기본 콘텐츠로 건너뛰기

벡터와 행렬에 관련된 그림들

[Linear Algebra] 외적(Outer product)

외적(Outer product)

3차원 공간에서 임의의 두 벡터들과 수직인 벡터는 외적(outer product, cross product)에 의해 산출됩니다. 3차원의 두 벡터 a, b의 외적은 식 1와 같이 산출합니다. 두 벡터의 외적은 "×" 기호로 나타냅니다.

a = [a1  a2  a3] b = [b1  b2  b3](식 1)
a×b = [a2b3 − a3b2  a3b1 − a1b3  a1b2 − a2b1]

식 1과 같이 벡터들의 외적은 벡터입니다. 이 식의 계산은 식 2와 같이 소행렬식과 여인수를 사용하여 계산할 수 있습니다.

\begin{align}\begin{bmatrix}a_1& a_2& a_3\\ b_1& b_2& b_3\end{bmatrix}&=\begin{bmatrix} \begin{vmatrix} a_2& a_3\\ b_2& b_3\end{vmatrix} & \begin{vmatrix}a_3& a_1\\ b_3& b_1 \end{vmatrix} & \begin{vmatrix} a_1& a_2\\ b_1& b_2\end{vmatrix}\end{bmatrix}\\&=\begin{bmatrix} a_2b_3-a_3b_2& a_3b_1-a_1b_3& a_1b_2-a_2b_1 \end{bmatrix}\end{align}(식 2)

벡터의 외적은 numpy.cross() 함수를 사용하여 계산합니다.

예 1)

두 벡터 a, b의 외적을 계산합니다.

a = [2  1  -1]  b = [-3  4  1]

a=np.array([2,1, -1])
b=np.array([-3, 4, 1])
print(np.cross(a, b))
[ 5  1 11]

위 결과 벡터는 그림 1에서 나타낸 것과 같이 벡터 a, b에 각각 수직입니다.

그림 1. 두 벡터의 외적.

만약 두 벡터가 평행하다면 즉, 교차하는 지점이 없다면 두 벡터의 외적은 존재할 수 없습니다. 이 관계는 식 3과 같이 나타낼 수 있습니다.

‖a×b‖ = ‖a‖‖b‖sin(θ)(식 3)

식 3에서 θ는 두 벡터 a, b의 사잇각이며 0 또는 180°일 경우 외적은 0이 됩니다.

θ = 0 or 180° → sin(θ) = 0, ‖a×b‖ = 0

외적을 사용하여 좌표를 통과하는 방정식을 계산할 수 있습니다.

예 2)

a(2,-2, 1), b(-1, 0, 3), c(5, -3, 4)의 세 좌표들을 포함하는 평면의 식을 계산해 봅니다.

a = (2,  1,  -1)  b = (-3,  4,  1)  c = (5,  -3,  4)

세 점을 포함하는 평면은 벡터 ab와 벡터 ac를 포함합니다.

a=np.array([2,-2, 1])
b=np.array([-1,0,3])
c=np.array([5, -3, 4])
ab=b-a
print(ab)
[-3,  2,  2]
ac=c-a
print(ac)
[ 3, -1,  3]

위 두 벡터에 수직인 벡터는 외적으로 계산할 수 있습니다.

r=np.cross(ab, ac)
print(r)
[ 8, 15, -3]

r은 벡터 ab와 벡터 ac에 의해 이루어지는 평면과 수직입니다. 그러므로 벡터 r과 평면의 임의점 (x, y, z) 사이의 내적은 0이 됩니다.

다음 코드는 미지수 x, y, z을 포함한 식을 생성합니다. 이것은 x, y, z을 문자가 아닌 기호로 인식하여 계산이 가능하게 하도록 하는 sympy 패키지를 사용합니다.

x, y, z=symbols('x y z')
X=Matrix([x,y,z])
print(X)

Matrix([[x], [y], [z]])

다음 객체 AX는 평면위의 임의의 좌표 X와 a의 차로 생성되는 벡터입니다.

AX=X-Matrix(a)
print(AX)
Matrix([[x - 2], [y + 2], [z - 1]])

AX와 r은 수직관계이므로 내적은 0입니다.

print(AX.T*Matrix(r))
Matrix([[8*x + 15*y - 3*z + 17]])

위 결과로부터 평면의 식은 8x + 15y - 3z + 17 = 0이 됩니다.

