1장 벡터와 행렬 1차 정리 (직관·주의·점검질문 포함), CLAUDE.md 정리 규칙 보강

Co-Authored-By: Claude Fable 5 <noreply@anthropic.com>

CLAUDE.md

@@ -36,6 +36,9 @@
 - 페이지 속성은 파일 최상단에 `key:: value` (예: `deck:: Logseq/전공공부/선형대수학`). 기존 `deck::` 속성은 유지한다.
 - 페이지 링크 `[[페이지명]]`, 이미지/PDF 임베드 `![이름](../assets/파일명)`.
 - 수식은 LaTeX: 인라인 `$...$`, 블록 `$$...$$`.
+  - ⚠️ **수식은 반드시 다른 마크업 밖에 단독으로 쓴다.** `$...$`가 굵은 글씨(`**...**`) 등 다른 문법 안에 중첩되면 Logseq이 수식을 렌더링하지 못하고 문자 그대로 노출된다.
+  - 잘못된 예: `**3차원 ($\mathbb{R}^3$)**` → 올바른 예: `**3차원** ($\mathbb{R}^3$)`
+  - 강조하려는 구절에 수식이 섞여 있으면 텍스트 부분만 `**...**`로 감싸고 수식은 밖으로 뺀다. 예: `$Ax$ **를 계산하는 2가지 방법**`
 - 언어는 한국어. 수학·전문 용어는 필요시 영어 병기.
 
 ## 정리 스타일 (기존 노트 기준)
@@ -52,6 +55,16 @@
 - 굵은 글씨(`**...**`)로 핵심 용어 강조.
 - 코드는 언어 표기한 코드블록으로.
 
+### 단순 요약 금지 — 학습 보조를 덧붙일 것
+
+책 내용을 그대로 옮기는 요약에 그치지 않는다. 정리 사이사이에 다음 요소를 적절히 섞는다 (이모지 마커로 책 내용과 구분):
+
+- 💡 **직관** — 왜 이 개념이 중요한지, 어떤 그림으로 이해하면 좋은지, 개념 간 연결.
+- ⚠️ **주의** — 흔히 혼동하는 지점, 빠뜨리기 쉬운 조건.
+- ❓ **스스로 점검** — 각 절 끝에 확인 질문 몇 개를 배치한다. **질문을 부모 블록, 답을 자식 블록**으로 작성한다 (Logseq에서 접어두고 셀프 테스트 가능하고, 사용자가 나중에 카드로 변환하기도 쉽다).
+
+단, 덧붙이는 내용은 **해당 챕터의 범위를 절대 넘지 않는다.** 뒤 챕터 내용을 미리 끌어와 설명하지 않는다 (책 본문이 직접 예고한 연결을 언급하는 것은 허용). 질문의 답도 반드시 그 챕터 안에서 찾을 수 있어야 한다.
+
 ## 현재 진행: 선형대수학 (스트랭 6판)
 
 - `1장 백터와 행렬.md`, `2장 선형방정식 풀기.md`에 OCR PDF가 링크되어 있다 (`assets/1장_벡터와_행렬OCR_*.pdf`, `assets/2장_선형방정식_풀기OCR_*.pdf`).
@@ -59,6 +72,11 @@
 - 각 단원 페이지 최상단 `deck:: Logseq/전공공부/선형대수학`을 유지한다.
 - 참고: 페이지 파일명 "백터"는 "벡터"의 오타지만 **기존 파일명·링크는 바꾸지 않는다** (링크 깨짐 방지). 본문 새 작성 시에는 "벡터"로 쓴다.
 
+## Logseq 앱 동기화 주의
+
+- Logseq 앱이 페이지를 열어둔 상태에서 파일을 밖에서 수정하면, 앱이 캐시된 옛 블록을 표시하다가 **옛 내용을 파일에 되써버릴 수 있다** (부분 롤백 발생).
+- 페이지 파일을 수정한 후에는 사용자에게 **Logseq 재색인(Re-index)** 을 안내한다. 수정 직후 "고쳤는데 그대로다"라는 피드백이 오면 파일을 다시 읽어 롤백 여부부터 확인한다.
+
 ## 금지 사항
 
 - 기존 페이지 파일명 변경 금지 (Logseq 링크가 깨진다).

