SlideShare a Scribd company logo
1 of 16
INDEX
01 소거법
02 행렬을 이용한 소거법
03 가우스-조던 소거법으로 역 행렬 구하기
04 LU 분해법
05 행렬식 (미완성)
06 여인수 정리와 크래머 법칙 ( 준비중)
선행 성분(Leading Entry, 행에서 처음으로 나타나는
0이 아닌 성분)의 계수가 1이 되도록 역 계단 만들기
• 개념 정리
•
𝑎𝑥 + 𝑏𝑦 = 𝑝
𝑐𝑥 + 𝑑𝑦 = 𝑞
⇒
𝑥 + 𝑏′
𝑦 = 𝑝′
𝑦 = 𝑞′
• 처음 선행 성분, 즉 x의 계수가 1이 되도록 만든다.
• 역 계단을 만들어야 하기 때문에 아래의 x는 없애고, y의 계수를
1이 되도록 만든다.
• y의 값을 알 수 있게 되고, 그를 통해 x의 값을 구할 수 있게 된다.
(이를 후진대입이라고 한다.)
• 예제
•
3𝑥 + 𝑦 = 4
𝑥 + 𝑦 = 8
⇒
𝑥 + 𝑦 = 8 … 𝑎
3𝑥 + 𝑦 = 4 … 𝑏
교환
• 𝑏에 𝑏 − 3𝑎를 해주면 ⇒
𝑥 + 𝑦 = 8
−2𝑦 = −20
• ∴ 𝑦 = 10, 𝑥 = −2 라는 값을 얻을 수 있다.
소거법의 패턴(Pattern)소거법
기본 행 연산이란?
• 개념 정리
• 각 행에 덧셈, 뺄셈, 곱셈, 나눗셈을 하는 연산
• (기본 행 연산)x(피 연산자) 의 형식으로 곱해야 함을 주의!
•
𝑘 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
∶ 1 행에 𝑘배를 한다.
•
1 0 𝑘 0
0 1 0 0
0 0 1 0
0 0 0 1
∶ 1 행에 3 행을 𝑘배한 것을 더한다.
•
0 0 1 0
0 1 0 0
1 0 0 0
0 0 0 1
∶ 1 행과 3 행을 바꾼다.
• 아이디어
• 기본 행 연산을 통해 선형방정식에서 썼던 소거법을 사용해보자!
• 선형 방정식을 행렬로 바꾸고, 기본 행 연산을 통해 방정식을 풀
어보자.
기본 행 연산을 통한 계산행렬을 이용한 소거법
가우스 소거법이란?
• 개념 정리
•
𝑦 + 𝑧 + 𝑤 = 3
𝑥 + 𝑦 + 𝑤 = 2
𝑥 + 2𝑦 + 3𝑧 + 2𝑤 = 5
3𝑥 + 2𝑦 − 2𝑧 + 5𝑞 = −5
⇒
0 1 1 1
1 1 0 −1
1 2 3 2
3 2 −2 5
𝑥
𝑦
𝑧
𝑤
=
3
2
5
−5
• 방정식을 행렬로 변환한다.
• 선형 방정식에서처럼 역 계단 형식으로 만들어보자!
• 과정
•
0 1 0 0
1 0 0 0
0 0 1 0
0 0 0 1
0 1 1 1
1 1 0 −1
1 2 3 2
3 2 −2 5
𝑥
𝑦
𝑧
𝑤
=
0 1 0 0
1 0 0 0
0 0 1 0
0 0 0 1
3
2
5
−5
• 1행과 2행을 바꾼다.
•
1 0 0 0
0 1 0 0
−1 −1 1 0
0 0 0 1
1 1 0 −1
0 1 1 1
1 2 3 2
3 2 −2 5
𝑥
𝑦
𝑧
𝑤
=
1 0 0 0
0 1 0 0
−1 −1 1 0
0 0 0 1
2
3
5
−5
• 3행에 1행과 2행을 뺀다.
• 다음 장에 계속.
가우스 소거법행렬을 이용한 소거법
가우스 소거법이란?
• 과정
•
1 0 0 0
0 1 0 0
0 0 0.5 0
0 0 0 1
1 1 0 −1
0 1 1 1
0 0 2 2
3 2 −2 5
𝑥
𝑦
𝑧
𝑤
=
1 0 0 0
0 1 0 0
0 0 0.5 0
0 0 0 1
2
3
0
−5
• 3행에 0.5를 곱한다.
•
1 0 0 0
0 1 0 0
0 0 1 0
−3 1 1 1
1 1 0 −1
0 1 1 1
0 0 1 1
3 2 −2 5
𝑥
𝑦
𝑧
𝑤
=
1 0 0 0
0 1 0 0
0 0 1 0
−3 1 1 1
2
3
0
−5
• 4행에 1행을 3번 빼고, 2행을 1번 더하고, 3행을 1번 더한다.
•
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0.1
1 1 0 −1
0 1 1 1
0 0 1 1
0 0 0 10
𝑥
𝑦
𝑧
𝑤
=
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 0.1
2
3
0
−8
• 4행에 0.1을 곱한다.
• 다음 장에 계속.
가우스 소거법행렬을 이용한 소거법
가우스 소거법이란?
