# 선형대수의 기초 개념

#### 벡터와 벡터 공간

선형대수의 기본 개념은 벡터와 벡터 공간에서 시작된다. 벡터는 방향성과 크기를 가진 수학적 객체로, 이를 통해 다양한 수학적 구조를 이해할 수 있다.

**벡터의 정의와 연산**\
벡터는 보통 실수 또는 복소수의 집합으로 표현되며, n차원 공간에서 n개의 실수 또는 복소수로 구성된 n-튜플로 생각할 수 있다. 벡터 간의 연산에는 덧셈과 스칼라 곱이 포함되며, 이러한 연산은 벡터 공간의 구조를 유지한다.

**벡터 공간의 정의**\
벡터 공간은 벡터의 집합과 두 가지 연산(벡터 덧셈과 스칼라 곱)을 통해 정의된다. 벡터 공간은 다음의 공리들을 만족해야 한다:

* 덧셈에 대해 닫혀 있다.
* 덧셈에 대해 교환 법칙이 성립한다.
* 덧셈에 대해 결합 법칙이 성립한다.
* 영벡터가 존재한다.
* 모든 벡터에 대한 역원이 존재한다.
* 스칼라 곱에 대해 결합 법칙이 성립한다.
* 스칼라 곱에 대해 분배 법칙이 성립한다.
* 스칼라 곱의 항등원이 존재한다.

**부분 벡터 공간**\
주어진 벡터 공간의 부분 집합이 벡터 공간의 모든 연산에 대해 닫혀 있고, 공리를 만족하면 이를 부분 벡터 공간이라 한다. 부분 벡터 공간의 개념은 선형 독립성과 기저를 이해하는 데 중요한 기초가 된다.

#### 행렬과 행렬 연산

행렬은 벡터 공간 내에서 선형 변환을 나타내는 도구로, 다양한 연산을 통해 벡터 공간의 구조를 분석하고 변환할 수 있다.

**행렬의 정의**\
행렬은 수나 변수를 직사각형 배열로 정리한 것으로, 행과 열로 구성된다. $ m \times n $ 행렬은 m개의 행과 n개의 열을 가지며, 이때 m과 n은 자연수이다.

**행렬의 덧셈과 스칼라 곱**\
행렬의 덧셈은 동일한 크기의 두 행렬을 요소별로 더하는 연산이다. 스칼라 곱은 행렬의 각 요소에 동일한 스칼라 값을 곱하는 연산이다. 이러한 연산은 벡터 공간의 구조를 유지하며, 행렬의 기본 성질을 이해하는 데 필수적이다.

**행렬 곱셈**\
두 행렬의 곱은 첫 번째 행렬의 행과 두 번째 행렬의 열의 내적을 통해 정의된다. 이 연산은 선형 변환의 합성에 대응하며, 선형 시스템의 해를 구하는 과정에서 중요한 역할을 한다.

**행렬의 전치**\
행렬의 전치(Transpose)는 주어진 행렬의 행과 열을 교환하여 얻어진다. 전치 행렬은 원래 행렬과 밀접한 관계를 가지며, 행렬의 고유값 및 고유벡터, 내적 등의 개념을 이해하는 데 중요한 역할을 한다.

#### 선형 독립성과 기저

선형대수에서 선형 독립성과 기저의 개념은 벡터 공간을 이해하는 데 필수적이다. 이는 벡터 공간의 차원을 정의하고, 벡터의 표현 방법을 제공한다.

**선형 독립성**\
벡터 집합이 선형 독립이라면, 이 집합의 모든 벡터들 사이에는 선형 결합이 존재하지 않는다. 즉, 벡터들의 임의의 선형 결합이 영벡터가 되려면 모든 스칼라가 0이어야 한다. 선형 독립성은 벡터 공간의 기저를 정의하는 데 필수적인 개념이다.

**기저와 차원**\
기저는 벡터 공간 내의 벡터 집합으로, 이 집합의 모든 벡터는 선형 독립이며 벡터 공간 내의 모든 벡터는 기저 벡터들의 선형 결합으로 표현될 수 있다. 기저의 크기는 벡터 공간의 차원으로 정의되며, 차원은 벡터 공간의 주요 특성을 나타낸다.

**표준 기저**\
표준 기저는 n차원 벡터 공간에서 각 축 방향으로 단위 길이를 가지는 벡터들의 집합이다. 이 기저는 일반적으로 가장 간단하고 직관적인 형태의 기저로, 다른 기저와의 변환을 이해하는 데 기초가 된다.

#### 선형 변환과 그 표현

선형 변환은 벡터 공간에서 다른 벡터 공간으로의 매핑을 나타내며, 이를 통해 다양한 시스템을 분석하고 해결할 수 있다.

**선형 변환의 정의**\
선형 변환은 두 벡터 공간 사이의 함수로, 다음 두 가지 조건을 만족한다:

* 덧셈에 대해 선형이다: $ T(u + v) = T(u) + T(v) $.
* 스칼라 곱에 대해 선형이다: $ T(cu) = cT(u) $.

**행렬을 통한 선형 변환의 표현**\
모든 선형 변환은 행렬로 표현될 수 있다. 이 행렬은 선형 변환이 벡터에 미치는 영향을 수치적으로 나타내며, 행렬 연산을 통해 선형 변환의 합성과 역변환을 쉽게 다룰 수 있다.

**동형 사상과 사상**\
선형 변환이 일대일 대응을 이루는 경우 이를 동형 사상이라 하며, 이 경우 두 벡터 공간은 구조적으로 동일하다고 볼 수 있다. 사상은 이러한 선형 변환의 특성을 더 깊이 이해하게 해주는 개념이다.

**핵과 상**\
선형 변환에서 핵(Kernel)은 영벡터로 매핑되는 모든 벡터들의 집합이며, 상(Image)은 변환을 통해 얻어지는 벡터 공간의 부분 집합이다. 핵과 상의 차원은 선형 변환의 구조를 이해하는 데 중요한 역할을 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