함수는 정의역, 공역, 치역의 관계에 따라 단사, 전사, 전단사 등으로 분류됩니다. 선형변환 역시 선형인 함수이기 때문에 이러한 성질을 가질 수 있는데, 이런 성질이 없는 것보다 가지고 있을 때 특별히 더 중요합니다. 일반적인 함수 중에서도 역함수가 존재하는 일대일 대응인 함수를 더 많이 다루는 것과 유사한 이치입니다.
정리(L.A) 4.5
벡터공간 V,W와 선형변환 T:V→W 에 대하여 T가 단사함수(injective, one-to-one)인 것은 N(T)={0} 인 것과 필요충분조건이다.
증명은 아주 쉽습니다.
증명)
i) T가 단사함수라 하자. x∈N(T) 이면 T(x)=0 이고 정리 (L.A) 4.1 에 의하여 T(x)=0=T(0) 이다. 따라서 T가 단사이므로 x=0 이고 N(T)={0} 이다.
ii) N(T)={0} 이고 T(x)=T(y)가 성립하는 x,y가 존재한다고 가정하자. T가 선형이므로 정리 (L.A) 4.1 에 의하여 0=T(x)−T(y)=T(x−y)=T(0) 이 성립한다. 즉 x−y=0→x=y 이므로 T는 단사이다.
이것은 nullity(T)=0 이라는 뜻인데, 선형변환 T에 대응되는 행렬 A가 있다고 가정하면 연립방정식 Ax=0 이 자명해만을 가져서 A의 역행렬이 존재하고 n차 정사각행렬 A에 대해 rank(A)=n 인 것과 모두 동치입니다. 즉 함수값, 결과가 0으로 나왔다면 입력 변수가 반드시 0인 경우만을 허용하는 함수이자 변환이라는 뜻입니다.
정리(L.A) 4.6
차원이 같은 두 유한차원 벡터공간 V,W에 대하여 선형변환 T:V→W 이 정의되었을 때, 다음 세 명제는 모두 동치이다.
① T는 단사(injective, one-to-one)
② T는 전사(surjective, onto)
③ rank(T)=dim(V)
셋 모두가 동치라고 했으니, ①+②를 그냥 T가 전단사인 것으로 생각해도 무방합니다. ③의 내용은 계수-퇴화차수 정리를 떠올리면 정리 (L.A) 4.5 와 같은 말입니다.
조심해야 할 것은 이 정리가 차원이 같은 유한차원 V,W에 대해서 성립한다는 것입니다. 무한차원은 거의 다루지 않으니 유한차원이라는 말보다 '차원이 같은'에 주목해야 합니다. 선형변환은 일반적으로 Fn→Fm 으로 표기하기에 n차원에서 m차원으로의 변환을 뜻합니다. 여기서 n=m이 되어야 한다는 것이니 변환이 같은 차원 안에서 일어남을 뜻합니다. 행렬의 언어를 빌려 말하자면 동일한 크기의 정사각행렬로의 변환을 말하는 것입니다.
증명을 해봅시다. 역시 어렵지 않습니다.
증명) rank-nullity 정리와 정리 (L.A) 4.5 에 주목하자.
Tisonto⇔N(T)={0}⇔nullityN(T)=0⇔rank(T)=dim(V)⇔rank(T)=dim(W)⇔R(T)=dim(W)
정리 (L.A) 4.5 에 의하면 R(T)는 W의 부분공간인데 위에서 둘의 차원이 같으므로 R(T)=W 이다. 그러므로 함수의 치역과 공역이 같은 것이기 때문에 T는 전사이다. 가정과 합치면 T는 전단사이다. 고로 nullity(T)=0 이고 rank(T)=dim(V) 이 성립한다.
[참고문헌]
Linear Algebra : S.Friedberg, A.Insel, L.Spence, 5e, PEARSON
'선형대수학(Linear Algebra) > 선형변환' 카테고리의 다른 글
좌표, 좌표벡터의 뜻 (Coordinate vector) (0) | 2020.12.20 |
---|---|
기저의 선형변환 표현이 유일함을 증명 (Proof the Uniqueness of expression of basis vector transformation) (0) | 2020.12.20 |
계수-퇴화차수 정리 (Rank-nullity Theorem) (4) | 2020.12.17 |
선형변환의 영공간과 상공간 (Nullspace and Range of the Linear tranformation) (0) | 2020.12.16 |
선형과 선형변환 (Linearity and Linear Transformation) (2) | 2020.12.16 |
댓글