SlideShare a Scribd company logo
1 of 6
Linear Algebra
1. 선형성의 정의와 1차 연립방정식의 의미
한양대 이상화 교수님 <선형대수>
http://www.kocw.net/home/search/kemView.do?kemId=977757
선형성(Linearity)의 정의
• 선형대수에서 다루는 주제는 행렬을 바탕으로 하는데, 행렬은 선형적 관계를 나타낸다.
• 선형성의 의미  직선의 의미가 아니다!
• 선형적이려면 2가지 조건을 만족해야 한다.
• Superposition : 𝑓 𝑥1 + 𝑥2 = 𝑓 𝑥1 + 𝑓 𝑥2
• Homogeneity : 𝑓 𝑎𝑥 = 𝑎𝑓 𝑥
• 𝑓 𝑎1 𝑥1 + 𝑎2 𝑥2 = 𝑓 𝑎1 𝑥1 + 𝑓 𝑎2 𝑥2 = 𝑎1 𝑓 𝑥1 + 𝑎2 𝑓 𝑥2
 ‘원점’을 지나야만 이 조건을 만족할 수 있다
• (예)
𝑑
𝑑𝑥
𝑥1 𝑡 + 𝑥2 𝑡 =
𝑑
𝑑𝑥
𝑥1 𝑡 +
𝑑
𝑑𝑥
𝑥2(𝑡)
 선형적이라는 것은 반대로 행렬로 연산할 수 있다는 것을 의미한다.
Basic Notation
• 벡터는 기본적으로 column vector를 가정한다.
• 𝑣 = 𝑎1 𝑏1 𝑐1 , 𝑤 = 𝑎2 𝑏2 𝑐2 일 때,
두 벡터를 행렬로 표현하면, 𝐴 = [𝑣 𝑤] =
𝑎1 𝑎2
𝑏1 𝑏2
𝑐1 𝑐2
형태가 된다.
• Linear Combination :
𝑎1 𝑎2
𝑏1 𝑏2
𝑐1 𝑐2
𝛼
𝛽 = 𝛼
𝑎1
𝑏1
𝑐1
+ 𝛽
𝑎2
𝑏2
𝑐2
기본적인 벡터 연산
𝑣1 =
𝑎1
𝑏1
𝑐1
, 𝑣2 =
𝑎2
𝑏2
𝑐2
일 때,
합∶ 𝑣1 + 𝑣2 =
𝑎1
𝑏1
𝑐1
+
𝑎2
𝑏2
𝑐2
차∶ 𝑣1 − 𝑣2 =
𝑎1
𝑏1
𝑐1
−
𝑎2
𝑏2
𝑐2
내적 ∶ 𝑣1° 𝑣2 = 𝑣1 𝑣2 cos 𝜃
𝑣2
𝑣1
𝑣1 + 𝑣2
𝑣2
𝑣1 𝑣1 − 𝑣2
𝑣2
𝑣1
𝑝 = 𝑣1 cos 𝜃
𝜃
연립방정식과 행렬/벡터
• N개의 미지수가 있는 방정식을 어떻게 풀 것인가?
• Geometry of Linear Equations : 두 가지 접근
𝟐𝒙 − 𝒚 = 𝟏
𝒙 + 𝒚 = 𝟓
(2, 3)
방정식의 해 = 두 도형의 교점
2 −1
1 1
𝑥
𝑦 = 𝑥
2
1
+ 𝑦
−1
1
=
1
5
2
1
-1
(1, 5)
𝑥배
𝑦배
두 벡터를 각각 x배, y배 하여
(1, 5)를 만들 수 있는지
벡터들의 Linear Combination
Singular Case
• 연립방정식의 특별한 경우 : 해가 없거나, 해가 무한히 많거나
• 2차원과 3차원 공간에서 설명하면,
• 1번 관점(Row Form) : 직선이 평행하거나, 세 평면의 교점이 없을 때  해가 없다
도형이 완벽하게 겹쳐질 때  해가 무수히 많다
• 2번 관점(Column) : Column vector들의 서로 평행할 때  해가 없다
세 Column vector들이 한 평면에 있을 때  해가 무수히 많다
Column vector들의 조합으로 만들어진 평면
𝒃
𝒂
𝑎 ∶ 𝑛𝑜𝑡 𝑖𝑛 𝑎 𝑝𝑙𝑎𝑛𝑒  no solution
𝑏 ∶ 𝑖𝑛 𝑎 𝑝𝑙𝑎𝑛𝑒  infinite solution

More Related Content

What's hot

2 2 slope of a line
2 2 slope of a line2 2 slope of a line
2 2 slope of a line
hisema01
 
ディジタル信号処理の課題解説 その2
ディジタル信号処理の課題解説 その2ディジタル信号処理の課題解説 その2
ディジタル信号処理の課題解説 その2
noname409
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
Takuya Akiba
 

What's hot (20)

不偏ゲームがNIMに帰着する証明
不偏ゲームがNIMに帰着する証明不偏ゲームがNIMに帰着する証明
不偏ゲームがNIMに帰着する証明
 
Python Sympy 모듈 이해하기
Python Sympy 모듈 이해하기Python Sympy 모듈 이해하기
Python Sympy 모듈 이해하기
 