pages/1장 백터와 행렬.md

@@ -1,4 +1,168 @@
 deck:: Logseq/전공공부/선형대수학
 
-- ![1장 벡터와 행렬OCR.pdf](../assets/1장_벡터와_행렬OCR_1784291728493_0.pdf)
--
+- ![1장 벡터와 행렬OCR.pdf](../assets/1장_벡터와_행렬OCR_1784291728493_0.pdf)
+-
+- ## 1.1 벡터와 선형결합
+	- **선형대수학**은 벡터 $v$와 행렬 $A$에 관한 학문이다. 출발점은 두 벡터의 **선형결합(linear combination)** $cv + dw$ 이다.
+		- 기본 연산은 단 2가지: **벡터 덧셈** $v+w$, **스칼라 곱** $cv$ → 이 둘을 합친 것이 선형결합 $cv+dw$.
+		- 💡 미분적분학이 "수와 함수 $f(x)$"에서 시작한다면, 선형대수학은 "벡터와 선형결합"에서 시작한다. 이 장의 모든 내용($Ax$, 열공간, 행렬곱, $CR$)이 결국 전부 "선형결합"이라는 한 단어로 꿰어진다.
+	- **두 가지 핵심 질문** — 이 책 전체를 관통하는 질문
+		- ① 모든 선형결합 $cv + dw$ 는 무엇을 채우는가? (직선? 평면? 공간 전체?)
+		- ② 특정 벡터 $b$ 를 만드는 수 $c, d$ 를 찾을 수 있는가? → 연립방정식 $cv + dw = b$ 풀기
+		- 💡 ①은 나중에 "열공간"(1.3절), ②는 "$Ax=b$ 풀기"(2장 예고)로 이름이 바뀌어 계속 등장한다.
+	- **2차원에서의 답** ($\mathbb{R}^2$)
+		- $v, w$ 가 (영벡터가 아니고) 같은 직선 위에 있지 않으면 → **선형독립(linearly independent)**. 선형결합이 $xy$-평면 전체를 채우고, $cv+dw=b$ 의 해가 **정확히 하나** 존재한다. (이때 행렬 $A=[v\ w]$ 의 역행렬이 존재)
+		- $v, w$ 가 원점을 지나는 같은 직선 위에 있으면 → **선형종속(linearly dependent)**. 선형결합은 그 직선만 채우고, $b$ 가 직선 밖이면 해가 없다.
+		- ⚠️ 소거법이 "실패"하는 것은 계산 실수가 아니라 **해가 원래 없기 때문**이다. 미지수 하나를 소거하려다 둘 다 소거되어 $0 = (\text{0이 아닌 수})$ 꼴의 모순이 나오는 경우.
+		- ⚠️ 첫 방정식의 계수가 0이어서 소거를 시작하기 어려워 보이면 → 방정식의 **순서를 바꾸면** 된다 (해가 없는 것이 아님).
+	- **연립방정식을 보는 3가지 관점** (같은 문제, 다른 시각)
+		- 행 방법: $c, d$ 에 대한 두 방정식 (각 행 = 방정식 하나)
+		- 열 방법: 열벡터의 선형결합 $cv + dw = b$
+		- 행렬 방법: $A\begin{bmatrix}c\\d\end{bmatrix} = b$
+		- 💡 이 책은 일관되게 **열 방법(선형결합)의 관점**을 밀고 나간다. 행 방법은 계산용, 열 방법은 이해용.
+	- **3차원** ($\mathbb{R}^3$)
+		- 벡터 2개(선형독립)의 선형결합은 기껏해야 원점을 지나는 **평면**을 채운다. 공간 전체를 채우려면 **선형독립인 벡터 3개**가 필요하다.
+		- ⚠️ 벡터 2개가 $\mathbb{R}^3$를 못 채우는 것은 종속이라서가 아니라 **개수가 부족**해서다. 독립/종속 문제와 개수 문제를 구분할 것.
+		- 가장 간단한 예: 표준단위벡터 $i=(1,0,0),\ j=(0,1,0),\ k=(0,0,1)$ → $ci+dj+ek=(c,d,e)$
+		- **항등행렬(identity matrix)** $I$: 주대각성분이 모두 1, 나머지는 0. 모든 벡터에 대해 $Iv = v$ (숫자 1의 역할).
+		- 차원이 다른 벡터끼리는(2차원 $v$와 3차원 $w$) 선형결합을 만들 수 없다.
