[경고] 아래 글을 읽지 않고 "퇴플리츠 행렬"을 보면 바보로 느껴질 수 있습니다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjvAFVS_SPlFim_37JUTcMd0T39ItlG2NhY78LrMe8SNsalMcAUzPdNSd5ZB_1N8jIepl5v-pmgmi_JCC1TgK0zTYY0KAEhM2z41-vrtZiEHMRFku_Z2o6LiM3VwBkA_eRrko7wWV7VpjacDgAByCJwLVhBoQD_KVEFHz-hQ33aiaNbnWWfEQy5l-1y0H0f/s16000/220px-Matrix_pattern_qtl1.svg.png)
[그림 1] 색깔 조각으로 표현한 퇴플리츠 행렬(출처: wikipedia.org)
독특한 원소 패턴을 가진 퇴플리츠 행렬(Toeplitz matrix)은 행이 증가함에 따라 [그림 1]처럼 대각선 원소의 왼쪽과 오른쪽 부분이 순차적으로 돌아가는 모양을 가진다. 이를 $2n-1$개의 퇴플리츠 상수(Toeplitz constant) $a_i$로 정의한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgcvf1I4cPs7RSUIeCslAR45AnAAPASBtJvTGPveRf4Bh-dkh4xQbCqzMS0AjbSN2RQi23MrzllJqDG3s4KfxbTyPoezYE6VQUlXlEkAuSaMnHFZsgaEzs4scRiQ5AwPTR10ICpLTXIQnhWJeX38Xciz_UF5mGCRoMCRBlvEv9_PBFo_AycmS-Iu5bogNGk/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg3jillxS3R05Gvr4GnGdOED2ZBW3Bd994qCcjBwab77AJQRX1aeKAZyrkyCDQXO3FYGN8BTjH7PDStVkmhWSbnNWf9087ctZXatJrOXJoe4JJdfhMN3up1iH2fFv3LwvqgKX-jgJTyhJYvyixgO4E8aStVD8_8oTABWPpcSxceR6jyWhJrOaxXPIkXdFXE/s16000/tm.png)
여기서 $i$ = $1,2\cdots, n$ 및 $j$ = $1,2\cdots, n$; $T_{ij}$는 퇴플리츠 행렬 $\bf T$의 $i$행 $j$열 원소, $\bf T$의 차원(dimension)은 $n \times n$이다. 퇴플리츠 행렬은 반대각선(anti-diagonal)에 대해 대칭이라서 직각 대칭 행렬(persymmetric matrix)의 범주에 속한다. 또한 식 (1)처럼 대각선을 따라가는 원소는 항상 상수이므로, 퇴플리츠 행렬의 다른 이름은 대각 상수 행렬(diagonal-constant matrix)이다.
퇴플리츠 행렬은 상삼각과 하삼각 행렬(upper and lower triangular matrices)로 구성된다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgyK2fKo5WaSnfGDLog3OVtOOphEEfnRV7TBseY9LuEWKtLKuAycXkxfNFAeRZcgA6FZsCwlgddtShNd6jiN4L7p_PkEDZaKOmlpnmzv3BOnExEe3JFoUC_cw0aSm4n1HN2D6dURGv9eUCROQ18K1Gru_ZLvGylNEKqo5VhNFT48qiXhjnS-vUxJEVgWkO-/s16000/tm.png)
여기서 $\bf I$는 항등 행렬(identity matrix), $\bf L$과 $\bf U$는 각각 ${\bf T}/a_0$의 상삼각과 하삼각 행렬 부분이다. 삼각 행렬 $\bf L$과 $\bf U$는 다시 퇴플리츠 행렬에 속한다. 