Schönhage Strassen Algorithm
Schönhage Strassen AlgorithmSchönhage Strassen Algorithm
Schönhage Strassen Algorithm
 
PRML 条件付き混合モデル 14.5
PRML 条件付き混合モデル 14.5PRML 条件付き混合モデル 14.5
PRML 条件付き混合モデル 14.5
 
Category Theory for Programmers
Category Theory for ProgrammersCategory Theory for Programmers
Category Theory for Programmers
 
Reduction forumla
Reduction forumlaReduction forumla
Reduction forumla
 
Algorithms Lecture 7: Graph Algorithms
Algorithms Lecture 7: Graph AlgorithmsAlgorithms Lecture 7: Graph Algorithms
Algorithms Lecture 7: Graph Algorithms
 
Wasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 IWasserstein GAN 수학 이해하기 I
Wasserstein GAN 수학 이해하기 I
 
Neural network (perceptron)
Neural network (perceptron)Neural network (perceptron)
Neural network (perceptron)
 
2 2 slope of a line
2 2 slope of a line2 2 slope of a line
2 2 slope of a line
 
平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム平面グラフと交通ネットワークのアルゴリズム
平面グラフと交通ネットワークのアルゴリズム
 
ディジタル信号処理の課題解説 その2
ディジタル信号処理の課題解説 その2ディジタル信号処理の課題解説 その2
ディジタル信号処理の課題解説 その2
 
Graph algorithm
Graph algorithmGraph algorithm
Graph algorithm
 
CODE FESTIVAL 予選B 解説
CODE FESTIVAL 予選B 解説CODE FESTIVAL 予選B 解説
CODE FESTIVAL 予選B 解説
 
Cyclic group- group theory
Cyclic group- group theoryCyclic group- group theory
Cyclic group- group theory
 
Prims and kruskal algorithms
Prims and kruskal algorithmsPrims and kruskal algorithms
Prims and kruskal algorithms
 
プログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズムプログラミングコンテストでの乱択アルゴリズム
プログラミングコンテストでの乱択アルゴリズム
 
Linear equation in 2 variables
Linear equation in 2 variablesLinear equation in 2 variables
Linear equation in 2 variables
 
Polynomial Function and Synthetic Division
Polynomial Function and Synthetic DivisionPolynomial Function and Synthetic Division
Polynomial Function and Synthetic Division
 
双対性
双対性双対性
双対性
 

Similar to 선형대수 01. 선형성의 정의와 1차 연립방정식의 의미

프로그래머을 위한 선형대수(Chap1)
프로그래머을 위한 선형대수(Chap1)프로그래머을 위한 선형대수(Chap1)
프로그래머을 위한 선형대수(Chap1)
Haryun Lee
 

Similar to 선형대수 01. 선형성의 정의와 1차 연립방정식의 의미 (20)

선형대수 12강 Gram-Schmidt Orthogonalization
선형대수 12강 Gram-Schmidt Orthogonalization선형대수 12강 Gram-Schmidt Orthogonalization
선형대수 12강 Gram-Schmidt Orthogonalization
 
선형대수 09. 벡터의 직교성과 투영
선형대수 09. 벡터의 직교성과 투영선형대수 09. 벡터의 직교성과 투영
선형대수 09. 벡터의 직교성과 투영
 
[프선대]Chap02 랭크 역행렬-일차방정식
[프선대]Chap02 랭크 역행렬-일차방정식[프선대]Chap02 랭크 역행렬-일차방정식
[프선대]Chap02 랭크 역행렬-일차방정식
 
Linear algebra.pptx
Linear algebra.pptxLinear algebra.pptx
Linear algebra.pptx
 
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
 
0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation0131 1 spectral_theorem_transformation
0131 1 spectral_theorem_transformation
 
선형대수 11강 벡터 투영과 최소제곱법
선형대수 11강 벡터 투영과 최소제곱법선형대수 11강 벡터 투영과 최소제곱법
선형대수 11강 벡터 투영과 최소제곱법
 
0124 1 linear_algebra_basic_vector
0124 1 linear_algebra_basic_vector0124 1 linear_algebra_basic_vector
0124 1 linear_algebra_basic_vector
 
선형대수 07. 선형독립, 4가지 부벡터공간
선형대수 07. 선형독립, 4가지 부벡터공간선형대수 07. 선형독립, 4가지 부벡터공간
선형대수 07. 선형독립, 4가지 부벡터공간
 
행렬
행렬행렬
행렬
 
벡터
벡터벡터
벡터
 
SVM
SVMSVM
SVM
 
0131 2 spectral_theorem_eigenvalue
0131 2 spectral_theorem_eigenvalue0131 2 spectral_theorem_eigenvalue
0131 2 spectral_theorem_eigenvalue
 
Deep Learning from scratch 5장 : backpropagation
 Deep Learning from scratch 5장 : backpropagation Deep Learning from scratch 5장 : backpropagation
Deep Learning from scratch 5장 : backpropagation
 
[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
 
Lecture 2: Supervised Learning
Lecture 2: Supervised LearningLecture 2: Supervised Learning
Lecture 2: Supervised Learning
 
