방데르몽드 행렬의 행렬식 유도
📂행렬대수 방데르몽드 행렬의 행렬식 유도 정의 서로 다른 1 , x 1 , x 2 , ⋯ , x n 1, x_{1} , x_{2 } , \cdots , x_{n} 1 , x 1 , x 2 , ⋯ , x n 에 대해 다음과 같이 정의된 행렬 V n V_{n} V n 을 방데르몽드 행렬 vandermonde matrix 이라고 한다.
V n : = [ 1 x 1 x 1 2 ⋯ x 1 n − 1 1 x 2 x 2 2 ⋯ x 2 n − 1 ⋮ ⋮ ⋮ ⋱ ⋮ 1 x n x n 2 ⋯ x n n − 1 ]
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}
V n := 1 1 ⋮ 1 x 1 x 2 ⋮ x n x 1 2 x 2 2 ⋮ x n 2 ⋯ ⋯ ⋱ ⋯ x 1 n − 1 x 2 n − 1 ⋮ x n n − 1
공식 V n V_{n} V n 의 행렬식은
det V n = ∏ 1 ≤ i < j ≤ n ( x j − x i )
\det V_{n} = \prod_{1 \le i < j \le n } (x_{j} - x_{i})
det V n = 1 ≤ i < j ≤ n ∏ ( x j − x i )
설명 방데르몽드 행렬은 특이하게 생겼지만 미분방정식의 수치적 풀이에서 등장하는 등 의외로 볼 일이 많다.
1 , x 1 , x 2 , ⋯ , x n 1, x_{1} , x_{2 } , \cdots , x_{n} 1 , x 1 , x 2 , ⋯ , x n 가 서로 다르다는 가정에서 ∏ 1 ≤ i < j ≤ n ( x j − x i ) ≠ 0 \displaystyle \prod_{ 1 \le i < j \le n } (x_{j} - x_{i}) \ne 0 1 ≤ i < j ≤ n ∏ ( x j − x i ) = 0 이며, V n V_{n} V n 의 가역성이 보장된다. 이러한 팩트는 주로 연립방정식 w = V n u \mathbf{w} = V_{n} \mathbf{u} w = V n u 의 유일해가 존재함을 보이는데 쓰인다.
유도 전략: 여러가지 방법으로 보일 수 있는데, 특히 수학적 귀납법 을 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 정리 와 대수학의 기본정리 는 중요한 팩트지만 증명의 맥락에선 중요하지 않으므로 몰라도 상관 없다.
명제 P ( n ) : det V n = ∏ 1 ≤ i < j ≤ n ( x j − x i ) \displaystyle P(n) : \det V_{n} = \prod_{ 1 \le i < j \le n } (x_{j} - x_{i}) P ( n ) : det V n = 1 ≤ i < j ≤ n ∏ ( x j − x i ) 를 정의하자.
**Part 1. n = 1 , 2 n=1,2 n = 1 , 2
P ( 1 ) : det V 1 = ∣ 1 ∣ = 1 P ( 2 ) : det V 2 = ∣ 1 x 1 1 x 2 ∣ = x 2 − x 1
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}
P ( 1 ) : det V 1 = ∣1∣ = 1 P ( 2 ) : det V 2 = 1 1 x 1 x 2 = x 2 − x 1
따라서 P ( n ) P(n) P ( n ) 은 n = 1 , 2 n=1,2 n = 1 , 2 일 때 성립한다.
**Part 2. n = k n=k n = k
P ( k ) : det V k = ∏ 1 ≤ i < j ≤ k ( x j − x i ) \displaystyle P(k) : \det V_{k} = \prod_{1 \le i < j \le k } (x_{j} - x_{i}) P ( k ) : det V k = 1 ≤ i < j ≤ k ∏ ( x j − x i ) 이 성립한다고 가정하자.
**Part 3. n = k + 1 n=k+1 n = k + 1
k + 1 k+1 k + 1 번째 변수로써 x x x 를 추가한 다음의 방데르몽드 행렬을 다음과 같이 새로이 정의해보자.