대칭 퇴플리츠 행렬(symmetric Toeplitz matrix) $\bf S$는 행렬 곱과 합의 형태로 분해할 수 있다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgBCuWxtxlcf5LBZO6IirU4S8JaypLDerv0KLN2WIiP1TjtKCtth1FmvH_2jF7u9YDbc8GSG6D9N33vk1yAJs1nUsVrjx-XBiCQQ9zeThP8aMq42F6yRmtmV1456iLGYJkQl9DqEbtNysBbVp7GlFvPld2HAbUoL_uVtwumL4nWIiIZUv_JKQ3avmLNn0YE/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEg_EIIE9lXdcVL9ORxm_UDpL8zjU-KWoiP_yrhzsqBBIV8PpXXdsLfwVcntqnh2yftjxYYPnBiHpV2-nxpKMBF3KRamt9WRDR7VVKdV6mHDka4IeKozsNN1dJ65m1sn3-KUBhDM0Iv3J0jTrNoyZI8Br6ZH4ZBGREhQdXfkQZN5pOgnhR0y_72QIefHx-LN/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhnLDHA1qtMXrk5eJByk3yb6GFHIBPa71tYLoQtUD6qCHpbG2qwEavEgCeCAwaPswQMa9PV_T8Th56mY9ru5Mzi0YQ6MTfzq5rZHag6b5IOvVSA1n716VIHeU-GBr5lhPL1YelcBGB57kUSWbFVzU7wMwiByIGxiipf9neiXzp8S0Wtg8cmTAwfnMXT_0Dy/s16000/tm.png)
여기서 $\bf S$는 대칭 행렬(symmetric matrix), $a_{-i}$ = $a_i$, $(\cdot)^T$는 전치 행렬(transpose)이다. 식 (3c)에 나타난 행렬 곱 ${\bf L}{\bf L}^T$은 전형적인 대칭 행렬이다. 대칭 퇴플리츠 행렬은 대칭과 직각 대칭이 함께 나타나는 쌍대칭 행렬(bisymmetric matrix)이다.
대칭 행렬의 역행렬은 다시 대칭 행렬이므로, 식 (3c)처럼 $\bf S$의 역행렬 ${\bf S}^{-1}$을 표현한다[1]. 역행렬의 정확한 증명은 식 (16)에 제시한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEh-4TvFuLUAyUELLaDgbsiuXsGUuydjdAdZ42-wxuKgsDubQOQB3QwHlDYzCuBj6mzLwCWvmWNPMOwYC1HdVoZm6IqN8USzyUGr-EShQhyxreEtMD3OHk8jPoiaSS0a-mtvAEL2h0yq1g3wOmlrRRRs9F2e14THZhsCKTnam9giAkgvv9_CdK03MrnPP1Lj/s16000/tm.png)
여기서 $\bf X$와 $\bf Y$는 $\bf L$과 같은 하삼각 행렬, $x_0$은 0이 아닌 적절한 상수이다. 역행렬의 원소 $B_{ij}$는 원래 행렬의 여인자(cofactor) $C_{ij}$에 연결되어서 $B_{ij}$는 다음 성질을 갖는다.
- 일반적으로 $C_{ii}$ $\ne$ $C_{jj}$ ($i \ne j$): 같을 수 있지만 보통 다름
- 쌍대칭 행렬의 역행렬은 쌍대칭성을 가지므로, 여인자 $C_{ij}$가 다른 값은 전체 원소에서 ◥◤ 위치에만 있음
- 역행렬 ${\bf S}^{-1}$의 독립된 원소 개수[$B_{ij}$의 개수]는 $(n+1)^2 \mathbin{/} 4$[$n$: 홀수] 혹은 $n(n+2) \mathbin{/} 4$[$n$: 짝수]이므로, $\bf X$와 $\bf Y$는 $\bf L$ 구조의 하삼각 행렬로 선택할 수 있음[∵ 독립된 원소 $B_{ij}$는 전체 행렬 기준으로 ◥◤에 분포함]
대칭 퇴플리츠 행렬과 다르게, 행 번호가 커질 때 원소를 오른쪽으로 이동시키면서 순환 옮김(circular shift)을 적용한 행렬은 순환 행렬(circulant matrix) 혹은 더 정확히 순환 퇴플리츠 행렬(circulant Toeplitz matrix)이라 한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjbnWdpq-ee0d-YCpV677bLY40ozueKCvu1NV2qc8wMV912C1t9Dtd8vzC7HIuAWulFrOC9EOobGO3X_0-wwGT_KWXHZArJBFPkrwswQixno1Nbve0R2Z_A7ZDOABiXjmQLP3ItxpCoJS9hENApD3799XcQj63FJH-qRJUjC4VhMJOplBCaWnr24_KF0pB3/s16000/tm.png)
여기서 퇴플리츠 상수 $a_{-i}$ = $a_{n-i}$이다.
