# 벡터 공간 (Vector Space)

#### 벡터 공간의 정의와 기본 성질

**벡터 공간**은 체 $ F $ 위에 정의된 집합 $ V $로, 벡터 $ v \in V $와 스칼라 $ a \in F $에 대해 두 가지 연산, 즉 벡터 덧셈과 스칼라 곱셈이 정의된 구조이다. 벡터 공간의 연산은 다음과 같은 공리들을 만족해야 한다:

1. **벡터 덧셈의 결합법칙 (Associativity of vector addition):** $ (u + v) + w = u + (v + w) $ for all $ u, v, w \in V $.
2. **벡터 덧셈의 교환법칙 (Commutativity of vector addition):** $ u + v = v + u $ for all $ u, v \in V $.
3. **덧셈의 항등원 존재 (Existence of additive identity):** 벡터 $ 0 \in V $가 존재하여, $ v + 0 = v $ for all $ v \in V $.
4. **덧셈 역원의 존재 (Existence of additive inverse):** 각 $ v \in V $에 대해, $ v + (-v) = 0 $이 성립하는 벡터 $ -v \in V $가 존재한다.
5. **스칼라 곱의 분배법칙 (Distributivity of scalar multiplication):** $ a(u + v) = au + av $와 $ (a + b)v = av + bv $ for all $ u, v \in V $ and all $ a, b \in F $.
6. **스칼라 곱의 결합법칙 (Associativity of scalar multiplication):** $ a(bv) = (ab)v $ for all $ a, b \in F $ and all $ v \in V $.
7. **스칼라 곱의 항등원 (Scalar identity):** $ 1 \in F $가 존재하여, $ 1v = v $ for all $ v \in V $.

이러한 공리들은 벡터 공간이 갖는 기본적인 구조적 특성을 정의하며, 벡터 공간 내에서 이루어지는 모든 연산이 이 공리들에 의해 지배된다.

#### 부분공간 (Subspace)

벡터 공간 $ V $의 **부분공간(Subspace)** $ W \subseteq V $는 $ V $의 연산에 대해 닫혀 있는 집합이다. 즉, $ W $는 $ V $의 모든 벡터 덧셈과 스칼라 곱셈에 대해 닫혀 있으며, 다음 조건들을 만족한다:

1. **영벡터의 포함 (Contains the zero vector):** $ 0 \in W $.
2. **덧셈에 대해 닫혀 있음 (Closed under addition):** $ u, v \in W $이면, $ u + v \in W $.
3. **스칼라 곱셈에 대해 닫혀 있음 (Closed under scalar multiplication):** $ v \in W $이고 $ a \in F $이면, $ av \in W $.

부분공간은 벡터 공간 내의 "작은" 벡터 공간으로 볼 수 있으며, 이는 주어진 벡터 공간의 구조를 세분화하는 중요한 도구이다.

#### 생성과 Span

벡터 공간 $ V $의 임의의 벡터 집합 $ S = {v\_1, v\_2, \dots, v\_n} $이 주어졌을 때, 이 벡터들의 \*\*생성(Span)\*\*이란 $ S $의 모든 벡터들의 선형 결합으로 이루어진 벡터들의 집합을 말한다. 즉,

$$
\text{Span}(S) = \left{ \sum\_{i=1}^n a\_i v\_i \mid a\_i \in F, v\_i \in S \right}
$$

생성된 집합은 $ V $의 부분공간을 이루며, 이 부분공간은 $ S $의 생성공간이라고 한다. 이 개념은 특정 벡터 집합이 벡터 공간의 구조를 어떻게 구성하는지 이해하는 데 필수적이다.

#### 선형 독립성 (Linear Independence)

벡터 공간 $ V $에서 벡터 집합 $ {v\_1, v\_2, \dots, v\_n} $이 **선형 독립**이라 함은, 벡터들의 선형 결합이 오직 자명한 결합계수(coefficient)로만 0벡터를 생성하는 경우를 말한다. 즉,

$$
a\_1 v\_1 + a\_2 v\_2 + \dots + a\_n v\_n = 0
$$

일 때, $ a\_1 = a\_2 = \dots = a\_n = 0 $이어야 한다. 반대로, 자명하지 않은 결합계수들이 존재하여 0벡터를 생성할 수 있다면, 이 벡터들은 **선형 종속**이라 한다.

선형 독립성은 벡터 공간의 기저(basis)를 정의하는 데 있어 핵심적인 역할을 하며, 기저는 선형 독립 벡터들로 구성된 최소 집합이다.

#### 기저 (Basis)와 차원 (Dimension)

벡터 공간 $ V $의 \*\*기저(Basis)\*\*는 그 공간의 모든 벡터를 선형 결합으로 생성할 수 있는 선형 독립 벡터들의 집합이다. 기저의 크기, 즉 기저에 포함된 벡터의 수를 그 벡터 공간의 \*\*차원(Dimension)\*\*이라고 한다.

기저는 벡터 공간의 구조를 전형적으로 표현할 수 있는 최소한의 벡터들로 구성되며, 각 벡터는 고유한 좌표계에서의 위치를 결정하는 역할을 한다. 모든 벡터 공간은 적어도 하나의 기저를 가지며, 차원은 기저의 선택에 관계없이 일정한다.

#### 쌍대 공간 (Dual Space)

벡터 공간 $ V $의 **쌍대 공간(Dual Space)** $ V^\* $는 $ V $에서 체 $ F $로 가는 모든 선형 함수들의 집합으로 정의된다. 즉, 쌍대 공간의 원소 $ f \in V^\* $는 $ f: V \rightarrow F $ 형태의 선형 사상이다.

쌍대 공간의 차원은 원래 벡터 공간 $ V $의 차원과 동일하며, 주어진 기저 $ {v\_1, v\_2, \dots, v\_n} $에 대해, 대응되는 쌍대 기저 $ {f\_1, f\_2, \dots, f\_n} $가 존재하여 $ f\_i(v\_j) = \delta\_{ij} $ (Kronecker delta) 조건을 만족한다. 쌍대 공간은 고급 선형대수와 함수해석학에서 중요한 역할을 한다.

#### 벡터 공간의 동형 (Isomorphism of Vector Spaces)

두 벡터 공간 $ V $와 $ W $가 동형(同型, Isomorphic)이라는 것은 이들 사이에 전단사 선형 변환 $ T: V \rightarrow W $가 존재하여 $ T $가 벡터 공간의 구조를 보존한다는 것을 의미한다. 즉, 다음 조건을 만족하는 선형 변환 $ T $가 존재한다:

1. $ T(u + v) = T(u) + T(v) $ for all $ u, v \in V $,
2. $ T(av) = aT(v) $ for all $ v \in V $ and $ a \in F $.

이때, $ V $와 $ W $는 동형이며, 동형 사상은 벡터 공간의 차원에 의해 완전히 결정된다. 즉, 두 벡터 공간이 동형이려면 그 차원이 같아야 하며, 이 경우 이들 공간은 구조적으로 동일한다.

***

관련 자료:

* Axler, Sheldon. *Linear Algebra Done Right*. Springer, 2015.
* Lang, Serge. *Linear Algebra*. Springer, 1987.
* Roman, Steven. *Advanced Linear Algebra*. Springer, 2005.