수 리 경 제 입 문
한양대학교
경제금융대학
1. 과목 개요
3
개요
• 본 과목은 경제학에서 많이 사용되는 수학적 개념과 원 리를 다룸
• 본 과목의 목표는 학생들이 상위 경제학 과목을 학습하 는데 필요한 수학적 지식을 익힐 수 있도록 하는 것임
• 주요 주제 다음과 같음 – 함수의 기초
– 지수함수, 로그함수 – 함수의 극한과 연속 – 함수의 미분
– 미분 규칙 – 미분 응용 – 적분 및 응용
– 선형대수의 기초 – 행렬대수
– 선형연립방정식의 풀이 – 다변수함수와 미분
– 음함수 정리
– 다변수 함수의 최적화 – 등식제약하의 최적화
2. 함수의 기초
함수의 정의
• 정의역(domain)과 공변역(codomain)이라는 두 집 합이 있다고 하고, 각각 𝑋와 𝑌로 표시하자.
• 함수란 𝑋의 원소들을 𝑌의 원소들과 짝지어주는 규 칙 중 다음을 만족하는 것
1. 𝑋의 모든 원소마다 적어도 하나의 짝이 𝑌 속 에 있어야 한다
2. 𝑋의 원소 하나가 2개 이상의 𝑌의 원소를 짝으 로 가지면 안된다.
6
함수의 그래프
• 함수 𝑓: 𝑋 → 𝑌의 그래프는 (𝑥, 𝑓 𝑥 )(x, f(x))의 좌표를 갖는 점들의 집합
• 𝑋 축 상의 각 점 𝑥위에 함수값 𝑓 𝑥 에 해당하는 점 𝑦 를 찾아 이들을 그림으로 표현
• (예)
𝑦 = 𝑓 𝑥 = 𝑥 𝑋 = 1, … , 100 𝑌 = {1, … , 100}
함수 𝒇: 𝑿 → 𝒀
• [단조함수] 임의의 정의역의 원소 𝑥1 ≥ 𝑥2에 대해서 – 𝑓 𝑥1 ≥ 𝑓(𝑥2)이면, 𝑓는 단조증가함수
– 𝑓 𝑥1 ≤ 𝑓(𝑥2)이면, 𝑓는 단조감소함수 – 이 때, 강부등호가 성립하면, 강단조함수
• [단사함수] 𝑓 𝑥1 = 𝑓(𝑥2)가 𝑥1 = 𝑥2를 의미하면, 𝑓를 𝑋에서 𝑌로의 일대일(one-to-one) 혹은 단사함수
(injection)라고 한다.
8
함수 𝒇: 𝑿 → 𝒀
• [전사함수] 𝑓 𝑋 = 𝑌이면, 𝑓를 𝑋에서 𝑌로의 전사함 수(surjection 또는 onto)라고 한다.
• [전단사함수] 𝑓가 𝑋에서 𝑌로의 단사함수이면서 동 시에 전사함수일 경우, 이를 전단사함수(bijection)라 고 한다.
• [역함수] 𝑓: 𝑋 → 𝑌가 전단사함수일 때, 다음과 같이 정의된 함수 𝑓−1: 𝑌 → 𝑋를 𝑓의 역함수(inverse
function)이라고 한다.
임의의 𝑦 ∈ 𝑌에 대해 𝑓 𝑥 = 𝑦일 경우 𝑓−1 𝑦 = 𝑥
3. 지수함수와 로그함수
10
지수함수: 𝒚 = 𝒃 𝒙
• ‘밑’이 상수, ‘지수’에 독립변수
• 밑수를 𝑏(> 0) 라 할 때 𝑓 𝑥 = 𝑏𝑥의 형태
• 모든 𝑏에 대해 𝑓 0 = 1
• 𝑏 > 1이면, 강단조증가함수
• 0 < 𝑏 < 1이면, 강단조감소함수
• 𝑔 𝑥 = 𝑏−𝑥일 때, 𝑓 𝑥 = 𝑔 −𝑥 이고 𝑓 −𝑥 = 𝑔 𝑥 이다.
11
숫자 𝒆
• 연 이자율 𝑟에 이자를 𝑛번 나누어 복리로 지급하는 예금에 1년간 원금 𝐴를 예금
– 매 지급시기에 적용되는 이자율은 𝑟/𝑛 – 최초 지급시기 원금과 이자의 합은
𝐴 + 𝐴 𝑟
𝑛 = 𝐴 1 + 𝑟 𝑛
– 2회차 지급시기 원금과 이자의 합은 𝐴 1 + 𝑟
𝑛 + 𝐴 1 + 𝑟 𝑛
𝑟
𝑛 = 𝐴 1 + 𝑟 𝑛
2
– 같은 방식으로, 연말에 받게되는 금액은 𝐴 1 + 𝑟
𝑛
𝑛−1 + 𝐴 1 + 𝑟 𝑛
𝑛−1 𝑟
𝑛 = 𝐴 1 + 𝑟 𝑛
𝑛
12
숫자 𝒆
• 매순간마다 계속해서 이자를 지급하는 방식을 연속 복리라고 한다.
• 만약 원금 𝐴 = 1
,
연이자율 𝑟 = 1이라면, 연속복리하 에서 1년 후 받게 되는 금액은𝑛→∞lim 1 + 1 𝑛
𝑛
≡ 𝑒 – 𝑛 = 1: 1 + 1 2= 2
– 𝑛 = 2: 1 + 1/2 2 = 2.25 – 𝑛 = 4: 1 + 1/4 3= 2.441 … – 𝑛 = 7: 1 + 1/7 7= 2.546 …
– 𝑒 = 2.718 … > 1이므로 증가함수
13
현재가치 계산
• 연 이자율이 임의의 값 𝑟일 때, 연속복리하에서 1년 후 받게 되는 금액은 𝐴𝑒𝑟
𝑛→∞lim 1 + 𝑟 𝑛
𝑛 = lim
𝑚→∞ 1 + 1 𝑚
𝑚𝑟
= lim
𝑚→∞ 1 + 1 𝑚
𝑚 𝑟
(이 때, 𝑚 = 𝑛/𝑟)
• 𝑡년 후 원리금합계는 𝐴𝑒𝑟 × ⋯ × 𝑒𝑟 = 𝐴𝑒𝑟𝑡
• 따라서, 𝑡년 후 𝐵의 현재가치는 𝐴 = 𝐵𝑒−𝑟𝑡
14
로그함수: 𝒚 = 𝐥𝐨𝐠 𝒃 𝒙
• 지수함수의 역함수를 로그함수라고 함.
• 즉, 𝑥 = 𝑏𝑦 ⇔ 𝑦 = log𝑏 𝑥
15
로그함수: 𝒚 = 𝐥𝐨𝐠 𝒃 𝒙
• 𝑏 > 1인 경우로 국한. 정의역은 𝑥 > 0
• 로그함수의 성질
– 0 < 𝑥 < 1이면 𝑦 = log𝑏 𝑥 < 0 – 𝑥 > 1이면 𝑦 = log𝑏 𝑥 > 0
– log𝑏 𝑥1𝑥2 = log𝑏 𝑥1 + log𝑏 𝑥2 – log𝑏 𝑥1/𝑥2 = log𝑏 𝑥1 − log𝑏 𝑥2 – log𝑏 𝑥𝑘 = 𝑘 log𝑏 𝑥
• 𝑏 = 10이면 상용로그라 부름
• 𝑏 = 𝑒이면 자연로그라 부르고 𝑦 = ln 𝑥로 표시
16
지수 및 로그함수의 응용
• 시간 𝑡에 따라 일정한 증가율 𝑟로 연속적으로 증가 하는 변수 𝑋를 함수로 표기
𝑋 𝑡 = 𝑋0𝑒𝑟𝑡
• 이 식의 양변에 자연로그를 씌워주면 ln 𝑋(𝑡) = ln 𝑋0𝑒𝑟𝑡 + ln 𝑋0 + 𝑟𝑡
• 지수 형태의 증가식이 1차식으로 변환됨
4. 함수의 극한과 연속
18
함수의 극한
• 함수 𝑓: 𝑋 → 𝑌를 생각하자.
• 𝑥 → 𝑎일 때 𝑓 𝑥 → 𝐴이면, 함수 𝑓는 𝑥 = 𝑎에서 극한 값 𝐴를 갖는다.
