행벡터와 열벡터의 곱을 해야할 때, 열벡터의 전치행렬을 활용하는 방법
매트릭스의 열벡터들의 선형조합으로 나타내는 방법 (linear combination of column vectors of matrix)
부분공간(subspace)의 특징
영공간(Nullspace)
영공간: 행렬과 곱했을 때 영벡터가 나오는 모든 벡터의 집합
영공간의 정의
열공간은 열벡터의 모든 가능한 선형결합의 공간 (벡터 집합의 생성)
열공간: Ax가 가질 수 있는 모든 값
열공간 구하기: 행렬A의 벡터의 span과 같음
영공간 구하기
선형 독립(Linearly independent)
행렬 A의 영공간은 두 벡터의 모든 일차결합벡터를 포함하므로 0을 포함하여 무한한 개수의 벡터들을 포함함
기저를 찾기 위해선서 우선 중복벡터를 없애야 함(서로 다른 벡터로 한 벡터를 표현할 수 있다면 없애야 함)
자유변수와 피봇변수로 솔루션 풀기
A의 열공간 C(A) = span(v1,v2)
v1과 v2가 A의 행 생성을 위한 기반(basis) → 벡터들이 선형독립성을 이룸
위에서 본 A의 열공간 시각화하기
생성은 R3안에 어떠한 평면을 이룸
열 생성의 기반을 찾고, 두 기반벡터의 외적을 이용해 법선벡터를 찾은 후 법선벡터와 평면에서 기반 벡터 하나를 뺀 벡터와의 내적을 이용해 구하기
다른 방법으로 찾기 (열 생성의 다른 정의 이용)
집합 A에 n개의 원소가 있을 때 V를 생성하는 어떠한 집합이던지 최소 n개의 원소를 가짐
n보다 적은 원소가 있을때 어떤 모순이 생기는지 살펴보기
벡터공간의 어떤 기반 벡터, V의 부분집합의 기반벡터는 모두 같은 원소 개수를 가짐
영공간 구하기
행렬 A의 열공간은 A의 열벡터들의 선형결합식과 같음 (열벡터들의 생성)
열공간의 기반(basis) 구하기 → 기햑행사다리꼴을 구하고 어떤 열이 피봇 열인지 찾음, 그 열들이 기반을 만듦, 랭크를 구하려면 그 열의 개수(피봇 열의 개수)를 셈
A의 열공간의 차원: 열공간의 기반 안에 있는 벡터의 개수, 모든 기반은 같은 개수의 벡터를 가짐
Dimension(C(A)) = 3 → (a1, a2, a4)
열공간의 차원은 랭크(rank)라고 함
rank(A) = 3
어떠한 기약행사다리꼴 행렬의 추축열(pivot column)의 집합도 선형독립임