• 과정
•
1 1 0 −1
0 1 1 1
0 0 1 1
0 0 0 1
𝑥
𝑦
𝑧
𝑤
=
2
3
0
−0.8
• w = -0.8, z = 0.8, y = 3, x = 1.8임을 알 수 있다. (후진대입)
가우스 소거법행렬을 이용한 소거법
가우스-조던 소거법이란?
• 개념 정리
•
0 1 1 1
1 1 0 −1
1 2 3 2
3 2 −2 5
𝑥
𝑦
𝑧
𝑤
=
3
2
5
−5
를
•
1 0 0 0
0 1 0 0
0 0 1 0
0 0 0 1
𝑥
𝑦
𝑧
𝑤
= 𝐸 𝑛 … 𝐸2 𝐸1
3
2
5
−5
꼴로 바꾸는 방법.
• (앞 장 까지에서 설명한 가우스 소거법에서 기본 행 연산만 더 하
면 얻을 수 있는 결과이므로 소거법 자체에 대한 설명은 하지 않
는다. 역 행렬을 구하는 방법에 대해 자세히 다룰 것.)
• 아이디어
• 위의 식에서 결국 𝐸 𝑛 … 𝐸2 𝐸1 는
0 1 1 1
1 1 0 −1
1 2 3 2
3 2 −2 5
의 역 행렬이다!
• 즉, 기본 행 연산으로 역 행렬을 구할 수 있다는 이야기!
• 다음 장에서 계속.
가우스-조던 소거법가우스-조던 소거법으로 역 행렬 구하기
역 행렬 구하기
• 아이디어
• 역 행렬의 정의부터 살펴보자.
• 행렬 A에 대하여, 𝐴𝐵=𝐼, 𝐵𝐴=𝐼 (𝐼는 단위행렬)를 만족하는 𝐵에 대
하여, 𝐵를 행렬 𝐴의 역 행렬 이라고 하고, 𝐴−1
로 표현한다.
• 우리는 𝐴𝐴−1
= 𝐼의 꼴에서
A에 기본 행 연산(𝑬 𝟏, 𝑬 𝟐, … , 𝑬 𝒏)을 사용하여
𝑬 𝒏 … 𝑬 𝟐 𝑬 𝟏 𝑨 = 𝑰
의 꼴을 만들고,
𝑬 𝒏 … 𝑬 𝟐 𝑬 𝟏 𝑨𝑨−𝟏
= 𝑰𝑨−𝟏
= 𝑬 𝒏 … 𝑬 𝟐 𝑬 𝟏
를 유도하여 역 행렬을 구할 수 있는 것이다.
(기본 행 연산은 (기본 행 연산)x(피 연산자) 형식이기 때문에 역
순으로 곱해진다는 것에 유의)
• 이제 이 아이디어를 통해 실제로 역 행렬을 구해보자.
• A =
1 1 1
1 2 2
1 2 3
과정을 보기 전에 풀어보고 보자.
• 다음 장에 계속.
역 행렬 구하기가우스-조던 소거법으로 역 행렬 구하기
역 행렬 구하기
• 이제 이 아이디어를 통해 실제로 역 행렬을 구해보자.
• 여기서 사용하는 방법이 가우스-조던 소거법이다.
• A =
1 1 1
1 2 2
1 2 3
, A−1
= ?
•
1 1 1
1 2 2
1 2 3
𝐴−1
=
1 0 0
0 1 0
0 0 1
•
1 0 0
−1 1 0
0 0 1
1 1 1
1 2 2
1 2 3
𝐴−1
=
1 0 0
−1 1 0
0 0 1
1 0 0
0 1 0
0 0 1
• 2행에 1행을 뺀다.
•
1 0 0
0 1 0
−1 −1 1
1 1 1
0 1 1
1 2 3
𝐴−1
=
1 0 0
0 1 0
−1 −1 1
1 0 0
−1 1 0
0 0 1
• 3행에 1행과 2행을 뺀다.
•
1 0 −1
0 1 −1
0 0 1
1 1 1
0 1 1
0 0 1
𝐴−1
=
1 0 −1
0 1 −1
0 0 1
1 0 0
−1 1 0
0 −1 1
• 1행과 2행에 3행을 뺀다.
역 행렬 구하기가우스-조던 소거법으로 역 행렬 구하기
역 행렬 구하기
• 이제 이 아이디어를 통해 실제로 역 행렬을 구해보자.
• 여기서 사용하는 방법이 가우스-조던 소거법이다.
•
1 −1 0
0 1 0
0 0 1
1 1 0
0 1 0
0 0 1
𝐴−1
=
1 −1 0
0 1 0
0 0 1
1 1 −1
−1 2 −1
0 −1 1
• 1행에 2행을 뺀다.
•
1 0 0
0 1 0
0 0 1
𝐴−1
=
1 1 −1
−1 2 −1
0 −1 1
• 따라서 𝐴−1
=
1 1 −1
−1 2 −1
0 −1 1
역 행렬 구하기가우스-조던 소거법으로 역 행렬 구하기
• 개념 정리
• LU 분해법은 한 행렬을 A =
1 2 2
2 2 4
0 2 −1
= LU꼴을 만족하도록
1 0 0
2 −2 0
0 2 −1
(L 부분)처럼 대각선 위쪽이 0으로 된 것과
1 2 2
0 1 0
0 0 1
(U 부분)처럼 대각선 아래쪽이 0으로 된 것으로
분해하는 방식을 말한다.
• U는 앞에서 배운 소거법으로 구할 수 있지만, L은 힘들다.
• 𝐸 𝑛 … 𝐸2 𝐸1 𝐴 = U로 나타낼 수 있고, A = 𝐸 𝑛 … 𝐸2 𝐸1