𝑥→𝑎lim 𝑓(𝑥) = 𝐴
• 우극한은 lim
𝑥→𝑎+ 𝑓(𝑥), 좌극한은 lim
𝑥→𝑎− 𝑓(𝑥)
• lim
𝑥→𝑎+ 𝑓(𝑥) = lim
𝑥→𝑎− 𝑓(𝑥)이면 극한이 존재한다.
예시
– 𝑥값이 1로 접근하는 방법은 두 가지.
– 𝑥값이 오른쪽에서 접 근하든 왼쪽에서 접 근하든 함수값은 3에 수렴함.
– 따라서 lim
𝑥→1 𝑓(𝑥) = 3
• (예) 𝑓 𝑥 = 2𝑥 + 1
𝑓 𝑥
20
극한의 성질
• 함수의 극한은 다음과 같은 성질을 같는다.
– lim
𝑥→𝑎 𝐶 = 𝐶 – lim
𝑥→𝑎 𝑥 = 𝑎 – lim
𝑥→𝑎 𝑓 𝑥 ± 𝑔 𝑥 = lim
𝑥→𝑎 𝑓(𝑥) ± lim
𝑥→𝑎 𝑔(𝑥) – lim
𝑥→𝑎 𝑓 𝑥 𝑔(𝑥) = lim
𝑥→𝑎 𝑓(𝑥) lim
𝑥→𝑎 𝑔(𝑥) – lim
𝑥→𝑎 𝑔(𝑥) ≠0이면 lim
𝑥→𝑎
𝑓 𝑥
𝑔 𝑥 = 𝑥→𝑎limlim𝑓 𝑥
𝑥→𝑎𝑔 𝑥
함수의 연속
• 함수 𝑓가 lim
𝑥→𝑎 𝑓(𝑥) = 𝑓(𝑎)이면 점 𝑥 = 𝑎에서 연속이 라고 한다.
• 함수 𝑓(𝑥)와 𝑔(𝑥)가 𝑥 = 𝑎에서 연속일 때, 다음의 함 수들도 𝑥 = 𝑎에서 연속이다.
– 𝑓 𝑥 ± 𝑔 𝑥 , c𝑓 𝑥 , 𝑓 𝑥 𝑔(𝑥), 𝑓 𝑥𝑔 𝑥 (단,𝑔(𝑥) ≠ 0)
• 𝑥 = 𝑎에서 함수 𝑔(𝑥)가 연속이고, 함수 𝑓(𝑥)가 𝑔 𝑎 에서 연속이면, 합성함수 𝑓(𝑔 𝑥 )는 𝑥 = 𝑎에서 연속 이다.
22
불연속 함수
• 불연속 함수의 예
– 𝑦 = 𝑥𝑥 – 𝑦 = ln 𝑥
5. 함수의 미분
24
미분계수와 도함수
• 함수 𝑦 = 𝑓(𝑥)에서 점 𝑥0, 𝑦0 에서 𝑥1, 𝑦1 사이의 변 화율은 다음과 같다.
∆𝑦
∆𝑥 = 𝑓 𝑥1 − 𝑓(𝑥0)
𝑥1 − 𝑥0 = 𝑓 𝑥0 + ∆𝑥 − 𝑓(𝑥0) 𝑥1 − 𝑥0
• 이 때, 순간 변화율을 미분계수라고 한다.
• 독립변수 𝑥와 미분계수 값 사이의 관계가 “함수”이 면 이를 도함수라고 부른다.
𝑓′ 𝑥 = lim
∆𝑥→0
∆𝑦
∆𝑥 = lim
∆𝑥→0
𝑓 𝑥 + ∆𝑥 − 𝑓(𝑥)
∆𝑥
25
예시
• (예) 𝑓 𝑥 = 𝑥
𝑓′ 𝑥 = lim
Δ𝑥→0
𝑥 + Δ𝑥 − 𝑥
Δ𝑥 = 1
• (예) 𝑓 𝑥 = ln 𝑥 𝑓′(𝑥) = lim
Δ𝑥→0
ln 𝑥 + Δ𝑥 − ln 𝑥
Δ𝑥 = lim
Δ𝑥→0
1
Δ𝑥 ln 𝑥 + Δ𝑥 𝑥
= lim
Δ𝑥→0 ln 1 + Δ𝑥 𝑥
Δ𝑥1
= ln 𝑒𝑥1 = 1 𝑥
26
미분계수와 도함수
• 도함수도 함수이므로, 도함수의 도함수를 정의할 수 있고, 이를 이계도함수라고 부른다.
𝑓′′ 𝑥 = lim
∆𝑥→∞
𝑓′ 𝑥 + ∆𝑥 − 𝑓′ 𝑥
∆𝑥 = 𝑑2𝑦 𝑑𝑥2
• 마찬가지로 고계도함수를 정의할 수 있다.
– 𝑓′ 𝑥 , 𝑓′′ 𝑥 , 𝑓′′′ 𝑥 , … – 𝑑𝑦𝑑𝑥 , 𝑑𝑑𝑥2𝑦2 , 𝑑𝑑𝑥3𝑦3 , … .
27
미분계수와 접선의 방정식
• 도함수의 정의로 부터
Δ𝑥→∞lim
𝑓 𝑎 + Δ𝑥 − 𝑓(𝑎)
Δ𝑥 − 𝑓′(𝑎)
= lim
𝑥→𝑎
𝑓 𝑥 − 𝑓 𝑎 − 𝑓′(𝑎)(𝑥 − 𝑎)
𝑥 − 𝑎 = 0
• 함수 𝑓(𝑥)의 𝑥 = 𝑎에서 접선의 방정식은 𝑦 = 𝑓 𝑎 + 𝑓′(𝑎)(𝑥 − 𝑎)
• 𝑓′(𝑎)는 𝑥 = 𝑎에서 𝑓(𝑥)의 접선의 기울기
28
미분계수와 함수의 그래프
• 𝑓′ > 0이고 𝑓′′ > 0이면 기울기가 점점 커지는 증가 함수 그래프
• 𝑓′ < 0이고 𝑓′′ > 0이면 기울기가 점점 커지는 감소 함수 그래프
• 𝑓′ > 0이고 𝑓′′ > 0이면 기울기가 점점 작아지는 증 가함수 그래프
• 𝑓′ < 0이고 𝑓′′ < 0이면 기울기가 점점 작아지는 감 소함수 그래프
29
예시
• (예) 𝑓(𝑥) = 𝑥3 – 𝑓′ 𝑥 = 3𝑥2 – 𝑓′′ 𝑥 = 6𝑥 – 𝑥 > 0일 때,
𝑓′ > 0, 𝑓′′ > 0 – 𝑥 < 0일 때,
𝑓′ > 0, 𝑓′′ < 0
30
미분가능
• 도함수의 정의 𝑑𝑦
𝑑𝑥 = 𝑓′ 𝑥 = lim
Δ𝑥→∞
𝑓 𝑥 + Δ𝑥 − 𝑓(𝑥) Δ𝑥
• 𝑓′ 𝑎 가 존재하면, x = 𝑎에서 미분가능하다. 즉,
Δ𝑥→0lim+
𝑓 𝑎 + Δ𝑥 − 𝑓(𝑎)
Δ𝑥 = lim
Δ𝑥→0−
𝑓 𝑎 + Δ𝑥 − 𝑓(𝑎) Δ𝑥
• 함수 𝑓(𝑥)가 𝑥 = 𝑎에서 미분가능하면, 𝑓(𝑥)는 𝑥 = 𝑎 에서 연속이다.
