제5장
선형모형과
행렬대수 (계속) 제5장
선형모형과
행렬대수 (계속)
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 개요 (introduction) u 개요 (introduction)
è
역행렬(inverse matrix)의 존재 검증è
역행렬의 계산방법è
경제학에의 적용에 대한 논의è
역행렬(inverse matrix)의 존재 검증è
역행렬의 계산방법è
경제학에의 적용에 대한 논의l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 필요조건 대 충분조건 u 필요조건 대 충분조건
è
필요조건 대 충분조건(necessary vs. sufficient conditions) - 필요조건과 충분조건은 경제학에서 자주 사용되므로그 개념을 명확하게 할 필요가 있음.
- 두 명제 p, q가 있을 때 이들을 “…이면 …이다”로 연결시켜 만든 합성명제 “p이면 q이다”를 조건문이라 하고 이를 다음과 같이 표시함 :
p → q
- 여기서 p를 이 조건문의 가정(hypothesis)이라 하고 q를 조건문의 결론(conclusion)이라 함.
è
필요조건 대 충분조건(necessary vs. sufficient conditions) - 필요조건과 충분조건은 경제학에서 자주 사용되므로그 개념을 명확하게 할 필요가 있음.
- 두 명제 p, q가 있을 때 이들을 “…이면 …이다”로 연결시켜 만든 합성명제 “p이면 q이다”를 조건문이라 하고 이를 다음과 같이 표시함 :
p → q
- 여기서 p를 이 조건문의 가정(hypothesis)이라 하고 q를 조건문의 결론(conclusion)이라 함.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 필요조건 대 충분조건 u 필요조건 대 충분조건
è
필요조건 대 충분조건(necessary vs. sufficient conditions) - 조건문 p → q에서 p가 참이면 반드시 q도 참인 경우에이 조건문을 p Þ q (p는 q일 경우에 한해서 성립한다;
p only if q 혹은 p이면 q이다; if p then q, p implies q)로 나타냄.
- 또한 이 경우
p는 q의(q가 성립하기 위한) 충분조건 q는 p의(p가 성립하기 위한) 필요조건 - 필요조건은 본질적으로 “전제조건”
- 필요조건은 그 자체만으로는 충분하지 않음에 유의
è
필요조건 대 충분조건(necessary vs. sufficient conditions)- 조건문 p → q에서 p가 참이면 반드시 q도 참인 경우에 이 조건문을 p Þ q (p는 q일 경우에 한해서 성립한다;
p only if q 혹은 p이면 q이다; if p then q, p implies q)로 나타냄.
- 또한 이 경우
p는 q의(q가 성립하기 위한) 충분조건 q는 p의(p가 성립하기 위한) 필요조건 - 필요조건은 본질적으로 “전제조건”
- 필요조건은 그 자체만으로는 충분하지 않음에 유의
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 필요조건 대 충분조건 u 필요조건 대 충분조건
è
필요조건 대 충분조건(necessary vs. sufficient conditions) - 더욱이 p Þ q인 동시에 q Þ p일 경우 이를 p Û q(p if and only if q 혹은 p iff q)로 나타내고, p와 q를 서로 동치(equivalent)인 명제라 함.
- 또한 이때
p는 q의(q가 성립하기 위한) 필요충분조건 q는 p의(p가 성립하기 위한) 필요충분조건
è
필요조건 대 충분조건(necessary vs. sufficient conditions) - 더욱이 p Þ q인 동시에 q Þ p일 경우 이를 p Û q(p if and only if q 혹은 p iff q)로 나타내고, p와 q를 서로 동치(equivalent)인 명제라 함.
- 또한 이때
p는 q의(q가 성립하기 위한) 필요충분조건 q는 p의(p가 성립하기 위한) 필요충분조건
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬의 비특이성 조건 (nonsingularity condition) u 행렬의 비특이성 조건 (nonsingularity condition)
è
주어진 계수행렬 A는 정방행렬(square matrix)인 경우에 역행렬을 가질 수 있음.그러나 정방성(squareness)이라는 조건은 역행렬의 존재에 대한 필요조건이지 충분조건은 아님.
è
비특이성의 조건(역행렬이 존재할 수 있는 조건) : - 비특이행렬의 필요조건 : 행렬의 형태가 정방성 - 비특이행렬의 충분조건 : 행이나 열들이 선형독립 - 필요충분조건=정방성+선형독립성비특이성 조건 Û squareness and linear independence
è
주어진 계수행렬 A는 정방행렬(square matrix)인경우에 역행렬을 가질 수 있음.
그러나 정방성(squareness)이라는 조건은 역행렬의 존재에 대한 필요조건이지 충분조건은 아님.
è
비특이성의 조건(역행렬이 존재할 수 있는 조건) : - 비특이행렬의 필요조건 : 행렬의 형태가 정방성 - 비특이행렬의 충분조건 : 행이나 열들이 선형독립 - 필요충분조건=정방성+선형독립성비특이성 조건 Û squareness and linear independence
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
è
n´n 계수행렬 A는 행벡터들의 순서집합, 즉 각 행벡터 그 자체를 원소로 하는 열벡터라고 하면 다음과 같이 나타낼 수 있음.a11 a12 ∙∙∙ a1n v1¢ a21 a22 ∙∙∙ a2n v2¢
……….. ⋮ an1 an2 ∙∙∙ ann vn¢ - 여기서 vi¢=[ ai1 ai2 ∙∙∙ ain ]임.
è
n´n 계수행렬 A는 행벡터들의 순서집합, 즉 각 행벡터 그 자체를 원소로 하는 열벡터라고 하면 다음과 같이 나타낼 수 있음.a11 a12 ∙∙∙ a1n v1¢ a21 a22 ∙∙∙ a2n v2¢
……….. ⋮ an1 an2 ∙∙∙ ann vn¢ - 여기서 vi¢=[ ai1 ai2 ∙∙∙ ain ]임.
A= =
u 선형독립성 여부
u 선형독립성 여부
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
è
예제 : 계수행렬 A에 대해 각 행벡터 그 자체를 원소로 하는 열벡터로 나타내면 다음과 같음.3 4 5 v1¢ A= 0 1 2 = v2¢ 6 8 10 v3¢
- 세 번째 행은 첫 번째 행의 2배의 관계이므로 이를 다음과 같이 나타낼 수 있음.
v3¢=2v1¢+0v2¢ ® 2v1¢+0v2¢-v3¢=0
[6 8 10]+[0 0 0]-[6 8 10]=[0 0 0]
è
예제 : 계수행렬 A에 대해 각 행벡터 그 자체를 원소로 하는 열벡터로 나타내면 다음과 같음.3 4 5 v1¢ A= 0 1 2 = v2¢ 6 8 10 v3¢
- 세 번째 행은 첫 번째 행의 2배의 관계이므로 이를 다음과 같이 나타낼 수 있음.
v3¢=2v1¢+0v2¢ ® 2v1¢+0v2¢-v3¢=0
[6 8 10]+[0 0 0]-[6 8 10]=[0 0 0]
u 선형독립성 여부
u 선형독립성 여부
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
- 즉, 세 번째 행은 나머지 두 행들의 선형결합으로 나타나므로 각 행은 선형독립이 아님.
v3¢=2v1¢+0v2¢ ® [6 8 10]=2[3 4 5]+0[0 1 2]
- 따라서 이 행렬의 행들은 선형종속임.