−1
𝑈로 나타낼
수 있다. 이때, A = LU 이므로 L = 𝐸 𝑛 … 𝐸2 𝐸1
−1
임을 알 수 있다.
• 즉, U를 구할 때까지 사용한 기본 행 연산의 역 행렬이 L이다.
• 아이디어
• LU 분해법으로 된 방정식에서 U를 먼저 계산하고 L을 계산하면
방정식의 해를 구할 수 있겠구나!
• 다음 장에서 계속.
LU 분해법으로 선형 방정식의 해 구하기
LU 분해법으로 선형 방정식의 해 구하기LU 분해법
• 과정
•
1 2 2
2 2 4
0 2 −1
𝑥
𝑦
𝑧
=
1
2
1
를 LU 분해법을 적용하여 표현하면,
•
1 0 0
2 −2 0
0 2 −1
1 2 2
0 1 0
0 0 1
𝑥
𝑦
𝑧
=
1
2
1
으로 나타낼 수 있다.
•
1 0 0
2 −2 0
0 2 −1
1 2 2
0 1 0
0 0 1
𝑥
𝑦
𝑧
=
1
2
1
에서
1 2 2
0 1 0
0 0 1
𝑥
𝑦
𝑧
를 먼저 계산
한다.
•
1 0 0
2 −2 0
0 2 −1
𝑥 + 2𝑦 + 2𝑧
𝑦
𝑧
=
1
2
1
이 되고, 계산한 부분을 각각
𝑥′
, 𝑦′
, 𝑧′
으로 치환한다. ⇒ 𝑥′
= 𝑥 + 2𝑦 + 2𝑧, 𝑦′
= 𝑦, 𝑧′
= 𝑧
•
1 0 0
2 −2 0
0 2 −1
𝑥′
𝑦′
𝑧′
=
1
2
1
다시 계산한다.
• 다음 장에서 계속.
LU 분해법으로 선형 방정식의 해 구하기
LU 분해법으로 선형 방정식의 해 구하기LU 분해법
LU 분해법으로 선형 방정식의 해 구하기
• 과정
•
𝑥′
2𝑥′
− 2𝑦′
2𝑦′
− 𝑧′
=
1
2
1
방정식을 푼다. (전진대입)
• 𝑥′
= 1,
2𝑥′
− 2𝑦′
= 2 − 2𝑦′
= 2, 𝑦′
= 0
2𝑦′
− 𝑧′
= −𝑧′
= 1, 𝑧′
= −1
• 𝑥′
= 𝑥 + 2𝑦 + 2𝑧, 𝑦′
= 𝑦, 𝑧′
= 𝑧에 후진대입해서 푼다.
• 𝑧′
= 𝑧 = −1, 𝑧 = −1
𝑦′
= 𝑦 = 0, 𝑦 = 0
• 𝑥′
= 𝑥 + 2𝑦 + 2𝑧 = 𝑥 + 0 − 2 = 𝑥 − 2 = 1, 𝑥 = 3
• 따라서 𝑥 = 3, 𝑦 = 0, 𝑧 = −1의 해를 구할 수 있다.
LU 분해법으로 선형 방정식의 해 구하기LU 분해법
행렬식(determinant)이란?
• 개념 정리
• 정방행렬(n*n)을 숫자에 대응하는 함수, 선형 행 함수의 일종이다.
• A =
𝑎11 𝑎12 𝑎13
𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33
=
𝑝1
𝑝2
𝑝3
• 위의 행렬에 대한 행렬식을 Det(A), Det(𝑝1, 𝑝2, 𝑝3) 혹은 |A|로 표
현한다.
• 선형 행 함수의 성질
• 첨가성
• Det(𝑝1, 𝑝2 + 𝑝 𝑘, 𝑝3) = Det(𝑝1, 𝑝2, 𝑝3) + Det(𝑝1, 𝑝 𝑘, 𝑝3)
• 균질성
• Det(𝑝1, 𝑘𝑝2, 𝑝3) = kDet(𝑝1, 𝑝2, 𝑝3)
• 한 행이라도 0이면(k가 0이면) 행렬식의 값은 0이다.
• 행렬식의 성질
• 두 행이 같으면, 행렬식의 값은 0이다.
• 두 행을 바꾸면 행렬식의 부호가 바뀐다.
• A =
𝑝1
𝑝2
𝑝3
, A′
=
𝑝2
𝑝1
𝑝3
, Det(A) = Det(A’) 다음장에 계속.
행렬식의 정의행렬식
행렬식(determinant)이란?
• 행렬식의 성질
• Det(I) = 1 (I는 단위 행렬)
• Det(AB) = Det(A)Det(B)
• Det(𝐴−1
) =
1
𝐷𝑒𝑡 𝐴
• Det(A) = Det(𝐴 𝑇
)
• 귀납법으로 증명 가능.
• 이 성질을 통해 행렬식의 정의 및 성질이 열 방향에서도 그
대로 적용됨을 알 수 있음.
행렬식의 정의행렬식
역 행렬과 행렬식과의 관계
• 역 행렬과 행렬식과의 관계
• ‘역 행렬이 존재 한다’면 ‘행렬식이 0이 아니다’
• ‘행렬식이 0이 아니다’면 ‘역 행렬이 존재 한다’
• 즉, 두 명제는 필요충분조건임.
• 역 행렬이 존재하지 않을 경우(즉, 행렬식이 0일 경우)
• 소거법을 진행하면 어떤 행이 0이 될 경우
• 행렬식의 성질에 따라 행렬식이 0이 된다.
• 두 행이 같을 경우
• 행렬식의 성질에 따라 행렬식이 0이 된다.
역 행렬과 행렬식과의 관계행렬식

