벡터 공간 (Vector Space)
공간이란 원소들을 갖는 일종의 집합이다.
이 공간은 원소들의 덧셈과 스칼라 곱셈으로부터 닫혀있는 집합이다.
어떤 임의의 벡터들 $x, y \in R^n$ 과 어떤 임의의 스칼라 $c \in R$에 대해,
벡터 공간 $V$는 $x, y \in V$, 즉 x와 y를 원소로 갖는 집합이라고 할 때,
$V$는 $x + y \in V$, 그리고 $cx \in V$를 만족하는 집합이다.
즉 위에서 표현한 바와 같이 원소가 되는 벡터들의 덧셈과 원소 벡터와 스칼라 곱셈을 모두 포함하는 집합이다.
위는 다시 표현하면, 모든 원소들의 선형 결합을 모두 포함하는 집합이다.
$c_1x + c_2y \in V$
벡터 공간의 특징들
- 각 원소 벡터들의 덧셈은 교환법칙이 성립한다.
$x + y = y + x$ - 각 원소 벡터들의 덧셈은 결합법칙이 성립한다.
$x + (y + z) = (x + y) + z$ - 어떠한 벡터 x라는 벡터와 더했을때 자기 자신이 되는 (항등원인) $\mathbb{0}$벡터가 존재한다.
(0벡터란 원소가 모두 0인 벡터이고, 이는 원점을 포함하고 있다는 의미이다.)
$x + \mathbb{0} = \mathbb{0} + x = x$ - 각각의 벡터 x에 대해 자기 자신을 뺐을 때 0벡터가 되는 (역원) 벡터가 존재한다.
$x + (-x) = x - x = 0$ - 모든 원소 벡터 x에 스칼라 값 1과 곱하면 자기 자신된다.
$1x = x$ - 각 원소 벡터들은 스칼라값의 분배법칙이 성립한다.
$c(x+y) = cx + cy$
$(c_1 + c_2)x = c_1x + c_2x$
예제 1)
행렬은 벡터공간으로 표현될 수 있다.
다음 2 x 2행렬은,
$\begin{bmatrix}a \quad b \\ c \quad d \end{bmatrix}$
하나의 벡터공간에 표현하면 다음과 같은 4차원의 벡터가 된다.
$\begin{bmatrix}a \\ b \\ c \\ d \end{bmatrix}$
예제 2)
다항함수 $ax^2 + bx + c \in R^3$은 다음과 같이 3차원의 벡터공간으로 표현될 수 있다.
(계수들만 모아 벡터로 표현한다)
$\begin{bmatrix}a \\ b \\ c \end{bmatrix}$
예제 1)
$\mathbb{R}$에 속하는 Lower Triangular 행렬 L에 대해서, $L_{n x n}$
각각의 LT 행렬 $c_1L_1 + c_2L_2 \in \mathbb{L}$는 벡터 공간을 이루고,
$L_{n x n}$은 곧 LT 행렬이 파생된 행렬 $A_{n x n}$의 부분공간이 된다.
$L_{n x n} \subset A_{n x n}$
예제 2)
$y = mx (m \neq 0), (x, y) \in \mathbb{R}^2$
$\mathbb{S} = \{(x, y) | y = mx, m \neq 0\}$
위의 수식은 다음과 같은 선이 그려진다.
위의 선의 임의의 두 점들에 대해서, 어떤 점을 더하든 선에 놓이게 된다.
따라서 위의 선 위의 모든 점들은 2차원 평면 공간의 부분 공간이 된다.
$S \in \mathbb{R}^2$
열벡터 공간
벡터 공간을 행렬에 적용하고, 이를 컬럼벡터 (열벡터)들의 모임으로 만들면, 이는 열벡터 공간이 된다.
A의 열백터 공간을 $\mathbb{C}(A)$로 표현한다.
열벡터 공간은 다음과 같이 정의 된다:
- A의 모든 컬럼 벡터들과 그들의 선형 결합으로 이뤄지는 벡터 공간
- 이는 A의 컬럼 벡터들의 결합이기 때문에 Closed이다.
