[include(틀:선형대수학)] [목차] == 개요 == {{{+1 row equivalence · [[行]][[同]][[値]]}}} 크기가 같은 두 행렬 [math(A)]와 [math(B)]가 서로 행동치(row equivalent)라는 것은 [math(A)]의 모든 행을 [math(B)]의 행의 선형결합으로 나타낼 수 있고, 반대로 [math(B)]의 모든 행을 [math(A)]의 행의 선형결합으로 나타낼수 있다는것이다. 이름에서부터 알 수 있다시피, 행동치는 동치관계이며, 행동치인 행렬은 행공간(row space), 영공간(null space), 계수(rank)가 같다.[* 하지만 열공간(column space)은 일반적으로 같지 않다.] 또한 두 연립방정식의 [[첨가행렬]]이 행동치일 경우 해집합이 같다. == 선형결합 == 체 [math(F)]와 그 위의 벡터공간 [math(V)]에 대하여, [math(v_{1},\cdots,v_{n}\in V)]가 주어져 있을 때, 임의의 스칼라 [math(c_{1},\cdots,c_{n}\in F)]에 대하여 [math(c_{1}v_{1}+\cdots+c_{n}v_{n})] 를 [math(v_{1},\cdots,v_{n}\in V)]의 선형결합이라 한다. == 행 동치 == [math(m\times n )] 행렬 [math(A)]와 [math(B)]가 행동치라는 것은, [math(A)]의 각 행을 [math(B)]의 행의 선형결합으로 나타낼 수 있고, 반대로 [math(B)]의 각 행도 [math(A)]의 선형결합으로 나타낼수 있다는것이다. === 동치 관계 === [[동치 관계]] [math(\sim)]란 다음의 세 성질을 만족하는 관계이다. 1. (반사)[math(A\sim A)] 1. (대칭)[math(A\sim B)]이면 [math(B\sim A)] 1. (추이)[math(A\sim B)]이고 [math(B\sim C)]이면 [math(A\sim C)] 행동치에 대해서, 1.(반사)와 2.(대칭)은 자명하게 성립한다. 3.(추이)를 보이기 위해 [math(A,B,C)]의 각 [math(i)]행을 [math(A_{i},B_{i},C_{i})]라고 하자 [math(A)]의 각 행이 [math(B)]의 각 행의 선형결합이고, [math(B)]의 각 행이 [math(C)]의 선형결합이라 한다면, [math(A_{i}=\displaystyle\sum_{j=1}^{m} b_{ij}B_{j})] [math(B_{j}=\displaystyle\sum_{k=1}^{m} c_{jk}C_{k})] 라고 적을 수 있다. 따라서, [math(A_{i}=\displaystyle\sum_{j=1}^{m} b_{ij}B_{j}=\displaystyle\sum_{j=1}^{m} \displaystyle\sum_{k=1}^{m} b_{ij}c_{jk}C_{k}=\displaystyle\sum_{k=1}^{m} \left(\displaystyle\sum_{j=1}^{m} b_{ij}c_{jk}\right)C_{k})] 가 성립하여, [math(A)]의 각 행이 [math(C)]의 행의 선형결합으로 나타내어진다. 반대의 경우도 같은 방법으로 보일 수 있다. === [[기본행연산]]과 행동치 === 행렬 [math(A)]와 기본행연산을 한번적용한 행렬 [math(EA)]를 생각하자. [math(A_{i})]를 [math(A_{i})]의 [math(i)]행이라고 할 때, 기본행연산을 한번 했을때 바뀌는 행은 다음과 같다. 1. 한 행에 0 이 아닌 상수배 [math((EA)_{i}=cA_{i})] 1. 한 행에 다른 행의 상수배를 더해줌 [math((EA)_{i}=A_{i}+cA_{j})] 1. 한 행과 다른행을 교환함. [math((EA)_{i}=A_{j}, (EA)_{j}=A_{i})] 즉, 바뀐 행렬 [math(EA)]의 바뀐 행들은 [math(A)]의 행의 선형결합임을 알 수 있다. 안바뀐 행은 자명하게 [math(A)]의 행의 선형결합이므로 [math(EA)]의 모든 행을 [math(A)]의 선형결합으로 나타낼수 있다는것을 알 수 있다. 