- 일반적으로 행들의 선형독립성은 벡터방정식 åkivi¢=0
(0의 차원은 1´n)을 만족시키는 스칼라 ki들의 집합이 모든 i에 대해서 ki=0인 경우에만 성립(linear independent) - 여기서 ki¹0인 경우에는 선형종속(linear dependent) - 즉, 세 번째 행은 나머지 두 행들의 선형결합으로
나타나므로 각 행은 선형독립이 아님.
v3¢=2v1¢+0v2¢ ® [6 8 10]=2[3 4 5]+0[0 1 2]
- 따라서 이 행렬의 행들은 선형종속임.
- 일반적으로 행들의 선형독립성은 벡터방정식 åkivi¢=0
(0의 차원은 1´n)을 만족시키는 스칼라 ki들의 집합이 모든 i에 대해서 ki=0인 경우에만 성립(linear independent) - 여기서 ki¹0인 경우에는 선형종속(linear dependent)
u 선형독립성 여부 u 선형독립성 여부
n
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
è
예제 : 방정식체계 Ax=d가 다음의 형태를 가짐.10 4 x1 d1 ¬ 10x1+4x2=d1 5 2 x2 d2 ¬ 5x1+2x2=d2
- 계수행렬은 선형종속인 행(row)들로 구성됨.
- 뿐만 아니라 계수행렬의 열(column)들도 선형종속 - d1=2d2 : 2개의 방정식은 같음(해는 무수히 많음).
예 : d1=12, d2=6 - d1¹2d2 : 해는 없음(모순).
예 : d1=12, d2=0
è
예제 : 방정식체계 Ax=d가 다음의 형태를 가짐.10 4 x1 d1 ¬ 10x1+4x2=d1 5 2 x2 d2 ¬ 5x1+2x2=d2
- 계수행렬은 선형종속인 행(row)들로 구성됨.
- 뿐만 아니라 계수행렬의 열(column)들도 선형종속 - d1=2d2 : 2개의 방정식은 같음(해는 무수히 많음).
예 : d1=12, d2=6 - d1¹2d2 : 해는 없음(모순).
예 : d1=12, d2=0
u 선형독립성 여부 u 선형독립성 여부
=
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
è
만약 계수행렬 A의 행(또는 열)들이 선형종속인 한(두 가지 가능성 중 어떤 경우에도) 유일한 해는 존재하지 않음.è
즉, 유일한 해는 계수행렬의 행(또는 열)들이 선형독립 (row or column linear independence)인 경우에만 얻을 수 있음. 이 경우- A는 비특이행렬(non-singular matrix)이 되고, - 이것은 역행렬 A-1가 존재함을 의미하며,
- 유일한 해(a unique solution)는 x*=A-1d임.
è
만약 계수행렬 A의 행(또는 열)들이 선형종속인 한(두 가지 가능성 중 어떤 경우에도) 유일한 해는 존재하지 않음.è
즉, 유일한 해는 계수행렬의 행(또는 열)들이 선형독립 (row or column linear independence)인 경우에만 얻을 수 있음. 이 경우- A는 비특이행렬(non-singular matrix)이 되고, - 이것은 역행렬 A-1가 존재함을 의미하며,
- 유일한 해(a unique solution)는 x*=A-1d임.
u 선형독립성 여부 : 결론
u 선형독립성 여부 : 결론
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
è
m´n 직사각형행렬(정방행렬 포함)에서 선형독립인 행 (또는 열)의 최대수를 그 행렬의 위수(rank)라 함.è
행렬에서 이를 구성하는 각각의 벡터집합이라고 할 때 선형독립인 벡터집합의 개수를 의미함.- 행과 열의 수 중 작은 것을 기준으로 선형독립성을 정함. 즉, 2행 3열 행렬인 경우 위수는 2를 넘지 못함.
è
n´n 비특이행렬 A는 n개의 선형독립인 행(또는 열)을 가짐. 따라서 위수는 n임.è
역으로 위수가 n인 n´n 행렬은 비특이행렬임.è
m´n 직사각형행렬(정방행렬 포함)에서 선형독립인 행 (또는 열)의 최대수를 그 행렬의 위수(rank)라 함.è
행렬에서 이를 구성하는 각각의 벡터집합이라고 할 때 선형독립인 벡터집합의 개수를 의미함.- 행과 열의 수 중 작은 것을 기준으로 선형독립성을 정함. 즉, 2행 3열 행렬인 경우 위수는 2를 넘지 못함.
è
n´n 비특이행렬 A는 n개의 선형독립인 행(또는 열)을 가짐. 따라서 위수는 n임.è
역으로 위수가 n인 n´n 행렬은 비특이행렬임.u 행렬의 위수 (rank)
u 행렬의 위수 (rank)
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
정방행렬이 비특이행렬인지 여부를 확인하기 위하여 행렬식(determinant)의 개념을 이용함.è
행렬식(determinant)의 정의 :정방행렬 A의 행렬식은 |A| 또는 det A로 표시되고,
그 행렬과 관련되어 고유하게 정의되는 스칼라(수)임.
è
행렬식은 정방행렬에 대해서만 정의됨.è
가장 규모가 작은 행렬은 1´1 행렬 A=[a11]임.- 정의에 따라 행렬식은 그 단일원소 a11 그 자체임.
|A|=| a11 |=a11임.
è
정방행렬이 비특이행렬인지 여부를 확인하기 위하여 행렬식(determinant)의 개념을 이용함.è
행렬식(determinant)의 정의 :정방행렬 A의 행렬식은 |A| 또는 det A로 표시되고,
그 행렬과 관련되어 고유하게 정의되는 스칼라(수)임.
è
행렬식은 정방행렬에 대해서만 정의됨.è
가장 규모가 작은 행렬은 1´1 행렬 A=[a11]임.- 정의에 따라 행렬식은 그 단일원소 a11 그 자체임.
|A|=| a11 |=a11임.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
행렬식의 기호는 절대치를 나타내는 것이 아님. 따라서 그 원소의 부호를 유지함.예를 들어 |8|=8(양수), |-8|=-8(음수)
è
2계 행렬식(second-order determinant) a11 a12- 2´2 행렬 A= 의 행렬식은 다음과 같이 a21 a22
두 항의 합으로 정의 a11 a12
|A|= =a11a22-a12a21 [=스칼라]
a21 a22
è
행렬식의 기호는 절대치를 나타내는 것이 아님. 따라서 그 원소의 부호를 유지함.예를 들어 |8|=8(양수), |-8|=-8(음수)
è
2계 행렬식(second-order determinant) a11 a12- 2´2 행렬 A= 의 행렬식은 다음과 같이 a21 a22
두 항의 합으로 정의 a11 a12
|A|= =a11a22-a12a21 [=스칼라]
a21 a22
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
행렬식은 정의에 따라 스칼라(수)이지만 행렬은 스칼라 (수)를 가지지 않음. 즉, 행렬식은 하나의 수이지만행렬은 수들의 전체묶음에 불과함.