(증명) lim
𝑥→𝑎 𝑓(𝑥) = lim
𝑥→𝑎
𝑓 𝑥 −𝑓 𝑎
𝑥−𝑎 𝑥 − 𝑎 + 𝑓(𝑎) = lim
𝑥→𝑎 𝑓′(𝑎) × 0 + 𝑓 𝑎 = 𝑓(𝑎)
미분이 불가능한 경우
– 𝑦 = 1 − ln 𝑥 – 𝑦 = |𝑥|
32
로피탈 정리(L’Hospital’s Theorem)
• 𝑓 𝑎 = 𝑔 𝑎 = 0이고 𝑓와 𝑔가 𝑥 = 𝑎에서 미분가능하 면 다음이 성립한다
𝑥→𝑎lim
𝑓(𝑥)
𝑔(𝑥) = lim
𝑥→𝑎
𝑓′(𝑥) 𝑔′(𝑥)
(증명)
𝑥→𝑎
lim
𝑓(𝑥)
𝑔(𝑥) = lim
𝑥→𝑎
𝑓 𝑥 − 𝑓(𝑎)
𝑔 𝑥 − 𝑔(𝑎) = lim
𝑥→𝑎
𝑓 𝑥 − 𝑓(𝑎) 𝑥 − 𝑎
𝑥→𝑎
lim
𝑔 𝑥 − 𝑔(𝑎) 𝑥 − 𝑎
= 𝑓′(𝑎)
𝑔′(𝑎) = lim
𝑥→𝑎
𝑓′(𝑥) 𝑔′(𝑥)
• lim
𝑥→𝑎
1 𝑓(𝑥)
1 𝑔(𝑥)
=
1 𝑓(𝑎)
1 𝑔(𝑎)
=
1 01 0
= ∞∞ = −∞∞ = −∞∞ 로 변형될 수 있음
6. 미분 규칙
34
두 함수 합의 미분
• 미분가능한 두 함수 합의 미분
𝑓 𝑥 + 𝑔 𝑥 ′ = lim
Δ𝑥→∞
𝑓 𝑥 + Δ𝑥 + 𝑔 𝑥 + Δ𝑥 − 𝑓 𝑥 − 𝑔(𝑥) Δ𝑥
= lim
Δ𝑥→∞
𝑓 𝑥 + Δ𝑥 − 𝑓 𝑥
Δ𝑥 + lim
Δ𝑥→∞
𝑔 𝑥 + Δ𝑥 − 𝑔 𝑥 + Δ𝑥 Δ𝑥
= 𝑓′ 𝑥 + 𝑔′(𝑥)
• 비슷하게, 𝑓 𝑥 − 𝑔 𝑥 ′= 𝑓′ 𝑥 − 𝑔′(𝑥)
두 함수 곱의 미분
• 미분 가능한 두 함수 곱의 미분
𝑓 𝑥 𝑔 𝑥
′= lim
Δ𝑥→∞
𝑓 𝑥 + Δ𝑥 𝑔 𝑥 + Δ𝑥 − 𝑓 𝑥 𝑔(𝑥) Δ𝑥
= lim
Δ𝑥→∞
𝑓 𝑥 + Δ𝑥 𝑔 𝑥 + Δ𝑥 − 𝑓 𝑥 𝑔 𝑥 + Δ𝑥 + 𝑓 𝑥 𝑔 𝑥 + Δ𝑥 − 𝑓 𝑥 𝑔(𝑥) Δ𝑥
= lim
Δ𝑥→∞
𝑓 𝑥 + Δ𝑥 − 𝑓 𝑥
Δ𝑥 𝑔 𝑥 + Δ𝑥 + lim
Δ𝑥→∞
𝑔 𝑥 + Δ𝑥 − 𝑔 𝑥 + Δ𝑥
Δ𝑥 𝑓 𝑥
= 𝑓
′𝑥 𝑔 𝑥 + 𝑓 𝑥 𝑔′(𝑥)
36
합성함수의 미분
• 함수 𝑓와 𝑔가 미분가능하고, 두 함수의 합성함수를 ℎ 𝑥 = 𝑔(𝑓 𝑥 )라 하자. 그러면 ℎ′ 𝑥 = 𝑔′ 𝑓 𝑥 𝑓′(𝑥) 이 성립한다.
(증명) 𝑦 = 𝑓(𝑥), 𝑠 = 𝑓(𝑡)라고 하자. 그러면 lim
𝑡→𝑥 𝑢(𝑡) = 0 과 lim
𝑠→𝑦 𝑣(𝑠) = 0을 만족하는 어떤 𝑢와 𝑣가 있어 다음을 만 족한다.
𝑓 𝑡 − 𝑓 𝑥 = (𝑡 − 𝑥)[𝑓′ 𝑥 + 𝑢 𝑡 ] 𝑔 𝑠 − 𝑔 𝑦 = (𝑠 − 𝑦)[𝑔′ 𝑦 + 𝑣 𝑠 ]
합성함수의 미분
그러면
ℎ 𝑡 − ℎ 𝑥 = 𝑔 𝑓 𝑡 − 𝑔 𝑓 𝑥
= 𝑓 𝑡 − 𝑓 𝑥 ∙ 𝑔′ 𝑦 + 𝑣 𝑠
= 𝑡 − 𝑥 ∙ 𝑓′ 𝑥 + 𝑢 𝑡 ∙ [𝑔′ 𝑦 + 𝑣 𝑠 ] 따라서 𝑡 ≠ 𝑥일때,
ℎ 𝑡 − ℎ(𝑥)
𝑡 − 𝑥 = 𝑔′ 𝑦 + 𝑣 𝑠 ∙ [𝑓′ 𝑥 + 𝑢 𝑡 ]
함수 𝑓는 연속이므로, 𝑡 → 𝑥일때 𝑠 → 𝑦임을 알 수 있다.
38
역함수의 미분
• 함수 𝑓의 역함수를 𝑔 ≡ 𝑓−1이라고 하면, 𝑔′ 𝑦 = 1/𝑓′(𝑥)가 성립한다.
(증명) 역함수의 정의에 의해 𝑥 = 𝑔(𝑓 𝑥 ). 연쇄법칙을 이용하여
1 = 𝑔′ 𝑓 𝑥 𝑓′ 𝑥 = 𝑔′ 𝑦 𝑓′(𝑥) 따라서 𝑓′(𝑥) ≠ 0일 때 𝑔′ 𝑦 = 1/𝑓′(𝑥).
예시
• (예) 𝑔 𝑦 = 𝑒𝑦, 𝑦 = 𝑓 𝑥 = ln 𝑥라고 하면 𝑔′ 𝑦 = 1
𝑓′(𝑥) = 𝑥 = 𝑒𝑦
• (예) 𝑓 𝑥 = 𝑥𝑛의 미분
함수 𝑓와 자연로그함수의 합성함수는 ln 𝑓(𝑥) = 𝑛 ln 𝑥 이므로,
𝑑(ln 𝑓 𝑥 )
𝑑𝑥 = 𝑛 𝑑 ln 𝑥
𝑑𝑥 ⇒ 𝑑 ln 𝑦 𝑑𝑦
𝑑𝑓(𝑥)
𝑑𝑥 = 𝑛 1
𝑥 ⇒ 1 𝑦
𝑑𝑦
𝑑𝑥 = 𝑛 𝑥
⇒ 𝑑𝑦
𝑑𝑥 = 𝑛𝑦
𝑥 = 𝑛𝑥𝑛
𝑥 = 𝑛𝑥𝑛−1
7. 미분의 응용
‘한계’ 개념
• ‘한계’=‘도함수’
• 한계비용=비용함수의 도함수
– 재화의 생산량을 무한히 조금 더 늘릴 때 추가로 필요한 비용
• (예) 비용함수 𝐶 𝑥 = 100 + 10𝑥2 – 𝐶 0 = 100은 고정비용
– 고정비용 이외의 부분은 가변비용 – 한계비용은 𝐶′ 𝑥 = 20𝑥
42
탄력성
• 𝐴의 𝐵 탄력성
Δ𝐴/𝐴
Δ𝐵/𝐵 = Δ𝐴 Δ𝐵
A
𝐵 Δ𝐵→0
𝑑𝐴 𝑑𝐵
A 𝐵
• Δ𝐵가 무한히 작아질 때의 극한값, 𝐵가 변할 때 𝐴가 얼마나 영향을 받는지를 나타냄
• 선형수요함수 𝑄 = 𝑎 − 𝑏𝑃의 가격탄력성 𝜖 = 𝑑𝑄
𝑑𝑃 𝑃
𝑄 = −𝑏 𝑃 𝑎 − 𝑏𝑃
미분량
• Δ𝑦 = 𝑓 𝑥0 + Δ𝑥 − 𝑓(𝑥0), 𝑑𝑦 = 𝑓′ 𝑥0 Δ𝑥
• Δ𝑥 → 0이면 Δ𝑦 → 𝑑𝑦가 성립. Δ𝑥 → 0인 경우 𝑑𝑥로 표시
• (예) 함수 𝑓 𝑥 = 𝑥2의 𝑥0 = 1에서 근사계산 – 𝑓 1 = 1, 𝑓 1.01 = 1.012 = 1.0201이므로
Δ𝑦 = 1.0201 − 1 = 0.0201 – 𝑓′ 𝑥0 = 2𝑥0 = 1이므로
𝑑𝑦 = 𝑓′ 𝑥0 Δ𝑥 = 2 × 0.01 = 0.02
44
최적화
max 𝑥 𝑓(𝑥)
• 선택변수 𝑥를 선택하여 목적함수 𝑓(𝑥)를 최적화(극 대/극소) 시키는 것.
