사이에 가역인 선형변환 T:V→W가 존재하면 V와 W는 동형이고, T는 동형사상이다.
세 가지 벡터 ax3+bx2+cx+d,(a,b,c,d),(abcd)가 동형이었던 이유는 3차 이하의 다항식의 집합 P3, 순서쌍 집합 C4, 2×2 행렬들의 집합 M2×2 사이에는 가역인 선형변환이 정의될 수 있기 때문입니다. 그리고 T가 가역이므로 두 벡터공간 V와 W이 동형일 필요충분조건은 두 벡터공간의 차원이 같은 것임을 알 수 있습니다.
이제 두 가지 함수를 소개할 것입니다.
차원이 n, m인 두 벡터공간 V, W에 대하여 V, W의 순서 기저를 β={v1,v2,⋯,vn}, γ={w1,w2,⋯,wm}라 하자.
- L(V,W)를 V에서 W로 가는 모든 선형변환의 집합이라고 하면, 함수 Φγβ:L(V,W)→Mm×n은 T∈L(V,W)에 대하여 Φγβ(T)=[T]γβ이다.
- 함수 ϕβ:V→Cn은 x∈V에 대하여 ϕβ(x)=[x]β이다. 이 함수를 특별히 β에 대한 V의 표준표현이라고 한다.
두 함수 Φγβ와 ϕβ에는 매우 중요한 성질이 있습니다.
두 벡터공간 V, W의 순서 기저를 β={v1,v2,⋯,vn}, γ={w1,w2,⋯,wm}라 할 때, Φγβ와 ϕβ는 동형사상, 즉 일대일대응이다.
Φγβ부터 살펴보겠습니다. [aT+U]γβ=a[T]γβ+[U]γβ이므로 Φγβ는 선형사상입니다. 이제 Φγβ가 전사임을 보입시다. (1-14)에 의해 Mm×n의 원소 A에 대하여 다음을 만족하는 선형변환 T:V→W은 유일합니다. 따라서 Φγβ는 전사입니다.T(vj)=m∑i=1Aijwi
이제 Φγβ가 단사임을 보입시다. Φγβ가 선형변환이므로 영공간이 {0}임을 보여야 합니다. 즉, [T]γβ가 영행렬이면 T가 영변환임을 보여야 하는데, T(vj)=m∑i=1([T]γβ)ijwi=m∑i=10wi이므로 참입니다.
ϕβ가 동형사상인 것도 ϕβ가 선형사상인지, 전사인지, 단사인지 이 세 가지를 확인하여 확인할 수 있습니다. 이 증명은 독자 여러분이 직접 해 보시기 바랍니다.
'교양(학문의 기초) > 공학수학' 카테고리의 다른 글
1. 선형대수학의 기초_(9) 행렬의 랭크 (0) | 2022.07.29 |
---|---|
1. 선형대수학의 기초_(8) 좌표변환 행렬 (0) | 2022.07.27 |
1. 선형대수학의 기초_(6) 행렬표현 (0) | 2022.07.24 |
2. ODE의 기초_(0) OT(생각보다 중요) (0) | 2022.07.24 |
1. 선형대수학의 기초_(5) 선형변환의 성질 (0) | 2022.07.23 |