è
예제 1 : 2계 행렬식(second-order determinant) 10 4 3 5A= , B=
8 5 0 -1 10 4
|A|= =10(5)-8(4)=18 [=스칼라]
8 5 3 5
|B|= =3(-1)-0(5)=-3 [=스칼라]
0 -1
è
행렬식은 정의에 따라 스칼라(수)이지만 행렬은 스칼라 (수)를 가지지 않음. 즉, 행렬식은 하나의 수이지만행렬은 수들의 전체묶음에 불과함.
è
예제 1 : 2계 행렬식(second-order determinant) 10 4 3 5A= , B=
8 5 0 -1 10 4
|A|= =10(5)-8(4)=18 [=스칼라]
8 5 3 5
|B|= =3(-1)-0(5)=-3 [=스칼라]
0 -1
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
예제 2 : 2계 행렬식(second-order determinant) c1¢ 3 8 d1¢ 2 6C= = , D= =
c2¢ 3 8 d2¢ 8 24 - 여기서 c1¢=c2¢이고 4d1¢=d2¢임.
- 따라서 두 행렬은 모두 선형종속인 행들을 가짐.
3 8
|C|= =3(8)-3(8)=0 3 8
2 6
|D|= =2(24)-8(6)=0 8 24
è
예제 2 : 2계 행렬식(second-order determinant) c1¢ 3 8 d1¢ 2 6C= = , D= =
c2¢ 3 8 d2¢ 8 24 - 여기서 c1¢=c2¢이고 4d1¢=d2¢임.
- 따라서 두 행렬은 모두 선형종속인 행들을 가짐.
3 8
|C|= =3(8)-3(8)=0 3 8
2 6
|D|= =2(24)-8(6)=0 8 24
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
앞의 예제에서 처럼 행렬식의 값이 0의 값을 갖는다는 것은 선형종속(linear dependent)임을 시사함.è
행렬식의 값은 행렬의 행(또는 열)들의 선형독립(비특이성 : non-singularity)을 검증하는 기준이 될 뿐만 아니라 역행렬이 존재하는 경우에는 그 역행렬 A-1의 계산에도 이용됨.
è
앞의 예제에서 처럼 행렬식의 값이 0의 값을 갖는다는 것은 선형종속(linear dependent)임을 시사함.è
행렬식의 값은 행렬의 행(또는 열)들의 선형독립(비특이성 : non-singularity)을 검증하는 기준이 될 뿐만 아니라 역행렬이 존재하는 경우에는 그 역행렬 A-1의 계산에도 이용됨.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
3계 행렬식(third-order determinant) : Sarrus’ Ruleè
3계 행렬식(third-order determinant) : Sarrus’ Rulel 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
3계 행렬식(third-order determinant) : Sarrus’ Rule - 첫 번째 행의 각 원소는 2개의 실선화살표를 통해서다른 2개의 원소와 연결 :
a11®a22®a33, a12®a23®a31, a13®a32®a21
- 이 세 원소들의 각 조는 곱하고, 주어지는 곱의 항들 앞에 양(+)의 부호를 붙임.
è
3계 행렬식(third-order determinant) : Sarrus’ Rule - 첫 번째 행의 각 원소는 2개의 실선화살표를 통해서다른 2개의 원소와 연결 :
a11®a22®a33, a12®a23®a31, a13®a32®a21
- 이 세 원소들의 각 조는 곱하고, 주어지는 곱의 항들 앞에 양(+)의 부호를 붙임.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
3계 행렬식(third-order determinant) : Sarrus’ Rule - 한편, 첫 번째 행의 각 원소는 2개의 점선화살표를통해서 다른 2개의 원소와 연결 :
a11®a32®a23, a12®a21®a33, a13®a22®a31
- 이 세 원소들의 각 조는 곱하고, 주어지는 곱의 항들 앞에 음(-)의 부호를 붙임.
- 이와 같이 교차 대각선으로 곱하는 방법은 3계 행렬식을 계산하는 손쉬운 방법이지만 4계 이상의 행렬식에는 적용될 수 없음.
è
3계 행렬식(third-order determinant) : Sarrus’ Rule - 한편, 첫 번째 행의 각 원소는 2개의 점선화살표를통해서 다른 2개의 원소와 연결 :
a11®a32®a23, a12®a21®a33, a13®a22®a31
- 이 세 원소들의 각 조는 곱하고, 주어지는 곱의 항들 앞에 음(-)의 부호를 붙임.
- 이와 같이 교차 대각선으로 곱하는 방법은 3계 행렬식을 계산하는 손쉬운 방법이지만 4계 이상의 행렬식에는 적용될 수 없음.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
3계 행렬식(third-order determinant)의 계산 a11 a12 a13A= a21 a22 a23 a31 a32 a33 a11 a12 a13
|A|= a21 a22 a23 =a11 -a12 +a13 a31 a32 a33
=a11a22a33-a11a23a32+a12a23a31-a12a21a33 +a13a21a32-a13a22a31 [=(하나의) 스칼라]
è
3계 행렬식(third-order determinant)의 계산 a11 a12 a13A= a21 a22 a23 a31 a32 a33 a11 a12 a13
|A|= a21 a22 a23 =a11 -a12 +a13 a31 a32 a33
=a11a22a33-a11a23a32+a12a23a31-a12a21a33 +a13a21a32-a13a22a31 [=(하나의) 스칼라]
a22 a23 a32 a33
a21 a23 a31 a33
a21 a22 a31 a32
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
라플라스전개방법에 의한 n계 행렬식의 계산- 앞에서 행렬식의 계산과정을 보면 3계 행렬식의 첫 번째 행의 원소와 특정한 2계 행렬식의 곱으로 나타나고 있음.
- 첫 번째 행렬식 은 |A|의 첫 번째 행과 첫 번째 열을 삭제함으로써 얻어지는 A의 부분행렬식임.
- 이것을 원소 a11(삭제된 행과 열의 공통부분의 원소)의 소행렬식(minor)이라 함.
è
라플라스전개방법에 의한 n계 행렬식의 계산- 앞에서 행렬식의 계산과정을 보면 3계 행렬식의 첫 번째 행의 원소와 특정한 2계 행렬식의 곱으로 나타나고 있음.
- 첫 번째 행렬식 은 |A|의 첫 번째 행과 첫 번째 열을 삭제함으로써 얻어지는 A의 부분행렬식임.
