선형 대수학 개론

📚 콘텐츠 요약

벡터, 행렬, 선형 방정식, 벡터 공간, 직교성, 행렬식, 고유값 등을 중심으로 현대적 소개를 제공하는 종합적인 교과서이며, 이론과 응용에 모두 중점을 둔다.

기일드 스트랭의 직관적이고 엄격한 프레임워크를 통해 선형 대수학의 기초와 응용을 마스터하세요.

저자: 기일드 스트랭

감사의 말: 매사추세츠 공과대학교; 웨슬리-캔버리지 출판사

🎯 학습 목표

1. 선형 조합, 내적, 벡터 길이, 벡터 간 각도를 계산한다.
2. 벡터 집합이 형성하는 기하학적 구성(선, 평면, 부피)을 설명한다.
3. 행렬-벡터 곱을 사용하여 선형 방정식을 풀고 역행렬과 특이 행렬의 역할을 해석한다.
4. 시스템의 행 그림(평면의 교차)과 열 그림(벡터의 선형 조합)을 구분한다.
5. 가우스 소거법을 수행하여 시스템을 상삼각형 형태(U)로 변환하고 역대입법으로 해결한다.
6. 기본 행렬(E_{ij})과 치환(P_{ij})을 사용하여 소거 단계를 정식화한다.
7. 벡터 부분집합이 부분공간이 되는 조건을 만족하는지 확인한다.
8. 행소거를 수행하여 기약 행사다각형 형태(R)에 도달하고, 계수, 피봇 열, 자유 변수를 식별한다.
9. 특수해로부터 영공간 행렬 N을 구성하고 선형 시스템의 완전한 해를 설명한다.
10. 네 가지 기본 부분공간의 직교성을 식별하고 증명하며, 직교 보완을 결정한다.

🔹 수업 1: 벡터와 선형 조합의 기초

개요: 이 수업은 선형 대수학의 기초 원리를 다루며, 벡터 연산과 그 기하학적 해석에 초점을 맞춘다. 기본적인 선형 조합과 내적에서부터 행렬의 대수적 구조, 선형 방정식(Ax = b), 벡터 독립성과 행렬 가역성의 중요한 개념으로 이어진다. 학생들은 \mathbb{R}^3에서 벡터의 대수적 계산과 기하학적 현실 사이를 유연하게 이동할 수 있게 된다.

학습 결과:

• 선형 조합, 내적, 벡터 길이, 벡터 간 각도를 계산한다.
• 벡터 집합이 형성하는 기하학적 구성(선, 평면, 부피)을 설명한다.
• 행렬-벡터 곱을 사용하여 선형 방정식을 풀고 역행렬과 특이 행렬의 역할을 해석한다.

🔹 수업 2: 선형 방정식계와 행렬 분해

개요: 이 수업은 선형 시스템의 기하학적 해석에서 행렬 대수를 통한 계산적 해결으로의 전환을 다룬다. 가우스 소거법의 메커니즘, 기본 행렬을 통한 행 연산의 정식화, 그리고 이러한 과정의 정점인 기본 행렬 분해(LU, PA=LU, LDL^T)를 상세히 설명한다. 이론적 선형성과 실질적 실행 사이의 다리를 놓으며, 계산 비용과 소프트웨어별 실행까지 포함한다.

학습 결과:

• 시스템의 행 그림(평면의 교차)과 열 그림(벡터의 선형 조합)을 구분한다.
• 가우스 소거법을 수행하여 시스템을 상삼각형 형태(U)로 변환하고 역대입법으로 해결한다.
• 기본 행렬(E_{ij})과 치환(P_{ij})을 사용하여 소거 단계를 정식화한다.

