6.51 직교 보수 공간과 사영 행렬

1. 도입

내적 공간의 직교성 구조는 임의의 벡터를 의미 있는 성분들로 분해하는 자연스러운 도구를 제공한다. 직교 보수 공간(orthogonal complement)과 직교 사영(orthogonal projection)은 이러한 분해의 핵심 개념이며, 최소 제곱 근사, 부분 공간 추정, 신호 분리, 그리고 로봇공학의 기구학적 여유 자유도 처리와 제약 운동 제어 등에서 결정적인 역할을 수행한다. 이 절에서는 직교 보수 공간의 정의와 기본 성질, 직교 사영 행렬의 특성화와 명시적 구성, 행렬에 결부된 네 부분 공간과의 관계, 그리고 로봇공학에서의 주요 응용을 체계적으로 다룬다.

2. 직교 보수 공간의 정의

표준 내적이 부여된 유클리드 공간 $\mathbb{R}^n$ 의 부분 공간 $V$ 에 대하여, $V$ 의 직교 보수 공간을 다음과 같이 정의한다.

$V^\perp = \{ \mathbf{x} \in \mathbb{R}^n : \langle \mathbf{x}, \mathbf{v} \rangle = 0 \text{ for all } \mathbf{v} \in V \}$

즉, $V^\perp$ 는 $V$ 의 모든 원소와 직교하는 벡터들의 집합이며, 내적의 쌍선형성과 연속성으로부터 $\mathbb{R}^n$ 의 부분 공간임이 직접 확인된다. 일반화된 내적 공간에서도 동일한 정의가 자연스럽게 적용된다.

3. 직교 보수 공간의 기본 성질

부분 공간 $V \subseteq \mathbb{R}^n$ 에 대하여 다음 성질이 성립한다.

$V^\perp$ 는 $\mathbb{R}^n$ 의 부분 공간이다.
$V \cap V^\perp = \{\mathbf{0}\}$ .
$\dim V + \dim V^\perp = n$ .
$\mathbb{R}^n = V \oplus V^\perp$ (직합 분해).
$(V^\perp)^\perp = V$ .
$V_1 \subseteq V_2$ 이면 $V_2^\perp \subseteq V_1^\perp$ .

이 성질들은 임의의 벡터가 $V$ 의 원소와 $V^\perp$ 의 원소의 합으로 유일하게 분해됨을 보장한다. 즉, 임의의 $\mathbf{x} \in \mathbb{R}^n$ 에 대하여 유일한 $\mathbf{x}_V \in V$ 와 $\mathbf{x}_{V^\perp} \in V^\perp$ 가 존재하여 $\mathbf{x} = \mathbf{x}_V + \mathbf{x}_{V^\perp}$ 가 성립한다.

4. 행렬에 결부된 네 부분 공간

행렬 $A \in \mathbb{R}^{m \times n}$ 에 대하여 다음의 네 부분 공간이 자연스럽게 정의된다.

열 공간: $\mathcal{R}(A) = \{A\mathbf{x} : \mathbf{x} \in \mathbb{R}^n\} \subseteq \mathbb{R}^m$
영 공간: $\mathcal{N}(A) = \{\mathbf{x} \in \mathbb{R}^n : A\mathbf{x} = \mathbf{0}\} \subseteq \mathbb{R}^n$
행 공간: $\mathcal{R}(A^\top) \subseteq \mathbb{R}^n$
좌영 공간: $\mathcal{N}(A^\top) \subseteq \mathbb{R}^m$

이 네 부분 공간 사이의 직교 관계는 다음의 핵심 정리로 요약된다.

정리 (네 부분 공간의 기본 정리). 임의의 $A \in \mathbb{R}^{m \times n}$ 에 대하여 다음이 성립한다.

$\mathcal{R}(A^\top) = \mathcal{N}(A)^\perp \subseteq \mathbb{R}^n, \qquad \mathcal{R}(A) = \mathcal{N}(A^\top)^\perp \subseteq \mathbb{R}^m$

즉, $\mathbb{R}^n = \mathcal{R}(A^\top) \oplus \mathcal{N}(A)$ 와 $\mathbb{R}^m = \mathcal{R}(A) \oplus \mathcal{N}(A^\top)$ 의 직교 분해가 동시에 성립한다.