- 이것을 원소 a11(삭제된 행과 열의 공통부분의 원소)의 소행렬식(minor)이라 함.
a22 a23 a32 a33
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
라플라스전개방법에 의한 n계 행렬식의 계산 - 소행렬식(minor : M) :원소 aij에 대한 소행렬식은 주어진 행렬의 i번째 행과 j번째 열을 삭제한 후 남은 원소들로 이루어진 행렬식 - 소행렬식은 그 자체가 행렬식이므로 하나의 스칼라
값을 가짐.
|M11|º |M12|º |M13|º Þ |A|=a11|M11|-a12|M12|+a13|M13|
è
라플라스전개방법에 의한 n계 행렬식의 계산 - 소행렬식(minor : M) :원소 aij에 대한 소행렬식은 주어진 행렬의 i번째 행과 j번째 열을 삭제한 후 남은 원소들로 이루어진 행렬식 - 소행렬식은 그 자체가 행렬식이므로 하나의 스칼라
값을 가짐.
|M11|º |M12|º |M13|º Þ |A|=a11|M11|-a12|M12|+a13|M13|
a22 a23 a32 a33
a21 a23 a31 a33
a21 a22 a31 a32
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
라플라스전개방법에 의한 n계 행렬식의 계산 - 여인자(=여인수 : cofactor : C) :소행렬식과 밀접한 관련이 있는 여인자라는 개념이 있음.
여인자는 소행렬식에 적절한 부호(+/-)를 붙인 것
|Cij|º(-1)i+j|Mij|
여기서 소행렬식 |Mij|에서 두 하첨자 i와 j의 합이 짝수이면 소행렬식과 같은 부호를 갖고,
홀수이면 소행렬식과 반대의 부호를 가짐.
è
라플라스전개방법에 의한 n계 행렬식의 계산- 여인자(=여인수 : cofactor : C) :
소행렬식과 밀접한 관련이 있는 여인자라는 개념이 있음.
여인자는 소행렬식에 적절한 부호(+/-)를 붙인 것
|Cij|º(-1)i+j|Mij|
여기서 소행렬식 |Mij|에서 두 하첨자 i와 j의 합이 짝수이면 소행렬식과 같은 부호를 갖고,
홀수이면 소행렬식과 반대의 부호를 가짐.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
라플라스전개방법에 의한 n계 행렬식의 계산- 여인자 개념을 이용하면 앞의 3계 행렬식은 다음과 같이 표시할 수 있음.
|A|=a11|M11|-a12|M12|+a13|M13|
=a11|C11|+a12|C12|+a13|C13|
=åa1j|C1j| (j=1, 2, 3) [행(row)기준 전개]
|A|=a11|M11|-a21|M21|+a31|M31|
=a11|C11|+a21|C21|+a31|C31|
=åai1|Ci1| (i=1, 2, 3) [열(column)기준 전개]
è
라플라스전개방법에 의한 n계 행렬식의 계산- 여인자 개념을 이용하면 앞의 3계 행렬식은 다음과 같이 표시할 수 있음.
|A|=a11|M11|-a12|M12|+a13|M13|
=a11|C11|+a12|C12|+a13|C13|
=åa1j|C1j| (j=1, 2, 3) [행(row)기준 전개]
|A|=a11|M11|-a21|M21|+a31|M31|
=a11|C11|+a21|C21|+a31|C31|
=åai1|Ci1| (i=1, 2, 3) [열(column)기준 전개]
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식에 의한 비특이성 판정 u 행렬식에 의한 비특이성 판정
è
예제 : 라플라스전개방법(method of Laplace Expansion) 5 6 1A= 2 3 0 7 -3 0
- 행렬식을 계산할 때 0이나 1이 가장 많이 포함된 행 이나 열을 선택하여 계산하는 것이 유리(편리)함. - 제3열 기준으로 행렬식의 계산하면 다음과 같음.
|A|=1 -0 +0 =-27+0+0=-27
è
예제 : 라플라스전개방법(method of Laplace Expansion) 5 6 1A= 2 3 0 7 -3 0
- 행렬식을 계산할 때 0이나 1이 가장 많이 포함된 행 이나 열을 선택하여 계산하는 것이 유리(편리)함. - 제3열 기준으로 행렬식의 계산하면 다음과 같음.
|A|=1 -0 +0 =-27+0+0=-272 3 7 -3
5 6 7 -3
5 6 2 3
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 1 : 전치행렬의 행렬식은 본래 행렬의 행렬식과 같음 : |A|=|A¢|즉, 전치행렬은 행렬식의 값에 영향을 미치지 않음.
è
성질 1 : 전치행렬의 행렬식은 본래 행렬의 행렬식과 같음 : |A|=|A¢|즉, 전치행렬은 행렬식의 값에 영향을 미치지 않음.
4 3 5 6
4 5
= 3 6 =9 a b c d
a c
= b d =ad-bc
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 2 : 임의 두 행(또는 두 열)을 교환하면 행렬식의 부호는 변하지만 그 수치는 불변임.대각행렬의 행렬식의 값은 주대각원소들의 곱과 같음. 따라서 대응하는 행과 열을 모두 바꿔도 행렬식의 값은 변하지 않음.
è
성질 2 : 임의 두 행(또는 두 열)을 교환하면 행렬식의 부호는 변하지만 그 수치는 불변임.대각행렬의 행렬식의 값은 주대각원소들의 곱과 같음. 따라서 대응하는 행과 열을 모두 바꿔도 행렬식의 값은 변하지 않음.
a b c d
c d
a b =bc-ad=-(ad-bc)
=ad-bc
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 3 : 임의의 한 행(또는 한 열)에 스칼라 k를 곱하면 행렬식의 값은 k배가 됨.즉, 한 행(또는 한 열)의 공통인수는 행렬식 밖으로 빼낼 수 있음.
1) 한 행(또는 한 열)의 원소가 모두 0이면 행렬식의 값은 0임.
è
성질 3 : 임의의 한 행(또는 한 열)에 스칼라 k를 곱하면 행렬식의 값은 k배가 됨.즉, 한 행(또는 한 열)의 공통인수는 행렬식 밖으로 빼낼 수 있음.
1) 한 행(또는 한 열)의 원소가 모두 0이면 행렬식의 값은 0임.
a b
0 0 =0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 3 : 임의의 한 행(또는 한 열)에 스칼라 k를 곱하면 행렬식의 값은 k배가 됨.즉, 한 행(또는 한 열)의 공통인수는 행렬식 밖으로 빼낼 수 있음.
2) n차 행렬 A에 대하여 kA의 행렬식의 값은 kn|A|임.
è
성질 3 : 임의의 한 행(또는 한 열)에 스칼라 k를 곱하면 행렬식의 값은 k배가 됨.즉, 한 행(또는 한 열)의 공통인수는 행렬식 밖으로 빼낼 수 있음.
2) n차 행렬 A에 대하여 kA의 행렬식의 값은 kn|A|임.
ka kb
c d =kad-kbc=k(ad-bc)=k a b c d
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
행렬식과 행렬의 인수분해(factoring) 차이- 행렬식의 경우 어떤 하나의 행 또는 열이 공약수를 가지면 그 공약수를 인수분해하여 행렬식 밖으로 빼낼 수 있음.
- 행렬의 경우 모든 원소들에 대한 공약수가 있어야 함.
è
행렬식과 행렬의 인수분해(factoring) 차이- 행렬식의 경우 어떤 하나의 행 또는 열이 공약수를 가지면 그 공약수를 인수분해하여 행렬식 밖으로 빼낼 수 있음.