거꾸로, [math(A)]의 각 행이 [math(EA)]의 선형결합임을 어떻게 알 수 있을까? 그것은, 기본행렬[math(E)]가 가역행렬이고, [math(E)]의 역행렬도 기본행렬이라는것 때문이다. 즉, [math(A=E^{-1}(EA))]이고, [math(A)]는 [math(EA)]에 기본행연산 [math(E^{-1})]를 적용한것으로 이해할 수 있다. 동치관계의 추이성과 반사성에 의해 기본행연산을 유한번 적용해도 여전히 행동치이다. === 행동치와 기약행사다리꼴 === 임의의 행렬 [math(A)]에 대해 [[가우스-조르당 소거법]]을 이용하여 행동치인 [[행사다리꼴|기약행사다리꼴]]을 찾을 수 있다. 그런 기약행사다리꼴을 [math(R_{A})]라고 하자. 그러면, 유한개의 기본행렬 [math(E_{1},\cdots,E_{n})]에 대하여 [math( R_{A}=E_{1}\cdots E_{n} A)] 라고 표현할 수 있다. 마찬가지로, [math(B)]의 경우도, [math( R_{B}=E^{\prime}_{1}\cdots E^{\prime}_{n} B)] 를 만족하는 기본행렬 [math(E^{\prime}_{1},\cdots, E^{\prime}_{n})]이 존재한다. 여기서, [math(R_{A})]와 [math(R_{B})]가 같다면, [math(E_{1}\cdots E_{n} A=E^{\prime}_{1}\cdots E^{\prime}_{n} B)] [math(A=E_{n}^{-1}\cdots E_{1}^{-1}E^{\prime}_{1}\cdots E^{\prime}_{n} B)] 가 되므로, [math(A)]와 [math(B)]가 행동치임을 알 수 있다. 행동치는 동치관계이므로, [math(R_{A})]와 [math(R_{B})]가 다르다면, [math(A)]와 [math(B)]도 행동치가 아님을 알 수 있다.[* 서로 다른 기약행사다리꼴은 행동치가 아니다. 이는 수학적 귀납법으로 보일 수 있다.] 즉, 어떤 두 행렬이 행동치일 필요충분조건은 각자의 행동치인 기약행사다리꼴이 서로 같다는것이다. 즉, 기약행사다리꼴이란, 행동치인 행렬 중에서 대표가 되는 행렬 정도로 이해할수 있다. == 행동치와 행공간 == 행공간이란 [math(m\times n)]행렬 [math(A)]의 행벡터가 생성하는 [math(F^{m})]의 부분공간을 뜻한다. 즉, [math(A)]의 행공간의 임의의 벡터는, [math(A)]의 각 행의 선형결합으로 표현된다. 그런데, [math(A)]와 [math(B)]가 행동치라면, [math(B)]의 모든 행이 [math(A)]의 행의 선형결합이므로, [math(B)]의 행공간의 임의의 원소는 [math(A)]의 행의 선형결합으로 표현된다. 마찬가지로, [math(A)]의 행공간의 임의의 원소도 [math(B)]의 행의 선형결합으로 표현된다. 즉, 행동치인 두 행렬 [math(A)]와 [math(B)]는 행공간이 서로 같다. 역으로, 크기가 같은 두 행렬이 행공간이 같다면, 행동치라는것은 꽤나 자명한 명제이다. == 두 연립방정식의 동치 == 미지수 n-tuple [math(x)]에 대한 연립방정식 [math(L)]을 [math(\begin{aligned}f_{1}(x)&=y_{1}\\f_{2}(x)&=y_{2}\\ \cdots \\f_{m}(x)&=y_{m} \end{aligned})] 라고 할 때, [math(l : c_{1}f_{1}(x)+\cdots+c_{m}f_{m}(x)=c_{1}y_{1}+\cdots+c_{m}y_{m})]꼴의 방정식을 연립방정식 [math(L)]의 선형결합이라고 한다. [math(x_{0})]이 [math(L)]의 해 일 경우, [math(x_{0})]을 [math(l)]에 대입하면 식을 만족한다. 따라서 연립방정식 [math(L_{2})]를 구성하는 모든 개별 방정식이 연립방정식 [math(L_{1})]의 선형결합이라면, [math(L_{1})]의 모든 해는 [math(L_{2})]의 해가 됨을 알 수 있다. 