– 최대점: 모든 𝑥에 대해서 𝑓 𝑥∗ ≥ 𝑓(𝑥) – 최소점: 모든 𝑥에 대해서 𝑓 𝑥∗ ≤ 𝑓(𝑥)
– 극대점: 𝑥∗ 주변의 𝑥에 대해서 𝑓 𝑥∗ ≥ 𝑓(𝑥) – 극소점: 𝑥∗ 주변의 𝑥에 대해서 𝑓 𝑥∗ ≤ 𝑓(𝑥)
• 최대점을 포함한 모든 극대점을 찾는 문제를 “극대 화”라고 부름
45
일계조건(First Order Condition)
• 목적함수 𝑓: 𝑋 → 𝑌가 미분가능하고, 𝑥∗ ∈ 𝑋라고 하자.
그러면 𝑓′ 𝑥∗ = 0이 성립한다.
– (증명) 𝑥∗가 극대점인 경우, 𝑥∗ 근처의 모든 𝑥에 대해 𝑓 𝑥∗ ≥ 𝑓(𝑥)이므로 다음이 성립.
Δ𝑓 = 𝑓 𝑥∗ + Δ𝑥 − 𝑓 𝑥∗ ≤ 0
Δ𝑓의 근사값인 𝑑𝑓에 대해서 다음이 성립.
𝑑𝑓 = 𝑓′ 𝑥∗ 𝑑𝑥 ≤ 0
𝑑𝑥 > 0과 𝑑𝑥 < 0가 모두 가능하므로 𝑓′ 𝑥∗ = 0.
– 필요조건: 𝑥∗가 최적해라면 일계조건을 마족해야 함. 하지만 일계조건을 만족한다고해서 반드시 최 적해인 것은 아님.
46
이계조건(Second Order Condition)
• [극대 이계조건] 𝑓′′ 𝑥∗ < 0
• [극소 이계조건] 𝑓′′ 𝑥∗ > 0
• 일계조건과 함께 최적해의 충분조건
– 𝑓′ 𝑥∗ = 0이고 𝑓′′ 𝑥∗ < 0이면 𝑥∗는 극대해 – 𝑓′ 𝑥∗ = 0이고 𝑓′′ 𝑥∗ > 0이면 𝑥∗는 극소해 – 𝑓′ 𝑥∗ = 0이고 𝑓′′ 𝑥∗ = 0이면 알 수 없음
• (예) 𝑓 𝑥 = −𝑥2, 𝑔 𝑥 = 𝑥2, ℎ 𝑥 = 𝑥3
– 𝑥∗ = 0은 함수 𝑓의 극대해, 𝑔의 극소해, ℎ에서는 극대도 아니고 극소도 아님
독점기업의 이윤극대화
• 역수요함수: 𝑃 𝑄 = 𝑎 − 𝑏𝑄
• 수입함수: 𝑅 𝑄 = 𝑃𝑄 = 𝑎𝑄 − 𝑏𝑄2
• 비용함수: 𝐶 𝑄 = 𝑐𝑄 + 𝑓
• 이윤함수:
Π 𝑄 = 𝑅 𝑄 − 𝐶 𝑄 = 𝑎𝑄 − 𝑏𝑄2 − (𝑐𝑄 + 𝑓)
• 일계조건:
𝑑Π(Q)
𝑑𝑄 = 𝑑𝑇(𝑄)
𝑑𝑄 − 𝑑𝐶 𝑄
𝑑𝑄 = 𝑎 − 2𝑏𝑄∗ = 0
• 이계조건:
𝑑2Π(𝑄)
𝑑𝑄2 = −2𝑏 < 0
8. 적분 및 응용
부정적분
• 미분의 반대 과정으로서 적분
– 미분은 어떤 함수가 주어지면 그 도함수를 구하는 것
– 적분은 주어진 함수의 역도함수를 구하는 과정.
즉 도함수를 주면 원래 함수가 무엇이었는지를 알 아내는 계산
• (예) 𝐹 𝑥 = 𝑥2 + 𝐶를 미분하면 𝐹′ 𝑥 = 𝑓 𝑥 = 2𝑥.
따라서,
𝐹 𝑥 = 2𝑥 𝑑𝑥 = 𝑥2 + 𝐶
50
기본 규칙
𝑐 𝑓(𝑥)𝑑𝑥 = 𝑐 𝑓(𝑥)𝑑𝑥
𝑓 𝑥 ± 𝑔 𝑥 𝑑𝑥 = 𝑓(𝑥)𝑑𝑥 ± 𝑔(𝑥)𝑑𝑥 𝑥𝑛𝑑𝑥 = 1
𝑛 + 1 𝑥𝑛+1 + 𝐶 𝑒𝑥𝑑𝑥 = 𝑒𝑥 + 𝐶
1
𝑥 𝑑𝑥 = ln |𝑥| + 𝐶
부분적분
• 함수 곱의 미분에서 도출
𝑓 𝑥 𝑔 𝑥 ′ = 𝑓′ 𝑥 𝑔 𝑥 + 𝑓 𝑥 𝑔′(𝑥)
𝑓 𝑥 𝑔 𝑥 ′𝑑𝑥 = 𝑓′ 𝑥 𝑔 𝑥 𝑑𝑥 + 𝑓 𝑥 𝑔′ 𝑥 𝑑𝑥
⇒ 𝑓 𝑥 𝑔′ 𝑥 𝑑𝑥 = 𝑓 𝑥 𝑔 𝑥 − 𝑓′ 𝑥 𝑔 𝑥 𝑑𝑥
• (예) 𝑓 𝑥 = ln 𝑥의 부정적분 ln 𝑥 𝑑𝑥 = 𝑥 ln 𝑥 − 1
𝑥 𝑥 𝑑𝑥 = 𝑥 ln 𝑥 − 𝑥 + 𝐶
52
치환적분
• 적분의 대상이 합성함수인 경우, 합성함수의 ‘속함수’
를 새로운 변수로 치환
– 피적분함수가 𝑓(𝑔(𝑥))일 때, 𝑔(𝑥) = 𝑧로 치환하면, 𝑓(𝑧)로 단순해짐
– 𝑥에 대한 적분계산을 𝑑𝑧 = 𝑔′(𝑥) 𝑑𝑥라는 미분량식 을 활용하여 𝑧에 대한 적분계산으로 변환
• (예) 𝑧 = 2𝑥 + 1이고 𝑑𝑥 = 12 𝑑𝑧 2𝑥 + 1 2𝑑𝑥 = 𝑧2 1
2 𝑑𝑧 = 1 2
𝑧3
3 + 𝐶 = 2𝑥 + 1 3
6 + 𝐶
정적분
• 그래프 아래의 면적
54
정적분
• 면적의 근사치 계산
정적분
• 𝑥0, … , 𝑥𝑛을 다음과 같이 정의하자.
𝑥0 = 𝑎, 𝑥1 = 𝑎 + ∆, 𝑥2 = 𝑎 + 2∆, … , 𝑥𝑛 = 𝑎 + 𝑛∆= 𝑏
• 다음을 리만합(Rieman Sum)이라고 부른다.
