주대각합

덤프버전 :

분류

선형대수학
Linear Algebra

[ 펼치기 · 접기 ]
기본 대상
일차함수 · 벡터 · 행렬 · 선형 변환
대수적 구조
가군(모듈) · 벡터 공간 · 내적 공간 · 노름 공간
선형 연산자
기본 개념
연립방정식 · 행렬곱 · 단위행렬 · 역행렬과 크라메르 공식 · 가역행렬 · 전치행렬 · 행렬식(라플라스 전개) · 주대각합
선형 시스템
기본행연산과 기본행렬 · 가우스-조르당 소거법 · 행사다리꼴 · 행렬표현 · 라그랑주 보간법
주요 정리
선형대수학의 기본정리 · 차원 정리 · 가역행렬의 기본정리 · 스펙트럼 정리
기타
제곱근행렬 · 멱등행렬 · 멱영행렬 · 에르미트 행렬 · 야코비 행렬 · 방데르몽드 행렬 · 아다마르 행렬 변환 · 노름(수학)
벡터공간의 분해
상사 · 고유치 문제 · 케일리-해밀턴 정리 · 대각화(대각행렬) · 삼각화 · 조르당 분해
벡터의 연산
노름 · 거리함수 · 내적 · 외적(신발끈 공식) · 다중선형형식 · ∇ · 크로네커 델타
내적공간
그람-슈미트 과정 · 수반 연산자(에르미트 내적)
다중선형대수
텐서 · 텐서곱 · 레비치비타 기호



1. 개요
2. 성질
2.1. 기본적인 성질
2.2. 파생되는 성질
2.3. 다른 개념들과의 관계
3. 같이 보기



1. 개요[편집]

主對角合 / trace

정사각행렬([math(n\times n)] 행렬)의 주대각성분들을 다 더한 값으로, 행렬 [math(A)]의 주대각합은 [math(\mathrm{tr}(A))]로 표기한다. 행렬식(determinant)과 깊은 연관이 있다.
[math(A= \begin{pmatrix} a_{1,1} & a_{1,2} & \cdots & a_{1,n} \\ a_{2,1} & a_{2,2} & \cdots & a_{2,n} \\ \vdots & \vdots & \ddots & \vdots \\ a_{n,1} & a_{n,2} & \cdots & a_{n,n} \end{pmatrix})]
이라고 하면, [math(\mathrm{tr}(A) = a_{1,1} + a_{2,2} + \cdots + a_{n,n})]이다.

줄여서 간단히 대각합이라고도 한다.

2. 성질[편집]


2.1. 기본적인 성질[편집]

[math(A)]가 [math(m \times n)]행렬이고, [math(B)]는 [math(n\times m)]행렬일 때,
[math( \mathrm{tr}(AB)=\mathrm{tr}(BA))]
이때, [math(A)], [math(B)]는 정사각행렬이 아니어도 된다. 곱이 정사각행렬이기만 하면 된다.

이외에도 특수한 행렬에 대해서 다음이 성립한다.
  • 영행렬 [math(O)]에 대해서 [math(\mathrm{tr}(O) = 0)]이다.
  • [math(n)]차 단위행렬 [math(I_n)]에 대해서 [math(\mathrm{tr}(I_n) = n)]이다.


2.2. 파생되는 성질[편집]

아래 성질들은 모두 행렬식 또한 만족하는데, 이는 행렬식의 기본 성질인 [math( \det(AB) = \det(A) \det(B) )][1]에서 비롯된다.
  • 상사인 두 행렬 [math(A)], [math(B)]에 대해 [math( \mathrm{tr}(A)=\mathrm{tr}(B))]. [math(\det)]도 마찬가지.
  • 이는 [math(A)]를 대각화한 행렬 [math(D)], 삼각화한 행렬 [math(T)]에 대해서도 당연히 성립. [math(\det)]도 마찬가지.
  • 따라서 행렬식은 고윳값들의 곱이고, 주대각합은 고윳값들의 합이다. [math(D)], [math(T)]의 주대각성분은 고윳값들로 이루어져있기 때문이다. 복소수 범위에서 대각화 또는 삼각화는 항상 가능하기 때문에, 이 성질도 마찬가지로 항상 성립한다.[2]
  • 멱등행렬의 경우, 주대각합은 계수와 같다.


2.3. 다른 개념들과의 관계[편집]

위 성질들 때문에 행렬식과 관련된 성질이 굉장히 많아진다.
  • [math(n\times n)] 행렬 [math(A)]의 특성 다항식의 [math(n-1)]차항 계수는 [math( - \mathrm{tr}(A))]이다.
[math(\displaystyle \det(xI-A)=\sum_{\sigma\in S_{n}}\mathrm{sgn}(\sigma)\prod_{i=1}^{n}(x\delta_{i\sigma(i)}-a_{i\sigma(i)}))]
에서 [math(\mathrm{sgn}(\sigma)\prod_{i=1}^{n}(x\delta_{i\sigma(i)}-a_{i\sigma(i)}))]가 [math(n-1)]차 이상일 때만 [math(\det(xI-A))]의 [math(n-1)]차 항의 계수에 영향을 주는데, 그러한 경우는 [math(\sigma(i)=i)]인 경우 밖에 없음을 쉽게 확인할 수 있다.
  • [math( \det(e^A)=e^{\mathrm{tr}(A)} )]. 이때 [math(\displaystyle e^A= \sum_{n=0}^{\infty} \frac{1}{n!} A^n )]이다. 테일러 급수 참고.
  • 두 벡터 [math(\mathbf{a})], [math(\mathbf{b})]에 대해서 [math(\mathbf{a} \cdot \mathbf{b} = \mathrm{tr}(\mathbf{a} \otimes \mathbf{b}))]가 성립한다. 기호 [math(\otimes)]는 텐서곱이다.


3. 같이 보기[편집]



파일:크리에이티브 커먼즈 라이선스__CC.png 이 문서의 내용 중 전체 또는 일부는 2023-12-17 09:27:49에 나무위키 주대각합 문서에서 가져왔습니다.

[1] [math(A)], [math(B)]는 정사각행렬[2] 이 성질은 스칼라 체가 너무 후져서 대각화 또는 삼각화가 안되는 경우에도 특성다항식의 계수와 주대각합의 관계로 대신해서 생각해볼 수 있다. 이에 대해선 아래에 후술.

관련 문서