벡터 공간에서 ‘기저(basis)’와 ‘차원(dimension)’은 벡터들을 체계적으로 표현하고 분석하는 데 필수적인 개념입니다. 이들은 벡터 공간의 구조를 이해하고, 벡터 간 관계를 파악하며, 연립방정식 해석이나 데이터 분석에까지 활용됩니다. 이 글에서는 벡터 공간의 기저와 차원을 쉽게 설명하고, 수학적 정의와 함께 다양한 예시를 통해 이해를 도와드립니다.
벡터 공간이란?
벡터 공간(Vector Space)은 덧셈과 스칼라 곱 연산에 대해 닫혀 있는 벡터들의 집합입니다. 예를 들어, 2차원 공간의 모든 벡터 \( \vec{v} = (x, y) \)는 실수 공간 \( \mathbb{R}^2 \)의 벡터 공간을 형성합니다.
기저란 무엇인가?
기저는 벡터 공간 내의 모든 벡터를 선형 결합으로 표현할 수 있게 해주는 최소한의 벡터 집합입니다. 즉, 벡터 공간을 생성하는 선형독립(서로 중복되지 않는) 벡터들의 집합입니다.
정의:
벡터 공간 \( V \)의 기저는 다음 두 조건을 만족하는 벡터 집합 \( \{ \vec{v}_1, \vec{v}_2, …, \vec{v}_n \} \)입니다:
- 선형독립(linearly independent)
- 생성(spanning): 모든 벡터가 이들 벡터의 선형 결합으로 표현됨
예시: \( \mathbb{R}^2 \)에서의 기저는 다음과 같이 나타낼 수 있습니다:
\[ \vec{e}_1 = (1, 0), \quad \vec{e}_2 = (0, 1) \]
이 두 벡터는 모든 2차원 벡터를 선형 결합으로 생성할 수 있습니다:
\[ \vec{v} = x \vec{e}_1 + y \vec{e}_2 = (x, y) \]
차원이란 무엇인가?
벡터 공간의 차원은 그 공간을 생성하는 데 필요한 최소한의 선형독립 벡터의 수입니다. 즉, 하나의 기저에 포함된 벡터 개수와 같습니다.
예:
- \( \mathbb{R}^2 \) → 차원 2
- \( \mathbb{R}^3 \) → 차원 3
- 직선 위 점들 → 차원 1
기저가 두 개인 벡터 공간은 2차원, 세 개인 경우는 3차원이며, n개의 기저 벡터로 표현 가능한 공간은 n차원입니다.
기저 벡터 찾는 법
- 서로 선형독립인지 확인
- 그 벡터들로 전체 공간의 모든 벡터를 표현할 수 있는지 확인
예시: \( \mathbb{R}^3 \)에서 다음 벡터 집합이 기저인지 확인:
\[ \vec{v}_1 = (1, 0, 0), \quad \vec{v}_2 = (0, 1, 0), \quad \vec{v}_3 = (0, 0, 1) \]
이들은 서로 선형독립이고, 모든 3차원 벡터 \( (x, y, z) \)를 표현할 수 있으므로 기저입니다.
기저 벡터의 성질
- 선형독립성: 어떤 벡터도 다른 벡터의 선형 결합으로 표현되지 않음
- 유일성: 어떤 벡터든 기저를 기준으로 한 표현은 유일함
- 기저 교체 가능: 여러 개의 다른 기저가 존재할 수 있음 (예: 회전된 기저)
기저의 응용
- 좌표 변환: 벡터를 다양한 기준으로 표현 가능
- 행렬 분해: 기저 변경을 통해 행렬을 더 간단한 형태로 변환
- 기계학습: 특성공간(feature space) 구성에 기저 개념 활용
결론
기저: 벡터 공간을 생성하는 최소한의 선형독립 벡터 집합
차원: 기저의 개수이며, 공간의 자유도와 같음
기저 찾기: 선형독립성 + 생성 조건 확인
활용: 좌표 표현, 행렬 계산, 데이터 분석 등 다양한 분야에서 핵심적 역할 수행