Logseq/Major Study/pages/3.4 독립, 기저, 차원.md

deck:: Logseq/전공공부/선형대수학

• 핵심 개념

  • 이 절의 위치: 3.1~3.3에서 감으로 쓰던 말들의 정식 정의가 전부 여기서 나온다. 밀린 빚을 갚는 절이니, 여기만 단단히 잡으면 앞 절들이 소급해서 선명해진다.
    • 네 가지 아이디어와 힌트 (책 서두 박스):
      • ❶ 선형독립: 군더더기 벡터 없음 ❷ 생성: 공간을 만들기에 충분한 벡터 ❸ 기저: 너무 많지도 적지도 않음 (독립 + 생성) ❹ 차원: 모든 기저의 벡터 개수
      • 📌 원문 (3.4 서두 박스: 4가지 정의, p.172): 🔗 PDF 위치
        • 
  • [1단계] 선형독립 (linear independence): 정의가 두 벌이다
    • 정의 A (행렬 언어): Ax = 0 의 유일한 해가 x = 0 일 때, A 의 열들은 선형독립이다.
      • 💡 3.2절과 즉시 연결: 열들이 독립 ⟺ 영공간 \mathbf{N}(A) = \{0\} ⟺ 자유변수 없음 ⟺ r = n.
      • 📌 원문 (p.175): 🔗 PDF 위치
        • 
    • 정의 B (벡터 언어): 영벡터를 만드는 유일한 선형결합이 0v_1 + 0v_2 + \cdots + 0v_n 뿐일 때, v_1, \cdots, v_n 은 선형독립. 계수 중 하나라도 0이 아닌데 x_1 v_1 + \cdots + x_n v_n = 0 이 되면 선형종속.
      • 💡 두 정의는 같은 말이다. v 들을 열로 세운 행렬 A 에 대해 "Ax = 0 의 해 $x$" = "영벡터를 만드는 결합의 계수들".
      • ⚠️ 용어 사용법: "벡터들의 집합이 선형독립이다" (올바름) / "이 행렬은 선형독립이다" (틀린 표현, 행렬이 아니라 열들이 독립인 것).
    • 그림으로: \mathbb{R}^3 의 세 벡터가 같은 평면 위에 없으면 독립, 있으면 종속.
      • 
        • (p.173, 그림 3.2)
    • 🔢 작은 예 4개 (\mathbb{R}^2): ① (1,0), (1, 0.00001), 독립 (거의 평행해도 독립은 독립!) ② (1,1), (-1,-1), 종속 (x_1 = x_2 = 1 로 합이 0) ③ (1,1), (0,0), 영벡터가 끼면 무조건 종속 ④ \mathbb{R}^2 의 세 벡터, 무조건 종속.
      • 📌 원문 (p.174): ((6a6f4cdf-c66d-4a98-8845-78fbb19ad2e4)) / ((6a6f4ce8-31ef-4a06-a0fb-ab832885cd01))
    • 개수만으로 판정되는 경우: \mathbb{R}^m 의 벡터 n 개는 n > m 이면 무조건 종속. (3.2 [5단계] 논리 그대로, 가로로 긴 행렬엔 자유변수가 있으니까.)
      • 📌 원문 (p.175): 🔗 PDF 위치
        • 
      • ⚠️ n \le m 이면? 개수만으론 판정 불가, 소거해서 r = n 인지 확인해야 한다.
    • 판정 실전 (EX1): A = \begin{bmatrix} 1&0&3 \\ 2&1&5 \\ 1&0&3 \end{bmatrix} → 소거 → R_0 = \begin{bmatrix} 1&0&3 \\ 0&1&-1 \\ 0&0&0 \end{bmatrix} → r = 2 < 3 → 종속. 특별해 x = (-3, 1, 1): 실제로 $-3 \cdot (1열) + (2열) + (3열) = 0$.
  • [2단계] 생성 (span): 3.1에서 이미 만난 개념의 재확인
    • S 의 모든 선형결합이 벡터공간 \mathbf{V} 를 채우면 "S 가 \mathbf{V} 를 생성한다". 행렬의 열들은 열공간을 생성한다 (종속이어도 상관없이).
    • 🔢 EX2: A = \begin{bmatrix} 1&4 \\ 2&7 \\ 3&5 \end{bmatrix} 의 열공간 = 두 열이 생성하는 \mathbb{R}^3 안의 평면. 행공간 = 세 행이 생성하는데, 행은 성분 2개짜리이고 독립인 게 2개 있으므로 행공간 = \mathbb{R}^2 전체.