More Related Content

What's hot

선형대수 12강 Gram-Schmidt Orthogonalization
선형대수 12강 Gram-Schmidt Orthogonalization선형대수 12강 Gram-Schmidt Orthogonalization
선형대수 12강 Gram-Schmidt OrthogonalizationAHRA CHO
 
선형대수 07. 선형독립, 4가지 부벡터공간
선형대수 07. 선형독립, 4가지 부벡터공간선형대수 07. 선형독립, 4가지 부벡터공간
선형대수 07. 선형독립, 4가지 부벡터공간AHRA CHO
 
0124 2 linear_algebra_basic_matrix
0124 2 linear_algebra_basic_matrix0124 2 linear_algebra_basic_matrix
0124 2 linear_algebra_basic_matrixJeonghun Yoon
 
선형대수 05. 열벡터공간
선형대수 05. 열벡터공간선형대수 05. 열벡터공간
선형대수 05. 열벡터공간AHRA CHO
 
0131 2 spectral_theorem_eigenvalue
0131 2 spectral_theorem_eigenvalue0131 2 spectral_theorem_eigenvalue
0131 2 spectral_theorem_eigenvalueJeonghun Yoon
 
0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformationJeonghun Yoon
 
08. spectal clustering
08. spectal clustering08. spectal clustering
08. spectal clusteringJeonghun Yoon
 
Neural network (perceptron)
Neural network (perceptron)Neural network (perceptron)
Neural network (perceptron)Jeonghun Yoon
 
Random walk, brownian motion, black scholes equation
Random walk, brownian motion, black scholes equationRandom walk, brownian motion, black scholes equation
Random walk, brownian motion, black scholes equation창호 손
 
Wasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 IWasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 ISungbin Lim
 
[아꿈사] 게임 기초 수학 물리 1,2장
[아꿈사] 게임 기초 수학 물리 1,2장[아꿈사] 게임 기초 수학 물리 1,2장
[아꿈사] 게임 기초 수학 물리 1,2장sung ki choi
 
[기초수학] 미분 적분학
[기초수학] 미분 적분학[기초수학] 미분 적분학
[기초수학] 미분 적분학KyeongWon Koo
 
Eigendecomposition and pca
Eigendecomposition and pcaEigendecomposition and pca
Eigendecomposition and pcaJinhwan Suk
 
Chapter 2, 선형 변환과 행렬 2/2
Chapter 2, 선형 변환과 행렬 2/2Chapter 2, 선형 변환과 행렬 2/2
Chapter 2, 선형 변환과 행렬 2/2Thisisone Lee
 
introduction to dynamic programming and linear programming
introduction to dynamic programming and linear programmingintroduction to dynamic programming and linear programming
introduction to dynamic programming and linear programmingGyeongwook Choi
 
Taocp11.2.2
Taocp11.2.2Taocp11.2.2
Taocp11.2.2duaa83
 

What's hot (19)

선형대수 12강 Gram-Schmidt Orthogonalization
선형대수 12강 Gram-Schmidt Orthogonalization선형대수 12강 Gram-Schmidt Orthogonalization
선형대수 12강 Gram-Schmidt Orthogonalization
 
선형대수 07. 선형독립, 4가지 부벡터공간
선형대수 07. 선형독립, 4가지 부벡터공간선형대수 07. 선형독립, 4가지 부벡터공간
선형대수 07. 선형독립, 4가지 부벡터공간
 
0124 2 linear_algebra_basic_matrix
0124 2 linear_algebra_basic_matrix0124 2 linear_algebra_basic_matrix
0124 2 linear_algebra_basic_matrix
 
선형대수 05. 열벡터공간
선형대수 05. 열벡터공간선형대수 05. 열벡터공간
선형대수 05. 열벡터공간
 
SVM
SVMSVM
SVM
 
0131 2 spectral_theorem_eigenvalue
0131 2 spectral_theorem_eigenvalue0131 2 spectral_theorem_eigenvalue
0131 2 spectral_theorem_eigenvalue
 
0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation
 
08. spectal clustering
08. spectal clustering08. spectal clustering
08. spectal clustering
 
행렬
행렬행렬
행렬
 
Linear algebra
Linear algebraLinear algebra
Linear algebra
 
Neural network (perceptron)
Neural network (perceptron)Neural network (perceptron)
Neural network (perceptron)
 
Random walk, brownian motion, black scholes equation
Random walk, brownian motion, black scholes equationRandom walk, brownian motion, black scholes equation
Random walk, brownian motion, black scholes equation
 
Wasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 IWasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 I
 
[아꿈사] 게임 기초 수학 물리 1,2장
[아꿈사] 게임 기초 수학 물리 1,2장[아꿈사] 게임 기초 수학 물리 1,2장
[아꿈사] 게임 기초 수학 물리 1,2장
 
[기초수학] 미분 적분학
[기초수학] 미분 적분학[기초수학] 미분 적분학
[기초수학] 미분 적분학
 
Eigendecomposition and pca
Eigendecomposition and pcaEigendecomposition and pca
Eigendecomposition and pca
 
Chapter 2, 선형 변환과 행렬 2/2
Chapter 2, 선형 변환과 행렬 2/2Chapter 2, 선형 변환과 행렬 2/2
Chapter 2, 선형 변환과 행렬 2/2
 
introduction to dynamic programming and linear programming
introduction to dynamic programming and linear programmingintroduction to dynamic programming and linear programming
introduction to dynamic programming and linear programming
 
Taocp11.2.2
Taocp11.2.2Taocp11.2.2
Taocp11.2.2
 

Similar to 행렬

3 sat with randomization
3 sat with randomization3 sat with randomization
3 sat with randomizationChangki Yun
 
03. linear regression
03. linear regression03. linear regression
03. linear regressionJeonghun Yoon
 
Ray-triangle intersection
Ray-triangle intersectionRay-triangle intersection
Ray-triangle intersection동환 김
 
페리 수열(Farey sequence)
페리 수열(Farey sequence)페리 수열(Farey sequence)
페리 수열(Farey sequence)종빈 오
 
04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )Jeonghun Yoon
 
Deep Learning from scratch 5장 : backpropagation
 Deep Learning from scratch 5장 : backpropagation Deep Learning from scratch 5장 : backpropagation
Deep Learning from scratch 5장 : backpropagationJinSooKim80
 
쏙 알고스터디 01
쏙 알고스터디 01쏙 알고스터디 01
쏙 알고스터디 01Jisu Lee
 
Auto-Encoders and Variational Auto-Encoders
Auto-Encoders and Variational Auto-EncodersAuto-Encoders and Variational Auto-Encoders
Auto-Encoders and Variational Auto-EncodersJinho Lee
 