+	- 두 독립 벡터의 선형결합 전체가 "평면"이 되는 근거: 그 위 임의의 두 점(두 선형결합)의 중점도 다시 선형결합이므로 같은 표면 위에 있다 → 평면의 기본 성질을 만족. (더 엄밀한 논증은 1.2절의 법선벡터로)
+	- ### ❓ 스스로 점검 (1.1)
+		- $v, w$가 선형독립일 때 $cv+dw=b$의 해가 "존재"할 뿐 아니라 "유일"하기까지 한 이유는?
+			- 선형결합이 평면 전체를 채우므로 해가 존재하고, 만약 두 쌍 $(c,d) \neq (c',d')$이 같은 $b$를 만들면 그 차이가 $v, w$의 자명하지 않은 선형결합으로 영벡터를 만들게 되어 독립이라는 가정에 모순.
+		- 세 벡터 $v, w, z$에서 $z = v + w$라면, 세 벡터의 선형결합이 채우는 영역은 $v, w$ 둘만의 선형결합이 채우는 영역과 비교해 어떻게 되는가?
+			- 똑같다. $z$는 새로운 방향을 제시하지 못하므로 채우는 영역이 넓어지지 않는다 (여전히 같은 평면).
+		- $cv + dw = b$를 소거법으로 풀 때 "해가 없음"은 계산 과정에서 어떤 형태로 나타나는가?
+			- 한 미지수만 소거하려 했는데 두 미지수가 모두 소거되면서 $0 = (\text{0이 아닌 수})$ 라는 모순 방정식이 남는다.
+-
+- ## 1.2 내적으로부터의 길이와 각
+	- **내적(dot product)**: $v \cdot w = v_1w_1 + v_2w_2 + \cdots + v_nw_n$ (순서 무관: $v\cdot w = w\cdot v$)
+		- 💡 내적 하나에서 **길이**($v \cdot v$), **수직**($v \cdot w = 0$), **사잇각**(코사인 공식)이 전부 나온다. 이 절의 모든 내용은 내적의 응용이다.
+	- **길이(length)**: $\|v\| = \sqrt{v \cdot v} = \sqrt{v_1^2 + \cdots + v_n^2}$
+		- 피타고라스 정리의 $n$차원 확장. 예: $\|(1,2,3)\|^2 = 1+4+9 = 14$
+		- 💡 차원을 하나씩 올릴 때마다 직각삼각형을 하나씩 더 세우는 그림: $(1,2,3)$의 길이 = 평면 벡터 $(1,2,0)$(길이 $\sqrt5$)과 $z$축 성분 $(0,0,3)$으로 만든 직각삼각형의 빗변.
+		- $n$차원 단위 정육면체의 대각선 길이는 $\sqrt{n}$
+	- **단위벡터(unit vector)**: 길이가 1인 벡터. $v \neq 0$ 이면 $u = \dfrac{v}{\|v\|}$ 는 단위벡터.
+		- $x$축과 각 $\theta$를 이루는 단위벡터: $u = (\cos\theta, \sin\theta)$ (자동으로 길이 1: $\cos^2\theta + \sin^2\theta = 1$)
+	- **수직(perpendicular)**: $v \cdot w = 0 \iff$ 사잇각 $90°$
+		- 이때 $\|v+w\|^2 = \|v\|^2 + \|w\|^2$ (피타고라스). 전개: $\|v+w\|^2 = v\cdot v + 2\,v\cdot w + w\cdot w$ 에서 가운데 항이 0.
+	- **사잇각 공식 (코사인 공식)**: 영벡터가 아닌 $v, w$ 에 대해 $\cos\theta = \dfrac{v \cdot w}{\|v\|\,\|w\|}$
+		- 💡 유도의 흐름: 단위벡터끼리 먼저 증명($u = (\cos\theta, \sin\theta)$, $U = (\cos\beta, \sin\beta)$의 내적 = $\cos(\theta-\beta)$, 삼각법의 코사인 차 공식) → 일반 벡터는 각자 길이로 나눠 단위벡터로 만들면 된다.
+		- **부호만 봐도 각을 안다**: $v \cdot w > 0$ → 예각, $= 0$ → 직각, $< 0$ → 둔각
+		- ⚠️ 사잇각을 논할 때 두 벡터 모두 **영벡터가 아니어야** 한다 (길이로 나누기 때문).