증명 개요. $\mathbf{x} \in \mathcal{N}(A)$ 이고 $\mathbf{y} = A^\top \mathbf{z} \in \mathcal{R}(A^\top)$ 이면

$\langle \mathbf{x}, \mathbf{y} \rangle = \mathbf{x}^\top A^\top \mathbf{z} = (A\mathbf{x})^\top \mathbf{z} = 0$

이므로 $\mathcal{N}(A) \subseteq \mathcal{R}(A^\top)^\perp$ 이다. 차원의 일치는 랭크-널리티 정리 $\dim \mathcal{R}(A^\top) + \dim \mathcal{N}(A) = n$ 로부터 유도되며, 같은 차원의 포함 관계가 등호임을 함의한다. $\blacksquare$

5. 직교 사영의 정의

부분 공간 $V \subseteq \mathbb{R}^n$ 위로의 직교 사영은 다음의 두 조건을 만족하는 선형 사상 $P_V : \mathbb{R}^n \to \mathbb{R}^n$ 이다.

모든 $\mathbf{x} \in \mathbb{R}^n$ 에 대하여 $P_V \mathbf{x} \in V$ .
모든 $\mathbf{x} \in \mathbb{R}^n$ 에 대하여 $\mathbf{x} - P_V \mathbf{x} \in V^\perp$ .

직합 분해 $\mathbb{R}^n = V \oplus V^\perp$ 의 유일성으로부터 $P_V$ 는 유일하게 결정된다. 직관적으로 $P_V \mathbf{x}$ 는 $\mathbf{x}$ 를 $V$ 로 정사영한 결과이며, $V$ 의 원소 중 $\mathbf{x}$ 에 가장 가까운 점이다.

6. 최단 거리 성질

정리. 부분 공간 $V$ 위로의 직교 사영 $P_V \mathbf{x}$ 는 $V$ 의 모든 원소 가운데 $\mathbf{x}$ 에 가장 가까운 점이다. 즉, 임의의 $\mathbf{v} \in V$ 에 대하여

$\|\mathbf{x} - P_V \mathbf{x}\| \leq \|\mathbf{x} - \mathbf{v}\|$

이며, 등호는 $\mathbf{v} = P_V \mathbf{x}$ 일 때에만 성립한다.

증명. $\mathbf{x} - \mathbf{v} = (\mathbf{x} - P_V \mathbf{x}) + (P_V \mathbf{x} - \mathbf{v})$ 로 분해된다. 첫째 항은 $V^\perp$ , 둘째 항은 $V$ 의 원소이므로 두 항은 직교한다. 피타고라스 정리에 의하여

$\|\mathbf{x} - \mathbf{v}\|^2 = \|\mathbf{x} - P_V \mathbf{x}\|^2 + \|P_V \mathbf{x} - \mathbf{v}\|^2 \geq \|\mathbf{x} - P_V \mathbf{x}\|^2$

이고, 등호는 $\|P_V \mathbf{x} - \mathbf{v}\| = 0$ , 즉 $\mathbf{v} = P_V \mathbf{x}$ 일 때에만 성립한다. $\blacksquare$

이 성질은 직교 사영을 최소 제곱 근사 문제의 핵심 도구로 만든다.

7. 사영 행렬의 대수적 특성화

직교 사영을 표현하는 행렬을 사영 행렬(projection matrix)이라 한다. 사영 행렬은 다음의 두 조건으로 완전히 특성화된다.

정리. 행렬 $P \in \mathbb{R}^{n \times n}$ 가 어떤 부분 공간 $V$ 위로의 직교 사영을 표현할 필요충분조건은 다음 두 조건이 동시에 성립하는 것이다.

멱등성: $P^2 = P$ .
대칭성: $P^\top = P$ .

이때 $V = \mathcal{R}(P)$ 이다. 멱등성은 한 번 사영한 결과를 다시 사영해도 동일하다는 직관과 일치하며, 대칭성은 직교 사영을 사선 사영(oblique projection)과 구별 짓는 결정적 특성이다. 멱등이지만 비대칭인 행렬은 사선 사영을 표현하며, 이 경우 사영의 방향이 사영 대상 부분 공간과 일반적으로 직교하지 않는다.