🔹 수업 3: 벡터 공간과 네 가지 기본 부분공간

개요: 이 수업은 선형 대수학의 구조적 기반을 탐구하며, 벡터 공간과 부분공간의 정의 및 요구사항에 초점을 맞춘다. 학생들은 기약 행사다각형 형태(R)를 사용하여 방정식 Ax=0를 풀어 피봇 변수와 자유 변수를 식별하고, 이를 통해 영공간의 기초가 되는 "특수해"를 찾게 된다. 마지막으로, 네 가지 기본 부분공간—열공간, 행공간, 영공간, 좌영공간—의 차원과 성질을 연결하는 선형 대수학의 기본 정리에 도달한다.

학습 결과:

• 벡터 부분집합이 부분공간이 되는 조건을 만족하는지 확인한다.
• 행소거를 수행하여 기약 행사다각형 형태(R)에 도달하고, 계수, 피봇 열, 자유 변수를 식별한다.
• 특수해로부터 영공간 행렬 N을 구성하고 선형 시스템의 완전한 해를 설명한다.

🔹 수업 4: 직교성과 최소제곱 근사

개요: 이 수업은 직교성의 관점에서 네 가지 기본 부분공간 간의 본질적인 관계를 탐구한다. 학생들은 사영 행렬을 사용하여 벡터를 선과 부분공간에 사영하는 방법, 과잉정의된 시스템을 최소제곱 근사(직선과 포물선 적합)로 해결하는 방법, 그리고 일치기저와 그람-슈미트 직교화를 활용하여 복잡한 선형 대수 문제를 A = QR 분해로 단순화하는 방법을 배운다.

학습 결과:

• 네 가지 기본 부분공간의 직교성을 식별하고 증명하며, 직교 보완을 결정한다.
• 사영 행렬 P를 구성하고, 벡터를 선과 고차원 부분공간에 사영하는 계산을 수행한다.
• 정규방정식(A^T A \hat{x} = A^T b)을 적용하여 데이터 점 집합에 대한 최적의 직선 또는 포물선을 찾는다.

🔹 수업 5: 행렬식의 성질과 응용

개요: 이 수업은 행렬식의 대수적 및 기하학적 성질을 탐구하며, 피봇 기반 정의에서 순열과 여인수를 포함하는 "큰 공식"으로 전환한다. 학생들은 크래머의 법칙을 통해 선형 방정식을 풀고, 역행렬을 계산하며, 선형 대수학과 다변수 미적분학(자코비안)에서 면적과 부피를 계산하는 데 이 개념들을 적용한다.

학습 결과:

• 성질(곱 법칙, 전치), 피봇 공식, 여인수 전개를 사용하여 행렬식을 계산한다.
• 크래머의 법칙과 여인수 공식을 적용하여 해와 행렬 역행렬을 찾는다.
• 행렬식을 삼각형/평행사변형의 면적과 평행육면체의 부피로 기하학적으로 해석하며, 삼중곱과 자코비안까지 확장한다.

🔹 수업 6: 고유값, 고유벡터, SVD

개요: 이 수업은 복잡한 선형 시스템과 동적 방정식 문제를 해결하기 위해 행렬을 가장 간단한 형태로 분해하는 방법을 탐구한다. 학생들은 정방행렬의 경우 고유값/고유벡터(A = S\Lambda S^{-1})를 사용한 분해와 임의의 행렬에 대해 특이값 분해(A = U\Sigma V^T)를 배우며, 미분방정식 해법, 국소 최솟값 검증, 이미지 압축의 기초를 마련한다.

학습 결과:

• 고유값 방정식 Ax = \lambda x를 풀고 \lambda를 행렬의 추적과 행렬식과 연결한다.
• 행렬을 대각화하여 거듭제곱 계산과 선형 미분방정식계를 해결한다.
• 양의 정부호 행렬을 식별하고 검증하며, 코레스키 분해를 계산한다.