프로그래머을 위한 선형대수(Chap1)
프로그래머을 위한 선형대수(Chap1)프로그래머을 위한 선형대수(Chap1)
프로그래머을 위한 선형대수(Chap1)
 
선형대수 02. 가우스 소거법
선형대수 02. 가우스 소거법선형대수 02. 가우스 소거법
선형대수 02. 가우스 소거법
 
Linear algebra for quantum computing
Linear algebra for quantum computingLinear algebra for quantum computing
Linear algebra for quantum computing
 

선형대수 01. 선형성의 정의와 1차 연립방정식의 의미

  • 1. Linear Algebra 1. 선형성의 정의와 1차 연립방정식의 의미 한양대 이상화 교수님 <선형대수> http://www.kocw.net/home/search/kemView.do?kemId=977757
  • 2. 선형성(Linearity)의 정의 • 선형대수에서 다루는 주제는 행렬을 바탕으로 하는데, 행렬은 선형적 관계를 나타낸다. • 선형성의 의미  직선의 의미가 아니다! • 선형적이려면 2가지 조건을 만족해야 한다. • Superposition : 𝑓 𝑥1 + 𝑥2 = 𝑓 𝑥1 + 𝑓 𝑥2 • Homogeneity : 𝑓 𝑎𝑥 = 𝑎𝑓 𝑥 • 𝑓 𝑎1 𝑥1 + 𝑎2 𝑥2 = 𝑓 𝑎1 𝑥1 + 𝑓 𝑎2 𝑥2 = 𝑎1 𝑓 𝑥1 + 𝑎2 𝑓 𝑥2  ‘원점’을 지나야만 이 조건을 만족할 수 있다 • (예) 𝑑 𝑑𝑥 𝑥1 𝑡 + 𝑥2 𝑡 = 𝑑 𝑑𝑥 𝑥1 𝑡 + 𝑑 𝑑𝑥 𝑥2(𝑡)  선형적이라는 것은 반대로 행렬로 연산할 수 있다는 것을 의미한다.
  • 3. Basic Notation • 벡터는 기본적으로 column vector를 가정한다. • 𝑣 = 𝑎1 𝑏1 𝑐1 , 𝑤 = 𝑎2 𝑏2 𝑐2 일 때, 두 벡터를 행렬로 표현하면, 𝐴 = [𝑣 𝑤] = 𝑎1 𝑎2 𝑏1 𝑏2 𝑐1 𝑐2 형태가 된다. • Linear Combination : 𝑎1 𝑎2 𝑏1 𝑏2 𝑐1 𝑐2 𝛼 𝛽 = 𝛼 𝑎1 𝑏1 𝑐1 + 𝛽 𝑎2 𝑏2 𝑐2
  • 4. 기본적인 벡터 연산 𝑣1 = 𝑎1 𝑏1 𝑐1 , 𝑣2 = 𝑎2 𝑏2 𝑐2 일 때, 합∶ 𝑣1 + 𝑣2 = 𝑎1 𝑏1 𝑐1 + 𝑎2 𝑏2 𝑐2 차∶ 𝑣1 − 𝑣2 = 𝑎1 𝑏1 𝑐1 − 𝑎2 𝑏2 𝑐2 내적 ∶ 𝑣1° 𝑣2 = 𝑣1 𝑣2 cos 𝜃 𝑣2 𝑣1 𝑣1 + 𝑣2 𝑣2 𝑣1 𝑣1 − 𝑣2 𝑣2 𝑣1 𝑝 = 𝑣1 cos 𝜃 𝜃
  • 5. 연립방정식과 행렬/벡터 • N개의 미지수가 있는 방정식을 어떻게 풀 것인가? • Geometry of Linear Equations : 두 가지 접근 𝟐𝒙 − 𝒚 = 𝟏 𝒙 + 𝒚 = 𝟓 (2, 3) 방정식의 해 = 두 도형의 교점 2 −1 1 1 𝑥 𝑦 = 𝑥 2 1 + 𝑦 −1 1 = 1 5 2 1 -1 (1, 5) 𝑥배 𝑦배 두 벡터를 각각 x배, y배 하여 (1, 5)를 만들 수 있는지 벡터들의 Linear Combination
  • 6. Singular Case • 연립방정식의 특별한 경우 : 해가 없거나, 해가 무한히 많거나 • 2차원과 3차원 공간에서 설명하면, • 1번 관점(Row Form) : 직선이 평행하거나, 세 평면의 교점이 없을 때  해가 없다 도형이 완벽하게 겹쳐질 때  해가 무수히 많다 • 2번 관점(Column) : Column vector들의 서로 평행할 때  해가 없다 세 Column vector들이 한 평면에 있을 때  해가 무수히 많다 Column vector들의 조합으로 만들어진 평면 𝒃 𝒂 𝑎 ∶ 𝑛𝑜𝑡 𝑖𝑛 𝑎 𝑝𝑙𝑎𝑛𝑒  no solution 𝑏 ∶ 𝑖𝑛 𝑎 𝑝𝑙𝑎𝑛𝑒  infinite solution