𝑓(𝑥1) 𝑥1 − 𝑥0 + 𝑓 𝑥2 𝑥2 − 𝑥1 + ⋯ + 𝑓 𝑥𝑛 𝑥𝑛 − 𝑥𝑛−1 = 𝑓(𝑥𝑖)∆
𝑛
𝑖=1
• Δ를 0에 가깝게 (즉,
n
을 무한대로) 보내면 원하는 면적을 얻게 됨. 즉,∆→0lim 𝑓(𝑥𝑖)∆
𝑛
𝑖=1
= 𝑓 𝑥 𝑑𝑥
𝑏 𝑎
56
정적분의 성질
• 정적분의 성질
𝑓 𝑥 𝑑𝑥
𝑎 𝑎
= 0 𝑓 𝑥 𝑑𝑥
𝑏 𝑎
+ 𝑓 𝑥 𝑑𝑥
𝑐 𝑏
= 𝑓 𝑥 𝑑𝑥
𝑐 𝑎
𝑓 𝑥 𝑑𝑥
𝑏 𝑎
= − 𝑓 𝑥 𝑑𝑥
𝑎
𝑏
• (예)
1
𝑥 𝑑𝑥
𝑒 1
= ln 𝑥 1𝑒 = ln 𝑒 − ln 1 = 1 − 0 = 1
미적분학의 기본정리
• 함수 𝑓: 𝑎, 𝑏 → 𝑅가 연속함수라고 하자. 그러면, 𝑓는 역도함수 𝐹를 가지고 다음이 성립함
𝑓 𝑥 𝑑𝑥
𝑏 𝑎
= 𝐹 𝑏 − 𝐹(𝑎) – 부정적분과 정적분의 연결
– 즉, 함수 𝑓(𝑥)의 그래프와 𝑥-축사이의 면적은 𝐹 𝑏 − 𝐹(𝑎) 이다.
58
미적분학의 기본정리
• 𝐹 𝑥 = 𝑓 𝑦 𝑑𝑦𝑎𝑥 라고 하자. 그러면 𝐹는 𝑎에서 𝑥까 지 𝑓의 그래프 아래의 면적이다.
• 그러면, 𝐹 𝑥 + ∆𝑥 − 𝐹(𝑥) ≈ 𝑓(𝑥)∆𝑥.
면적
≈ 𝑓(𝑥)∆𝑥
미적분학의 기본정리
• 𝐹 𝑥 = 𝑓 𝑦 𝑑𝑦𝑎𝑥 로 정의. 𝑥, 𝑥 + ℎ ⊂ (𝑎, 𝑏)인 ℎ > 0에 대해서, 𝐹 𝑥 + ℎ − 𝐹(𝑥)
ℎ = 1
ℎ 𝑓 𝑦 𝑑𝑦
𝑥+ℎ
𝑎 − 𝑓 𝑦 𝑑𝑦
𝑥
𝑎 = 𝑓 𝑦
ℎ 𝑑𝑦
𝑥+ℎ 𝑥
• 𝑓가 연속이므로, 𝑦 ∈ 𝑥, 𝑥 + ℎ 인 모든 𝑦에 대해 𝑓 𝑥 − 𝑓(𝑦) < 𝜀.
𝑓(𝑦) ℎ 𝑑𝑦
𝑥+ℎ 𝑥
− 𝑓(𝑥) = 𝑓(𝑦) ℎ 𝑑𝑦
𝑥+ℎ 𝑥
− 𝑓 𝑥
ℎ 𝑑𝑦
𝑥+ℎ
𝑥
= 𝑓 𝑦 − 𝑓(𝑥)
ℎ 𝑑𝑦
𝑥+ℎ 𝑥
≤ 𝑓 𝑦 − 𝑓 𝑥
ℎ 𝑑𝑦
𝑥+ℎ 𝑥
< 𝜀ℎ
ℎ = 𝜀
• 그러므로 lim
ℎ→0
𝐹 𝑥+ℎ −𝐹(𝑥)
ℎ = 𝑓(𝑥). 𝐹의 정의에 의해 𝑓 𝑥 𝑑𝑥
𝑏 𝑎
= 𝐹 𝑏 − 𝐹(𝑎)
60
이상적분 (Improper Integral)
• 정적분 𝑓 𝑥 𝑑𝑥𝑎𝑏 에서
1) 𝑎와 𝑏 중 적어도 하나가 무한대이거나, (예: 𝑏가 무한대)
𝑓 𝑥 𝑑𝑥
∞ 𝑎
= lim
𝑏→∞ 𝑓 𝑥 𝑑𝑥
𝑏
𝑎
2) 피적분함수가 unbounded 일 때
(예: 𝑥 = 0에서 𝑓(𝑥)가 정의되지 않을 때) 𝑓 𝑥 𝑑𝑥
𝑏 0
= lim
𝜀→0 𝑓 𝑥 𝑑𝑥
𝑏 𝜀
이상적분 (Improper Integral)
• (예) 1
𝑥 𝑑𝑥
1 0
= lim
𝜀→0
1
𝑥 𝑑𝑥
1 𝜀
= lim
𝜀→0 2 𝑥 1𝜀 = lim
𝜀→0 2 − 2 𝜀 = 2
• (예) 1 𝑥 𝑑𝑥
∞ 1
= lim
𝑏→∞
1 𝑥 𝑑𝑥
𝑏 1
= lim
𝑏→∞ log 𝑥 1𝑏 = lim
𝑏→∞ log 𝑏 = ∞
62
응용: 소비자 잉여
• 소비자잉여: 소비자가 특정재화를 특정량 만큼 구입 하기 위하여 지불하고자 하는 금액과 실제로 지불한 금액의 차이
• 재화의 역소비함수 𝑝 = 𝐷−1(𝑞)가 연속함수이고, 재 화의 가격이 𝑝0, 이 때 소비자의 구매량이 𝑞0라고 하 자. 소비자 잉여(CS)는 다음과 같이 정의된다.
𝐶𝑆 = 𝐷−1 𝑞 𝑑𝑞
𝑞0 0
− 𝑝0𝑞0
• (예) 수요함수: 𝑞 = 20 − 2𝑝, 𝑝0 = 5.
𝐶𝑆 = 1
2 (2 − 𝑞)
10 0
𝑑𝑞 − 5 × 10 = 25
63
응용: 현재가치 계산
• 변수 𝑥의 값이 시간 𝑡의 연속함수이며 그 값은 𝑥(𝑡) 를 따라 변한다고 하자. 그러면 𝑡 = 𝑠일 때 𝑥의 값은 𝑥 𝑠 이고 현재가치(𝑡 = 0일 때)는 𝑥(𝑠)𝑒−𝑟𝑠.
• 이제 𝑡 = 0에서 𝑡 = 𝑇까지에 대응하는 𝑥(𝑡)값들의 현 재가치의 연속합은
𝑥(𝑡)𝑒−𝑟𝑡
𝑇 0
𝑑𝑡
• (예) 모든 𝑡에 대해 𝑥(𝑡) = 𝐴이고 𝑇 = ∞일 때 (예를 들어 연금 𝐴를 연속적으로 받는 상황)
𝑥(𝑡)𝑒−𝑟𝑡𝑑𝑡
∞ 0
= lim
𝑇→∞ 𝐴𝑒−𝑟𝑡𝑑𝑡
𝑇 0
= lim
𝑇→∞ − 𝐴
𝑟 𝑒−𝑟𝑡
0 𝑇
= 𝐴
𝑟 lim
𝑇→∞ 1 − 𝑒−𝑟𝑇 = 𝐴 𝑟
9. 선형대수의 기초
벡터 (Vector)
• 숫자(스칼라)들을 한 방향으로 배열한 것
– 좌우로 늘어놓는 경우 행벡터(row vector)
– 상하로 늘어놓는 경우 열벡터(column vector)
• 벡터의 ‘차원’: 배열에 포함된 숫자의 개수
• (예) 𝑣 = 0,1 ∈ 𝑅2, 𝑤 = 1,2,3 ∈ 𝑅3
66
벡터 사이의 거리 및 벡터의 길이
• 선분 𝑙의 길이는?
