# 벡터: 벡터의 직교성

#### 벡터의 내적과 직교성

벡터의 직교성(Orthogonality)은 벡터 사이의 관계를 정의하는 중요한 개념으로, 두 벡터가 서로 직각을 이루는지를 판단하는 기준이 된다. 직교성은 주로 벡터의 내적(inner product) 연산을 통해 정의된다.

**벡터의 내적**은 두 벡터 $ \mathbf{u} $와 $ \mathbf{v} $의 내적이 0이 될 때, 이 두 벡터는 직교한다고 정의된다. 두 벡터 $ \mathbf{u} $와 $ \mathbf{v} $의 내적은 다음과 같이 계산된다:

$$
\mathbf{u} \cdot \mathbf{v} = u\_1v\_1 + u\_2v\_2 + \dots + u\_nv\_n
$$

이 값이 0이라면, 두 벡터는 서로 직교하는 관계에 있다고 할 수 있다. 이 의미는 기하학적으로는 두 벡터가 직각을 이루며, 벡터 공간에서 독립적인 방향을 가리키고 있다는 것을 나타낸다.

**직교 벡터**는 이러한 특성을 가진 벡터들로, 직교성은 벡터 공간에서 매우 중요한 성질 중 하나이다. 직교 벡터는 다른 벡터와 내적을 통해 직교 여부를 쉽게 판단할 수 있으며, 이러한 벡터들로 구성된 벡터 집합은 서로 간에 독립적인 방향을 형성한다.

#### 직교성과 정규화

직교성의 개념은 정규화(normalization)와도 밀접한 관계가 있다. 정규화는 벡터의 크기를 1로 만드는 과정이며, 직교성과 결합되어 직교정규(orthonormal) 집합을 형성한다.

**벡터의 정규화**는 벡터 $ \mathbf{u} $를 그 크기 $ |\mathbf{u}| $로 나누는 과정을 통해 이루어진다:

$$
\hat{\mathbf{u}} = \frac{\mathbf{u}}{|\mathbf{u}|}
$$

이 과정을 통해 얻어진 정규 벡터는 길이가 1이 되며, 이는 직교 벡터의 특성과 결합하여 중요한 응용으로 이어진다.

**직교정규 집합**은 모든 벡터가 서로 직교하며, 동시에 각 벡터의 크기가 1인 벡터들로 이루어진 집합을 말한다. 이 집합은 벡터 공간에서 매우 중요한 역할을 하며, 특히 직교좌표계나 푸리에 변환과 같은 분야에서 필수적인 도구로 사용된다.

#### 직교 벡터의 성질과 성분 분해

직교 벡터의 중요한 성질 중 하나는 벡터 공간에서의 성분 분해(component decomposition)와 관련이 있다. 직교 벡터 집합을 사용하면, 주어진 벡터를 다른 직교 벡터들에 대한 성분으로 쉽게 분해할 수 있다.

**벡터의 성분 분해**는 주어진 벡터 $ \mathbf{v} $를 직교 벡터 집합 $ {\mathbf{u}\_1, \mathbf{u}\_2, \dots, \mathbf{u}\_n} $에 대해 다음과 같이 표현할 수 있다는 것을 의미한다:

$$
\mathbf{v} = c\_1\mathbf{u}\_1 + c\_2\mathbf{u}\_2 + \dots + c\_n\mathbf{u}\_n
$$

여기서 각 계수 $ c\_i $는 벡터 $ \mathbf{v} $와 직교 벡터 $ \mathbf{u}\_i $의 내적을 통해 구할 수 있다:

$$
c\_i = \frac{\mathbf{v} \cdot \mathbf{u}\_i}{\mathbf{u}\_i \cdot \mathbf{u}\_i}
$$

이러한 분해는 벡터를 여러 독립적인 방향으로 나누는 과정을 간단하게 만들어주며, 이를 통해 벡터 공간 내에서의 복잡한 문제를 보다 쉽게 해결할 수 있다.

\*\*직교 투영(Orthogonal Projection)\*\*은 성분 분해와 밀접하게 관련된 개념으로, 주어진 벡터를 직교 벡터에 대한 성분으로 분해하는 과정에서 발생한다. 특정 벡터 $ \mathbf{v} $를 직교 벡터 $ \mathbf{u} $에 대해 투영한 결과는 다음과 같이 주어진다:

$$
\text{Proj}\_{\mathbf{u}} \mathbf{v} = \frac{\mathbf{v} \cdot \mathbf{u}}{\mathbf{u} \cdot \mathbf{u}} \mathbf{u}
$$

이 투영은 벡터 $ \mathbf{v} $의 $ \mathbf{u} $ 방향 성분을 나타내며, 이는 벡터 공간 내에서 다양한 분석을 가능하게 한다.

***

관련 자료:

* Linear Algebra and Its Applications by Gilbert Strang
* Introduction to Linear Algebra by Serge Lang
* Matrix Analysis by Roger A. Horn and Charles R. Johnson