요상하게 정의한 퇴플리츠 행렬이 푸리에 변환(Fourier transform)과 만나는 지점은 길쌈(convolution)이다. 퇴플리츠 행렬과 열 벡터의 곱으로 이산 길쌈(discrete convolution) $(f * g)_m$을 정의한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiqm4WkBZF6rkjEKOLAvRMyfXmtZxdFMvEU-hsc0cdL5gWG8GV4OVhxqFTuu3U00lyLxN428eMUxYPNWAAT5tRfoWLNeuDu8Qom8-uR_ItWD3txrGDLePxFgF65zWBr4zv9KU9E79_267OdGra22qnq6W7un9A0p6F9FbRBV17Y9fq8GElb9FaL4Wr6bqKx/s16000/tm.png)
이산 길쌈 $(f * g)_m$과 입력 신호인 $f_m$을 알면, 퇴플리츠 행렬의 역행렬을 식 (7d)처럼 구해서 또 다른 입력인 $g_m$을 결정할 수 있다.
퇴플리츠 역행렬(Toeplitz inverse matrix) ${\bf T}^{-1}$은 퇴플리츠 행렬 $\bf T$로 만든 일부 연립 방정식의 해만 알아도 일의적으로 정해진다.
[퇴플리츠 역행렬] [2]
퇴플리츠 행렬 $\bf T$로 만든 열 벡터 $\bf x$, $\bf y$의 원소로 퇴플리츠 역행렬 ${\bf T}^{-1}$을 생성할 수 있다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEivJsBKKXxtZEhV2brcYDLpcYWAjT6x13SkRnixuiyhKNJZL2WikvqfQE9mWOZXOM_CBub1qQs-tYfEx4qMsUyi7y8WMNE4vFKK8qMkz7jCWnEdbtenOFGnFNnO9nreVyqToFM7fRmLSPVn4NbAvhEuHRtdQuLZnwVr-n8K44KqJuEn_K8uDlyQr9q-Pk_I/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEidya4viUMaoSr3pms1H8SCiV9n8ENpMGA5DF-uzsM0ZgX_9x43abv_0BZBm3Cvw7X7Qfagy2M5OXxhM47Omqa8XQHokAm56sHRESnV89L8gqpjWyWZHdz5-lN8oDgL2MIqc3gVEFmIU1VL4Xy2MKL1qnOOYmSpfuZIt57VwHYTrW3fnObrEXRvOcWVdQyS/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEgnh8OfrSgDU2LzYdwurubtwbWOPTfa_rkrNy-IrL9JFJy3DJKvfF7l7dTs_NQWvK-0CxlipXHb26OUTFwRBRzKlNmReZxLs9MltP2RMYjZ2a-lTD8gyvLdCTOLa129oSjKEoobKlPJtukZqb5kXvs8zkhx3wv8PP1WploEisd_-YZVXMyBN2fHtUUR_DRX/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi2pzB8e3SAKfIjHj_lsjFBCM2i__moXx3NbZPVwQSqgqm3D-YA3O7ZOAyVILBLSmsXhD-XkXc_LfiRRAWSRGFFMPH_nrohTjNof0Ua_kVJyNajFRLL61OO-TkTIWJyiZH2yBpuabYTNOIA9JMt11xQzo9QV67Mi2XuuqsG-sLgzLjJvz-UOzartztolZFH/s16000/tm.png)
여기서 $\bf x$ = $[x_0~x_1~\cdots~x_{n-1}]^T$, $\bf y$ = $[y_0~y_1~\cdots~y_{n-1}]^T$, ${\bf e}_i$ = $[0~\cdots~0~1~0~\cdots~0]^T$는 $i$번 정규 직교 열 벡터(orthonormal column vector) 혹은 표준 기저(standard basis), ${\bf e}_i$에서 $i$번째 원소만 $1$이고 나머지는 모두 $0$, ${\bf e}_1$ = $[1~0~0~\cdots~0]^T$, $\bf d$ = $[0,~a_{n-1}-a_{-1},~a_{n-2}-a_{-2}$, $\cdots$, $a_2 - a_{-n+2},~ a_1 - a_{-n+1}]^T$, $\bf I$는 항등 행렬이다.