+	- **2대 부등식** ($|\cos\theta| \le 1$ 에서 유도)
+		- **슈바르츠 부등식(Schwarz inequality)**: $|v \cdot w| \le \|v\|\,\|w\|$ — "수학에서 가장 중요한 부등식"
+		- **삼각부등식(triangle inequality)**: $\|v + w\| \le \|v\| + \|w\|$ — 삼각형의 두 변의 합은 나머지 변보다 크거나 같다
+		- 유도 순서: 슈바르츠 → 삼각. $\|v+w\|^2 = \|v\|^2 + 2v\cdot w + \|w\|^2 \le \|v\|^2 + 2\|v\|\|w\| + \|w\|^2 = (\|v\|+\|w\|)^2$
+		- 등호 성립 조건: 한 벡터가 다른 벡터의 상수배일 때 ($w = cv$, 사잇각 $0°$ 또는 $180°$, 삼각형이 납작해지는 경우)
+		- 💡 산술-기하평균 부등식 $\sqrt{xy} \le \frac{1}{2}(x+y)$ 도 슈바르츠 부등식의 특수한 경우로 나온다 ($v=(\sqrt x, \sqrt y)$, $w=(\sqrt y, \sqrt x)$).
+	- **코사인 법칙**: $\|v-w\|^2 = \|v\|^2 - 2\|v\|\|w\|\cos\theta + \|w\|^2$ ($(v-w)\cdot(v-w)$ 전개로 유도)
+	- **응용**
+		- 시소의 균형: 가중치 벡터 $w$와 거리 벡터 $v$의 내적 $= 0$ 이면 균형.
+		- 경제: (비용) $=$ (수량 벡터 $q$) $\cdot$ (가격 벡터 $p$). 내적이 0이면 수입과 지출의 일치 ("장부의 균형").
+		- 기울기: 원점에서 $v$, $w$로 가는 화살표의 기울기의 곱이 $-1$이면 $v \cdot w = 0$ (수직인 직선의 기울기 조건과 일치).
+	- **3차원 공간 안의 평면**: 법선벡터 $n$과 수직인 모든 벡터 $w$의 집합. 방정식 $n_1w_1 + n_2w_2 + n_3w_3 = 0$
+		- 예: $xy$-평면의 법선벡터는 $n = (0,0,1)$ → 방정식은 $w_3 = 0$
+	- ### ❓ 스스로 점검 (1.2)
+		- $\|v\| = 5$, $\|w\| = 3$일 때 $v \cdot w$가 가질 수 있는 값의 범위는? $\|v - w\|$의 범위는?
+			- 슈바르츠 부등식에서 $-15 \le v \cdot w \le 15$. $\|v-w\|$는 두 벡터가 같은 방향일 때 최소 $2$, 반대 방향일 때 최대 $8$ (삼각부등식).
+		- $\|v+w\|^2 = \|v\|^2 + \|w\|^2$ 이 성립한다는 것은 두 벡터에 대해 무엇을 말해주는가? 역도 성립하는가?
+			- $2v\cdot w = 0$, 즉 수직이라는 뜻. 전개식에서 곧바로 나오므로 역방향도 성립 (동치).
+		- 슈바르츠 부등식과 삼각부등식 중 어느 것이 어느 것으로부터 유도되는가?
+			- 삼각부등식이 슈바르츠 부등식으로부터 유도된다 ($\|v+w\|^2$ 전개에서 $v\cdot w$를 $\|v\|\|w\|$로 키움).
+		- 벡터 $(1,1,1)$과 수직인 벡터들은 $\mathbb{R}^3$에서 무엇을 이루는가?
+			- $w_1+w_2+w_3=0$을 만족하는, 원점을 지나는 **평면** ($(1,1,1)$이 법선벡터).
+-
+- ## 1.3 행렬과 열공간
+	- **행렬(matrix)**: $m$개의 행과 $n$개의 열로 이루어진 직사각형 수 배열 ($m \times n$ 행렬). $m = n$이면 **정사각행렬**.
