티스토리 뷰
이제 eigenvalue를 isomorphism 개념을 적용하여 Linear Operator 로 확장해볼 것이다.
매우 중요하니 잘 숙지해두는 걸로 하자.
Linear operator의 representation이 생소하다면 다음 블로그 글들을 참고하자.
https://elementary-physics.tistory.com/7
(선형대수학) 1.4 Coordinate Representation
Representations of Vectors Basis의 정의로부터 vector space의 임의의 vector는 basis vector들의 linear combination으로 표현될 수 있다. 예를 들어, 3차원 공간 \( \mathbb{R}^3 \)에 대하여 basis를 $$ \mathcal{B} = \{~(1,0,0)~,~(
elementary-physics.tistory.com
https://elementary-physics.tistory.com/17
(선형대수학) 2.5 Representations of Linear Transformations
Linear transformation의 집합 역시 vector space이므로 (선형대수학) 1.4 Coordinate Representation에서와 같이 basis를 이용하여 행렬로 표현할 수 있다. 그러나 단순하게 일렬로 된 행렬보다는 vector에 작용하는
elementary-physics.tistory.com
Linear Operator T : \(V \to V\) (V는 finite-dimensional vector space over F, 유한한 차원의 벡터 공간)이 있다고 하자.
만약, \(v \neq 0\)이고, \(T(v) = \lambda v\)이면, 이를 만족하는 \(\lambda \in F\)와 \(v \in V\)인 eigenvalue와 eigenvector가 존재한다. \(\mathit{U} = {u_1, u_2, \cdots u_n} \)이 V의 basis라고 하면, \(x=[v]_U \in F^{n}\)을 만족하는 \(v \in V\)가 존재한다. 참고로 x, v, U에 대해 다음을 만족하며, 이 v를 given basis의 유일한 representation이라고 하자.
\[ v = x_1u_1 + x_2u_2 \cdots + x_n u_n\]
T(Linear transformation)에 대해 \(A = [T]_{u, u} \in F^{n \times n} \) 을 만족한다고 하면, 다음과 같이 나타낼 수 있다.
\[T(x_1 u_1 + \cdots + x_n u_n) = y_1u_1 + \cdots + y_n u_n \Leftrightarrow Ax = y\]
A는 다음과 같이 정의될 수도 있다.
\[T(v) = \omega \Leftrightarrow A[v]_U = [\omega]_U \quad for \quad all \quad v \in V \quad\]
\(T(u_j) = a_{1j}u_1 + a_{2j}u_2 + \cdots + a_{nj}u_n\)이라고 하면, \([u_j]_U = e_j\)이므로 다음을 만족한다.
\[A_j = Ae_j = A[u_j]_U = [T(u_j)]_U = (a_{1j}, a_{2j}, \cdots a_{nj}) \]
$$
A_j =\begin{bmatrix}
a_{1j} \\
a_{2j} \\
\vdots \\
a_{nj} \\
\end{bmatrix}
$$
이므로
$$
A = \begin{bmatrix}
a_{11} & a_{12} & \cdots & a_{1n} \\
a_{21} & a_{22} & \cdots & a_{2n} \\
\vdots & \vdots & \ddots & \vdots \\
a_{n1} & a_{n2} & \cdots & a_{nn} \\
\end{bmatrix}
$$
이와 관련해 예시를 보자.
![](https://blog.kakaocdn.net/dn/bv5fOA/btsA3ALjETK/2PumrjbJ7JgfFJglRmoWRk/img.png)
이후의 과정은 손풀이로!
![](https://blog.kakaocdn.net/dn/blOCQK/btsA3SSFs9X/mPKCHpCHW57BAS2KPkZsrk/img.png)
이를 통해 \(T\)와 \([T]_{U, U}\)는 same eigenvalue를 갖는 similar한 Linear operator이다.
![](https://blog.kakaocdn.net/dn/zaieL/btsAVst2rPR/g9e6uZVEUiFKQLykZ127Z1/img.png)
pf)
![](https://blog.kakaocdn.net/dn/k4luk/btsAVtzLG8w/6exR4Q4MZV8uiy21HYYgZ0/img.png)
이와 관련하여 A와 B가 similar할 때 나타나는 특징 또한 Linear operator인 경우도 적용할 수 있는 것이다.
![](https://blog.kakaocdn.net/dn/b0pemh/btsA26jkZXv/CTx8Bz1r1EoKkeWLWTXDR1/img.png)
![](https://blog.kakaocdn.net/dn/BhkdP/btsA2uYV8k3/SapuhS6KduGWEL0ljXkDdK/img.png)
Diagonalization과 Linear Operator를 같이 고려한 이론 또한 다음 것들이 있다.
![](https://blog.kakaocdn.net/dn/bImdNE/btsATAlZdcy/HMRE91a8keE5loju35ZWE1/img.png)
pf)
![](https://blog.kakaocdn.net/dn/mBloN/btsAULm4fFG/i2kwy4Kq1nJJlALpMa4kc0/img.png)
![](https://blog.kakaocdn.net/dn/Oj7Sg/btsA2Z5CxI6/mcokXialsH9IUIkJ3ockN1/img.png)
'선형대수학' 카테고리의 다른 글
[선형대수학] Ch 6.2 - The adjoint(수반연산자) of a linear operator (0) | 2023.11.30 |
---|---|
[선형대수학] Ch 6.1 - Norms and inner products (0) | 2023.11.28 |
[선형대수학] Ch 4.6 - diagonalization (0) | 2023.11.27 |
[선형대수학] Ch 4.5 - Eigenvalue and the characteristic polynomial (0) | 2023.11.27 |
[선형대수학] Ch 4.3 - Practical computation of det(A) (0) | 2023.11.27 |