      • ⚠️ 열은 \mathbb{R}^m 에 살고 (열공간 ⊆ \mathbb{R}^m), 행은 \mathbb{R}^n 에 산다 (행공간 ⊆ \mathbb{R}^n). 이 구분이 3.5절 큰 그림의 뼈대.
  • [3단계] 기저 (basis): 독립 + 생성, "딱 맞는" 벡터들
    • 정의: 벡터공간의 기저 = ① 선형독립이며 ② 공간 전체를 생성하는 벡터들의 집합.
      • 📌 원문 (p.176): ((6a6f4e82-c6f4-478d-a115-03f4ad48968d))
      • 💡 두 조건의 밀당: 벡터가 너무 적으면 생성 실패, 너무 많으면 독립 실패. 기저 = 둘 사이의 정확한 균형점. ("두 벡터는 \mathbb{R}^3 을 생성 못 하고, 네 벡터는 \mathbb{R}^3 에서 독립일 수 없다.")
    • 기저의 존재 이유, 표현의 유일성 (사용자 요청: 증명 자세히):
      • 📌 원문 (p.177): ((6a6f4ebe-80ba-445c-8928-36a513c94dc1)) / ((6a6f4c82-32f3-4bb0-a532-e3caa323b520))
      • 정리: 벡터공간의 모든 벡터 v 는 기저벡터들의 선형결합으로 나타낼 수 있고, 그 방법은 유일하다.
      • 증명을 두 조각으로:
        • (나타낼 수 있다) 기저는 공간을 생성하므로, 임의의 v 는 어떤 결합 v = a_1 v_1 + \cdots + a_n v_n 으로 표현된다., 생성 조건의 역할.
        • (방법이 유일하다) 두 가지 표현이 있다고 하자: v = a_1 v_1 + \cdots + a_n v_n 이고 동시에 v = b_1 v_1 + \cdots + b_n v_n. 두 식을 빼면:
          • 0 = (a_1 - b_1)v_1 + \cdots + (a_n - b_n)v_n
          • 그런데 v_1, \cdots, v_n 은 선형독립: 영벡터를 만드는 결합은 계수가 전부 0인 것뿐이다. 따라서 모든 i 에 대해 a_i - b_i = 0, 즉 a_i = b_i. 두 표현은 사실 같은 것이었다. ∎, 독립 조건의 역할.
      • 💡 증명이 보여주는 분업: 생성 = 표현이 존재하게 하고, 독립 = 표현이 하나뿐이게 한다. 기저의 두 조건이 각각 정확히 한 가지 일을 담당한다. 이 유일성 덕분에 "좌표"라는 개념이 성립한다 (모든 벡터가 기저에 대한 유일한 계수 목록을 가짐).
    • 대표 예:
      • 표준기저 (EX3): I 의 열들 i = (1,0), j = (0,1) 은 \mathbb{R}^2 의 기저. n \times n 항등행렬의 열들 = \mathbb{R}^n 의 표준기저.
      • 가역행렬의 열 = 기저 (EX4, 중요): n \times n 가역행렬의 열들은 \mathbb{R}^n 의 기저다 (Ax=0 의 유일해 x = A^{-1}0 = 0 → 독립 ✓ / 임의의 b 에 대해 x = A^{-1}b 존재 → 생성 ✓). 기저는 유일하지 않다. \mathbb{R}^n 은 무수히 많은 기저를 갖는다.
      • 특이행렬이면 (EX5): A = \begin{bmatrix} 2&4 \\ 3&6 \end{bmatrix} → 열들은 기저가 못 된다. 이때는 피벗 열만 남기면 (1열) 열공간(직선)의 기저가 된다.
    • 기저 만들기 요령: 선형독립인 집합은 (벡터를 보태서) 기저로 확장할 수 있고, 생성하는 집합은 (군더더기를 빼서) 기저로 축소할 수 있다.
      • 📌 원문 (p.177): ((6a6f4f88-b220-4eb1-be8d-9877258f5b02))
      • 🔢 \mathbb{R}^7 의 벡터 5개가 생성하는 공간의 기저 찾기: 벡터들을 행렬의 열로 넣고 소거 → 피벗 열이 기저 (또는 행으로 넣고 → 영행 아닌 행이 기저).
  • [4단계] 차원 (dimension): 기저마다 개수가 같아서 정의 가능한 수
    • 정리: 한 벡터공간의 모든 기저는 같은 개수의 벡터를 갖는다. 그 개수가 그 공간의 차원이다.