Closest pair problem with randomization
Closest pair problem with randomizationClosest pair problem with randomization
Closest pair problem with randomizationChangki Yun
 
[한글] Tutorial: Sparse variational dropout
[한글] Tutorial: Sparse variational dropout[한글] Tutorial: Sparse variational dropout
[한글] Tutorial: Sparse variational dropoutWuhyun Rico Shin
 
[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기
[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기
[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기JungHyun Hong
 
신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약고포릿 default
 
입문 Visual SLAM 14강 - 3장 3d rigid body transform
입문 Visual SLAM 14강 - 3장 3d rigid body transform입문 Visual SLAM 14강 - 3장 3d rigid body transform
입문 Visual SLAM 14강 - 3장 3d rigid body transformjdo
 
[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이
[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이
[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이NAVER D2
 
하스켈 성능 튜닝
하스켈 성능 튜닝하스켈 성능 튜닝
하스켈 성능 튜닝민석 이
 
110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열
110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열
110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열sung ki choi
 
[프선대]Chap02 랭크 역행렬-일차방정식
[프선대]Chap02 랭크 역행렬-일차방정식[프선대]Chap02 랭크 역행렬-일차방정식
[프선대]Chap02 랭크 역행렬-일차방정식종현 최
 
0124 1 linear_algebra_basic_vector
0124 1 linear_algebra_basic_vector0124 1 linear_algebra_basic_vector
0124 1 linear_algebra_basic_vectorJeonghun Yoon
 

Similar to 행렬 (20)

3 sat with randomization
3 sat with randomization3 sat with randomization
3 sat with randomization
 
03. linear regression
03. linear regression03. linear regression
03. linear regression
 
Ray-triangle intersection
Ray-triangle intersectionRay-triangle intersection
Ray-triangle intersection
 
페리 수열(Farey sequence)
페리 수열(Farey sequence)페리 수열(Farey sequence)
페리 수열(Farey sequence)
 
04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )04. logistic regression ( 로지스틱 회귀 )
04. logistic regression ( 로지스틱 회귀 )
 
Variational AutoEncoder(VAE)
Variational AutoEncoder(VAE)Variational AutoEncoder(VAE)
Variational AutoEncoder(VAE)
 
Deep Learning from scratch 5장 : backpropagation
 Deep Learning from scratch 5장 : backpropagation Deep Learning from scratch 5장 : backpropagation
Deep Learning from scratch 5장 : backpropagation
 
쏙 알고스터디 01
쏙 알고스터디 01쏙 알고스터디 01
쏙 알고스터디 01
 
Auto-Encoders and Variational Auto-Encoders
Auto-Encoders and Variational Auto-EncodersAuto-Encoders and Variational Auto-Encoders
Auto-Encoders and Variational Auto-Encoders
 
Closest pair problem with randomization
Closest pair problem with randomizationClosest pair problem with randomization
Closest pair problem with randomization
 
[한글] Tutorial: Sparse variational dropout
[한글] Tutorial: Sparse variational dropout[한글] Tutorial: Sparse variational dropout
[한글] Tutorial: Sparse variational dropout
 
[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기
[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기
[GomGuard] 뉴런부터 YOLO 까지 - 딥러닝 전반에 대한 이야기
 
신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약신경망 첫걸음 - 한빛미디어 요약
신경망 첫걸음 - 한빛미디어 요약
 
입문 Visual SLAM 14강 - 3장 3d rigid body transform
입문 Visual SLAM 14강 - 3장 3d rigid body transform입문 Visual SLAM 14강 - 3장 3d rigid body transform
입문 Visual SLAM 14강 - 3장 3d rigid body transform
 
[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이
[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이
[연세대 모르고리즘] 프로그래밍 경진대회 문제 풀이
 
하스켈 성능 튜닝
하스켈 성능 튜닝하스켈 성능 튜닝
하스켈 성능 튜닝
 
110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열
110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열
110212 [아꿈사발표자료] taocp#1 1.2.8. 피보나치수열
 
[프선대]Chap02 랭크 역행렬-일차방정식
[프선대]Chap02 랭크 역행렬-일차방정식[프선대]Chap02 랭크 역행렬-일차방정식
[프선대]Chap02 랭크 역행렬-일차방정식
 
0124 1 linear_algebra_basic_vector
0124 1 linear_algebra_basic_vector0124 1 linear_algebra_basic_vector
0124 1 linear_algebra_basic_vector
 
벡터
벡터벡터
벡터
 

More from Taeung Ra

GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산
GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산
GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산Taeung Ra
 
GPG 1.1 객체지향적 프로그래밍과 설계기법
GPG 1.1 객체지향적 프로그래밍과 설계기법GPG 1.1 객체지향적 프로그래밍과 설계기법
GPG 1.1 객체지향적 프로그래밍과 설계기법Taeung Ra
 
1.0데이터 주도적 설계의_마법
1.0데이터 주도적 설계의_마법1.0데이터 주도적 설계의_마법
1.0데이터 주도적 설계의_마법Taeung Ra
 
Super Meat Boy 포스트모템
Super Meat Boy 포스트모템Super Meat Boy 포스트모템
Super Meat Boy 포스트모템Taeung Ra
 
Nhn next this plus technical report
Nhn next this plus technical reportNhn next this plus technical report
Nhn next this plus technical reportTaeung Ra
 
인디 소프트웨어 개발기
인디 소프트웨어 개발기인디 소프트웨어 개발기
인디 소프트웨어 개발기Taeung Ra
 

More from Taeung Ra (6)

GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산
GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산
GPG 1.2 템플릿 메타프로그래밍을 이용한 빠른 수학 연산
 