- 행렬의 경우 모든 원소들에 대한 공약수가 있어야 함.
15a 7b
12c 2d =6(5ad-14bc)
ka kb kc kd
=3
5a 7b
4c 2d
=3(2) 5a 7b 2c 1d=k a b c d
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 4 : 어떤 행(또는 열)을 곱해서 다른 행(또는 열)에 더하거나 빼더라도 행렬식의 값은 변하지 않음 (행렬식의 기본 성질 3의 연산과 관련됨).è
성질 4 : 어떤 행(또는 열)을 곱해서 다른 행(또는 열)에 더하거나 빼더라도 행렬식의 값은 변하지 않음 (행렬식의 기본 성질 3의 연산과 관련됨).a b c+ka d+kb
a b
=a(d+kb)-b(c+ka)=ad-bc= c d
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 5 : 두 행(또는 두 열)이 서로 같거나 비례하면 행렬식의 값은 0임.즉, 어떤 한 행(또는 열)이 다른 행(또는 열)의 배수이거나 두 개의 행(또는 두 개의 열)이 동일하면(같으면) 행렬식은 0임.
è
성질 5 : 두 행(또는 두 열)이 서로 같거나 비례하면 행렬식의 값은 0임.즉, 어떤 한 행(또는 열)이 다른 행(또는 열)의 배수이거나 두 개의 행(또는 두 개의 열)이 동일하면(같으면) 행렬식은 0임.
2a 2b
a b =2ab-2ab=0 c c
d d =cd-cd=0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
성질 6 : 행렬식을 하나의 타행 또는 타열의 여인자들 (즉, 타여인자들(alien cofactors))에 의해 전개 하면 그 값은 항상 0임 : ∑a1j|C2j|=0행렬식 을 첫 번째 행의 원소들(a1j)에 의해 전개하면서, 그러나 여인자들은 두 번째 행의 원소들의 여인자들, 즉 |C21|=-3, |C22|=10,
|C23|=1들을 이용. 이를 전개하면 다음과 같음.
Þ |A|=a11|C21|+a12|C22|+a13|C23|=4(-3)+1(10)+2(1)=0
è
성질 6 : 행렬식을 하나의 타행 또는 타열의 여인자들(즉, 타여인자들(alien cofactors))에 의해 전개 하면 그 값은 항상 0임 : ∑a1j|C2j|=0
행렬식 을 첫 번째 행의 원소들(a1j)에 의해 전개하면서, 그러나 여인자들은 두 번째 행의 원소들의 여인자들, 즉 |C21|=-3, |C22|=10,
|C23|=1들을 이용. 이를 전개하면 다음과 같음.
Þ |A|=a11|C21|+a12|C22|+a13|C23|=4(-3)+1(10)+2(1)=0 4 1 2
5 2 1 1 0 3
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
행렬식에 의한 비특이성의 판정- A가 n´n 계수행렬인 선형방정식체계 Ax=d가 주어지면 다음과 같은 관계가 성립함.
|A|¹0 Û A의 행(열)은 선형독립(linear independent)임.
Û A는 비특이행렬(non-singular matrix)임.
Û 역행렬 A-1가 존재함.
Û 유일한 해 x*=A-1d가 존재함.
- |A|¹0이어서 유일한 해가 보장되더라도 경제학에서 허용될 수 없는 음(-)의 해를 가질 수도 있음.
è
행렬식에 의한 비특이성의 판정- A가 n´n 계수행렬인 선형방정식체계 Ax=d가 주어지면 다음과 같은 관계가 성립함.
|A|¹0 Û A의 행(열)은 선형독립(linear independent)임.
Û A는 비특이행렬(non-singular matrix)임.
Û 역행렬 A-1가 존재함.
Û 유일한 해 x*=A-1d가 존재함.
- |A|¹0이어서 유일한 해가 보장되더라도 경제학에서 허용될 수 없는 음(-)의 해를 가질 수도 있음.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬식의 기본 성질 (basic properties) u 행렬식의 기본 성질 (basic properties)
è
행렬식에 의한 비특이성의 판정 : 예제- 다음의 방정식체계는 유일한 해(a unique solution)를 갖는가?
7x1-3x2-3x3=7 2x1+4x2+x3=0 -2x2-x3=2
- 행렬식 |A|의 값이 0이 아니므로 유일한 해를 가짐.
è
행렬식에 의한 비특이성의 판정 : 예제- 다음의 방정식체계는 유일한 해(a unique solution)를 갖는가?
7x1-3x2-3x3=7 2x1+4x2+x3=0 -2x2-x3=2
- 행렬식 |A|의 값이 0이 아니므로 유일한 해를 가짐.
7 -3 -3 2 4 1 0 -2 -1
=-8¹0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 행렬의 위수의 재정의 (rank of a matrix redefined) u 행렬의 위수의 재정의 (rank of a matrix redefined)
è
위수(rank)는 행렬 A의 선형독립인 행(열)들의 최대수를 말함.- m´n 행렬의 위수는 그 행렬의 행들과 열들로 구성될 수 있는 0이 아닌 값을 갖는 행렬식들 중에서
그 계수가 가장 큰 것의 계수(maximum order)
è
행렬A의 위수는 두 수 m과 n 중 작은 값보다 클 수 없거나 같음(왜냐하면 행렬식은 정방행렬에 대해서만 정의).r(A)£min{m, n}
è
두 행렬곱의 위수 : r(AB)£min{r(A), r(B)}è
위수(rank)는 행렬 A의 선형독립인 행(열)들의 최대수를 말함.- m´n 행렬의 위수는 그 행렬의 행들과 열들로 구성될 수 있는 0이 아닌 값을 갖는 행렬식들 중에서
그 계수가 가장 큰 것의 계수(maximum order)
è
행렬A의 위수는 두 수 m과 n 중 작은 값보다 클 수 없거나 같음(왜냐하면 행렬식은 정방행렬에 대해서만 정의).r(A)£min{m, n}
è
두 행렬곱의 위수 : r(AB)£min{r(A), r(B)}l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬을 구하는 방법 u 역행렬을 구하는 방법
è
타행(또는 타열)의 여인자들에 의한 행렬식의 전개(성질 6) - 행렬식의 성질 6은 일반적으로 n계 행렬식에 대해서도적용됨.
- 따라서 n계 행렬식에 대하여 다음 식이 성립함.
∑aij|Ci¢j|=0 (i¹i¢) : i번째 행의 원소들과 i¢번째 행의 여인자들에 의한 전개
∑aij|Cij¢|=0 (j¹j¢) : j번째 열의 원소들과 j¢번째 열의 여인자들에 의한 전개
è
타행(또는 타열)의 여인자들에 의한 행렬식의 전개(성질 6) - 행렬식의 성질 6은 일반적으로 n계 행렬식에 대해서도적용됨.
- 따라서 n계 행렬식에 대하여 다음 식이 성립함.
