응용선형대수에서 굉장히 중요한 개념인 Four fundamental subspaces Ax=b에서 b가 A의 matrix의 column space 안에 속해야 solution이 존재한다고 이야기했었고, null space 속한 vector를 더해도 Ax의 값에 영향을 미치지 못하므로 solution에 null space vector를 더한 것 역시 solution이 될 수 있었습니다. $A\bar{x}=b$인 $\bar{x}$는 solution입니다. 이 때 null space에 속한 벡터 $\tilde{x}(\Rightarrow A\tilde{x}=0)$가 있을 때 $\bar{x}+\tilde{x}$도 solution이 됩니다. $A(\bar{x}+\tilde{x})=A\bar{x}+A\tilde{x}..

1. Ax=b와 Column space&Null space 관계 이 column space와 null space 개념을 통해 $Ax=b$에 대해 이해해볼 수 있습니다. $\text{Given }Ax=b$ $\text{(i). C(A) provides information whether it has a solution. Ax=b has a solution }\Leftrightarrow$ $\begin{bmatrix}b_{1}\\b_{2}\\b_{3}\end{bmatrix}\in C(A)$ 만약 b matrix가 column space of A($C(A)$)에 속해있다면 A의 column들의 선형 조합으로 b를 만들 수 있다는 뜻이므로, x가 존재합니다. (x는 A의 column의 선형 조합에서 계수에 해당..

1. Definition of Null space $\text{Definition : }$ $\text{null space of A, }N(A)=\{x\in\mathbb{R}^{n},Ax=0\}$ $\text{claim }N(A)\text{ is a subspace}$ $\text{(i). non-empty }\Rightarrow$ 항상 $A\dot 0=0$이므로 null space에는 영벡터가 존재하고, null space은 empty일 수 없다. $\text{(ii). }Ax_{1}=0, Ax_{2}=0 \Rightarrow A(x_{1}+x_{2})=Ax_{1}+Ax_{2}=0$ $\text{if }x_{1},x_{2}\in N(A)\text{, then }x_{1}+x_{2}\in N(A)$ $\..

이번에는 matrix에 관한 용어, 성질 및 특성에 대해서 알아보겠습니다. (matrices : matrix의 복수형) 1. matrix 종류 matrix를 element를 $a_{ij}$라고 할 때 $i$는 row, $j$는 column입니다. column vector : $m\times 1$ 크기의 matrix \begin{bmatrix} a_{11}\\ \vdots\\ a_{n1}\end{bmatrix} 이고 row vector : $1 \times n$ 크기의 $\begin{bmatrix} a_{11} & \cdots & a_{1n}\end{bmatrix}$ matrix diagonal matrix : 대각선 위 아래가 0인 matrix ex) \begin{bmatrix}* & 0 & 0\\ 0 ..

앞의 글에서 linear equation에 대해서 보았고 해에 대한 3가지 경우를 살펴보았습니다. 복잡한 고차방정식에서도 해가 없는지, 무수히 많은지, unique solution이 존재하는지를 알고 싶을 수 있습니다. 이 때는 gauss elimination을 통해 확인해볼 수 있습니다. gauss elimination은 중학교 때 했던 소거법과 거의 비슷하다고 생각합니다. $\left\{\begin{matrix}x_{1}+3x_{2}-2x_{3}+0x_{4}=3\\ 2x_{1}+6x_{2}-2x_{3}+4x_{4}=18\\0x_{1}+x_{2}+x_{3}+3x_{4}=10\end{matrix}\right.$ 다음과 같은 equation이 있다고 할 때, 이를 아래와 같은 형태로 표현하겠습니다. $\b..