GPG 1.1 객체지향적 프로그래밍과 설계기법
GPG 1.1 객체지향적 프로그래밍과 설계기법GPG 1.1 객체지향적 프로그래밍과 설계기법
GPG 1.1 객체지향적 프로그래밍과 설계기법
 
1.0데이터 주도적 설계의_마법
1.0데이터 주도적 설계의_마법1.0데이터 주도적 설계의_마법
1.0데이터 주도적 설계의_마법
 
Super Meat Boy 포스트모템
Super Meat Boy 포스트모템Super Meat Boy 포스트모템
Super Meat Boy 포스트모템
 
Nhn next this plus technical report
Nhn next this plus technical reportNhn next this plus technical report
Nhn next this plus technical report
 
인디 소프트웨어 개발기
인디 소프트웨어 개발기인디 소프트웨어 개발기
인디 소프트웨어 개발기
 

행렬

  • 1. INDEX 01 소거법 02 행렬을 이용한 소거법 03 가우스-조던 소거법으로 역 행렬 구하기 04 LU 분해법 05 행렬식 (미완성) 06 여인수 정리와 크래머 법칙 ( 준비중)
  • 2. 선행 성분(Leading Entry, 행에서 처음으로 나타나는 0이 아닌 성분)의 계수가 1이 되도록 역 계단 만들기 • 개념 정리 • 𝑎𝑥 + 𝑏𝑦 = 𝑝 𝑐𝑥 + 𝑑𝑦 = 𝑞 ⇒ 𝑥 + 𝑏′ 𝑦 = 𝑝′ 𝑦 = 𝑞′ • 처음 선행 성분, 즉 x의 계수가 1이 되도록 만든다. • 역 계단을 만들어야 하기 때문에 아래의 x는 없애고, y의 계수를 1이 되도록 만든다. • y의 값을 알 수 있게 되고, 그를 통해 x의 값을 구할 수 있게 된다. (이를 후진대입이라고 한다.) • 예제 • 3𝑥 + 𝑦 = 4 𝑥 + 𝑦 = 8 ⇒ 𝑥 + 𝑦 = 8 … 𝑎 3𝑥 + 𝑦 = 4 … 𝑏 교환 • 𝑏에 𝑏 − 3𝑎를 해주면 ⇒ 𝑥 + 𝑦 = 8 −2𝑦 = −20 • ∴ 𝑦 = 10, 𝑥 = −2 라는 값을 얻을 수 있다. 소거법의 패턴(Pattern)소거법
  • 3. 기본 행 연산이란? • 개념 정리 • 각 행에 덧셈, 뺄셈, 곱셈, 나눗셈을 하는 연산 • (기본 행 연산)x(피 연산자) 의 형식으로 곱해야 함을 주의! • 𝑘 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 ∶ 1 행에 𝑘배를 한다. • 1 0 𝑘 0 0 1 0 0 0 0 1 0 0 0 0 1 ∶ 1 행에 3 행을 𝑘배한 것을 더한다. • 0 0 1 0 0 1 0 0 1 0 0 0 0 0 0 1 ∶ 1 행과 3 행을 바꾼다. • 아이디어 • 기본 행 연산을 통해 선형방정식에서 썼던 소거법을 사용해보자! • 선형 방정식을 행렬로 바꾸고, 기본 행 연산을 통해 방정식을 풀 어보자. 기본 행 연산을 통한 계산행렬을 이용한 소거법
  • 4. 가우스 소거법이란? • 개념 정리 • 𝑦 + 𝑧 + 𝑤 = 3 𝑥 + 𝑦 + 𝑤 = 2 𝑥 + 2𝑦 + 3𝑧 + 2𝑤 = 5 3𝑥 + 2𝑦 − 2𝑧 + 5𝑞 = −5 ⇒ 0 1 1 1 1 1 0 −1 1 2 3 2 3 2 −2 5 𝑥 𝑦 𝑧 𝑤 = 3 2 5 −5 • 방정식을 행렬로 변환한다. • 선형 방정식에서처럼 역 계단 형식으로 만들어보자! • 과정 • 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 1 0 1 1 1 1 1 0 −1 1 2 3 2 3 2 −2 5 𝑥 𝑦 𝑧 𝑤 = 0 1 0 0 1 0 0 0 0 0 1 0 0 0 0 1 3 2 5 −5 • 1행과 2행을 바꾼다. • 1 0 0 0 0 1 0 0 −1 −1 1 0 0 0 0 1 1 1 0 −1 0 1 1 1 1 2 3 2 3 2 −2 5 𝑥 𝑦 𝑧 𝑤 = 1 0 0 0 0 1 0 0 −1 −1 1 0 0 0 0 1 2 3 5 −5 • 3행에 1행과 2행을 뺀다. • 다음 장에 계속. 가우스 소거법행렬을 이용한 소거법