      • 📌 원문 (p.178~179): ((6a6f4fca-2af6-43da-827e-92bd8b2c6820)) / ((6a6f5076-d814-467f-803d-480ea4bd521b))
      • 증명 아이디어 (귀류법, p.179): 기저 v_1, \cdots, v_m 과 더 많은 기저 w_1, \cdots, w_n (n > m)이 있다고 하자. 각 w_j 는 v 들의 결합이므로 W = VA 꼴 (A 는 m \times n). n > m 이므로 A 는 가로로 긴 행렬 → Ax = 0 에 0 아닌 해 존재 → Wx = VAx = 0, w 들이 종속이 되어 기저라는 가정에 모순. (반대 방향도 대칭 논리로) ∎
      • 💡 또 그 논리다: "가로로 길면 자유변수": 3.2 [5단계]에서 만든 무기 하나가 독립 판정(위 [1단계])과 차원 정리를 모두 해결한다.
    • 차원 감각 익히기: 원점과 (1,5,2) 를 지나는 직선 = 1차원 (기저 벡터 1개). 평면 x + 5y + 2z = 0 = 2차원, 이 평면은 A = [\,1\ 5\ 2\,] 의 영공간이고, 자유변수 2개의 특별해 (-5,1,0), (-2,0,1) 이 기저. 영공간의 차원 = n - r (특별해 개수).
    • ⚠️ 금지 용어 (p.180, 시험·대화에서 헷갈리기 쉬운 조합):
      • "공간의 랭크" ✗, "기저의 차원" ✗, "행렬의 기저" ✗, 전부 무의미한 조합이다.
      • 올바른 짝: 행렬의 랭크 = 열공간의 차원. 랭크는 행렬에, 차원은 공간에, 기저는 공간에 붙는 말.
      • 📌 원문 (p.172): ((6a6f4c69-edda-46af-a200-d4fef344636e)) / ((6a6f4c77-478f-4e0c-95f3-672a664d0a48))
    • 🧩 차원 공식 4종 세트 (3.5절 예고, 외울 가치 있음):
      • 📌 원문 (p.180): 🔗 PDF 위치
        • 
      • 행공간 차원 = r / 열공간 차원 = r / 영공간 차원 = n - r / \mathbf{N}(A^{\mathrm{T}}) 차원 = m - r
  • [5단계] 행렬공간과 함수공간의 기저: "벡터"의 개념 확장 완성 (사용자 요청: 자세히)
    • 📌 원문 (p.180): ((6a6f51df-be99-4490-af36-c4321ee42a5f))
    • 💡 와닿지 않을 때의 관점 전환: "벡터 = 화살표"를 버려라. 이 절부터 벡터의 진짜 정의는 "더할 수 있고 스칼라곱할 수 있는 모든 것" 이다. 독립·생성·기저·차원의 정의에는 화살표가 전혀 안 쓰였다. 오직 선형결합만 쓰였다. 그래서 행렬에도 함수에도 같은 정의가 그대로 작동한다. 아래 예로 확인:
    • 행렬공간 \mathbf{M} (모든 2×2 행렬):
      • 하나의 기저 (4개의 "기저행렬"):
        • A_1 = \begin{bmatrix} 1&0 \\ 0&0 \end{bmatrix},\ A_2 = \begin{bmatrix} 0&1 \\ 0&0 \end{bmatrix},\ A_3 = \begin{bmatrix} 0&0 \\ 1&0 \end{bmatrix},\ A_4 = \begin{bmatrix} 0&0 \\ 0&1 \end{bmatrix}
      • 생성 ✓: c_1 A_1 + c_2 A_2 + c_3 A_3 + c_4 A_4 = \begin{bmatrix} c_1&c_2 \\ c_3&c_4 \end{bmatrix}, 모든 2×2 행렬이 나온다.
      • 독립 ✓: 이 결합이 영행렬이려면 c_1 = c_2 = c_3 = c_4 = 0 뿐.
      • 그러므로 \dim \mathbf{M} = 4. 💡 사실 2×2 행렬은 "성분 4개짜리 벡터를 네모나게 쓴 것", \mathbf{M} 은 본질적으로 \mathbb{R}^4 다.
      • 부분공간들의 차원 (기저에서 개수 세기): 상삼각행렬 (A_1, A_2, A_4) → 3차원 / 대각행렬 (A_1, A_4) → 2차원 / 대칭행렬 (A_1, A_4, A_2 + A_3) → 3차원.
        • ⚠️ 대칭행렬의 기저에서 A_2 와 A_3 을 따로 못 쓰는 이유: 각각은 대칭이 아니다! 대칭인 조합 A_2 + A_3 = \begin{bmatrix} 0&1 \\ 1&0 \end{bmatrix} 만 들어갈 수 있다.
