Hits



The matrix of Linear Transformation - 선형 변환의 행렬

Desktop View

  • V 가 n-dimensional vector space 이고 W 는 m-dimensional vector space 로 주어졌을 때, V 에서 W 로 linear transformation 을 T 로 가정하자.
  • 그러면 β basis 로 표현되는 x 의 coordinate vector [x]βC basis 로 표현되는 T(x) 의 coordinate vector [T(x)]C 를 연결시키는 행렬이 있을까?

  • [x]β[T(x)]C 사이의 연결은 쉽게 찾을 수 있다.
  • V 에 대한 basis βb1,,bn 으로 구성되어 있다면
  • x 는 다음과 같이 정의할 수 있다.
x=r1b1++rnbn
  • 따라서 basis β 에 대한 coordinate vector [x]β 는 다음과 같다.
[x]β=[r1  rn]
  • 그리고 T(x) 는 다음과 같이 정의된다.
T(x)=T(r1b1++rnbn)=r1T(b1)++rnT(bn)
  • basis C 에 대한 T(x) 의 coordinate vector 는 다음과 같이 구할 수 있다.
[T(x)]C=r1[T(b1)]C++rn[T(bn)]C
  • 이를 행렬 M 을 이용해 간단히 표현하면 다음과 같다.
[T(x)]C=M[x]β
  • 여기서 M 은 다음과 같다.
M=[[T(b1)]C[T(bn)]C]

이 행렬 M 을 bases 인 βC 에 상대적인 T 에 대한 행렬 이라고 부른다.
The matrix M is a matrix representation of T, called the matrix for T relative to the bases β and C .


Desktop View


  • 예시 문제
  • vector space V,W 에 대한 basis β,CT(b) 주어졌을 때, basis βC 에 상대적인 T 에 대한 행렬 M 을 찾는 문제이다.
β=b1,b2 C=c1,c2,c3 T(b1)=3c12c2+5c3andT(b2)=4c1+7c2c3
  • M=[T(b)]C 이므로 다음과 같이 구할 수 있다.
[T(b1)]C=[3 2 5]and[T(b2)]C=[4 7 1]
  • 두 벡터의 column 으로 구성된 행렬 M 을 구할 수 있다.
M=[34 27 51]



Linear Transformations from V into V - 동일한 벡터 공간에서의 선형 변환

Desktop View

  • 동일한 벡터 공간에서 선형 변환은 다음과 같이 정의된다.
[T(x)]β=[T]β[x]β
  • 이를 β - matrix for T 라고 간단히 표현한다.


  • 예시 문제
  • TP2P2 로 mapping 한다고 정의되고 T(x) 는 다음과 같다. (여기서 P 는 polynomial space 를 의미한다.)
T(a0+a1t+a2t2)=a1+2a2t
  • (1) β basis 가 1,t,t2 일 때, B-matrix for T 를 찾고 (2) [T(p)]β=[T]β[p]β 를 증명하는 문제이다.


(1)

  • basis vector 를 구하면 다음과 같다.

T(1)=0 The zero polynomial

T(t)=1 The polynomial whose value is always 1.

T(t2)=2t

  • R3 space 의 basis 인 1,t,t2 에 대한 coordinate vector 는 다음과 같다.
[T(1)]β=[0 0 0],[T(t)]β=[1 0 0],[T(t2)]β=[0 2 0] [T]β=[010 002 000]


(2)

  • [T(p)]β 는 다음과 같다.
[T(p)]β=[a1+2a2t]β=[a1 2a2 0]=[010 002 000][a0 a1 a2]=[T]β[p]β


  • 결과적으로 우리가 T 를 알고 [T]β (T 에 대한 β 행렬) 을 알면 coordinate vector 를 알 수 있고 따라서 해당 Transformation 에 대응되는 polynomial 을 찾을 수 있다.

Desktop View



Theorem7. Diagonal Matrix Representation

Suppose A=PDP1 , where D is a diagonal n×n matrix. If β is the basis for Rn formed from the columns of P , then D is the β - matrix for the transformation xAx .

  • D 는 diagonal matrix 이고, A 는 diagonalizable 로 가정할 때 basis βP 의 column 으로 구성된다. 그리고 Dβ - matrix for T 가 된다.


  • 증명
  • P 의 column 은 b1,,bn 이므로 β=b1,,bn 이다.
  • 따라서 P 는 change-of-coordinates matrix Pβ 이다. 그러모르 다음과 같은 성질을 만족한다.
P[x]β=xand[x]β=P1x
  • 만약, T(x)=Ax 이면 다음과 같다.

[T]β=[[T(b1)]β[T(bn)]β] Definition of [T]β

=[[Ab1]β[Abn]β] Since T(x)=Ax

=[P1Ab1P1Abn] Change of coordinates

=P1A[b1bn] Matrix multiplication

=P1AP

  • A=PDP1 이므로 [T]β 는 다음과 같다.
[T]β=P1AP=D



Similarity of Matrix Representations - 행렬의 유사도 표현

Desktop View

  • AC 가 similar 하면, β - matrix 는 C 이다.
  • C 가 꼭 diagonal matrix 가 아니어도 성립한다..
A=PCP1


  • 예시 문제
A=[49 48],b1=[3 2],b2=[2 1]
  • A 와 basis 가 주어지고 β - matrix 를 찾는 문제이다.
  • 여기서 A 의 eigenvalue 는 -2 (multiplicity = 2) 이고 eigenspace dimension 은 1이다. 따라서, not diagonalizable 이다.

  • b1,b2 는 서로 곱의 관계가 아니므로 linearly independent 함을 알 수 있다.
  • 따라서 P 를 구할 수 있다.
AP=[49 48][32 21]=[61 40]
  • A=PCP1 이므로 C 는 다음과 같이 구할 수 있다.
P1AP=[12 23][61 40]=[21 02]
  • C 의 diagonal entries 가 A 의 eigenvalue 가 되고 β - matrix 이다.
  • A 가 diagonalizable 이 아니더라도 어떤 independent basis 만 선택한다면 β - matrix 를 찾을 수 있다. 이때 basis 는 independent set 이어야 한다.