[증명]
동반 행렬(companion matrix) $\bf K$와 퇴플리츠 행렬 $\bf T$로 만든 교환 법칙의 차이 ${\bf KT} - {\bf TK}$는 1행과 $n$열에만 값이 있고 나머지 원소는 모두 $0$으로 나타나므로, 다음 항등식이 성립한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEitpYfVC9L5q88vNN3t5cM4HOMQhHzAoseKauDIINwShMplHa_VE65NyBrqkTqetnKRzn4DMQ6zVccStqypnFCLVDyDrK5SzrV8FBjBgOSqsxG45vMy0AOmMukF9_-cK5loTDDE0ViEYg3joT2OaXdvKuMI7G3-KDFsmDIxesoQIn8zG9lF0_NHV5q6uwuU/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiD00NMsZ7DhwxJrkYZ9XmEFEDOdzS4dOOmEs0hoRk6vK8q1A7daew_hFqDZYn2jX0i3a25ym-Fd1XUuZgXB5fwvdMMGWjGPoOp4krNLDD5TxLK9fpJrFLAJvvr02OsFM95s_GPipltcfAOqnWiAezAm9jCdJd4VtBwYkmwRk1_1QcOADSwcKjbaLIPF5hZ/s16000/tm.png)
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhyH1NGdfG1CiQflhFKd-sz3AXUcw2SaU_cREFVBPeGdtuxGOlqg77Wuddc1Lnti8ubuzPHNBqlQPA8H-6wbt4s_7rR4p5fvuX2HMpD7doqTaq1zw4qMCa3gciLhheKylbSxCnlWr4A0OYWmWlSyFPC0IchNEBMbuf05a9t-o0Ry7WidU3SHS5zyaGv4sP_/s16000/tm.png)
식 (9)의 둘째식에 $\bf x$를 곱해서 단위 기저 벡터(unit basis vector) ${\bf e}_i$의 표현식을 구한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiKlo16xQM2NAcX8h2aU9xQvMnEvKt8oDoSppe6wx7ug5hidjmd_5TvG_-AeQivUddPIxREex7dM1jycTI1tRmHT3F_6rweW3LJdKCdv5LvMbXfxVZAfo4nRdQpllulmc5muJnK4-WFYr3n5GLY2cTuhU8rBehUfrmXRWw0_uzpVfO6SwfUKobQ2pvwWTud/s16000/tm.png)
여기서 $j$ = $0,1,\cdots,n-1$; 동반 행렬의 성질에 따라 ${\bf K}{\bf e}_i$ = ${\bf e}_{i+1}$이 성립한다. 식 (10)에 등장하는 $\bf M$의 거듭제곱과 $\bf y$로 새로운 열 벡터 ${\bf n}_i$ = ${\bf M}^{i-1} {\bf y}$를 정의한다. 열 벡터 ${\bf n}_i$로 구성한 행렬 $\bf N$은 $\bf T$의 역행렬이다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEiU_alvWN8__u_L1L572hj2bjxms0Iaa3hefLUUFbqN8z2eAUqfBajULQNe_Q5PrU-t7HkRucSN5CJ_2i44yv-3j89RuLwj5Z79UsDjvI_OfU6GqOO8x9CGlBQ1wrsspFayjIC55DDjoCmYjVCTHeOmgyKQvSv-L9a7pZ1RqBssNvBOFSo8rqFAYZFpht06/s16000/tm.png)