+		- 특수한 행렬 4형제: **항등행렬**(대각선 1), **대각행렬**(대각선 밖 0), **삼각행렬**(대각선 아래쪽 또는 위쪽이 0), **대칭행렬**(행과 열을 바꿔도 같음)
+	- $Ax$ **를 계산하는 2가지 방법**
+		- **행 방법**: $Ax$의 각 성분 $=$ ($A$의 각 행) $\cdot x$ 의 내적 → 숫자가 주어졌을 때 계산에 유리
+		- **열 방법**: $Ax = x_1a_1 + x_2a_2 + \cdots + x_na_n$ → $Ax$ 는 $A$ 의 **열들의 선형결합**
+		- 💡 이 문장이 이 장에서 가장 중요한 한 줄이다. 행 방법은 성분(수) 하나씩, 열 방법은 벡터 단위로 본다. "$Ax$의 의미를 이해하고 싶으면 열 방법".
+	- **열공간(column space)** $C(A)$: 모든 벡터 $Ax$의 집합 = $A$의 열들의 모든 선형결합의 집합.
+		- "**생성(span)**" = 벡터 집합의 모든 선형결합. 열들의 생성이 곧 열공간.
+		- 💡 $Ax = b$ 를 풀 수 있다 $\iff$ $b \in C(A)$. 1.1절의 질문 ②가 "b가 열공간 안에 있는가?"로 번역된 것.
+	- **선형독립의 정의 (행렬 버전)**: $Ax = 0$ 의 유일한 해가 $x = 0$ 일 때, $A$의 열들은 선형독립이다.
+		- 판정은 보통 왼쪽 열부터 오른쪽으로: 각 열이 **이전 열들의 선형결합이 아니면** (새로운 방향을 제시하면) 독립인 열로 센다.
+		- ⚠️ 오른쪽에서 왼쪽으로 판정해도 **독립인 열의 개수는 같다** (어느 열이 뽑히는지는 달라질 수 있음).
+	- $m = 3$ **일 때 열공간으로 가능한 4가지** (독립인 열 개수 기준)
+		- 3개 → $\mathbb{R}^3$ 전체 공간
+		- 2개 → 원점을 지나는 평면
+		- 1개 → 원점을 지나는 직선
+		- 0개 (영행렬) → 점 $(0,0,0)$
+		- ⚠️ 어느 경우든 열공간은 반드시 **원점을 포함**한다 ($x=0$이면 $Ax=0$).
+	- **랭크(rank)** $r$: $A$의 선형독립인 열의 개수. 처음 $r$개의 독립인 열들 = 열공간의 **기저(basis)**. (기저·차원의 엄밀한 정의는 3장 예고)
+	- **랭크 1 행렬**: 모든 열이 같은 직선 위(한 열의 상수배). 이때 놀랍게도 모든 **행**도 같은 직선 위에 있다.
+		- 2×2로 확인: 2열이 1열의 $m$배인 $A = \begin{bmatrix} a & ma \\ b & mb \end{bmatrix}$ 이면 2행 $[b\ \ mb]$ 는 1행 $[a\ \ ma]$의 $\frac{b}{a}$배 ($a=0$인 경우는 따로 확인).
+		- 💡 이것이 **(열 랭크) = (행 랭크)** 의 첫 사례. 이 등식은 모든 행렬에서 성립하며 "선형대수학의 첫 번째 위대한 정리". 일반적인 증명은 1.4절의 $A=CR$이 해준다.
+	- ### ❓ 스스로 점검 (1.3)
+		- $Ax$를 "행의 관점"과 "열의 관점"으로 각각 한 문장으로 말하면?
+			- 행: $Ax$의 각 성분은 $A$의 각 행과 $x$의 내적. 열: $Ax$는 $A$의 열들을 $x$의 성분으로 가중한 선형결합.
+		- 3×3 행렬의 열공간이 "원점을 지나는 직선"이 되려면 열들이 어떤 상태여야 하는가?
+			- 영벡터가 아닌 열이 존재하되, 모든 열이 그 한 열의 상수배 (선형독립인 열이 1개, 랭크 1).
+		- $b$가 $C(A)$ 밖에 있으면 $Ax = b$는 어떻게 되는가?
+			- 해가 존재하지 않는다. $Ax$는 항상 열들의 선형결합이므로 열공간을 벗어날 수 없다.
+		- 어떤 행렬의 모든 열이 선형종속 쌍(모든 열의 쌍이 같은 직선 위)이라면 열공간은?
+			- 원점을 지나는 하나의 직선 (혹은 전부 영벡터면 원점 하나).
+-
+- ## 1.4 행렬곱 AB와 CR
+	- **행렬곱의 기본 규칙**
+		- $(m \times n)(n \times p) = (m \times p)$: $A$의 행 길이($n$)와 $B$의 열 길이($n$)가 같아야 곱할 수 있다.
