선형대수학은 벡터 공간과 그 위에 정의된 선형 변환을 연구하는 수학 분야이다. 주된 대상은 벡터, 행렬, 그리고 이들 사이의 연산이며, 이를 통해 시스템의 해 존재 여부, 차원, 기저, 그리고 선형 독립성 등을 판별한다.
정의
- 벡터 공간: 스칼라 필드(실수·복소수 등) 위에서 덧셈과 스칼라 곱이 정의된 집합으로, 연산이 벡터 공간의 공리(연산의 결합법칙·분배법칙 등)를 만족한다.
- 선형 변환: 두 벡터 공간 $V$와 $W$ 사이의 함수 $T:V\to W$ 로서, 모든 $\mathbf{u},\mathbf{v}\in V$와 스칼라 $c$에 대해 $T(\mathbf{u}+\mathbf{v})=T(\mathbf{u})+T(\mathbf{v})$, $T(c\mathbf{u})=cT(\mathbf{u})$를 만족한다.
핵심 개념
| 개념 | 내용 |
|---|---|
| 행렬 | 선형 변환을 좌표 표현으로 나타낸 2차원 배열. 행렬 곱은 변환의 합성을 의미한다. |
| 행렬식 | 정사각 행렬에 대해 정의되며, 선형 변환의 부피 변환 비율 및 가역성을 판단한다. |
| 고유값·고유벡터 | 행렬 $A$에 대해 $A\mathbf{v}=\lambda\mathbf{v}$를 만족하는 스칼라 $\lambda$와 비영벡터 $\mathbf{v}$. |
| 랭크·널리티 | 행렬의 열(또는 행) 공간 차원인 랭크와 영공간 차원인 널리티는 $\text{rank}(A)+\text{nullity}(A)=n$ (Rouché–Capelli 정리) 관계를 가진다. |
| 직교와 정규화 | 내적을 이용해 벡터 간 직교성을 정의하고, 단위벡터를 만들기 위한 정규화 과정을 의미한다. |
| 특잇값 분해(SVD) | 임의의 행렬 $A$를 $A=U\Sigma V^{\top}$ 형태로 분해하여, 데이터 압축·노이즈 감소 등에 활용한다. |
주요 응용 분야
- 공학: 회로 해석, 제어 시스템 설계, 신호 처리 등에서 시스템 모델링에 사용된다.
- 컴퓨터 과학: 그래픽스(변환 행렬), 기계 학습(특잇값 분해, 주성분 분석), 네트워크 분석 등에 필수적이다.
- 자연과학: 양자역학의 상태벡터, 물리학의 연립 미분 방정식 해 등에 적용된다.
- 경제학: 입력–출력 모델, 최적 포트폴리오 구성 등에서 선형 관계를 모델링한다.
역사적 배경
선형대수학의 근간은 19세기 말~20세기 초에 형성되었다. 행렬과 행렬식 개념은 아서 켈리와 카를 프리드리히 가우스 등 여러 수학자의 연구에서 독립적으로 도입되었으며, 1930년대에 힐베르트와 폰 노이만이 추상적인 벡터 공간 이론을 체계화하면서 현대적인 선형대수학의 틀이 확립되었다.
참고 문헌 (주요 교과서)
- Gilbert Strang, Linear Algebra and Its Applications (4th ed., 2016)
- Hoffman & Kunze, Linear Algebra (2nd ed., 1971)
- Serge Lang, Linear Algebra (3rd ed., 1987)
※ 본 내용은 일반적인 학술 자료와 교과서를 근거로 작성되었으며, 특정 최신 연구 동향에 대한 상세 내용은 포함되지 않을 수 있다.