여기서 ${\bf Tn}_i$ = ${\bf TM}^{i-1}{\bf y}$ = ${\bf K}^{i-1} {\bf e}_1$ = ${\bf e}_i$이다. 따라서 ${\bf T}^{-1}$은 존재하며 ${\bf n}_i$로 공식화된다. 마지막 단계로 역행렬의 열 벡터 ${\bf n}_i$를 재귀적으로 계산한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhTcDcCYC2Nwrrg7Kqcd9w4U2ClhMypvOGt6dnNmgbtlqByR33XaQwMgwpzqRy_jzunwE5Fi1UPpfbV5Y8MRuGVGJmcB6YcjI10RcS5aAzygGphBLUJ0_WHsSNHiCdFbuQjsewzOqQXYupkoj21O1Df9QuSoA-n-BcHWUVT9RoXNtpWxuBi_Iu_vSxrzYWm/s16000/tm.png)
여기서 $i$ = $2, 3, \cdots, n$; ${\bf n}_1$ = $\bf x$, ${\bf Tn}_i$ = ${\bf e}_i$, ${\bf e}_{i-1}$ = ${\bf J}{\bf e}_{n-i+2}$, $\bf JJ$ = $\bf I$, ${\bf y}^T$ = ${\bf d}^T ({\bf T}^{-1})^T$, $\bf T$는 직각 대칭 행렬(persymmetric matrix)이라서 $\bf T$ = ${\bf JT}^T {\bf J}$, ${\bf T}^{-1}$도 직각 대칭 행렬이다. 식 (12a)에서 얻은 마지막식의 행렬 곱을 직접 곱해서 더욱 간략화한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjC7RXkJ9C1vfG3k8okd5dO-PMvyvywfIF2xTgAliB5bai8UwT4vHbaa3xajn48uVH_fr6PfsDELfKSPoyQrzVzWvG4L0q_T8myLUliaom7Sm6Fu7-obKySNVkQhanmXI_r-KuSh4zBwdmPNyfF1_c_dq_49lZxHmUSwClOJ8jwXGIPoEBw3EzipU6CNx9P/s16000/tm.png)
식 (12b)는 ${\bf n}_i$에 대해 재귀적이지만 동반 행렬의 단순 곱이라서, 식 (7d) 형태로 쉽게 계산된다.
______________________________
식 (5)에 정의한 순환 행렬 $\bf C$는 $a_{n-i}$ = $a_{-i}$를 만족하므로, $\bf d$ = $\bf 0$, $\bf y$ = $\bf 0$이 나온다. 이를 식 (7d)에 대입해서 역행렬 ${\bf C}^{-1}$를 유도한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi6pHAx3FVu9rl_8qV7GzOYF4mYSRDTkJjV8bXuS0pSW_KzYQbptMqq0XW10FTLFhEBfsmmRj7jnfJIlOdfJR9_qtuhxJ8ecvMz3bFgXrx4VA3im4MeSTeqMBYX4kCB5fYpXKSxm83WsjJ3rNZCfm3bbY9dGXrrDEf6O2dVd9tYZyHnnaxrZXEt0jxxuRRe/s16000/tm.png)
역행렬을 구성하는 원소는 $\bf x$의 순환 옮김이기 때문에, ${\bf C}^{-1}$는 역시 순환 행렬이다.
