logo

방데르몽드 행렬의 행렬식 유도 📂행렬대수

방데르몽드 행렬의 행렬식 유도

정의

서로 다른 1,x1,x2,,xn1, x_{1} , x_{2 } , \cdots , x_{n} 에 대해 다음과 같이 정의된 행렬 VnV_{n}방데르몽드 행렬vandermonde matrix이라고 한다.

Vn:=[1x1x12x1n11x2x22x2n11xnxn2xnn1] V_{n} := \begin{bmatrix} 1 & x_{1} & x_{1}^{2} & \cdots & x_{1}^{n-1} \\ 1 & x_{2} & x_{2}^{2} & \cdots & x_{2}^{n-1} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & x_{n} & x_{n}^{2} & \cdots & x_{n}^{n-1} \end{bmatrix}

공식

VnV_{n} 의 행렬식은

detVn=1i<jn(xjxi) \det V_{n} = \prod_{1 \le i < j \le n } (x_{j} - x_{i})

설명

방데르몽드 행렬은 특이하게 생겼지만 미분방정식의 수치적 풀이에서 등장하는 등 의외로 볼 일이 많다.

1,x1,x2,,xn1, x_{1} , x_{2 } , \cdots , x_{n} 가 서로 다르다는 가정에서 1i<jn(xjxi)0\displaystyle \prod_{ 1 \le i < j \le n } (x_{j} - x_{i}) \ne 0 이며, VnV_{n} 의 가역성이 보장된다. 이러한 팩트는 주로 연립방정식 w=Vnu\mathbf{w} = V_{n} \mathbf{u} 의 유일해가 존재함을 보이는데 쓰인다.

유도

전략: 여러가지 방법으로 보일 수 있는데, 특히 수학적 귀납법을 사용하는 증명을 소개한다. 이 증명은 행연산 같은 걸 하지 않기 때문에 어느정도 수학을 알아야 이해할 수 있는 대신 계산이 적고 깔끔해서 좋다. 중간에 등장하는 인수 정리대수학의 기본정리는 중요한 팩트지만 증명의 맥락에선 중요하지 않으므로 몰라도 상관 없다.

명제 P(n):detVn=1i<jn(xjxi)\displaystyle P(n) : \det V_{n} = \prod_{ 1 \le i < j \le n } (x_{j} - x_{i}) 를 정의하자.

**Part 1. n=1,2n=1,2

P(1):detV1=1=1P(2):detV2=1x11x2=x2x1 P(1) : \det V_{1} = | 1 | = 1 \\ P(2) : \det V_{2} = \left| \begin{matrix} 1 & x_{1} \\ 1 & x_{2} \end{matrix} \right| = x_{2} - x_{1}

따라서 P(n)P(n)n=1,2n=1,2 일 때 성립한다.

**Part 2. n=kn=k

P(k):detVk=1i<jk(xjxi)\displaystyle P(k) : \det V_{k} = \prod_{1 \le i < j \le k } (x_{j} - x_{i}) 이 성립한다고 가정하자.

**Part 3. n=k+1n=k+1

k+1k+1 번째 변수로써 xx 를 추가한 다음의 방데르몽드 행렬을 다음과 같이 새로이 정의해보자.

Vk:=[1x1x12x1k1xkxk2xkk1xx2xk] V_{k}’ := \begin{bmatrix} 1 & x_{1} & x_{1}^{2} & \cdots & x_{1}^{k} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & x_{k} & x_{k}^{2} & \cdots & x_{k}^{k} \\ 1 & x & x^{2} & \cdots & x^{k} \end{bmatrix}

정사각행렬 An×n=(aij)A_{n \times n} = (a_{ij})ii번째 행과 jj 번째 행을 제거한 행렬의 행렬식 MijM_{ij} 과 여인자 Cij:=(1)i+jMijC_{ij} := (-1)^{i + j} M_{ij} 을 정의하자. 선택된 ii행에 대해, detA=j=1naijCij\displaystyle \det A = \sum_{j=1}^{n} a_{ij} C_{ij}

(k+1)(k+1)행을 선택하면 라플라스 전개에 따라 VkV_{k} ' 행렬식

detVk=1C(k+1)1+xC(k+1)2+x2C(k+1)3++xkC(k+1)(k+1) \det V_{k} ' = 1 C_{(k+1)1} + x C_{(k+1)2} + x^2 C_{(k+1)3} + \cdots + x^{k} C_{(k+1)(k+1)}

와 같이 xx 에 대한 kk 차 다항함수 f(x)f(x) 로 나타난다. 여기서 xxx1,,xkx_{1} , \cdots , x_{k} 를 대입해보면 행렬 VkV_{k} ' 에 완전히 같은 두 행이 생기므로 행렬식00 이 된다. 다항함수 f(x)f(x) 를 이용해 다시 말하면

f(x1)==f(xk)=0 f(x_{1}) = \cdots = f(x_{k}) = 0

인수 정리대수학의 기본정리에 의해, f(x)f(x) 는 어떤 상수 CC 에 대해 정확히

f(x):=C(xx1)(xx2)(xxk) f(x) := C(x-x_{1})(x-x_{2}) \cdots (x-x_{k})

로 나타낼 수 있다. 한편 xkx^{k} 의 계수 C(k+1)(k+1)C_{(k+1)(k+1)}(k+1)(k+1)행과 (k+1)(k+1)열에 대한 여인자이므로

C(k+1)(k+1)=(1)(k+1)+(k+1)det[1x1x12x1k11x2x22x2k11xkxk2xkk1]=11i<jk(xjxi) C_{(k+1)(k+1)} = (-1)^{(k+1)+(k+1)} \det \begin{bmatrix} 1 & x_{1} & x_{1}^{2} & \cdots & x_{1}^{k-1} \\ 1 & x_{2} & x_{2}^{2} & \cdots & x_{2}^{k-1} \\ \vdots & \vdots & \vdots & \ddots & \vdots \\ 1 & x_{k} & x_{k}^{2} & \cdots & x_{k}^{k-1} \end{bmatrix} =1 \cdot \prod_{1 \le i < j \le k } (x_{j} - x_{i})

다시 말해 C=C(k+1)(k+1)\displaystyle C = C_{(k+1)(k+1)} 이므로

detVk=f(x)=[1i<jk(xjxi)][(xx1)(xx2)(xxk)] \det V_{k} ' = f(x) = \left[ \prod_{1 \le i < j \le k } (x_{j} - x_{i}) \right] \left[ (x-x_{1})(x-x_{2}) \cdots (x-x_{k}) \right]

보기 편하게 xk+1:=xx_{k+1} := x 라고 다시 정의하면 Vk=Vk+1V_{k} ' = V_{k+1} 이고,

P(k+1):detVk+1=1i<jk+1(xjxi) P(k+1) : \det V_{k+1} = \prod_{1 \le i < j \le k+1 } (x_{j} - x_{i})

이 성립함을 알 수 있다. P(k)P(k) 이 참일 때 P(k+1) P(k+1) 이 참이므로 수학적 귀납법에 의해 증명이 끝난다.