∑aij|Ci¢j|=0 (i¹i¢) : i번째 행의 원소들과 i¢번째 행의 여인자들에 의한 전개
∑aij|Cij¢|=0 (j¹j¢) : j번째 열의 원소들과 j¢번째 열의 여인자들에 의한 전개
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
è
타행(또는 타열)의 여인자들에 의한 행렬식의 전개(성질 6)- 또 다른 행렬식
- 위 행렬식에서 제1행과 제2행이 같음.
- 이 경우 앞에서 행렬식의 성질 5에서 살펴본 바와 같이 두 행이 같거나 배수이면 0임.
- 한편, 위 행렬식은 두 번째 행의 여인자들이 나타난 것과 동일함. 두 행이 같기 때문에 |A*|=0이고,
다른 여인자들에 의하여 행해질 경우에도 적용됨.
è
타행(또는 타열)의 여인자들에 의한 행렬식의 전개(성질 6)- 또 다른 행렬식
- 위 행렬식에서 제1행과 제2행이 같음.
- 이 경우 앞에서 행렬식의 성질 5에서 살펴본 바와 같이 두 행이 같거나 배수이면 0임.
- 한편, 위 행렬식은 두 번째 행의 여인자들이 나타난 것과 동일함. 두 행이 같기 때문에 |A*|=0이고,
다른 여인자들에 의하여 행해질 경우에도 적용됨. a11 a12 a13
a11 a12 a13 a31 a32 a33
|A*|=
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
è
앞의 행렬식의 기본 성질 6은 행렬의 역행렬을 구하는 방법을 찾는데 직접 도움을 줌.è
하나의 n´n 비특이행렬 A가 다음과 같다고 하면- A의 각 원소는 여인자 |Cij|를 가지므로 각 원소 aij를 그 원소의 여인자로 대체하여 여인자들의 행렬을 만들 수 있음.
è
앞의 행렬식의 기본 성질 6은 행렬의 역행렬을 구하는 방법을 찾는데 직접 도움을 줌.è
하나의 n´n 비특이행렬 A가 다음과 같다고 하면- A의 각 원소는 여인자 |Cij|를 가지므로 각 원소 aij를 그 원소의 여인자로 대체하여 여인자들의 행렬을 만들 수 있음.
A=
a11 a12 ∙∙∙ a1n a21 a22 ∙∙∙ a2n
………..
an1 an2 ∙∙∙ ann
(단, |A|¹0)
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
- 행렬 A의 여인자 행렬을 C=[|Cij|]로 표현하면 여인자 행렬의 전치행렬 C¢을 행렬 A의 부수행렬(또는 수반 행렬 : adjoint)이라 하고 adj A로 표기함.
- 행렬 A의 여인자 행렬을 C=[|Cij|]로 표현하면 여인자 행렬의 전치행렬 C¢을 행렬 A의 부수행렬(또는 수반 행렬 : adjoint)이라 하고 adj A로 표기함.
C=
|C11| |C12| ∙∙∙ |C1n|
|C21| |C22| ∙∙∙ |C2n|
………..
|Cn1| |Cn2| ∙∙∙ |Cnn| C¢ºadj Aº
|C11| |C21| ∙∙∙ |Cn1|
|C12| |C22| ∙∙∙ |Cn2|
………..
|C1n| |C2n| ∙∙∙ |Cnn|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
- 라플라스전개공식과 행렬식의 성질 6을 이용하면 행렬 A와 C¢은 곱 AC¢를 구하면 다음과 같음.
- 라플라스전개공식과 행렬식의 성질 6을 이용하면 행렬 A와 C¢은 곱 AC¢를 구하면 다음과 같음.
AC¢=
∑a1j|C1j| ∑a1j|C2j| ∙∙∙ ∑a1j|Cnj|
∑a2j|C1j| ∑a2j|C2j| ∙∙∙ ∑a2j|Cnj|
………..
∑anj|C1j| ∑anj|C2j| ∙∙∙ ∑anj|Cnj|
=
|A| 0 ∙∙∙ 0 0 |A| ∙∙∙ 0
………..
0 0 ∙∙∙ |A|
= |A|
1 0 ∙∙∙ 0 0 1 ∙∙∙ 0
………….
0 0 ∙∙∙ 1
= |A|In
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
- 앞의 식에서 행렬식 |A|는 0이 아닌 스칼라이므로 AC¢=|A|In의 양변을 |A|로 나누면
=In 또는 =In
- 위 식의 양변을 A-1로 앞 곱하고 A-1 A=In을 감안하면
= A-1 또는 A-1= adj A
- 앞의 식에서 행렬식 |A|는 0이 아닌 스칼라이므로 AC¢=|A|In의 양변을 |A|로 나누면
=In 또는 =In
- 위 식의 양변을 A-1로 앞 곱하고 A-1 A=In을 감안하면
= A-1 또는 A-1= adj A AC¢ A
|A|
C¢
|A|
C¢
|A|
1
|A|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
è
정방행렬(비특이행렬) A의 역행렬을 구하는 일반적인 과정을 요약하면 다음과 같음.- |A|를 구함(|A|=0일 경우에는 역행렬은 정의되지 않기 때문에 |A|¹0일 경우에만 다음 단계로 이행).
- A의 모든 원소에 대하여 여인자를 구하고 여인자 행렬 C=[|Cij|]를 만듬.
- 여인자 행렬 C를 전치시켜 A의 부수행렬 adj A를 구함.
- adj A를 |A|로 나누면 A의 역행렬 A-1를 구할 수 있음.
è
정방행렬(비특이행렬) A의 역행렬을 구하는 일반적인과정을 요약하면 다음과 같음.
- |A|를 구함(|A|=0일 경우에는 역행렬은 정의되지 않기 때문에 |A|¹0일 경우에만 다음 단계로 이행).
- A의 모든 원소에 대하여 여인자를 구하고 여인자 행렬 C=[|Cij|]를 만듬.
- 여인자 행렬 C를 전치시켜 A의 부수행렬 adj A를 구함.
- adj A를 |A|로 나누면 A의 역행렬 A-1를 구할 수 있음.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 역행렬 구하기 (finding the inverse matrix) u 역행렬 구하기 (finding the inverse matrix)
è
예제 : 다음 행렬 A의 역행렬을 구하라.A=
- |A|=-2¹0이므로 역행렬 A-1가 존재함. - 여인자 행렬 C= =
- 부수행렬 adj A=
- 역행렬 A-1= adj A= - =
è
예제 : 다음 행렬 A의 역행렬을 구하라.A=
- |A|=-2¹0이므로 역행렬 A-1가 존재함. - 여인자 행렬 C= =
- 부수행렬 adj A=
- 역행렬 A-1= adj A= - = 3 2
1 0
|C11| |C12|
|C21| |C22|
0 -1 -2 3 0 -2
-1 3 1
|A|
1 2
0 -2 -1 3
0 1 1/2 -3/2
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
앞에서 살펴본 역행렬 방법을 이용하여 선형방정식 체계를 푸는 실제적이고 편리한 방법인 크래머의 법칙 (Cramer’s rule)을 도출할 수 있음.è
법칙의 도출(derivation of the rule)- A가 n´n인 비특이행렬이면 방정식체계 Ax=d의 해는 다음과 같이 쓸 수 있음.
x*=A-1d= (adj A)d
è
앞에서 살펴본 역행렬 방법을 이용하여 선형방정식 체계를 푸는 실제적이고 편리한 방법인 크래머의 법칙 (Cramer’s rule)을 도출할 수 있음.è
법칙의 도출(derivation of the rule)- A가 n´n인 비특이행렬이면 방정식체계 Ax=d의 해는 다음과 같이 쓸 수 있음.
x*=A-1d= (adj A)d1
|A|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
- 앞의 식을 다시 정리하면 다음을 의미함.