대칭 퇴플리츠 행렬 $\bf S$의 역행렬 표현식은 생각보다 유도가 까다롭다. 증명을 위해 식 (7a)에 나오는 열 벡터 $\bf y$를 $\bf x$로 나타낸다. 먼저 $\bf d$를 분해한 식의 해를 $\bf y$ = ${\bf y}_r - {\bf y}_i$로 둔다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEi_tk1xNimcOTy80GWfBjaQVye55Wudm9oLZMMBLmkVFiIP1MBmEkVTgxD9DvOIYlLstndZ0ugnNRocRT7ymReuVST5V1aabpWydcC6IRwW9M_Lj-RMvBV6oU4I8Hq8UyIefi0rfXq3U20Si900Skkve9vOpfnog_HxjJBBvrf-ZiiNDporuDQfQCq5a9Vk/s16000/tm.png)
여기서 $\bf d$ = ${\bf d}_r - {\bf d}_i$이다. 해 ${\bf y}_i$ = ${\bf e}_1$을 ${\bf d}_i$ = ${\bf Sy}_i$에 넣어서 답을 검증한다. 다음 절차로 $\bf S$의 아래 행 벡터부터 고려해서 ${\bf d}_r$ 결과에 근접한 관계식을 도출한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEjx8ipmBMAyods7CbkPFxc1tNFAhyphenhyphenWKmDQXHXaPZgbaW2mqMUMTOqFQNaTj4cp4BmTNtN1i41IjLpJFZe3sc8Dih2goi7oFjJ1f5pKYKUh5dLWFSiIFC2u6elQvd1pV0ZeL7rJqFdfq2rx7L0WUdX35qIKAUUS53fII4NTQCsdCmoiZpzRYpl1-Ug3WBRTf/s16000/tm.png)
여기서 $A_0$ = $a_1 x_{n-1} + a_2 x_{n-1} + \cdots + a_{n-1}x_1$이다. 열 벡터 ${\bf d}_r$을 정확히 만들기 위해 $\bf S$의 첫번째 행 벡터와 $\bf x$간의 곱을 더한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEhWvBliomp6szdcgvaB9rlwwmb6CFSNHvIsOeA15PrIcpCnf2knpHzxU9RFjANSa966j98NrK0a3baXX6BZjg_rNvbY0LoD9yci7WDjXLI_wlKM7vZqu4VPdsVCvJsFZa7k4NY_O9N5JAgGYJk4hce6X5CrTSfbAc4kTrt0v-azHMmUNbuDzTPwMmWmT_e-/s16000/tm.png)
여기서 $B_0$ = $a_0 x_0 + A_0$이다. 해 $\bf y$ = ${\bf y}_r - {\bf y}_i$를 식 (7b)와 (7c)에 넣고 정리한다.
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEj2I0V1CWoCsu2-IgYTIAeCWe9bF-yVdCHBZ_sNiNdhOkTl5AdYMiLV-ZE9v42SQBWBFxW03Qj06RKxjOIEx_ZIg30oM-ZH22DHr3WbfpSK8Am3gH9DwCxxieS58LRYPTWEJEZB8YUyPqM0dZeHXRtq-1mDr7xxCNSjblUgE6c-C2BjSAoVAK-uUAIvXLwl/s16000/tm.png)
식 (15)를 식 (7d)에 대입해서 최종적으로 ${\bf S}^{-1}$ 공식을 획득한다[1].
![](https://blogger.googleusercontent.com/img/b/R29vZ2xl/AVvXsEggR7fYbszuYQzPlBfxv1cO0H50d_Ban74m9zse10bbDKjYKmuZ169RqDWDr8In2M3_jzCJGXtjMHxsWDLByUPfFoRJTf0lRgKqL7zSaj_yDKTwaEvRsvdE68l9y6qVkHvTuJfylsPFVlLZ8W_B9pW0pJNZS4mLRIKWLOkpWP-9uQcZU1ETJOhRuAGSTzJP/s16000/tm.png)
여기서 원소간의 곱셈은 교환 법칙이 성립하므로[예를 들어, $x_0 x_1$ = $x_1 x_0$] 행렬 ${\bf L}^T$, $\bf U$의 곱도 ${\bf L}^T{\bf U}$ = ${\bf U}{\bf L}^T$처럼 교환 법칙이 생긴다. 순환 행렬처럼 대칭 퇴플리츠 행렬의 역행렬도 $\bf x$의 원소만으로 결정할 수 있다.
[참고문헌]
[1] L. Rodman and T. Shalom, "On inversion of symmetric Toeplitz matrices," SIAM J. Matrix Anal. Appl., vol. 13, no. 2, pp. 530–549, Apr. 1992.
[2] X.-G. Lv, T.-Z. Huang, "A note on inversion of Toeplitz matrices," Appl. Math. Lett., vol. 20, no. 12, pp. 1189–1193, Dec. 2007.
[다음 읽을거리]
댓글 없음 :
댓글 쓰기
욕설이나 스팸글은 삭제될 수 있습니다. [전파거북이]는 선플운동의 아름다운 인터넷을 지지합니다.