6.6 생성 공간과 벡터 공간의 구조

1. 선형 결합과 생성 공간의 정의

생성 공간(span)은 주어진 벡터 집합으로부터 만들 수 있는 모든 선형 결합의 집합이며, 벡터 공간의 부분 공간을 구성하는 가장 기본적인 방법이다.

정의 6.6.1 (선형 결합). 벡터 공간 $V$ 의 벡터 $\mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_k$ 와 스칼라 $c_1, c_2, \ldots, c_k \in \mathbb{F}$ 에 대하여, 다음의 형태로 표현되는 벡터를 $\mathbf{v}_1, \ldots, \mathbf{v}_k$ 의 선형 결합(linear combination)이라 한다.

$\mathbf{w} = c_1\mathbf{v}_1 + c_2\mathbf{v}_2 + \cdots + c_k\mathbf{v}_k$

정의 6.6.2 (생성 공간). 벡터 집합 $S = \{\mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_k\} \subseteq V$ 의 생성 공간 $\text{span}(S)$ 는 $S$ 의 원소들의 모든 선형 결합으로 이루어진 집합이다.

$\text{span}(\mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_k) = \left\{ \sum_{i=1}^{k} c_i \mathbf{v}_i \;\middle|\; c_1, c_2, \ldots, c_k \in \mathbb{F} \right\}$

공집합의 생성 공간은 영 공간으로 정의한다: $\text{span}(\emptyset) = \{\mathbf{0}\}$ .

2. 생성 공간의 부분 공간 성질

정리 6.6.1. 벡터 공간 $V$ 의 임의의 부분 집합 $S$ 에 대하여, $\text{span}(S)$ 는 $V$ 의 부분 공간이다. 더욱이 $\text{span}(S)$ 는 $S$ 를 포함하는 가장 작은 부분 공간이다.

증명. (i) $\mathbf{0} = 0\mathbf{v}_1 + \cdots + 0\mathbf{v}_k \in \text{span}(S)$ 이다. (ii) $\mathbf{u} = \sum_i a_i \mathbf{v}_i$ , $\mathbf{w} = \sum_i b_i \mathbf{v}_i$ 이면 $\mathbf{u} + \mathbf{w} = \sum_i (a_i + b_i) \mathbf{v}_i \in \text{span}(S)$ 이다. (iii) $\alpha \mathbf{u} = \sum_i (\alpha a_i) \mathbf{v}_i \in \text{span}(S)$ 이다. 따라서 $\text{span}(S)$ 는 부분 공간이다. 또한, $S$ 를 포함하는 임의의 부분 공간 $W$ 는 선형 결합에 대하여 닫혀 있으므로 $\text{span}(S) \subseteq W$ 이다. $\square$

3. 생성 집합과 기저의 관계

정의 6.6.3 (생성 집합). 벡터 공간 $V$ 에 대하여 $\text{span}(S) = V$ 를 만족하는 집합 $S \subseteq V$ 를 $V$ 의 생성 집합(spanning set)이라 한다.

생성 집합은 기저와 다음의 관계를 가진다.

모든 기저는 생성 집합이다.
모든 생성 집합이 기저인 것은 아니다 (선형 종속일 수 있다).
유한 생성 집합으로부터 선형 종속인 벡터를 제거하여 기저를 얻을 수 있다.

정리 6.6.2 (생성 집합으로부터 기저 추출). 유한 생성 집합 $S = \{\mathbf{v}_1, \ldots, \mathbf{v}_k\}$ 가 $V$ 를 생성하면, $S$ 의 부분 집합 중에서 $V$ 의 기저인 것이 존재한다.

이 정리는 생성 집합에서 시작하여 선형 종속 관계를 가지는 벡터를 차례로 제거함으로써 기저를 구성할 수 있음을 보장한다.

정리 6.6.3 (선형 독립 집합의 기저로의 확장). 유한 차원 벡터 공간 $V$ 에서 임의의 선형 독립 집합 $\{\mathbf{v}_1, \ldots, \mathbf{v}_k\}$ ( $k < \dim(V)$ )는 $V$ 의 기저로 확장할 수 있다.

4. 생성 공간의 차원

정리 6.6.4. 벡터 집합 $S = \{\mathbf{v}_1, \ldots, \mathbf{v}_k\}$ 의 생성 공간의 차원은 $S$ 에서 선형 독립인 벡터의 최대 개수와 같다.

$\dim(\text{span}(S)) = \text{최대 선형 독립 벡터의 수}$

행렬의 관점에서, $A = [\mathbf{v}_1 \; \mathbf{v}_2 \; \cdots \; \mathbf{v}_k]$ 일 때 $\dim(\text{span}(S)) = \text{rank}(A)$ 이다.

행 공간, 열 공간, 영 공간

행렬 $A \in \mathbb{R}^{m \times n}$ 로부터 자연스럽게 정의되는 네 가지 기본 부분 공간(four fundamental subspaces)을 다룬다 (Strang, 2023).

