티스토리 뷰

728x90

[요약]


본 포스트는 야코비 행렬식(Jacobian Matrix)에 대해 다루고 있습니다. 

야코비 행렬식이 응용되는 분야가 생각날 때마다 계속해서 추가할 예정입니다.


야코비 행렬식은 그 형태는 단순하지만 미적분학 뿐만아니라 통계학, 계량경제학 등에서 다양하게 사용되는 행렬식이다.

야코비 행렬식의 용도를 나열하자면


1. n개의 함수의 집합 중에서 함수적 종속/함수적 독립을 판단

2. 수리통계학: 어떤 분포함수의 변형이 일대일 대응 함수이고 연속확률분포일 때, 그 분포함수의 변환 함수를 도출할 때 사용됨.

3. 음함수 미분법칙의 한가지 방법론으로 사용됨.


가 있다.



0. 야코비 행렬식의 기본형 

함수 yi가 다음과 같이 존재한다고 할 때,

 

y1=f1(x1,x2,x3, ,xn)y2=f2(x1,x2,x3, ,xn) yn=fn(x1,x2,x3, ,xn)

 

에 대하여 다음과 같은 행렬식을 표현할 수 있다.


|J|=|y1x1y1x2y1xny2x1y2x2y2xnynx1ynx2ynxn|


야코비 행렬식의 각 요소(element)는 각 함수 ynxi에 대해 편미분한 결과이다. 



1. 연립방정식에서의 야코비 행렬식

Theorem


n개의 함수의 집합 중에서 종속관계는 다음과 같다.

(1) |J|=0이면 함수적으로 종속이다.

(2) |J|0이면 함수적으로 독립이다.


2. 음함수 미분법칙에서의 야코비 행렬식 (Implicit Function)

Theorem


yix1=|Ji||J| 

단, (i=1,2,,n)


Proof


Fn(y1,y2,,yn:x1,x2,,xn)=0dFn=Fny1dy1+Fny2dy2++Fnx1dx1+=0


양변을 dx1로 나누면, x1이 아닌 다른 xi는 상수 취급을 하여 모두 0으로 소거된다. (dxi=0)


그러므로 식을 정리하면 

dFn=Fny1dy1dx1+Fny2dy2dx1++Fnx1dx1dx1+become 0=0=Fny1y1x1+Fny2y2x1+=Fnx1


이다. (여기에서 dyidx1yix1와 같이 편미분으로 표기해도 상관 없음)


결과적으로 위 식은 yix1을 변수로하는 방정식으로 표현할 수 있다. 정리된 방정식을 행렬로 나타내면,


(F1y1F1y2F1ynF2y1F2y2F2ynFny1Fny2Fnyn)Jacobian Matrix Form(y1x1ynx1)=(F1x1Fnx1)


위 행렬의 해는 크래머 공식(Cramer's Rule)을 이용하여 도출할 수 있다. 따라서,yix1=|Ji||J| 이 성립함을 알 수 있다.



3. 통계학에서의 야코비 행렬식


연속확률분포함수의 확률변수를 변환하는 변수변환 과정에서 변환된 확률분포함수를 도출할 때에 야코비 행렬식이 사용된다.


Theorem


연속확률변수 X1,X2의 결합확률변수가 f(x1,x2)이고 (x1,x2)(y1,y2)는 서로 **일대일로 대응**하여 y1=u1(x1,x2),y2=u2(x1,x2)x에 대해 정리하여 x1=w1(y1,y2),x2=w2(y1,y2)가 될 때, Y1Y2의 결합확률분포는 

g(y1,y2)=f[w1(y1,y2),w2(y1,y2)]|J|

이다. 여기서 |J|는 야코비 행렬식이고 각 요소에는 xi에 대한 yi 편미분 값을 갖는다.





본 포스트에서는 야코비 행렬식의 활용에 대해 알아보았습니다. 이 외에도 야코비 행렬식은 그 특성상 다양한 용도로 활용할 수 있겠죠?

728x90
댓글
공지사항
최근에 올라온 글
최근에 달린 댓글
Total
Today
Yesterday
링크
«   2025/07   »
1 2 3 4 5
6 7 8 9 10 11 12
13 14 15 16 17 18 19
20 21 22 23 24 25 26
27 28 29 30 31
글 보관함