(𝑙의 길이)2
= (𝑚의 길이)2+(𝑛의 길이)2
= 𝑎1 − 𝑎2 2 + 𝑏1 − 𝑏2 2
• 점𝑃와 𝑄사이의 거리는 𝑃𝑄 = 𝑙의 길이
= 𝑎1 − 𝑎2 2 + 𝑏1 − 𝑏2 2
𝑏2
𝑏1
𝑎1 𝑎2
𝑙
𝑚
𝑛 𝑃
𝑄
𝑅
벡터 사이의 거리 및 벡터의 길이
𝑃
𝑄
𝑆 𝑅
𝑇
𝑏1 𝑏2
𝑐1 𝑐2
𝑎2 𝑎1
• 𝑃𝑄 2 = 𝑃𝑅 2 + 𝑅𝑄 2
• 𝑃𝑅 2 = 𝑅𝑇 2 + 𝑆𝑅 2 = 𝑎1 − 𝑎2 2 + 𝑏1 − 𝑏2 2
• 𝑃𝑄 2 = 𝑎1 − 𝑎2 2 + 𝑏1 − 𝑏2 2 + 𝑐1 − 𝑐2 2
• 두 벡터 𝑣와 𝑢 사이의 거리는
𝑣 − 𝑢 = 𝑣1 − 𝑢1 2 + ⋯ + 𝑣𝑛 − 𝑢𝑛 2
• 벡터 𝑣의 길이는
𝑣 = 𝑣12 + ⋯ + 𝑣𝑛2
68
선형결합과 선형독립
• 𝛼𝑖 ∈ ℝ은 스칼라이고, 벡터 𝑣1, 𝑣2, … , 𝑣𝑘 ∈ ℝ𝑛
• 다음을 선형결합(linear combination)이라고 한다.
𝑣 = 𝛼1𝑣1 + 𝛼2𝑣2 + ⋯ + 𝛼𝑘𝑣𝑘
• 아래의 선형결합을 살펴보자.
𝛼1𝑣1 + 𝛼2𝑣2 + ⋯ + 𝛼𝑘𝑣𝑘 = 0
• 위 식을 만족하는 해는 적어도 하나 존재한다.
𝛼1 = 𝛼2 = ⋯ = 𝛼𝑘 = 0
선형결합과 선형독립
• 이 해가 유일한 해일 때 𝑣1, … , 𝑣𝑘는 선형독립
(linearly independent), 다른 해가 존재할 때는 선 형종속(linearly dependent)이라고 한다.
• 선형종속이면, 𝛼𝑖 ≠ 0인 𝑖가 최소한 하나 존재하고, 다음이 성립한다.
𝑣𝑖 = − 𝛼1
𝛼𝑖 𝑣1 + ⋯ + 𝛼𝑖−1
𝛼𝑖 𝑣𝑖−1 + 𝛼𝑖+1
𝛼𝑖 𝑣𝑖+1 + ⋯ 𝛼𝑘 𝛼𝑖 𝑣𝑘
70
선형결합과 선형독립
• (예) 𝑣1 = 1,1,1 , 𝑣2 = 3,4,5 , 𝑣3 = −2, −2, −2 은 선 형독립인가 선형종속인가?
• (예) 𝑣1 = 1,0,0 , 𝑣2 = 0,1,0 , 𝑣3 = 0,0,1 은 선형독 립인가 선형종속인가?
𝑥1 𝑥2
𝑥1 𝑥2
(a) 선형종속 (b) 선형독립
10. 행렬대수
72
행렬
• 스칼라들을 행과 열로, 즉 직사각형 모양으로 배열 한 것.
𝐴 = 𝑎𝑖𝑗 𝑚×𝑛 =
𝑎11 ⋯ 𝑎1𝑛
⋮ ⋱ ⋮
𝑎𝑚1 ⋯ 𝑎𝑚𝑛
– 행렬에 𝑚행과 𝑛열이 있을 때, 𝑚 × 𝑛차원 – 𝑚 = 𝑛 이면 정사각형렬
– 정사각행렬 𝑎𝑖𝑖 = 1, 𝑎𝑖𝑗 = 0이면 단위행렬 𝑰 – 𝑚 = 1 (𝑛 = 1)이면 𝑛 (𝑚)차원 행(열)벡터
행렬의 연산
• 행렬의 합: 𝐴 + 𝐵 = 𝑎𝑖𝑗 + 𝑏𝑖𝑗 𝑚×𝑛
• 스칼라 곱: 𝛼𝐴 = 𝛼𝑎𝑖𝑗 𝑚×𝑛
• 행렬의 곱: 𝐴는 𝑚 × 𝑛, 𝐵는 𝑛 × 𝑝 행렬일 때, 𝐴𝐵 = 𝑎𝑖𝑟𝑏𝑟𝑗
𝑛
𝑟=1 𝑚×𝑝
• 전치행렬: 주어진 행렬에서 행과 열의 역할을 서로 바꾸어서 만든 행렬
𝐴𝑇 = 𝑎𝑖𝑗 𝑚×𝑛𝑇 = 𝑎𝑗𝑖 𝑛×𝑚
74
행렬의 연산
• (예) 𝐴는 3 × 3, 𝐵는 3 × 2 행렬
𝐴𝐵 =
𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33
𝑏11 𝑏12 𝑏21 𝑏22 𝑏31 𝑏32
=
𝑎11𝑏11 + 𝑎12𝑏21 + 𝑎13𝑏31 𝑎11𝑏12 + 𝑎12𝑏22 + 𝑎13𝑏32 𝑎21𝑏11 + 𝑎22𝑏21 + 𝑎23𝑏31 𝑎21𝑏12 + 𝑎22𝑏22 + 𝑎23𝑏32 𝑎31𝑏11 + 𝑎32𝑏21 + 𝑎33𝑏31 𝑎31𝑏12 + 𝑎32𝑏22 + 𝑎33𝑏32
• (예) 𝐴는 3 × 3 𝐴 =
𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23
𝑎31 𝑎32 𝑎33 , 𝐴𝑇 =
𝑎11 𝑎21 𝑎31 𝑎12 𝑎22 𝑎32 𝑎13 𝑎23 𝑎33
75
역행렬
• 정사각 행렬 𝐴의 역행렬 𝐴−1:
𝐴𝐴−1 = 𝐴−1𝐴 = 𝐼 – 𝐴−1 −1 = 𝐴
– 𝐴의 역행렬 𝐴−1는 단 하나 뿐이다
(증명) 𝐴의 역행렬이 𝑋와 𝑌가 있다고 해보자. 그러면 𝑌 = 𝑌𝐼 = 𝑌 𝐴𝑋 = 𝑌𝐴 𝑋 = 𝐼𝑋 = 𝑋
– 𝐴𝑇 −1 = 𝐴−1 𝑇
(증명) 𝐴𝐵 𝑇 𝑖𝑗 = 𝐴𝐵 𝑗𝑖 = 𝐴ℎ 𝑗ℎ𝐵ℎ𝑖 = 𝐴ℎ ℎ𝑗𝑇 𝐵𝑖ℎ𝑇 = 𝐵ℎ 𝑖ℎ𝑇 𝐴𝑇ℎ𝑗 = 𝐵𝑇𝐴𝑇 𝑖𝑗
– 𝐴𝐵 −1 = 𝐵−1𝐴−1
(증명) 𝐴𝐵 𝐵−1𝐴−1 = 𝐴 𝐵𝐵−1 𝐴−1 = 𝐴𝐼𝐴−1 = 𝐴𝐴−1 = 𝐼
– 단, 모든 행렬이 역행렬을 가지는 것은 아님
76
행렬식
• 행렬식은 𝑛 × 𝑛행렬 𝐴에 일정한 법칙에 따라 하나의 실수를 대응시키는 것. det 𝐴 또는 |𝐴|로 표시
• 소행렬 𝐴𝑖𝑗: 행렬 𝐴에서 𝑖번째 행과 𝑗번째 열을 지우 가 남은 (𝑛 − 1) × (𝑛 − 1)행렬
• 여인수(cofactor): 𝐶𝑖𝑗 ≡ −1 𝑖+𝑗det (𝐴𝑖𝑗)
• 행렬식은 임의의 𝑖행 또는 𝑗열에 관한 여인수 전개로 재귀적으로 정의
det 𝐴 = 𝑎𝑖1𝑐𝑖1 + ⋯ + 𝑎𝑖𝑛𝑐𝑖𝑛 = −1 𝑖+𝑗𝑎𝑖𝑗det (𝐴𝑖𝑗)
𝑛
𝑗=1
det 𝐴 = 𝑎1𝑗𝑐1𝑗 + ⋯ + 𝑎𝑛𝑗𝑐𝑛𝑗 = −1 𝑖+𝑗𝑎𝑖𝑗det (𝐴𝑖𝑗)
𝑛 𝑖=1
행렬식의 성질
1) det 𝐴 = det 𝐴𝑇
– (예) 𝐴 = 𝑎 𝑏
𝑐 𝑑 , 𝐴𝑇 = 𝑎 𝑐
𝑏 𝑑 , |𝐴| = |𝐴𝑇| = 𝑎𝑑 − 𝑏𝑐
2) 임의의 두 행(열)의 위치를 서로 바꾸면 행렬식의 값은 부호가 변함.