  • 5. 가우스 소거법이란? • 과정 • 1 0 0 0 0 1 0 0 0 0 0.5 0 0 0 0 1 1 1 0 −1 0 1 1 1 0 0 2 2 3 2 −2 5 𝑥 𝑦 𝑧 𝑤 = 1 0 0 0 0 1 0 0 0 0 0.5 0 0 0 0 1 2 3 0 −5 • 3행에 0.5를 곱한다. • 1 0 0 0 0 1 0 0 0 0 1 0 −3 1 1 1 1 1 0 −1 0 1 1 1 0 0 1 1 3 2 −2 5 𝑥 𝑦 𝑧 𝑤 = 1 0 0 0 0 1 0 0 0 0 1 0 −3 1 1 1 2 3 0 −5 • 4행에 1행을 3번 빼고, 2행을 1번 더하고, 3행을 1번 더한다. • 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0.1 1 1 0 −1 0 1 1 1 0 0 1 1 0 0 0 10 𝑥 𝑦 𝑧 𝑤 = 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 0.1 2 3 0 −8 • 4행에 0.1을 곱한다. • 다음 장에 계속. 가우스 소거법행렬을 이용한 소거법
  • 6. 가우스 소거법이란? • 과정 • 1 1 0 −1 0 1 1 1 0 0 1 1 0 0 0 1 𝑥 𝑦 𝑧 𝑤 = 2 3 0 −0.8 • w = -0.8, z = 0.8, y = 3, x = 1.8임을 알 수 있다. (후진대입) 가우스 소거법행렬을 이용한 소거법
  • 7. 가우스-조던 소거법이란? • 개념 정리 • 0 1 1 1 1 1 0 −1 1 2 3 2 3 2 −2 5 𝑥 𝑦 𝑧 𝑤 = 3 2 5 −5 를 • 1 0 0 0 0 1 0 0 0 0 1 0 0 0 0 1 𝑥 𝑦 𝑧 𝑤 = 𝐸 𝑛 … 𝐸2 𝐸1 3 2 5 −5 꼴로 바꾸는 방법. • (앞 장 까지에서 설명한 가우스 소거법에서 기본 행 연산만 더 하 면 얻을 수 있는 결과이므로 소거법 자체에 대한 설명은 하지 않 는다. 역 행렬을 구하는 방법에 대해 자세히 다룰 것.) • 아이디어 • 위의 식에서 결국 𝐸 𝑛 … 𝐸2 𝐸1 는 0 1 1 1 1 1 0 −1 1 2 3 2 3 2 −2 5 의 역 행렬이다! • 즉, 기본 행 연산으로 역 행렬을 구할 수 있다는 이야기! • 다음 장에서 계속. 가우스-조던 소거법가우스-조던 소거법으로 역 행렬 구하기
  • 8. 역 행렬 구하기 • 아이디어 • 역 행렬의 정의부터 살펴보자. • 행렬 A에 대하여, 𝐴𝐵=𝐼, 𝐵𝐴=𝐼 (𝐼는 단위행렬)를 만족하는 𝐵에 대 하여, 𝐵를 행렬 𝐴의 역 행렬 이라고 하고, 𝐴−1 로 표현한다. • 우리는 𝐴𝐴−1 = 𝐼의 꼴에서 A에 기본 행 연산(𝑬 𝟏, 𝑬 𝟐, … , 𝑬 𝒏)을 사용하여 𝑬 𝒏 … 𝑬 𝟐 𝑬 𝟏 𝑨 = 𝑰 의 꼴을 만들고, 𝑬 𝒏 … 𝑬 𝟐 𝑬 𝟏 𝑨𝑨−𝟏 = 𝑰𝑨−𝟏 = 𝑬 𝒏 … 𝑬 𝟐 𝑬 𝟏 를 유도하여 역 행렬을 구할 수 있는 것이다. (기본 행 연산은 (기본 행 연산)x(피 연산자) 형식이기 때문에 역 순으로 곱해진다는 것에 유의) • 이제 이 아이디어를 통해 실제로 역 행렬을 구해보자. • A = 1 1 1 1 2 2 1 2 3 과정을 보기 전에 풀어보고 보자. • 다음 장에 계속. 역 행렬 구하기가우스-조던 소거법으로 역 행렬 구하기
  • 9. 역 행렬 구하기 • 이제 이 아이디어를 통해 실제로 역 행렬을 구해보자. • 여기서 사용하는 방법이 가우스-조던 소거법이다. • A = 1 1 1 1 2 2 1 2 3 , A−1 = ? • 1 1 1 1 2 2 1 2 3 𝐴−1 = 1 0 0 0 1 0 0 0 1 • 1 0 0 −1 1 0 0 0 1 1 1 1 1 2 2 1 2 3 𝐴−1 = 1 0 0 −1 1 0 0 0 1 1 0 0 0 1 0 0 0 1 • 2행에 1행을 뺀다. • 1 0 0 0 1 0 −1 −1 1 1 1 1 0 1 1 1 2 3 𝐴−1 = 1 0 0 0 1 0 −1 −1 1 1 0 0 −1 1 0 0 0 1 • 3행에 1행과 2행을 뺀다. • 1 0 −1 0 1 −1 0 0 1 1 1 1 0 1 1 0 0 1 𝐴−1 = 1 0 −1 0 1 −1 0 0 1 1 0 0 −1 1 0 0 −1 1 • 1행과 2행에 3행을 뺀다. 역 행렬 구하기가우스-조던 소거법으로 역 행렬 구하기
  • 10. 역 행렬 구하기 • 이제 이 아이디어를 통해 실제로 역 행렬을 구해보자. • 여기서 사용하는 방법이 가우스-조던 소거법이다. • 1 −1 0 0 1 0 0 0 1 1 1 0 0 1 0 0 0 1 𝐴−1 = 1 −1 0 0 1 0 0 0 1 1 1 −1 −1 2 −1 0 −1 1 • 1행에 2행을 뺀다. • 1 0 0 0 1 0 0 0 1 𝐴−1 = 1 1 −1 −1 2 −1 0 −1 1 • 따라서 𝐴−1 = 1 1 −1 −1 2 −1 0 −1 1 역 행렬 구하기가우스-조던 소거법으로 역 행렬 구하기