- 앞의 식을 다시 정리하면 다음을 의미함.
=
|C11| |C21| ∙∙∙ |Cn1|
|C12| |C22| ∙∙∙ |Cn2|
………..
|C1n| |C2n| ∙∙∙ |Cnn| 1
|A|
x1* x2*
⋮ xn*
d1 d2
⋮ dn
= 1
|A|
d1|C11|+d2|C21|+ ∙∙∙ +dn|Cn1| d1|C12|+d2|C22|+ ∙∙∙ +dn|Cn2|
………
d1|C1n|+d2|C2n|+ ∙∙∙ +dn|Cnn|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
- 이를 다시 정리하면 다음과 같음.
- 방정식의 양변에 있는 서로 대응하는 원소들을 같게 놓음으로써 다음과 같은 해를 얻음.
- 이를 다시 정리하면 다음과 같음.
- 방정식의 양변에 있는 서로 대응하는 원소들을 같게 놓음으로써 다음과 같은 해를 얻음.
= 1
|A|
∑di|Ci1|
∑di|Ci2|
………
∑di|Cin|
x1*= 1
|A|
1
∑di|Ci1|, x2*= |A| ∑di|Ci2|, ××× , xn*= 1
|A| ∑di|Cin|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
- 예를 들어 앞에서 구한 해는 다음과 같이 나타낼 수 있음.
- 여기서 |A1|은 앞에서 |A|의 첫 번째 열을 열벡터 d로 대체하고 다른 모든 열은 그대로 두었을 때 나타나는 새로운 행렬식임.
- 예를 들어 앞에서 구한 해는 다음과 같이 나타낼 수 있음.
- 여기서 |A1|은 앞에서 |A|의 첫 번째 열을 열벡터 d로 대체하고 다른 모든 열은 그대로 두었을 때 나타나는 새로운 행렬식임.
x1*= 1
|A| |A1|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
- 따라서 연립방정식 Ax=d의 해는 다음과 같이 나타낼 수 있음.
(여기서 j번째 열이 d로 대체되었음.) - 이러한 결과가 바로 크래머의 법칙(Cramer’s rule)
임.
- 따라서 연립방정식 Ax=d의 해는 다음과 같이 나타낼 수 있음.
(여기서 j번째 열이 d로 대체되었음.) - 이러한 결과가 바로 크래머의 법칙(Cramer’s rule)
임.
xj*= |Aj|
|A| = 1
|A|
a11 a12 ∙∙∙ d1 ∙∙∙ a1n a21 a22 ∙∙∙ d2 ∙∙∙ a2n
………..…..…..
an1 an2 ∙∙∙ dn ∙∙∙ ann
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
예제 : 다음 방정식의 해를 구하라.5x1+3x2=30 6x1-2x2=8
- 계수와 상수항으로부터 다음의 행렬식을 얻음.
|A|= =-28
|A1|= =-84 |A2|= =-140
- 따라서 x1*= = =3 x2*= = =5
è
예제 : 다음 방정식의 해를 구하라.5x1+3x2=30 6x1-2x2=8
- 계수와 상수항으로부터 다음의 행렬식을 얻음.
|A|= =-28
|A1|= =-84 |A2|= =-140
- 따라서 x1*= = =3 x2*= = =5 5 3
6 -2 30 3
8 -2
5 30 6 8
|A1|
|A|
|A2|
|A|
-84 -28
-140 -28
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
예제 : 다음 방정식의 해를 구하라.7x1-x2-x3=0 10x1-2x2+x3=8 6x1+3x2-2x3=7
|A|= =-61 |A1|= =-61
|A2|= =-183 |A3|= =-244 - 따라서 해는 x1*= =1 x2*= =3 x3*= =4
è
예제 : 다음 방정식의 해를 구하라.7x1-x2-x3=0 10x1-2x2+x3=8 6x1+3x2-2x3=7
|A|= =-61 |A1|= =-61
|A2|= =-183 |A3|= =-244 - 따라서 해는 x1*= =1 x2*= =3 x3*= =4
7 -1 -1 10 -2 1 6 3 -2
|A1|
|A|
0 -1 -1 8 -2 1 7 3 -2 7 0 -1
10 8 1 6 7 -2
7 -1 0 10 -2 8 6 3 7
|A2|
|A|
|A3|
|A|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
역행렬에 의한 방법 :- 모든 내생변수의 균형해를 동시에 구하는 방법임.
è
크래머의 법칙에 의한 방법 :- 개별 내생변수의 균형해(xj*)만 구하는 방법임.
- 따라서 특정 내생변수의 값만을 구하고자 할 때 또는 상수항의 변화가 있을 때 크래머의 법칙을 이용하면 편리함.
è
역행렬에 의한 방법 :- 모든 내생변수의 균형해를 동시에 구하는 방법임.
è
크래머의 법칙에 의한 방법 :- 개별 내생변수의 균형해(xj*)만 구하는 방법임.
- 따라서 특정 내생변수의 값만을 구하고자 할 때 또는 상수항의 변화가 있을 때 크래머의 법칙을 이용하면 편리함.
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
동차방정식체계(homogeneous equation system)- 앞에서 살펴본 방정식체계 Ax=d의 벡터 d는 어떠한 상수라도 가질 수 있음.
- 그런데 d=0(d1=d2= ∙∙∙ =dn=0)이면 방정식체계는 a11x1+a12x2+ ∙∙∙ +a1nxn=0
a21x1+a22x2+ ∙∙∙ +a2nxn=0
∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙
an1x1+an2x2+ ∙∙∙ +annxn=0
- 이러한 경우를 동차방정식체계라 함. 즉, 상수항이 모두 0인 연립방정식
è
동차방정식체계(homogeneous equation system)- 앞에서 살펴본 방정식체계 Ax=d의 벡터 d는 어떠한 상수라도 가질 수 있음.
- 그런데 d=0(d1=d2= ∙∙∙ =dn=0)이면 방정식체계는 a11x1+a12x2+ ∙∙∙ +a1nxn=0
a21x1+a22x2+ ∙∙∙ +a2nxn=0
∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙∙
an1x1+an2x2+ ∙∙∙ +annxn=0
- 이러한 경우를 동차방정식체계라 함. 즉, 상수항이 모두 0인 연립방정식
Þ Ax=0
(여기서 0은 영벡터임.)