– (예) 𝐴 = 𝑎 𝑏
𝑐 𝑑 , 𝐵 = 𝑐 𝑑
𝑎 𝑏 , B = − 𝐴 = 𝑏𝑐 − 𝑎𝑑
3) 어떤 행(열)의 모든 원소에 공통인 인수는 행렬식 밖으로 묶어 낼 수 있음.
– (예) 𝐴 = 𝑎 𝑏
𝑐 𝑑 , 𝐵 = ℎ𝑎 ℎ𝑏
𝑐 𝑑 , |𝐵| = ℎ|𝐴|
78
행렬식의 성질
4) 두 행(열)이 같거나 비례하면 행렬식의 값은 0.
(증명) 행렬 𝐴의 두 행이 같다면, 두 행의 위치를 바꾸어 도 동일한 행렬이고 성질 (2)에 의해서 |A| = −|𝐴|. 따라 서 |A| = 0.
만약 두 행이 비례하면, 성질 (3)에 의해서 공통인 인수 를 밖으로 묶어 내면, 두 행이 동일한 행렬이 되므로
|A| = 0.
열에 대해서도 같은 증명.
5) 한 행(열)의 원소가 모두 0이면 그 행렬식은 0.
(증명) 해당하는 행(열)을 택해서 여인수 전개를 할 것.
행렬식의 성질
6) 행렬 𝐴, 𝐵, 𝐶가 있을 때, 행렬 𝐴의 한 행(열)이 행렬 𝐵, 𝐶의 같은 행(열)의 합(차)이고, 나머지 행과 열은 모두 동일하면, det 𝐴 = det 𝐵 ± det (𝑐)
– (예) 𝑎 + 𝑘 𝑏 + 𝑙
𝑐 𝑑 = 𝑎 𝑏
𝑐 𝑑 + 𝑘 𝑙
= 𝑎 + 𝑘 𝑑 − 𝑏 + 𝑙 𝑐 𝑐 𝑑
• (주의) det 𝐴 + 𝐵 ≠ det 𝐴 + det (𝐵).
– (예) 𝐴 = 1 2
3 4 , 𝐵 = 3 2
6 4 이면 𝐴 + 𝐵 = 4 4
9 8 . 이 때 |𝐴| = −2, |𝐵| = 0, |𝐴 + 𝐵| = −4
80
행렬식의 성질
7) 한 행(열)의 각 원소에 임의의 수를 곱하여 다른 행(열)의 대응원소에 더하여도 행렬식은 같음.
– (예) 𝑎 + 𝑘𝑐 𝑏 + 𝑘𝑑
𝑐 𝑑 = 𝑎 𝑏
𝑐 𝑑 + 𝑘𝑐 𝑘𝑑 𝑐 𝑑 = 𝑎 𝑏
𝑐 𝑑 + 𝑘 𝑐 𝑑 𝑐 𝑑 = 𝑎 𝑏
8) 두 정방행렬 𝐴와 𝐵의 곱 𝐴𝐵의 행렬식은 𝑐 𝑑
det 𝐴𝐵 = det 𝐴 det (𝐵)
– (예)
𝑎 𝑏 𝑐 𝑑
𝑒 𝑓 𝑔 ℎ =
𝑎𝑒 + 𝑏𝑔 𝑎𝑓 + 𝑏ℎ 𝑐𝑒 + 𝑑𝑔 𝑐𝑓 + 𝑑ℎ
81
행렬식 성질의 응용
• (예) 성질 (7)을 이용한 행렬식 계산
1 2 3 4 0 4 2 1 0
5 2
3 4 8 3 5
=
1 2 3 4
0 4 2 1
0
0 2
−7 4 8
−12 −15
= 4 2 1
2 4 8
−7 −12 −15 = 4 2 1
−6 0 6 17 0 −9
= −2 −6 6
17 −9 = 96
• (예) 성질 (8)을 이용하면
det 𝐴 det 𝐴−1 = det 𝐴𝐴−1 = det 𝐼 = 1.
따라서
det 𝐴−1 = 1 det (𝐴)
82
역행렬과 행렬식
• 행렬 𝐴의 역행렬은
𝐴−1 = 1
|𝐴| 𝐶𝑇
• 따라서 다음이 성립한다.
𝐴 1
|𝐴| 𝐶𝑇 = 1
|𝐴|
𝑎11 𝑎12 𝑎13 𝑎21 𝑎22 𝑎23 𝑎31 𝑎32 𝑎33
𝐶11 𝐶21 𝐶31 𝐶12 𝐶22 𝐶32
𝐶13 𝐶23 𝐶33 = 𝐼
83
역행렬과 행렬식
• 일반적으로 다음이 성립한다. (𝑖 ≠ 𝑘)
𝑎𝑘1𝐶𝑖1 + 𝑎𝑘2𝐶𝑖2 + ⋯ + 𝑎𝑘𝑛𝐶𝑖𝑛 = 0
(증명) 3 × 3의 경우 (일반적으로 성립함). 아래의 행렬 𝐵를 생각해보자.
𝐵 =
𝑎11 𝑎12 𝑎13 𝑏1 𝑏2 𝑏3 𝑎31 𝑎32 𝑎33
그러면, det 𝐵 = 𝑏1𝐶21 + 𝑏2𝐶22 + 𝑏3𝐶23이다. 이때
𝑏 = (𝑏1, 𝑏2, 𝑏3)이 (𝑎11, 𝑎12, 𝑎13)이거나 (𝑎31, 𝑎32, 𝑎33)이 면 행렬식의 성질(4)에 의해 det 𝐵 = 0.
84
고유근과 고유벡터
• 고유벡터(eigenvector): 𝑛 × 𝑛 행렬 𝐴에 대해 𝐴𝑥 = 𝜆𝑥
을 만족하는 𝑥 ≠ 0인 벡터 𝑥
• 고유근(eigenvalue): 이 때의 𝜆
• 고유근을 구하는 문제: (𝐴 − 𝜆𝐼)𝑥 = 0가 𝑥 ≠ 0인 해 를 갖기 위한 스칼라 𝜆를 결정하는 문제.
– |𝐴 − 𝜆𝐼| ≠ 0이면 (𝐴 − 𝜆𝐼)의 역행렬이 존재하여 유일한 해 𝑥 = 0을 얻음.
– 𝑥 ≠ 0인 해를 가지려면 𝑨 − 𝜆𝑰 = 𝟎이어야 함.
85
고유근과 고유벡터
• 𝐴 − 𝜆𝐼 = 0은 𝐴의 고유방정식(characteristic polynomial of 𝑨)
– 𝐴가 𝑛 × 𝑛 행렬이면 𝐴 − 𝜆𝐼 = 0은 𝜆에 관한 𝑛 차 다항식으로 𝑛 개의 고유근 𝜆1, 𝜆2, ⋯ , 𝜆𝑛을 가짐
• 𝐴 − 𝜆𝑖𝐼 𝑥 = 0, 𝑖 = 1, 2, ⋯ , 𝑛을 풀면 고유근 𝜆𝑖에 대 응하는 고유벡터 𝑥𝑖(≠ 0) 를 얻음.
– 고유벡터 𝑥1, 𝑥2, ⋯ , 𝑥𝑛을 구할 수 있음.
• 고유근은 실수 혹은 허수. 어떤 근은 중근도 가능. 단, 𝐴가 대칭행렬이면 그 고유근은 반드시 실수.
– 경제학에서 고유근의 문제를 다루는 경우 대부분 𝐴가 대칭행렬
86
고유근과 고유벡터
• (예) 𝐴 = 3 1
1 3 의 고유근과 고유벡터를 구하라.
