작성중..
\(A = \begin{bmatrix} 1 && 2 \\ 3 && 4 \end{bmatrix} = \begin{bmatrix} \vec{c_1} && \vec{c_2} \end{bmatrix} \quad (\vec{c_1}= \begin{bmatrix} 1 \\ 3 \end{bmatrix} \quad \vec{c_2}= \begin{bmatrix} 2 \\ 4 \end{bmatrix})\)
위와 같은 행렬$A$는 두개의 Column으로 이루어졌다.
이때 Column을 Column Vector로 볼 수 있다.
이러한 관점에서 $Ax = b$는 Column Vector들의 linear combination이다.
\(Ax=\begin{bmatrix} \vec{c_1} && \vec{c_2} \end{bmatrix} \begin{bmatrix} x_1 \\ x_2 \end{bmatrix} = x_1\cdot\vec{c_1} + x_2\cdot\vec{c_2} = b\)
\(A = \begin{bmatrix} 1 && 2 \\ 3 && 4 \end{bmatrix} = \begin{bmatrix} \vec{r_1} \\ \vec{r_2} \end{bmatrix} \quad (\vec{r_1}= \begin{bmatrix} 1 && 2 \end{bmatrix} \quad \vec{r_2}= \begin{bmatrix} 3 && 4 \end{bmatrix})\)
위와 같은 행렬$A$는 두개의 row로 이루어졌다.
이때 Row를 Row Vector로 볼 수 있다.
이러한 관점에서 $A\vec{x} = b$는 Row Vector들을 한 행씩 $\vec{x}$와 Dot product를 하여 각 행으로 옮긴것이다.
\(Ax = \begin{bmatrix} 1 && 2 \\ 3 && 4 \end{bmatrix} = \begin{bmatrix} \vec{r_1} \\ \vec{r_2} \end{bmatrix} \vec{x} = \begin{bmatrix} \vec{r_1}\cdot\vec{x} \\ \vec{r_2}\cdot\vec{x} \end{bmatrix} = b\)
\(A = \begin{bmatrix} \vec{u} && \vec{v} && \vec{w} \end{bmatrix}\)
위와 같이 행렬을 column vector들로 표현할 때 $Ax=b$는 Column Vector들의 linear combination임을 알았다. 이때 column vector들의 관계에 따라 solution인 x의 특징을 나눠볼 수 있다.
3차원 공간에서 생각했을때 $\vec{w}=a\vec{u} + b\vec{v}$라면 $u, v, w$를 포함하는 평면$\alpha$를 찾을 수 있다.
$b$ vector의 특성에 따라 solution의 특징이 달라진다.
이 상황에서의 matrix $A$를 singular matrix라 한다.
dependent와 반대로 어떠한 vector도 서로의 linear combination으로 표현할 수 없는 경우이다.
이 경우에 $Ax=b$는 유일한 solution을 갖는다.
이때 $A$를 ivertible하다고 한다.