8. 사영 행렬의 명시적 구성

부분 공간 $V \subseteq \mathbb{R}^n$ 위로의 직교 사영 행렬은 $V$ 의 기저로부터 명시적으로 구성될 수 있다.

8.1 일반적 기저로부터의 구성

$V$ 의 기저 벡터 $\{\mathbf{a}_1, \mathbf{a}_2, \ldots, \mathbf{a}_k\}$ 를 열로 가지는 행렬 $A \in \mathbb{R}^{n \times k}$ 가 주어졌다고 하자. $A$ 가 열 만랭크인 경우 $V$ 위로의 직교 사영 행렬은 다음과 같다.

$P_V = A(A^\top A)^{-1} A^\top$

이 공식은 $A^\top A$ 가 가역임을 가정하며, 열 만랭크 조건이 가역성을 보장한다. 이 행렬이 멱등이고 대칭임은 직접 계산으로 확인된다.

8.2 정규 직교 기저로부터의 구성

$V$ 의 정규 직교 기저 $\{\mathbf{q}_1, \mathbf{q}_2, \ldots, \mathbf{q}_k\}$ 가 주어진 경우에는 $Q^\top Q = I_k$ 가 성립하여 사영 행렬이 다음의 단순한 형태를 가진다.

$P_V = QQ^\top = \sum_{i=1}^{k} \mathbf{q}_i \mathbf{q}_i^\top$

이 표현은 정규 직교 기저의 사용이 사영 계산을 크게 단순화함을 보여 준다. 그람-슈미트 과정이나 QR 분해를 통하여 임의의 기저로부터 정규 직교 기저를 얻을 수 있으며, 이로부터 동일한 사영 행렬이 산출된다.

8.3 일차원 사영

$V$ 가 단일 벡터 $\mathbf{a}$ 로 생성되는 일차원 부분 공간인 경우, 사영 행렬은 다음과 같다.

$P_V = \frac{\mathbf{a}\mathbf{a}^\top}{\mathbf{a}^\top \mathbf{a}}$

9. 직교 보수 공간 위로의 사영

부분 공간 $V$ 의 직교 보수 공간 $V^\perp$ 위로의 사영은 단위 행렬에서 $V$ 위로의 사영을 빼는 형태로 표현된다.

$P_{V^\perp} = I - P_V$

이로부터 임의의 벡터의 직교 분해

$\mathbf{x} = P_V \mathbf{x} + P_{V^\perp} \mathbf{x}$

가 자연스럽게 얻어지며, 두 성분은 서로 직교한다.

10. 사영 행렬의 핵심 성질

사영 행렬은 다음의 핵심 성질을 가진다.

고유값: 사영 행렬의 고유값은 정확히 $0$ 또는 $1$ 이다. 고유값 $1$ 에 대응하는 고유 공간은 $V$ 이고, 고유값 $0$ 에 대응하는 고유 공간은 $V^\perp$ 이다.
트레이스: $\mathrm{tr}(P_V) = \dim V$ .
계수: $\mathrm{rank}(P_V) = \dim V$ .
스펙트럼 노름: $\|P_V\|_2 = 1$ ( $P_V \neq 0$ 인 경우).
양의 반정치성: $P_V$ 는 양의 반정치 행렬이다.
사영의 곱: $P_V P_W$ 가 사영 행렬일 필요충분조건은 $P_V P_W = P_W P_V$ 이다. 이 경우 결과는 $V \cap W$ 위로의 사영이다.

11. 부분 공간 합과 사영의 합

두 부분 공간 $V_1$ 과 $V_2$ 가 서로 직교, 즉 모든 $\mathbf{v}_1 \in V_1$ , $\mathbf{v}_2 \in V_2$ 에 대하여 $\langle \mathbf{v}_1, \mathbf{v}_2 \rangle = 0$ 이면 다음이 성립한다.

$P_{V_1 + V_2} = P_{V_1} + P_{V_2}$

이 등식은 직교 분해의 자연스러운 결과이며, 두 부분 공간이 직교하지 않으면 일반적으로 성립하지 않는다.

