선형사상(Linear Transformation)은 벡터 공간에서 한 벡터를 다른 벡터로 바꾸는 규칙 중 선형성을 만족하는 변환을 의미하며, 이러한 선형사상은 항상 행렬로 표현할 수 있습니다. 이번 글에서는 선형사상의 정의, 성질, 그리고 그것이 행렬과 어떻게 연결되는지를 자세히 살펴보고, 시각적 예시와 함께 이해를 돕겠습니다.
1. 선형사상의 정의
두 벡터 공간 \( V \)와 \( W \) 사이의 함수 \( T: V \rightarrow W \)가 다음 두 조건을 만족하면 선형사상이라 합니다:
- \( T(\vec{u} + \vec{v}) = T(\vec{u}) + T(\vec{v}) \)
- \( T(c\vec{v}) = cT(\vec{v}) \) for all \( c \in \mathbb{R} \) (또는 \( \mathbb{C} \))
이 두 조건은 벡터의 덧셈과 스칼라 곱이 선형사상 하에서도 보존된다는 의미입니다.
2. 선형사상과 행렬의 관계
2-1. 행렬은 선형사상을 표현하는 도구
어떤 선형사상 \( T: \mathbb{R}^n \rightarrow \mathbb{R}^m \)은 항상 \( m \times n \) 행렬 \( A \)에 의해 표현됩니다:
\[ T(\vec{x}) = A\vec{x} \]
즉, 선형사상은 행렬 곱셈을 통해 구체적으로 구현되며, 행렬은 선형사상의 완전한 표현입니다.
2-2. 기준 벡터에 대한 작용 → 행렬의 열 구성
기준 벡터 \( \vec{e}_i \)에 대해 \( T(\vec{e}_i) \)의 결과가 행렬 \( A \)의 i번째 열이 됩니다.
2-3. 차원 일치
\[ T: \mathbb{R}^n \rightarrow \mathbb{R}^m \Rightarrow A \in \mathbb{R}^{m \times n} \]
3. 선형사상의 예시
3-1. 회전 변환
\[ T(\vec{x}) = R_\theta \vec{x}, \quad R_\theta = \begin{bmatrix} \cos \theta & -\sin \theta \\ \sin \theta & \cos \theta \end{bmatrix} \]
3-2. 스케일 변환
\[ T(\vec{x}) = \begin{bmatrix} s_x & 0 \\ 0 & s_y \end{bmatrix} \vec{x} \]
3-3. 반사 또는 대칭
\[ T(\vec{x}) = \begin{bmatrix} 1 & 0 \\ 0 & -1 \end{bmatrix} \vec{x} \quad \text{(x축 대칭)} \]
3-4. 선형 방정식 시스템
\[ A\vec{x} = \vec{b} \]
이때 \( A \)는 선형사상을 나타내는 행렬이며, \( \vec{x} \)를 \( \vec{b} \)로 변환합니다.
4. 선형사상의 기하학적 의미
- 벡터 공간의 평면 또는 공간을 늘리거나 줄이고, 회전하거나, 축 방향으로 변형
- 선형사상은 원점을 고정하며, 선과 평면을 선과 평면으로 보냄
5. 핵심 정리: 선형사상 ↔ 행렬 일대일 대응
\[ T(\vec{x}) = A\vec{x} \quad \text{(for 모든 } T) \]
따라서 모든 선형사상은 유일한 행렬로 표현되며, 행렬 연산(곱셈, 역행렬, 고유값 등)은 선형사상의 특성을 반영합니다.
6. 응용
6-1. 컴퓨터 그래픽스
선형사상을 통해 물체 회전, 이동, 확대를 구현함
6-2. 물리학
힘, 전자기장, 변형 응력 등을 선형사상으로 모델링
6-3. 머신러닝
가중치 행렬에 의한 데이터 변환은 선형사상 기반
6-4. 데이터 압축
PCA는 고차원 데이터의 주요 축으로의 선형사상
결론
선형사상은 행렬과 일대일로 연결되며, 선형 변환을 수치적, 기하학적으로 완벽하게 표현합니다.
모든 선형사상은 하나의 행렬로 표현되며, 행렬의 구조와 성질을 통해 변환의 방향, 크기, 보존 특성 등을 이해할 수 있습니다.
이 개념을 이해하면 선형대수의 핵심 원리를 기하학적, 계산적으로 모두 파악할 수 있습니다.