🔹 수업 7: 선형 변환과 기저의 변경

개요: 이 수업은 행렬을 정적 데이터 배열로 보는 관점을 넘어, 선형 변환이라 불리는 동적 연산자로 바라보는 근본적인 전환을 탐구한다. 선형성의 규칙을 정의하고, 특정 도형(예: '집')이 평면에서 어떻게 변환되는지를 살펴보고, 미분과 적분 같은 미적분 연산을 행렬로 표현하는 방법을 배운다. 마지막으로, 표준 역행렬이 존재하지 않을 때에도 변환을 역행하거나 분해할 수 있는 능력을 확장하는 의사역행렬과 극분해 같은 고급 분해를 다룬다.

학습 결과:

• 덧셈과 스칼라 곱의 원칙을 사용하여 선형 변환을 정의하고 식별한다.
• 기저 벡터를 매핑함으로써 선형 변환 T에 대한 행렬 A를 구성한다.
• 신호(웨이블릿과 푸리에)의 기저 변경을 수행하고, 의사역행렬 A^+를 사용하여 행렬 역행렬을 일반화한다.

🔹 수업 8: 공학과 통계에서의 선형 대수학

개요: 이 수업은 구조 공학, 네트워크 이론, 확률 과정, 최적화, 신호 처리, 데이터 과학 등 다양한 분야에서 선형 대수학의 실제 응용을 탐색한다. 학생들은 물리 시스템을 지배하는 A^TCA의 기본 프레임워크, 고유값이 장기 인구 변화를 예측하는 방법, 직교 함수가 벡터 공간 개념을 함수 해석학과 통계로 확장하는 방법을 배운다.

학습 결과:

• 강성 행렬 K = A^TCA를 사용하여 스프링과 질량 시스템을 모델링한다.
• 인시던스 행렬을 사용하여 그래프 연결성을 분석하고, 네트워크의 오일러 공식을 검증한다.
• 마르코프 행렬의 정적 상태 벡터를 계산하고, 페론-프로베니우스 정리를 인구 및 경제 모델에 적용한다.

🔹 수업 9: 수치 선형 대수학과 반복 방법

개요: 이 수업은 컴퓨터에서 선형 대수학을 실제로 구현하는 방법을 탐구하며, 이론적 정확성에서 수치 안정성과 효율성으로의 전환에 초점을 맞춘다. 학생들은 부분 피봇팅을 통해 반올림 오류를 완화하는 방법, 희소 행렬과 밴드 행렬의 연산 횟수를 최적화하는 방법, 조건수를 사용하여 시스템의 민감도를 평가하는 방법을 배운다. 또한, 대규모 시스템을 해결하기 위한 반복 기법과 고유값을 근사하는 방법을 다룬다.

학습 결과:

• 반올림 오류의 영향을 분석하고, 가우스 소거법에서 수치 안정성을 보장하기 위해 부분 피봇팅을 적용한다.
• 전체, 밴드, 희소 행렬에 대한 연산 횟수를 계산하여 알고리즘의 계산 효율성을 평가한다.
• 노름과 조건수를 사용하여 선형 시스템의 민감도를 측정하고, 힐버트 행렬처럼 조건이 나쁜 경우를 특히 식별한다.

🔹 수업 10: 복소 벡터와 유니타리 행렬

개요: 이 수업은 실수에서 복소수로의 전환을 다루며, 복소수의 산술, 복소 평면에서의 기하학적 표현, 극형태에 초점을 맞춘다. 이 수업은 대칭 행렬과 직교 행렬의 복소수 버전인 헤르미트 행렬과 유니타리 행렬이라는 복소수 고유 행렬 구조를 연구하는 것으로 마무리된다.

학습 결과:

• 복소수의 산술 연산을 수행하고, 켤레/절댓값을 찾는다.
• 복소수를 복소 평면에 맵핑하고, 직교형 (a + bi)와 극형태 (re^{i\theta}) 간의 변환을 수행한다.
• 오일러 공식을 사용하여 복소수의 곱과 거듭제곱을 간단히 한다.