V k ’ : = [ 1 x 1 x 1 2 ⋯ x 1 k ⋮ ⋮ ⋮ ⋱ ⋮ 1 x k x k 2 ⋯ x k k 1 x x 2 ⋯ x k ]
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}
V k ’ := 1 ⋮ 1 1 x 1 ⋮ x k x x 1 2 ⋮ x k 2 x 2 ⋯ ⋱ ⋯ ⋯ x 1 k ⋮ x k k x k
정사각행렬 A n × n = ( a i j ) A_{n \times n} = (a_{ij}) A n × n = ( a ij ) 의 i i i 번째 행과 j j j 번째 행을 제거한 행렬의 행렬식 M i j M_{ij} M ij 과 여인자 C i j : = ( − 1 ) i + j M i j C_{ij} := (-1)^{i + j} M_{ij} C ij := ( − 1 ) i + j M ij 을 정의하자. 선택된 i i i 행에 대해, det A = ∑ j = 1 n a i j C i j \displaystyle \det A = \sum_{j=1}^{n} a_{ij} C_{ij} det A = j = 1 ∑ n a ij C ij
( k + 1 ) (k+1) ( k + 1 ) 행을 선택하면 라플라스 전개 에 따라 V k ′ V_{k} ' V k ′ 의 행렬식 은
det V k ′ = 1 C ( k + 1 ) 1 + x C ( k + 1 ) 2 + x 2 C ( k + 1 ) 3 + ⋯ + x k C ( 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)}
det V k ′ = 1 C ( k + 1 ) 1 + x C ( k + 1 ) 2 + x 2 C ( k + 1 ) 3 + ⋯ + x k C ( k + 1 ) ( k + 1 )
와 같이 x x x 에 대한 k k k 차 다항함수 f ( x ) f(x) f ( x ) 로 나타난다. 여기서 x x x 에 x 1 , ⋯ , x k x_{1} , \cdots , x_{k} x 1 , ⋯ , x k 를 대입해보면 행렬 V k ′ V_{k} ' V k ′ 에 완전히 같은 두 행이 생기므로 행렬식 은 0 0 0 이 된다. 다항함수 f ( x ) f(x) f ( x ) 를 이용해 다시 말하면
f ( x 1 ) = ⋯ = f ( x k ) = 0
f(x_{1}) = \cdots = f(x_{k}) = 0
f ( x 1 ) = ⋯ = f ( x k ) = 0
인수 정리 와 대수학의 기본정리 에 의해, f ( x ) f(x) f ( x ) 는 어떤 상수 C C C 에 대해 정확히
f ( x ) : = C ( x − x 1 ) ( x − x 2 ) ⋯ ( x − x k )
f(x) := C(x-x_{1})(x-x_{2}) \cdots (x-x_{k})
f ( x ) := C ( x − x 1 ) ( x − x 2 ) ⋯ ( x − x k )
로 나타낼 수 있다. 한편 x k x^{k} x k 의 계수 C ( k + 1 ) ( k + 1 ) C_{(k+1)(k+1)} C ( k + 1 ) ( k + 1 ) 는 ( k + 1 ) (k+1) ( k + 1 ) 행과 ( k + 1 ) (k+1) ( k + 1 ) 열에 대한 여인자이므로
C ( k + 1 ) ( k + 1 ) = ( − 1 ) ( k + 1 ) + ( k + 1 ) det [ 1 x 1 x 1 2 ⋯ x 1 k − 1 1 x 2 x 2 2 ⋯ x 2 k − 1 ⋮ ⋮ ⋮ ⋱ ⋮ 1 x k x k 2 ⋯ x k k − 1 ] = 1 ⋅ ∏ 1 ≤ i < j ≤ k ( x j − x i )
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})
C ( k + 1 ) ( k + 1 ) = ( − 1 ) ( k + 1 ) + ( k + 1 ) det 1 1 ⋮ 1 x 1 x 2 ⋮ x k x 1 2 x 2 2 ⋮ x k 2 ⋯ ⋯ ⋱ ⋯ x 1 k − 1 x 2 k − 1 ⋮ x k k − 1 = 1 ⋅ 1 ≤ i < j ≤ k ∏ ( x j − x i )
다시 말해 C = C ( k + 1 ) ( k + 1 ) \displaystyle C = C_{(k+1)(k+1)} C = C ( k + 1 ) ( k + 1 ) 이므로
det V k ′ = f ( x ) = [ ∏ 1 ≤ i < j ≤ k ( x j − x i ) ] [ ( x − x 1 ) ( x − x 2 ) ⋯ ( x − x k ) ]
\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]
det V k ′ = f ( x ) = 1 ≤ i < j ≤ k ∏ ( x j − x i ) [ ( x − x 1 ) ( x − x 2 ) ⋯ ( x − x k ) ]
보기 편하게 x k + 1 : = x x_{k+1} := x x k + 1 := x 라고 다시 정의하면 V k ′ = V k + 1 V_{k} ' = V_{k+1} V k ′ = V k + 1 이고,
P ( k + 1 ) : det V k + 1 = ∏ 1 ≤ i < j ≤ k + 1 ( x j − x i )
P(k+1) : \det V_{k+1} = \prod_{1 \le i < j \le k+1 } (x_{j} - x_{i})
P ( k + 1 ) : det V k + 1 = 1 ≤ i < j ≤ k + 1 ∏ ( x j − x i )
이 성립함을 알 수 있다. P ( k ) P(k) P ( k ) 이 참일 때 P ( k + 1 ) P(k+1) P ( k + 1 ) 이 참이므로 수학적 귀납법 에 의해 증명이 끝난다.
■