      • 일반화 (n \times n): 전체 n^2 / 상삼각 \frac{1}{2}n^2 + \frac{1}{2}n / 대각 n / 대칭 \frac{1}{2}n^2 + \frac{1}{2}n.
        • 💡 대칭행렬의 차원 세는 법: 대각선 n 개는 자유 + 대각선 위 \frac{n^2-n}{2} 개를 정하면 아래는 자동 → n + \frac{n^2-n}{2} = \frac{1}{2}n^2 + \frac{1}{2}n.
    • 함수공간: 미분방정식의 해공간이 벡터공간이다:
      • y'' = 0 의 해: y = cx + d → 기저 \{x, 1\} → 2차원
      • y'' = -y 의 해: y = c\sin x + d\cos x → 기저 \{\sin x, \cos x\} → 2차원
      • y'' = y 의 해: y = ce^x + de^{-x} → 기저 \{e^x, e^{-x}\} → 2차원
      • 💡 셋 다 2차원인 이유: 2계 미분방정식이라서 (적분상수 2개 = 자유도 2). 해공간은 그 미분방정식의 "영공간"이다.
      • y'' = 2 처럼 우변이 0이 아니면? 해집합은 부분공간이 아니다 (0 함수가 해가 아님). 대신 특수해 y = x^2 에 영공간을 더한 완전해 y = x^2 + cx + d, 와 완전히 같은 구조! 선형 미분방정식 = 함수공간의 Ax = b.
    • 마지막 퍼즐: 공간 \mathbf{Z} = \{0\} 의 차원은 0: 기저는 공집합이다. (영벡터는 절대 기저에 못 들어간다. 영벡터가 끼면 독립이 깨지니까.)
  • 확인문제 요점 (책 3.4A·3.4B, 중요해서 정리):
    • 3.4A: v_1, \cdots, v_n 이 \mathbb{R}^n 의 기저이고 A 가 가역이면 Av_1, \cdots, Av_n 도 기저다.
      • 이유 (행렬 언어가 우아함): 기저벡터들을 열로 가진 V 는 가역 → AV 도 가역행렬들의 곱이라 가역 → AV 의 열들도 기저 (EX4). 💡 "가역행렬은 기저를 기저로 보낸다."
    • 3.4B: v_1 = (1,2,0), v_2 = (2,3,0) → 독립 ✓ → 이 둘은 자기들이 생성하는 공간 \mathbf{V} = xy 평면(안의 (x, y, 0) 전체)의 기저 → \dim \mathbf{V} = 2. \mathbf{V} 를 열공간으로 갖는 행렬: \begin{bmatrix} 1&2 \\ 2&3 \\ 0&0 \end{bmatrix}. \mathbf{V} 를 영공간으로 갖는 행렬: B = [\,0\ 0\ 1\,]. v_3 = (a, b, c) 는 c \neq 0 이기만 하면 v_1, v_2, v_3 이 \mathbb{R}^3 의 기저.
      • 💡 같은 공간이 어떤 행렬의 열공간이면서 다른 행렬의 영공간일 수 있다. 공간과 행렬은 별개의 존재라는 감각.

• ❓ 스스로 점검

  • 선형독립의 두 정의(행렬 언어 / 벡터 언어)를 말하고, 왜 같은 말인지 설명하라.
    • Ax=0 의 유일해가 x=0 / 영벡터 만드는 유일한 결합이 계수 전부 0. 벡터들을 열로 세우면 "결합의 계수" = "Ax=0 의 해 $x$"라서 동치.
  • \mathbb{R}^m 에서 벡터 n 개가 개수만으로 종속이라 판정되는 조건과 그 이유는?
    • n > m. 열로 세우면 가로로 긴 행렬 → 피벗 ≤ m < n → 자유변수 존재 → 0 아닌 결합이 영벡터를 만든다.
  • 기저의 정의 두 조건은? 각각이 "표현의 존재"와 "표현의 유일성" 중 무엇을 책임지는가?
    • ① 선형독립
    • ② 공간 생성.
    • 생성 → 모든 벡터가 기저의 결합으로 표현됨(존재), 독립 → 그 표현이 유일함.
  • "기저 표현이 유일하다"의 증명을 재현하라.
    • v = \sum a_i v_i = \sum b_i v_i 라면 빼서 \sum (a_i - b_i)v_i = 0. 기저는 독립이므로 계수 전부 0 → a_i = b_i.
