|
선형대수학 Linear Algebra |
|||
|
{{{#!wiki style="margin: 0 -10px -5px; min-height: calc(1.5em + 5px)" {{{#!folding [ 펼치기 · 접기 ] {{{#!wiki style="margin: -5px -1px -11px" |
<colbgcolor=#006ab8> 기본 대상 | 일차함수 · 벡터 · 행렬 · 선형 변환 | |
| 대수적 구조 | 가군(모듈) · 벡터 공간 · 내적 공간 · 노름 공간 | ||
| 선형 연산자 | <colbgcolor=#006ab8> 기본 개념 | 연립방정식 · 행렬곱 · 단위행렬 · 역행렬과 크라메르 공식 · 가역행렬 · 전치행렬 · 행렬식( 라플라스 전개) · 주대각합 | |
| 선형 시스템 | 기본행연산과 기본행렬 · 가우스-조르당 소거법 · 행사다리꼴 · 행렬표현 · 라그랑주 보간법 | ||
| 주요 정리 | 선형대수학의 기본정리 · 차원 정리 · 가역행렬의 기본정리 · 스펙트럼 정리 | ||
| 기타 | 제곱근행렬 · 멱등행렬 · 멱영행렬 · 에르미트 행렬 · 야코비 행렬 · 방데르몽드 행렬 · 아다마르 행렬 변환 · 노름(수학) | ||
| 벡터공간의 분해 | 상사 · 고유치 문제 · 케일리-해밀턴 정리 · 대각화( 대각행렬) · 삼각화 · 조르당 분해 | ||
| 벡터의 연산 | 노름 · 거리함수 · 내적 · 외적( 신발끈 공식) · 다중선형형식 · ∇ · 크로네커 델타 | ||
| 내적공간 | 그람-슈미트 과정 · 수반 연산자( 에르미트 내적) | ||
| 다중선형대수 | 텐서 · 텐서곱 · 레비치비타 기호 | }}}}}}}}} | |
1. 개요
그람-슈미트 과정(Gram-Schmidt method[1])은 [math(\mathbb{R})], [math(\mathbb{C})]을 스칼라로 갖는 유한차원 내적 공간의 기저로부터, 정규직교(orthonormal) 기저를 얻는 과정이다. 이 과정에 따르면, 모든 유한차원 내적공간은 정규직교 기저를 갖는다.2. 직교기저와 정규직교기저
기저의 모든 성분벡터들이 직교일 때, 그 기저를 직교기저(orthogonal basis)라고 한다. 또, 직교기저의 모든 성분벡터들의 노름이 1일 때(즉 기저가 단위벡터일때), 그 기저를 정규직교기저(orthonormal basis)라고 한다.즉, 다음 조건을 만족하는 벡터 집합을 말한다.
1. 모든 원소는 일차독립이다.
1. 해당 원소를 이용하여 주어진 공간을 생성할 수 있다.
1. 서로 다른 원소는 서로 직교한다. 즉 [math(\forall i\neq j \in I, v_i\cdot v_j=0)]
1. 모든 원소의 노름은 1이다.
1. 해당 원소를 이용하여 주어진 공간을 생성할 수 있다.
1. 서로 다른 원소는 서로 직교한다. 즉 [math(\forall i\neq j \in I, v_i\cdot v_j=0)]
1. 모든 원소의 노름은 1이다.
1, 2는 기저집합의 공통 조건이며, 3까지 만족한다면 직교기저, 4까지 만족하면 정규직교기저라고 하는 것.
3. 구체적인 과정
유한차원 내적 공간[math((V,\left<\cdot,\cdot\right>))]의 기저 [math(\{v_1,\cdots,v_n\})]을 생각하자.[math(\displaystyle \begin{aligned}
u_i &:= v_i -\sum_{j<i} \frac{\left<v_i, u_j\right>}{\left<u_j, u_j\right>} \,u_j \\
w_i &:= \frac{u_i}{|\!\left<u_i, u_i\right>\!|}
\end{aligned} )]
여기서 [math(\{u_1,\cdots,u_k\})]가 직교 기저라는 것은 귀납적으로 보일 수 있다. [math(w_j)]의 크기는 [math(1)]이므로, [math(\{w_1,\cdots,w_n\})]은 정규직교 기저이다.
4. 응용
- 임의의 [math(A \in~)] [math({rm GL}_n(mathbb{C}))]에 대해, [math(U \in {\rm U}(n))]가 존재하여[2], [math(AU^{-1})]은 하삼각행렬(lower triangular matrix)[3]이다.
- [math(A=(v_1,\cdots,v_n) \in {\rm GL}_n(\mathbb{C}))]의 열벡터들은 기저를 이룬다. 이것에 그람-슈미트 과정을 적용하여 얻은 벡터 [math(w_i)]를 이용하여, [math(U=(w_1,\cdots,w_n))]라 하자. 그러면, 첫 번째에 의해 [math(AU^{-1})]은 하삼각행렬임을 알 수 있다.
- 그람 슈미트 과정에서 QR decomposition을 유도할 수 있다.