(풀이)
3 11 3
𝑥1
𝑥2 = 𝜆 𝑥1
𝑥2 ⇒ 3 − 𝜆 1 1 3 − 𝜆
𝑥1
𝑥2 = 0 0 3 − 𝜆 1
1 3 − 𝜆 = (3 − 𝜆)2−1 = 0 ⇒ 𝜆1 = 2, 𝜆2 = 4
– 𝜆1 = 2일 때 1 1 1 1
𝑥1
𝑥2 = 0
0 ⇒ 𝑥1 = 𝑐1 1
−1 (𝑐1 ≠ 0) – 𝜆2 = 4일 때 −1 1
1 −1
𝑥1
𝑥2 = 0
0 ⇒ 𝑥2 = 𝑐1 1
1 (𝑐2 ≠ 0) – 하나의 고유근에 대응하는 고유벡터는 유일하지 않다
11. 선형연립방정식의 풀이
88
선형연립방정식
𝑎 11 𝑥 1 + 𝑎 12 𝑥 2 + ⋯ + 𝑎 1𝑛 𝑥 𝑛 = 𝑏 1 𝑎 11 𝑥 1 + 𝑎 12 𝑥 2 + ⋯ + 𝑎 1𝑛 𝑥 𝑛 = 𝑏 2
⋮
𝑎 11 𝑥 1 + 𝑎 12 𝑥 2 + ⋯ + 𝑎 1𝑛 𝑥 𝑛 ⋮
=
⋮ 𝑏 𝑛
𝑎 11 𝑎 12 ⋯ 𝑎 1𝑛 𝑎 21 𝑎 22 ⋯ 𝑎 2𝑛
⋮
𝑎 𝑚1 ⋮
𝑎 𝑚2 ⋱ ⋮
⋯ 𝑎 𝑚𝑛
𝑥 1 𝑥 2
⋮ 𝑥 𝑛
=
𝑏 1 𝑏 2
⋮ 𝑏 𝑛
𝐴𝑥 = 𝑏
역행렬을 이용한 풀이
• 선형 연립방정식을 𝐴𝑥 = 𝑏라는 행렬 형태 쓴 후, 행 렬 𝐴의 역행렬 𝐴−1를 계산하여 해를 구함.
𝑥∗ = 𝐴−1𝑏
• 이 때, 역행렬은
𝐴−1 = 1
det (𝐴) 𝐶𝑇
• (예) 1 1 1 2
𝑥1
𝑥2 = 0 𝑥1∗ 1
𝑥2∗ = 𝐴−1 0
1 = 2 −1
−1 1 0
1 = −1 1
90
크레이머 공식 (Cramer’s Rule)
• 연립방정식이 𝐴𝑥 = 𝑏일 때,
𝑥𝑖 = det (𝐴 𝑖 ) det (𝐴)
– 이 때, 행렬 𝐴 𝑖 는 행렬 𝐴의 𝑖번째 열을 벡터 𝑏로 대체하여 얻어진 행렬
𝐴 𝑖 =
𝑎11 ⋯ 𝑏1 ⋯ 𝑎1𝑛 𝑎21 ⋯ 𝑏2 ⋯ 𝑎2𝑛
⋮
𝑎𝑚1 ⋮
⋯
⋮ ⋮ ⋮
𝑏𝑛 ⋯ 𝑎𝑚𝑛
크레이머 공식 (Cramer’s Rule)
(증명)
𝑥
∗= 𝐴
−1𝑏 = 1
|𝐴| 𝐶
𝑇𝑏 = 1
|𝐴|
𝐶
11⋯ 𝐶
𝑛1⋮ ⋱ ⋮
𝐶
1𝑛⋯ 𝐶
𝑛𝑛𝑏
1⋮
𝑏
𝑛= 1
|𝐴|
𝑏
𝑖𝐶
𝑖1𝑛
𝑖=1
⋮
𝑏
𝑖𝐶
𝑖𝑛𝑛
𝑖=1
이므로
𝑥𝑗∗ = 1
|𝐴| 𝑏𝑖𝐶𝑖𝑗
𝑛 𝑖=1
= |𝐴 𝑗 |
|𝐴|
𝐴 = 𝑛𝑖=1 𝑎𝑖𝑗𝐶𝑖𝑗 (𝑗열에 대한 여인수 전개)이므로 𝑛𝑖=1 𝑏𝑖𝐶𝑖𝑗 는 𝐴의 𝑗열을 𝑏로 대체하여 만들어진 행렬의 행렬식이다.
92
크레이머 공식 (Cramer’s Rule)
• (예)
2 −3 0 4 −6 1 1 10 0
𝑥1 𝑥2
𝑥3 = 2 7 1
𝑥1 = det 𝐴(1)
det 𝐴 =
det 2 −3 0 7 −6 1 1 10 0 det 2 −3 0 4 −6 1 1 10 0
= −23
−23 = 1
Gauss-Jordan 소거법
• 역행렬 계산, 크레이머의 공식 이용 연립방정식 풀이 법은 𝐴−1 존재 시에만 적용 가능
• 𝐴−1가 존재하지 않는 경우에도 적용할 수 있는 연립 방정식 풀이법
• 미지수 소거법의 행렬 버전
– 한 방정식에 0 아닌 상수를 곱한다.
– 두 방정식의 위치를 바꾼다.
– 한 방정식에 상수를 곱하여 다른 방정식에 더한다.
– 한 행의 상수배를 다른 행에 더한다.
94
Gauss-Jordan 소거법: 예제
2𝑥1 + 5𝑥2 = 19 ⋯ (1) 𝑥1 + 𝑥2 = 5 ⋯ (2) - 식 (1)과 (2)의 위치를 바꿈.
𝑥1 + 𝑥2 = 5 ⋯ (1)′
2𝑥1 + 5𝑥2 = 19 ⋯ (2)′
- 1 ′ × (−2) + (2)′
𝑥1 + 𝑥2 = 5 ⋯ (1)′′
0𝑥1 + 3𝑥2 = 9 ⋯ (2)′′
2 5 | 19 1 2 | 5
1 1 | 5 2 5 | 19
1 1 | 5 0 3 | 9
Gauss-Jordan 소거법: 예제
- 2 ′′ × 1/3
𝑥1 + 𝑥2 = 5 ⋯ (1)′′′
0𝑥1 + 𝑥2 = 3 ⋯ (2)′′′
- 2 ′′′ × −1 + (1)′′′
𝑥1 + 0𝑥2 = 2 0𝑥1 + 𝑥2 = 3
1 1 | 5 0 1 | 3
1 0 | 2 0 1 | 3
12. 다변수함수와 미분
97
다변수함수
• 경제학 및 사회과학에서는 설명요인(독립변수)이 여 러 개인 경우가 많음.
• 두 개 이상의 독립변수가 하나의 종속변수에 대응되 는 다변수함수를 사용
• 𝑓: 𝑅𝑛 → 𝑅
– 독립변수가 𝑛개이고 함수값이 실수인 경우 – (예) 𝑓 𝑥1, 𝑥2 = 𝑎1𝑥1 + 𝑎2𝑥2
,
– 𝑓 𝑥1, 𝑥2 = 𝑘𝑥1𝑏1𝑥2𝑏2 – 𝑓 𝑥1, 𝑥2 = min 𝑥1, 𝑥2
98
다변수함수의 그래프
• 𝑦 = 𝑓 𝑥1, … , 𝑥𝑛 의 그래프는
(𝑥1, … , 𝑥𝑛, 𝑓 𝑥1, … , 𝑥𝑛 )
을 만족하는 점들의 집합으로 (𝑛 + 1)차원
• 이변수함수를 그림으로 나태는 방법들 – 그래프 (3차원 그림)
– 등위선 (변수 중 하나를 고정시킴)
다변수함수의 그래프
• (예) 𝑦 = 𝑓 𝑥1, 𝑥2 = 𝑥1𝑥2
100
편미분
• 경제학에서는 설명요인(독립변수)이 여러 개인 경우 가 많아서 다변수함수 모형이 자주 사용됨
• 여러 개의 독립변수 중 나머지 변수는 고정시키고 하나의 변수만을 변화시킬 때의 함수 값의 변화
– 다른 변수는 상수로 취급한 채, 한 변수로만 미분 하면 됨
– 편도함수를 도출하는 과정이 편미분
𝜕𝑓(𝑥1, 𝑥2)
𝜕𝑥1 = 𝑓1 = lim
Δ𝑥1→0
𝑓 𝑥1 + Δ𝑥1, 𝑥2 − 𝑓(𝑥1, 𝑥2) Δ𝑥1