+		- 핵심 정의: $(AB\text{의 } j\text{열}) = A \times (B\text{의 } j\text{열})$, 즉 $AB = [Ab_1\ Ab_2\ \cdots\ Ab_p]$
+		- 총 곱셈 횟수는 어떤 방법이든 $mnp$ 번. (참고: 슈트라센은 2×2 곱을 곱셈 7번으로 줄였고, 지수를 얼마나 낮출 수 있는지는 미해결 문제)
+	- $AB$ **를 계산하는 4가지 방법** (순서만 다르고 결과·곱셈 횟수는 동일)
+		- ① (행)·(열): $(AB)_{ij} = (A$의 $i$행$)\cdot(B$의 $j$열$)$ — 손 계산에 편리
+		- ② (행렬)×(열): $Ab_j$ → $AB$의 열들을 하나씩 생성. $AB$의 각 열은 $A$ 의 **열들의 선형결합**
+		- ③ (행)×(행렬): $A$의 각 행 × $B$ → $AB$의 행들을 생성. $AB$의 각 행은 $B$의 행들의 선형결합
+		- ④ **(열)×(행)**: $AB = a_1b_1^* + a_2b_2^* + \cdots + a_nb_n^*$ — **랭크 1 행렬들의 합**
+			- (열)×(행) 하나하나가 **외적(outer product)** 이며 랭크 1 행렬. (물리의 벡터곱(cross product)과는 다른 것 — 이 책의 외적은 텐서곱)
+			- 💡 내적은 (행)×(열) = 수, 외적은 (열)×(행) = 행렬. 모양이 결과를 결정한다: $(1 \times n)(n \times 1) = 1\times 1$, $(m \times 1)(1 \times p) = m \times p$.
+	- **연산 법칙**
+		- **교환법칙 불성립**: 일반적으로 $AB \neq BA$
+			- 💡 교환행렬 $P$로 확인: $AP$는 $A$의 **열**을 교환(오른쪽 곱), $PA$는 $A$의 **행**을 교환(왼쪽 곱). "행 연산은 왼쪽에서, 열 연산은 오른쪽에서".
+		- **결합법칙 성립**: $(AB)C = A(BC)$ — 조용해 보이지만 매우 중요한 법칙
+		- **분배법칙 성립**: $A(B+C) = AB + AC$
+	- **행렬 분해** $A = CR$ — 이 장의 최종 목표
+		- $A$($m \times n$, 랭크 $r$) $= C$($m \times r$) $\times R$($r \times n$)
+		- $C$ **만들기**: 왼쪽에서 오른쪽으로 이동하며 이전 열들의 선형결합이 아닌 열(= 새로운 방향의 열)만 $A$에서 골라 담는다. → $C$의 $r$개 열은 모두 선형독립 ($Cx=0 \Rightarrow x=0$).
+		- $R$ **의 역할**: $C$의 열들을 어떻게 선형결합하면 $A$의 각 열이 되는지 알려주는 계수 행렬.
+			- $A$의 열이 그대로 $C$에 들어간 위치 → $R$의 그 열은 항등행렬의 열. 그래서 $R$ 안에 $r \times r$ **항등행렬** $I$ 가 들어 있다: $R = [I\ F]$ 꼴 (열 위치는 섞일 수 있음), $A = [C\ CF]$
+			- ⚠️ $C$는 $A$의 열을 그대로 가져오지만, $R$은 $A$의 행을 그대로 가져온 것이 **아니다** (계수 행렬임).
+		- $R$ **찾는 방법 = 소거법(행 연산)**: $A \to$ (아래쪽 소거) 상삼각 $U \to$ (위쪽까지 소거) $R_0 = \text{rref}(A)$ (**기약행사다리꼴**). $R_0$의 영벡터 행 $(m-r)$개를 제거하면 $R$. (소거법 본격 전개는 2~3장 예고)
+		- 특수한 경우: $A$의 모든 열이 선형독립이면 $C = A$, $R = I$. 랭크 1이면 $C$는 열 하나, $R$은 행 하나.