  • 가역행렬의 열들이 \mathbb{R}^n 의 기저인 이유를 두 조건으로 나눠 설명하라. #card id:: 6a746749-92bf-4fa7-a597-4d446869fc8a
    • 독립: Ax=0 \Rightarrow x = A^{-1}0 = 0.
    • 생성: 임의의 b 에 대해 x = A^{-1}b 가 존재해 Ax = b.
  • 차원의 정의는? "모든 기저는 같은 개수"의 증명 아이디어는?
    • 차원 = 모든 기저에 있는 벡터의 개수.
    • 기저가 m 개, n 개(n>m)라면 W = VA 에서 A 가 가로로 긴 행렬 → Ax=0 비자명해 → W 종속 → 모순.
  • 다음 용어 조합의 옳고 그름: 공간의 랭크 / 행렬의 랭크 / 기저의 차원 / 열공간의 차원 / 행렬의 기저.
    • 행렬의 랭크 ○, 열공간의 차원 ○ (그리고 이 둘은 같은 수). 공간의 랭크 ✗, 기저의 차원 ✗, 행렬의 기저 ✗.
  • y'' = 2 의 해집합은 왜 벡터공간이 아닌가? 해집합의 구조는?
    • 0 함수가 해가 아니라서 (부분공간은 0 포함 필수).
    • 구조는 특수해 + 영공간: y = x^2 + cx + d, Ax=b 완전해와 동일.

• ✏️ 연습문제 풀이 (솔루션 참고)

  • 문제 2 (꼭 풀어볼 만한 문제): 6개의 벡터 v_1 = (1,-1,0,0), v_2 = (1,0,-1,0), v_3 = (1,0,0,-1), v_4 = (0,1,-1,0), v_5 = (0,1,0,-1), v_6 = (0,0,1,-1) 중 선형독립인 벡터를 최대한 많이 찾아라. id:: 5d15f039-e656-4098-acd4-52d316b7fec4
    • 답: 최대 3개 (예: v_1, v_2, v_3).
    • 왜 4개는 불가능한가: 여섯 벡터 모두 성분의 합이 0: 즉 전부 초평면 (1,1,1,1) \cdot v = 0 (3차원 부분공간) 위에 있다. 3차원 공간에서 4개는 무조건 종속.
    • v_1, v_2, v_3 이 독립인 이유: -1 들이 서로 다른 자리(2, 3, 4번째)에 있어 결합으로 소거 불가. (종속 관계 예: v_2 - v_1 = v_4.)
    • 💡 "어느 부분공간에 갇혀 있는지"를 먼저 보면 개수 상한이 공짜로 나온다. 차원의 위력.
  • 문제 4: 대각성분 a, d, f 가 모두 0이 아닌 상삼각행렬 U = \begin{bmatrix} a&b&c \\ 0&d&e \\ 0&0&f \end{bmatrix} 의 열이 선형독립임을 보여라.
    • Ux = 0 을 역대입으로: 3행에서 fz = 0 \to z = 0, 2행에서 dy + ez = dy = 0 \to y = 0, 1행에서 ax = 0 \to x = 0. 유일해 x = 0 → 열 독립.
    • 💡 "대각에 0 없는 삼각행렬 = 가역 = 열 독립", 2장 피벗 이야기와 3.4 독립 정의가 만나는 지점.
  • 문제 16: \mathbb{R}^4 의 부분공간들의 기저를 구하라: (a) 모든 성분이 동일한 벡터들 (b) 성분 합이 0인 벡터들 (c) (1,1,0,0) 과 (1,0,1,1) 에 수직인 벡터들 (d) I (4×4)의 열공간과 영공간
    • (a) (1,1,1,1) 하나 → 1차원.
    • (b) (1,-1,0,0), (1,0,-1,0), (1,0,0,-1) → 3차원. (조건식 1개 = [\,1\ 1\ 1\ 1\,]x = 0 의 영공간, n - r = 4 - 1 = 3.)
    • (c) 두 조건 = 2 \times 4 행렬의 영공간, 차원 4 - 2 = 2: 기저 (1,-1,-1,0), (1,-1,0,-1).
    • (d) \mathbf{C}(I) = \mathbb{R}^4 의 기저 = I 의 네 열. \mathbf{N}(I) = \mathbf{Z} 의 기저 = 공집합 (관례).
    • 💡 (b)(c)에서 기저 만드는 실전 요령: 조건식을 행렬로 쓰고 영공간의 특별해를 구하면 그것이 기저다. (기저는 유일하지 않다. 답이 달라도 개수만 맞으면 된다.)