열벡터와 연립방정식
열벡터 공간은 다음과 같은 수식으로 표현될 수 있다.
$A = \begin{bmatrix} \\ a_1 \quad a_2 \quad ... \quad a_n \\ \quad\end{bmatrix}$
$= \sum_{i = 1}^n c_ia_i$
연립 방정식의 예를 보자:
$Ax = b$
위의 수식은 다음과 같이 컬럼벡터의 조합, 즉 행렬로 표현될 수 있다.
$= \begin{bmatrix} \\ a_1 \quad a_2 \quad ... \quad a_n \\ \quad\end{bmatrix}\begin{bmatrix} x_1 \\ ... \\ x_n\end{bmatrix} = b$
만약 이 연립 방정식의 해가 있다면,
다음과 같이 벡터 b는 A의 열벡터 공간의 선형결합으로 표현될 수 있는 것이고,
$x_1a_1 + x_2a_2 + ... x_na_n = b$
이는 곧 b역시 열벡터 공간에 속하는 벡터라는 의미가 된다.
따라서 b가 열벡터 공간에 속하면 해가 있고, 속하지 않는다면 해가 없다는 결론이 된다.
열벡터의 표현
만약 $b_1, b_2 \in \mathbb{C}(A)$를 만족한다면, $Ax_1 = b_1$ $Ax_2 = b_2$
위의 두 벡터를 더해서 생성된 b라는 백터는, $b_1 + b_2 = b$
위의 해 집합은 결국, 다음과 같아진다: Ax_1 + Ax_2 = A(x_1 + x_2) = b
만약 $b \in \mathbb{C}(A)$ 라면 해가 존재하는 것이고,
그렇지 않다면 해가 존재하지 않는 것이다.
예제)
$Ax = b,\; b = \begin{bmatrix} 2 \\ 3 \\ 4\end{bmatrix}$ 를 다음과 같이 표현할 수 있다.
$Ax_1 = \begin{bmatrix} 2 \\ 0 \\ 0\end{bmatrix}$,
$Ax_2 = \begin{bmatrix} 0 \\ 3 \\ 0\end{bmatrix}$,
$Ax_3 = \begin{bmatrix} 0 \\ 0 \\ 4\end{bmatrix}$
또한 $b$라는 벡터를 어떠한 스칼라 c값을 곱한 것의 선형 결합으로 표현하면,
다음과 같은 수식이 될 수 있다:
b = $2\begin{bmatrix} 1 \\ 0 \\ 0\end{bmatrix} + 3 \begin{bmatrix} 0 \\ 1 \\ 0\end{bmatrix} + 4 \begin{bmatrix} 0 \\ 0 \\ 1\end{bmatrix}$
열벡터와 역행렬
$Ax = b; A_{n x n}$에 대해서 $x = A^{-1}b$, 즉 역행렬 $A^{-1}$가 존재한다면,
$b$는 항상 열벡터 공간 $b \in \mathbb{C}(A)$ 에 속해있다는 의미이고,
이는 곧 $\mathbb{C}(A)$는 n차원 공간을 모두 표현하는 whole space이다.
Whole Space란 모든 공간을 의미한다. 이 때, 벡터들의 선형결합으로 표현되는 공간을 Vector Span이라고 부르는데, Whole Space는 Vector Span이 모든 공간을 이루는 것이다. 따라서 전체 공간을 이루느냐 아니냐는 역행렬이 존재하느냐 아니냐에 따른다.
'데이터사이언스 > 선형대수' 카테고리의 다른 글
선형대수 - (6) 영공간 (Null Space) (0) | 2019.09.24 |
---|---|
선형대수 - (4) 역행렬과 전치행렬 (2) | 2019.09.23 |
선형대수 - (3) LU 분할 (0) | 2019.09.23 |
선형대수 - (2) 가우스 소거법 (1) | 2019.09.04 |
선형대수 - (1) 선형성 (0) | 2019.09.02 |