+	- $A = CR$ **의 주요 사실**
+		- $C$의 $r$개 열 = $A$의 **열공간의 기저** → 열공간은 $r$차원
+		- $R$의 $r$개 행 = $A$의 **행공간(row space)의 기저** → 행공간도 $r$차원
+		- **(행 랭크) = (열 랭크) 증명 스케치** (4단계)
+			- ① $C$의 $r$개 열은 선형독립 (독립인 것만 골랐으므로)
+			- ② $A$의 모든 열은 $C$의 열들의 선형결합 ($A = CR$)
+			- ③ $R$의 $r$개 행은 선형독립 ($R$ 안에 $I$가 있으므로)
+			- ④ $A$의 모든 행은 $R$의 행들의 선형결합 ($A = CR$을 행 관점으로 읽기)
+		- 💡 같은 식 $A=CR$을 열 관점으로 읽으면 열공간 정보($C$), 행 관점으로 읽으면 행공간 정보($R$)가 나온다는 것이 이 증명의 묘미.
+	- ### ❓ 스스로 점검 (1.4)
+		- $AB$의 $j$열을 하나의 곱으로 표현하면? $AB$의 각 열은 누구의 선형결합인가?
+			- $(AB)_j = A b_j$. 따라서 $AB$의 모든 열은 $A$의 열들의 선형결합이고, $C(AB)$는 $C(A)$에 포함된다.
+		- (열)×(행) 방법으로 $AB$를 계산하면 무엇을 몇 개 더하게 되는가?
+			- 랭크 1 행렬($A$의 $k$열 × $B$의 $k$행)을 $n$개 더한다.
+		- $A = CR$에서 $R$ 안에 항등행렬이 반드시 나타나는 이유는?
+			- $C$에 들어간 $A$의 열 자신을 표현할 때는 "그 열 1배 + 나머지 0배"이므로, 해당 위치의 $R$ 열이 항등행렬의 열이 된다.
+		- 3×3 행렬 $A$, $B$의 랭크가 모두 3이 아니어도 $AB$의 랭크가 3이 될 수 있는가? (이 절의 관점에서)
+			- 없다. $AB$의 열은 모두 $A$의 열들의 선형결합이므로 $AB$의 독립인 열 개수는 $A$의 랭크를 넘을 수 없다.
+		- $P = \begin{bmatrix} 0 & 1 \\ 1 & 0 \end{bmatrix}$를 $A$의 왼쪽에 곱할 때와 오른쪽에 곱할 때 각각 무슨 일이 일어나는가?
+			- 왼쪽($PA$): 행 교환. 오른쪽($AP$): 열 교환.
+-
+- ## 1장에 대한 고찰
+	- 선형대수학이 쉬운 이유: 모든 방정식이 **선형**. 어려운 이유: 방정식·미지수·아이디어가 많음. → 해법은 **행렬로 한번에 처리** ($Ax = b$는 크기에 상관없는 완벽한 형식).
+	- 선형성의 규칙: $A(x + y) = Ax + Ay$ — 결합법칙 $(AB)C = A(BC)$도 결국 이 선형성으로 증명된다.
+	- $m \times n$ **랜덤행렬**의 $Ax = b$ 에 대한 기대 (반드시 성립하는 것은 아님)
+		- $m < n$ (방정식 < 미지수): 아마도 해가 많이 존재
+		- $m = n$: 아마도 해가 하나 존재
+		- $m > n$ (방정식 > 미지수): 아마도 해가 존재하지 않음
+		- ⚠️ "아마도"인 이유: 어떤 방정식(행)이 이전 방정식들의 선형결합이면 새로운 정보가 아니기 때문. → 랭크 $r$ 이 **문제의 실제 크기**를 알려준다.
+	- $Ax$, $AB$, $CR$ 모두 "**열들의 선형결합**" 관점으로 설명하는 것이 이 책의 일관된 방식이다 (행들의 내적이 아니라).
+	- ### ❓ 1장 전체 총정리 질문
+		- 1장의 내용을 "선형결합" 한 단어로 꿰어서 요약하면?
+			- 벡터들의 선형결합(1.1) → 내적으로 그 기하(길이·각)를 잰다(1.2) → $Ax$ = 열들의 선형결합, 그 전체가 열공간(1.3) → $AB$의 열도 선형결합, $A=CR$은 "독립인 열($C$) + 결합 계수($R$)"로의 분해(1.4).
+		- $A = CR$ 분해가 알려주는 정보 세 가지는?
+			- $A$의 랭크 $r$, 열공간의 기저($C$의 열), 행공간의 기저($R$의 행) — 그리고 그 결과로 (행 랭크)=(열 랭크).