  • 11. • 개념 정리 • LU 분해법은 한 행렬을 A = 1 2 2 2 2 4 0 2 −1 = LU꼴을 만족하도록 1 0 0 2 −2 0 0 2 −1 (L 부분)처럼 대각선 위쪽이 0으로 된 것과 1 2 2 0 1 0 0 0 1 (U 부분)처럼 대각선 아래쪽이 0으로 된 것으로 분해하는 방식을 말한다. • U는 앞에서 배운 소거법으로 구할 수 있지만, L은 힘들다. • 𝐸 𝑛 … 𝐸2 𝐸1 𝐴 = U로 나타낼 수 있고, A = 𝐸 𝑛 … 𝐸2 𝐸1 −1 𝑈로 나타낼 수 있다. 이때, A = LU 이므로 L = 𝐸 𝑛 … 𝐸2 𝐸1 −1 임을 알 수 있다. • 즉, U를 구할 때까지 사용한 기본 행 연산의 역 행렬이 L이다. • 아이디어 • LU 분해법으로 된 방정식에서 U를 먼저 계산하고 L을 계산하면 방정식의 해를 구할 수 있겠구나! • 다음 장에서 계속. LU 분해법으로 선형 방정식의 해 구하기 LU 분해법으로 선형 방정식의 해 구하기LU 분해법
  • 12. • 과정 • 1 2 2 2 2 4 0 2 −1 𝑥 𝑦 𝑧 = 1 2 1 를 LU 분해법을 적용하여 표현하면, • 1 0 0 2 −2 0 0 2 −1 1 2 2 0 1 0 0 0 1 𝑥 𝑦 𝑧 = 1 2 1 으로 나타낼 수 있다. • 1 0 0 2 −2 0 0 2 −1 1 2 2 0 1 0 0 0 1 𝑥 𝑦 𝑧 = 1 2 1 에서 1 2 2 0 1 0 0 0 1 𝑥 𝑦 𝑧 를 먼저 계산 한다. • 1 0 0 2 −2 0 0 2 −1 𝑥 + 2𝑦 + 2𝑧 𝑦 𝑧 = 1 2 1 이 되고, 계산한 부분을 각각 𝑥′ , 𝑦′ , 𝑧′ 으로 치환한다. ⇒ 𝑥′ = 𝑥 + 2𝑦 + 2𝑧, 𝑦′ = 𝑦, 𝑧′ = 𝑧 • 1 0 0 2 −2 0 0 2 −1 𝑥′ 𝑦′ 𝑧′ = 1 2 1 다시 계산한다. • 다음 장에서 계속. LU 분해법으로 선형 방정식의 해 구하기 LU 분해법으로 선형 방정식의 해 구하기LU 분해법
  • 13. LU 분해법으로 선형 방정식의 해 구하기 • 과정 • 𝑥′ 2𝑥′ − 2𝑦′ 2𝑦′ − 𝑧′ = 1 2 1 방정식을 푼다. (전진대입) • 𝑥′ = 1, 2𝑥′ − 2𝑦′ = 2 − 2𝑦′ = 2, 𝑦′ = 0 2𝑦′ − 𝑧′ = −𝑧′ = 1, 𝑧′ = −1 • 𝑥′ = 𝑥 + 2𝑦 + 2𝑧, 𝑦′ = 𝑦, 𝑧′ = 𝑧에 후진대입해서 푼다. • 𝑧′ = 𝑧 = −1, 𝑧 = −1 𝑦′ = 𝑦 = 0, 𝑦 = 0 • 𝑥′ = 𝑥 + 2𝑦 + 2𝑧 = 𝑥 + 0 − 2 = 𝑥 − 2 = 1, 𝑥 = 3 • 따라서 𝑥 = 3, 𝑦 = 0, 𝑧 = −1의 해를 구할 수 있다. LU 분해법으로 선형 방정식의 해 구하기LU 분해법
  • 14. 행렬식(determinant)이란? • 개념 정리 • 정방행렬(n*n)을 숫자에 대응하는 함수, 선형 행 함수의 일종이다. • A = 𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33 = 𝑝1 𝑝2 𝑝3 • 위의 행렬에 대한 행렬식을 Det(A), Det(𝑝1, 𝑝2, 𝑝3) 혹은 |A|로 표 현한다. • 선형 행 함수의 성질 • 첨가성 • Det(𝑝1, 𝑝2 + 𝑝 𝑘, 𝑝3) = Det(𝑝1, 𝑝2, 𝑝3) + Det(𝑝1, 𝑝 𝑘, 𝑝3) • 균질성 • Det(𝑝1, 𝑘𝑝2, 𝑝3) = kDet(𝑝1, 𝑝2, 𝑝3) • 한 행이라도 0이면(k가 0이면) 행렬식의 값은 0이다. • 행렬식의 성질 • 두 행이 같으면, 행렬식의 값은 0이다. • 두 행을 바꾸면 행렬식의 부호가 바뀐다. • A = 𝑝1 𝑝2 𝑝3 , A′ = 𝑝2 𝑝1 𝑝3 , Det(A) = Det(A’) 다음장에 계속. 행렬식의 정의행렬식
  • 15. 행렬식(determinant)이란? • 행렬식의 성질 • Det(I) = 1 (I는 단위 행렬) • Det(AB) = Det(A)Det(B) • Det(𝐴−1 ) = 1 𝐷𝑒𝑡 𝐴 • Det(A) = Det(𝐴 𝑇 ) • 귀납법으로 증명 가능. • 이 성질을 통해 행렬식의 정의 및 성질이 열 방향에서도 그 대로 적용됨을 알 수 있음. 행렬식의 정의행렬식
  • 16. 역 행렬과 행렬식과의 관계 • 역 행렬과 행렬식과의 관계 • ‘역 행렬이 존재 한다’면 ‘행렬식이 0이 아니다’ • ‘행렬식이 0이 아니다’면 ‘역 행렬이 존재 한다’ • 즉, 두 명제는 필요충분조건임. • 역 행렬이 존재하지 않을 경우(즉, 행렬식이 0일 경우) • 소거법을 진행하면 어떤 행이 0이 될 경우 • 행렬식의 성질에 따라 행렬식이 0이 된다. • 두 행이 같을 경우 • 행렬식의 성질에 따라 행렬식이 0이 된다. 역 행렬과 행렬식과의 관계행렬식