12. 무어-펜로즈 의사 역행렬과의 관계

직교 사영 행렬과 무어-펜로즈 의사 역행렬은 밀접한 관계를 가진다. 임의의 행렬 $A \in \mathbb{R}^{m \times n}$ 에 대하여 다음이 성립한다.

$P_{\mathcal{R}(A)} = AA^+, \qquad P_{\mathcal{R}(A^\top)} = A^+ A$

또한 직교 보수 공간 위로의 사영도 동일한 방식으로 표현된다.

$P_{\mathcal{N}(A^\top)} = I - AA^+, \qquad P_{\mathcal{N}(A)} = I - A^+ A$

이 관계는 의사 역행렬과 사영의 동치적 해석을 제공하며, 수치적 계산과 이론적 분석 양면에서 유용하다.

13. 특이값 분해를 통한 표현

행렬 $A$ 의 특이값 분해 $A = U\Sigma V^\top$ 가 주어지고 $r = \mathrm{rank}(A)$ 라고 하자. 이때 네 가지 사영 행렬은 다음과 같이 표현된다.

$P_{\mathcal{R}(A)} = \sum_{i=1}^{r} \mathbf{u}_i \mathbf{u}_i^\top, \qquad P_{\mathcal{N}(A^\top)} = \sum_{i=r+1}^{m} \mathbf{u}_i \mathbf{u}_i^\top$

$P_{\mathcal{R}(A^\top)} = \sum_{i=1}^{r} \mathbf{v}_i \mathbf{v}_i^\top, \qquad P_{\mathcal{N}(A)} = \sum_{i=r+1}^{n} \mathbf{v}_i \mathbf{v}_i^\top$

이 표현은 특이값 분해가 행렬에 결부된 모든 사영 구조를 명시적으로 드러냄을 보여 준다.

14. 최소 제곱 문제와 사영의 등가성

선형 시스템 $A\mathbf{x} = \mathbf{b}$ 의 최소 제곱 해는 직교 사영을 통하여 자연스럽게 해석된다. 잔차 $\mathbf{r} = \mathbf{b} - A\mathbf{x}$ 의 노름을 최소화하는 문제는 $A\mathbf{x}$ 가 $\mathbf{b}$ 의 $\mathcal{R}(A)$ 위로의 사영과 일치하는 조건과 동치이다.

$A\mathbf{x}^\ast = P_{\mathcal{R}(A)} \mathbf{b}$

이 조건은 정규 방정식 $A^\top A \mathbf{x}^\ast = A^\top \mathbf{b}$ 로 표현되며, 정규 방정식의 해가 곧 최소 제곱 해이다.

15. 위계적 사영과 부분 공간 분해

부분 공간 $V_1 \subseteq V_2$ 인 경우 다음이 성립한다.

$P_{V_1} = P_{V_1} P_{V_2} = P_{V_2} P_{V_1}$

이로부터 임의의 벡터를 다음과 같이 위계적으로 분해할 수 있다.

$\mathbf{x} = P_{V_1} \mathbf{x} + (P_{V_2} - P_{V_1})\mathbf{x} + (I - P_{V_2})\mathbf{x}$

세 성분은 각각 $V_1$ , $V_2 \cap V_1^\perp$ , $V_2^\perp$ 에 속하며 서로 직교한다.

16. 로봇공학에서의 응용

16.1 여유 매니퓰레이터의 영 공간 운동

여유 매니퓰레이터의 자코비안 행렬 $J$ 의 영 공간 위로의 사영 행렬

$P_{\mathcal{N}(J)} = I - J^+ J$

은 부차 작업을 위한 운동의 표현에 핵심적이다. 임의의 후보 운동 $\dot{\mathbf{q}}_0$ 를 영 공간으로 사영함으로써 주작업의 말단 속도에 영향을 주지 않는 성분만 추출할 수 있다.

$\dot{\mathbf{q}} = J^+ \dot{\mathbf{x}}_d + (I - J^+ J) \dot{\mathbf{q}}_0$

이 분해는 위계적 작업 우선순위 제어의 이론적 토대이며, 관절 한계 회피와 특이점 회피, 자세 최적화를 동시에 수행하는 알고리즘의 기초가 된다.