댓글

이 블로그의 인기 게시물

[Linear Algebra] 유사변환(Similarity transformation)

유사변환(Similarity transformation) n×n 차원의 정방 행렬 A, B 그리고 가역 행렬 P 사이에 식 1의 관계가 성립하면 행렬 A와 B는 유사행렬(similarity matrix)이 되며 행렬 A를 가역행렬 P와 B로 분해하는 것을 유사 변환(similarity transformation) 이라고 합니다. $$\tag{1} A = PBP^{-1} \Leftrightarrow P^{-1}AP = B $$ 식 2는 식 1의 양변에 B의 고유값을 고려한 것입니다. \begin{align}\tag{식 2} B - \lambda I &= P^{-1}AP – \lambda P^{-1}P\\ &= P^{-1}(AP – \lambda P)\\ &= P^{-1}(A - \lambda I)P \end{align} 식 2의 행렬식은 식 3과 같이 정리됩니다. \begin{align} &\begin{aligned}\textsf{det}(B - \lambda I ) & = \textsf{det}(P^{-1}(AP – \lambda P))\\ &= \textsf{det}(P^{-1}) \textsf{det}((A – \lambda I)) \textsf{det}(P)\\ &= \textsf{det}(P^{-1}) \textsf{det}(P) \textsf{det}((A – \lambda I))\\ &= \textsf{det}(A – \lambda I)\end{aligned}\\ &\begin{aligned}\because \; \textsf{det}(P^{-1}) \textsf{det}(P) &= \textsf{det}(P^{-1}P)\\ &= \textsf{det}(I)\end{aligned}\end{align} 유사행렬의 특성 유사행렬인 두 정방행렬 A와 B는 'A ~ B' 와 같...

[sympy] Sympy객체의 표현을 위한 함수들

Sympy객체의 표현을 위한 함수들 General simplify(x): 식 x(sympy 객체)를 간단히 정리 합니다. import numpy as np from sympy import * x=symbols("x") a=sin(x)**2+cos(x)**2 a $\sin^{2}{\left(x \right)} + \cos^{2}{\left(x \right)}$ simplify(a) 1 simplify(b) $\frac{x^{3} + x^{2} - x - 1}{x^{2} + 2 x + 1}$ simplify(b) x - 1 c=gamma(x)/gamma(x-2) c $\frac{\Gamma\left(x\right)}{\Gamma\left(x - 2\right)}$ simplify(c) $\displaystyle \left(x - 2\right) \left(x - 1\right)$ 위의 예들 중 객체 c의 감마함수(gamma(x))는 확률분포 등 여러 부분에서 사용되는 표현식으로 다음과 같이 정의 됩니다. 감마함수는 음이 아닌 정수를 제외한 모든 수에서 정의됩니다. 식 1과 같이 자연수에서 감마함수는 factorial(!), 부동소수(양의 실수)인 경우 적분을 적용하여 계산합니다. $$\tag{식 1}\Gamma(n) =\begin{cases}(n-1)!& n:\text{자연수}\\\int^\infty_0x^{n-1}e^{-x}\,dx& n:\text{부동소수}\end{cases}$$ x=symbols('x') gamma(x).subs(x,4) $\displaystyle 6$ factorial 계산은 math.factorial() 함수를 사용할 수 있습니다. import math math.factorial(3) 6 a=gamma(x).subs(x,4.5) a.evalf(3) 11.6 simpilfy() 함수의 알고리즘은 식에서 공통사항을 찾아 정리하...

sympy.solvers로 방정식해 구하기

sympy.solvers로 방정식해 구하기 대수 방정식을 해를 계산하기 위해 다음 함수를 사용합니다. sympy.solvers.solve(f, *symbols, **flags) f=0, 즉 동차방정식에 대해 지정한 변수의 해를 계산 f : 식 또는 함수 symbols: 식의 해를 계산하기 위한 변수, 변수가 하나인 경우는 생략가능(자동으로 인식) flags: 계산 또는 결과의 방식을 지정하기 위한 인수들 dict=True: {x:3, y:1}같이 사전형식, 기본값 = False set=True :{(x,3),(y,1)}같이 집합형식, 기본값 = False ratioal=True : 실수를 유리수로 반환, 기본값 = False positive=True: 해들 중에 양수만을 반환, 기본값 = False 예 $x^2=1$의 해를 결정합니다. solve() 함수에 적용하기 위해서는 다음과 같이 식의 한쪽이 0이 되는 형태인 동차식으로 구성되어야 합니다. $$x^2-1=0$$ import numpy as np from sympy import * x = symbols('x') solve(x**2-1, x) [-1, 1] 위 식은 계산 과정은 다음과 같습니다. $$\begin{aligned}x^2-1=0 \rightarrow (x+1)(x-1)=0 \\ x=1 \; \text{or}\; -1\end{aligned}$$ 예 $x^4=1$의 해를 결정합니다. solve() 함수의 인수 set=True를 지정하였으므로 결과는 집합(set)형으로 반환됩니다. eq=x**4-1 solve(eq, set=True) ([x], {(-1,), (-I,), (1,), (I,)}) 위의 경우 I는 복소수입니다.즉 위 결과의 과정은 다음과 같습니다. $$x^4-1=(x^2+1)(x+1)(x-1)=0 \rightarrow x=\pm \sqrt{-1}, \; \pm 1=\pm i,\; \pm1$$ 실수...