반대로, [math(L_{1})]을 구성하는 모든 개별방정식도 [math(L_{2})]의 선형결합이라면, [math(L_{2})]의 모든 해가 [math(L_{1})]의 해가되어, 두 연립방정식의 해가 같다고 이야기할 수 있다. 이렇듯, 두 연립방정식이 각각 상대의 개별방정식의 선형결합으로 나타내어지는 경우를 연립방정식의 동치라고 한다. === 계수행렬, 첨가행렬과 행동치 === 일차연립방정식을 [[계수행렬]](coefficient matrix)과 [[첨가행렬]](augmented matrix)로 바꾼다면, 방정식에 대한 이야기를 선형대수학의 언어로 풀 수 있다. ==== 제차 연립일차방정식의 경우 ==== 일차연립방정식의 상수항이 0인경우 제차 연립방정식(homogeneous system of linear equations)이라고 한다. 이 경우에는, 첨가행렬의 마지막 열은 0이므로, 계수행렬만 생각하여도 충분하다. 계수행렬의 각 행이 의미하는것은 연립방정식을 구성하는 개별방정식이므로, 두 [math(m\times n)]행렬 [math(A,B)]에 대하여 [math(L_{1}:AX=O)]와 [math(L_{2}:BX=O)]가 연립방정식으로써 동치라면, [math(A)]의 각 행은 [math(B)]의 행의 선형결합으로 나타낼 수 있고, 반대로, [math(B)]의 각 행도 [math(A)]의 선형결합으로 나타낼 수 있을것이다. 즉, [math(A)]와 [math(B)]가 행렬로써 행동치라는것이다. 반대로, [math(A)]와 [math(B)]가 행동치라면, 연립방정식 [math(L_{1}:AX=O)]와 [math(L_{2}:BX=O)]는 연립방정식으로써 동치가 된다. 즉, 계수행렬이 행동치인 경우 해공간[* 제차 연립일차방정식의 해집합은 부분공간이 된다.]이 같다는 것이다. 반대로, 크기가 같은 두행렬 [math(A,B)]에 대해 두 연립방정식 [math(L_{1}:AX=O)]와 [math(L_{2}:BX=O)]의 해공간이 같다면, 두 행렬은 행동치라고 할 수 있을까? 직관적으로 참인것 같아 보이는[* 물론 행의 갯수가 해공간의 차원보다 크거나 같아야 의미있는 명제가 된다. 행의 갯수가 해공간의 차원보다 작다면, 행렬이 존재하지 않아서, 허무하게 참(vacuous truth)이다.] 이 명제를 증명하기 위해서는 [[쌍대공간]][* 연립방정식의 개별방정식의 좌변을 함수(즉, 선형변환)로 이해할 경우, 선형범함수(linear functional)가 되며, 방정식의 근은 각 선형범함수의 영공간(Null space)의 교집합이 된다.]에 대한 이해가 필요하다.[* 내적을 이용하여, 해공간의 직교여공간이 계수행렬의 행공간이 됨을 보여도 된다. 물론 내적이 정의되었다면, 정규직교기저에 대한 쌍대기저를 내적으로 정의할수 있으니, 그 말이 그 말이긴 하다.] 연립방정식의 해공간이 주어져 있다면, [math(F^{n})]의 부분공간이므로, 기저 [math(\{b_{1},\cdots,b_{r}\})]이 존재하고, 기저확장정리에 의해, [math(\mathcal{B}=\{b_{1},\cdots,b_{r},b_{r+1},\cdots,b_{n}\})]이 [math(F^{n})]의 기저가 되는 [math(\{b_{r+1},\cdots,b_{n}\})]을 찾을 수 있다. 그 후 쌍대기저[math( \mathcal{B}^{*}=\{L_{i}|L_{i}(b_{j})=\delta_{i,j}\})][* δ는 크로네커 델타이다.]를 구할 수 있고, 계수행렬의 행공간과 [math(<[L_{r+1}],\cdots,[L_{n}]>)] [* < >는 생성(span)을 의미하고, \[ \]는 선형변환의 표준기저에 대한 [[행렬 표현]](matrix representation)을 뜻한다.] 이 같아야 함을 알 수 있다. 행공간이 같으면 행동치이므로, 해공간이 같은 두 연립방정식의 계수행렬은 크기가 같다면 행동치이다. ==== 비제차 연립일차방정식의 경우 ==== == 선형변환 Y=AX와 행동치 == [[분류:선형대수학]]