16.2 작업 우선순위 제어

복수의 작업이 동시에 수행되어야 하는 상황에서 위계적 사영이 활용된다. 첫 번째 작업의 자코비안을 $J_1$ , 두 번째 작업의 자코비안을 $J_2$ 라 하면, 두 번째 작업은 첫 번째 작업의 영 공간으로 사영된 자코비안

$J_2^{(1)} = J_2 (I - J_1^+ J_1)$

을 사용하여 수행된다. 이 위계는 임의의 깊이로 확장될 수 있으며, 우선순위가 낮은 작업은 항상 상위 작업의 영 공간 안에서만 수행된다.

16.3 기구학적 제약과 접촉 운동

로봇이 환경과 접촉하거나 폐쇄 사슬 제약을 받는 경우, 제약 자코비안 $J_c$ 가 정의된다. 제약을 위반하지 않는 운동은 영 공간 사영 $(I - J_c^+ J_c)$ 를 통하여 얻어지며, 사영 행렬은 제약을 만족하는 가능 운동의 집합을 명시적으로 표현한다.

16.4 하이브리드 위치-힘 제어

힘 제어에서 운동 제어와 힘 제어는 서로 직교하는 부분 공간에서 수행된다. 운동이 가능한 방향으로의 사영 $S$ 와 힘이 작용하는 방향으로의 사영 $I - S$ 를 통하여 두 제어 모드가 분리되며, 이는 라이볼트(Raibert)와 크레이그(Craig)에 의하여 정식화된 하이브리드 위치-힘 제어의 토대이다.

16.5 매개 변수 식별과 회귀

로봇 동역학 매개 변수 식별 문제는 $Y(\mathbf{q}, \dot{\mathbf{q}}, \ddot{\mathbf{q}}) \boldsymbol{\theta} = \boldsymbol{\tau}$ 형태의 회귀 방정식으로 표현된다. 식별 가능한 매개 변수 결합은 회귀 행렬의 행 공간으로의 사영을 통하여, 식별 불가능한 부분은 영 공간 사영을 통하여 분리된다.

16.6 점 구름 처리와 표면 법선 추정

라이다 또는 스테레오 시각으로부터 얻은 점 구름의 국소 영역에 대한 평면 적합은 본질적으로 점들의 분포에 가장 잘 일치하는 평면 위로의 사영을 결정하는 문제이다. 공분산 행렬의 최소 고유벡터가 평면의 법선이 되며, 사영 행렬은 표면 법선 추정과 곡률 계산의 기초를 이룬다.

16.7 칼만 필터의 측정 갱신

칼만 필터의 측정 갱신 단계는 사전 추정 분포를 측정 일치 부분 공간 위로 사영하는 연산으로 해석될 수 있다. 정보 형식에서는 이 사영적 해석이 더욱 명확하게 드러나며, 사영 구조는 다중 센서 융합과 일관성 분석에 활용된다.

16.8 진동 분석과 모드 분해

유연체 로봇의 진동 분석에서 모드 형상은 일반적으로 가중 내적에 대하여 직교하며, 임의의 변형 형상을 모드 형상의 합으로 분해하는 것은 본질적으로 사영 연산이다. 이는 모달 좌표계 변환과 모드 절단을 가능하게 하는 수학적 토대이다.

참고문헌

Strang, G. (2023). Introduction to Linear Algebra (6th ed.). Wellesley-Cambridge Press.
Meyer, C. D. (2023). Matrix Analysis and Applied Linear Algebra (2nd ed.). SIAM.
Trefethen, L. N., & Bau, D. (2022). Numerical Linear Algebra (25th Anniversary ed.). SIAM.
Axler, S. (2024). Linear Algebra Done Right (4th ed.). Springer.
Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations (4th ed.). Johns Hopkins University Press.
Nakamura, Y. (1991). Advanced Robotics: Redundancy and Optimization. Addison-Wesley.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2010). Robotics: Modelling, Planning and Control. Springer.
Khatib, O. (1987). A Unified Approach for Motion and Force Control of Robot Manipulators: The Operational Space Formulation. IEEE Journal of Robotics and Automation, 3(1), 43–53.

Version: 1.0