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
동차방정식체계(homogeneous equation system) - 행렬 A가 비특이행렬이면(|A|¹0) 동차방정식체계는오직 0인 해(x1*=x2*= ∙∙∙ =xn*=0)만 가짐.
x*=A-1d ® x*=A-10=0
è
동차방정식체계(homogeneous equation system) - 행렬 A가 비특이행렬이면(|A|¹0) 동차방정식체계는오직 0인 해(x1*=x2*= ∙∙∙ =xn*=0)만 가짐.
x*=A-1d ® x*=A-10=0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
동차방정식체계(homogeneous equation system)- 이 결과는 크래머의 법칙에 의해서도 도출이 가능함.
- d=0이라는 사실은 모든 j에 대하여 |Aj|가 0으로만 이루어진 열을 포함할 수밖에 없음을 의미함.
- 따라서 해는 xj*= = =0 (j=1, 2, ∙∙∙, n)
- 그런데 동차방정식체계에서 0이 아닌 해를 얻는 유일한 경우는 |A|=0, 즉 계수행렬 A가 특이행렬인 경우뿐임.
è
동차방정식체계(homogeneous equation system)- 이 결과는 크래머의 법칙에 의해서도 도출이 가능함.
- d=0이라는 사실은 모든 j에 대하여 |Aj|가 0으로만 이루어진 열을 포함할 수밖에 없음을 의미함.
- 따라서 해는 xj*= = =0 (j=1, 2, ∙∙∙, n)
- 그런데 동차방정식체계에서 0이 아닌 해를 얻는 유일한 경우는 |A|=0, 즉 계수행렬 A가 특이행렬인 경우뿐임.
|Aj|
|A| 0
|A|
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
동차방정식체계(homogeneous equation system) - 따라서 이 경우에는 다음과 같음.xj*= =
- 위 식에서 0/0은 0이 아니라 부정형임.
- 결과적으로 크래머의 법칙은 적용될 수 없음.
- 이는 해를 구할 수 없음을 의미하는 것이 아니라, 단지 유일한 해를 구할 수 없음을 의미함.
- 결국, 동차방정식체계는 0이 아닌 유일한 해는 존재 하지 않음.
è
동차방정식체계(homogeneous equation system) - 따라서 이 경우에는 다음과 같음.xj*= =
- 위 식에서 0/0은 0이 아니라 부정형임.
- 결과적으로 크래머의 법칙은 적용될 수 없음.
- 이는 해를 구할 수 없음을 의미하는 것이 아니라, 단지 유일한 해를 구할 수 없음을 의미함.
- 결국, 동차방정식체계는 0이 아닌 유일한 해는 존재 하지 않음.
|Aj|
|A| 0 0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 크래머의 법칙 (Cramer’s rule) u 크래머의 법칙 (Cramer’s rule)
è
선형방정식체계에서의 해의 결과è
선형방정식체계에서의 해의 결과벡터 d
행렬식 |A| d¹0
(비동차방정식체계)
d=0
(동차방정식체계)
|A|¹0 (비특이행렬)
0이 아닌 유일해
x*¹0가 존재 0인 유일해 x*=0가 존재
|A|=0 (특이행렬)
방정식체계 종속임.
무수한 해가 존재 (0인 해 비포함)
무수한 해가 존재 (0인 해 포함)
방정식체계
모순됨.
해가 존재하지 않음 . 모순될 수 없음 .
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 시장모형과 국민소득모형에 대한 응용 u 시장모형과 국민소득모형에 대한 응용
è
시장모형(market model)è
시장모형(market model)Qd1-Qs1=0
Qd1=a0+a1P1+a2P2 Qs1=b0+b1P1+b2P2 Qd2-Qs2=0
Qd2=α0+α1P1+α2P2 Qs2=β0+β1P1+β2P2
(a0-b0)+(a1-b1)P1+(a2-b2)P2=0
® c1P1+c2P2=-c0
(α0-β0)+(α1-β1)P1+(α2-β2)P2=0
® γ1P1+γ2P2=-γ0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 시장모형과 국민소득모형에 대한 응용 u 시장모형과 국민소득모형에 대한 응용
è
시장모형(market model)- 이를 다시 정리하면 다음과 같음.
c1P1+c2P2=-c0 γ1P1+γ2P2=-γ0
- 해를 구하는데 필요한 3개의 행렬식을 나타내면
|A|= =c1γ2-c2γ1
|A1|= =-c0γ2+c2γ0 |A2|= =-c1γ0+c0γ1
è
시장모형(market model)- 이를 다시 정리하면 다음과 같음.
c1P1+c2P2=-c0 γ1P1+γ2P2=-γ0
- 해를 구하는데 필요한 3개의 행렬식을 나타내면
|A|= =c1γ2-c2γ1
|A1|= =-c0γ2+c2γ0 |A2|= =-c1γ0+c0γ1 c1 c2
γ1 γ2 -c0 c2 -γ0 γ2
c1 -c0 γ1 -γ0
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 시장모형과 국민소득모형에 대한 응용 u 시장모형과 국민소득모형에 대한 응용
è
시장모형(market model)- 따라서 균형가격은 다음과 같음.
P1*= = P2*= =
- 균형량은 수요함수 또는 공급함수에서 P1=P1* 및 P2=P2*로 놓고 구할 수 있음.
è
시장모형(market model)- 따라서 균형가격은 다음과 같음.
P1*= = P2*= =
- 균형량은 수요함수 또는 공급함수에서 P1=P1* 및 P2=P2*로 놓고 구할 수 있음.
|A1|
|A| |A2|
c2γ0-c0γ2 |A|
c1γ2-c2γ1
c0γ1-c1γ0 c1γ2-c2γ1
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 시장모형과 국민소득모형에 대한 응용 u 시장모형과 국민소득모형에 대한 응용
è
국민소득모형(national income model)- 케인즈의 단순국민소득모형은 다음의 두 연립방정식 으로 이루어짐.
Y=C+I0+G0
C=a+bY (여기서 a>0, 0<b<1) - 위 식을 다시 배열 정리하면
Y-C=I0+G0 -bY+C=a
è
국민소득모형(national income model)- 케인즈의 단순국민소득모형은 다음의 두 연립방정식 으로 이루어짐.
Y=C+I0+G0
C=a+bY (여기서 a>0, 0<b<1) - 위 식을 다시 배열 정리하면
Y-C=I0+G0 -bY+C=a
l 선형모형과 행렬대수(계속) l 선형모형과 행렬대수(계속)
u 시장모형과 국민소득모형에 대한 응용 u 시장모형과 국민소득모형에 대한 응용
è
국민소득모형(national income model)- 해를 구하기 위해 필요한 3개의 행렬식을 나타내면
|A|= =1-b
|A1|= =I0+G0+a
|A2|= =a+b(I0+G0)
- 그러므로 Y*= = C*= =
è
국민소득모형(national income model)- 해를 구하기 위해 필요한 3개의 행렬식을 나타내면
|A|= =1-b
|A1|= =I0+G0+a
|A2|= =a+b(I0+G0)
- 그러므로 Y*= = C*= =|A1|
|A| |A2| I0+G0+a |A|
1-b
a+b(I0+G0) 1-b
1 -1 -b 1
1 (I0+G0) -b a (I0+G0) -1
a 1