열 공간 (Column space)

$\text{col}(A) = \text{span}(\mathbf{a}_1, \mathbf{a}_2, \ldots, \mathbf{a}_n) \subseteq \mathbb{R}^m$

여기서 $\mathbf{a}_j$ 는 $A$ 의 제 $j$ 열벡터이다. $\text{col}(A)$ 는 행렬-벡터 곱 $A\mathbf{x}$ 가 만들어 낼 수 있는 모든 출력 벡터의 집합이며, 연립 방정식 $A\mathbf{x} = \mathbf{b}$ 가 해를 가지기 위한 필요충분조건은 $\mathbf{b} \in \text{col}(A)$ 인 것이다.

4.1 행 공간 (Row space)

$\text{row}(A) = \text{col}(A^\top) \subseteq \mathbb{R}^n$

행 공간은 $A$ 의 행벡터들의 생성 공간이다. 행 공간의 차원은 열 공간의 차원과 항상 동일하며, 이를 행렬의 랭크라 한다.

영 공간 (Null space)

$\text{null}(A) = \{\mathbf{x} \in \mathbb{R}^n \mid A\mathbf{x} = \mathbf{0}\} \subseteq \mathbb{R}^n$

영 공간은 동차 연립 방정식의 해 집합이다.

4.2 좌영 공간 (Left null space)

$\text{null}(A^\top) = \{\mathbf{y} \in \mathbb{R}^m \mid A^\top \mathbf{y} = \mathbf{0}\} \subseteq \mathbb{R}^m$

네 부분 공간의 차원과 직교 관계

정리 6.6.5 (기본 부분 공간의 차원). 행렬 $A \in \mathbb{R}^{m \times n}$ 에 대하여 $r = \text{rank}(A)$ 라 하면 다음이 성립한다.

부분 공간	차원	포함 공간
$\text{col}(A)$	$r$	$\mathbb{R}^m$
$\text{row}(A)$	$r$	$\mathbb{R}^n$
$\text{null}(A)$	$n - r$	$\mathbb{R}^n$
$\text{null}(A^\top)$	$m - r$	$\mathbb{R}^m$

정리 6.6.6 (직교 분해). 행렬 $A$ 의 네 부분 공간은 다음의 직교 관계를 만족한다.

$\mathbb{R}^n = \text{row}(A) \oplus^{\perp} \text{null}(A)$

$\mathbb{R}^m = \text{col}(A) \oplus^{\perp} \text{null}(A^\top)$

여기서 $\oplus^{\perp}$ 는 직교 직합(orthogonal direct sum)을 나타낸다. 즉, $\text{row}(A)$ 와 $\text{null}(A)$ 는 $\mathbb{R}^n$ 에서 서로 직교하는 부분 공간이며, 이들의 직합이 $\mathbb{R}^n$ 전체와 같다.

이 직교 분해는 선형대수학의 기본 정리(fundamental theorem of linear algebra)로 알려져 있으며, 최소 제곱법, 의사 역행렬, 사영 연산 등의 이론적 기반이다.

생성 공간과 부분 공간의 동치성

정리 6.6.7. $V$ 의 임의의 부분 공간 $W$ 는 $V$ 의 어떤 유한 부분 집합의 생성 공간으로 표현될 수 있다 (단, $V$ 가 유한 차원인 경우).

따라서 유한 차원 벡터 공간에서 부분 공간의 개념과 생성 공간의 개념은 본질적으로 동일하며, 모든 부분 공간은 그 기저를 통해 명시적으로 표현된다.

로봇공학에서의 응용

작업 공간의 도달 영역

로봇 매니퓰레이터의 작업 공간(workspace)은 말단 장치가 도달할 수 있는 모든 점의 집합이다. 자코비안의 열 공간 $\text{col}(J(\mathbf{q}))$ 은 현재 형상에서 말단 장치가 즉각적으로 이동할 수 있는 속도 방향의 집합을 나타내며, 이 속도 방향이 만드는 부분 공간의 차원이 곧 로봇의 순간적 운동 능력을 결정한다.

자코비안의 영 공간과 자기 운동

여유 자유도 로봇에서 자코비안의 영 공간 $\text{null}(J(\mathbf{q}))$ 은 말단 장치의 위치와 자세를 변화시키지 않으면서 가능한 관절 운동의 집합을 나타낸다. 이 부분 공간의 차원은 $n - r$ 이며, 여기서 $n$ 은 관절 수이고 $r = \text{rank}(J)$ 이다. 영 공간 내의 운동을 자기 운동(self-motion)이라 하며, 관절 한계 회피, 장애물 회피, 에너지 최소화 등의 부차 목표를 달성하는 데 활용된다.

관측 가능성 분석

선형 시스템 $\dot{\mathbf{x}} = A\mathbf{x}$ , $\mathbf{y} = C\mathbf{x}$ 의 관측 가능성(observability)은 관측 행렬 $\mathcal{O} = [C^\top \; (CA)^\top \; (CA^2)^\top \; \cdots \; (CA^{n-1})^\top]^\top$ 의 랭크로 판정한다. 관측 행렬의 행 공간이 전체 상태 공간을 생성하면 시스템은 완전 관측 가능하며, 그렇지 않으면 영 공간에 해당하는 비관측 부분 공간(unobservable subspace)이 존재한다. 이 분석은 로봇 상태 추정기 설계의 핵심 도구이다.

제어 가능성 분석

제어 가능성(controllability)은 제어 행렬 $\mathcal{C} = [B \; AB \; A^2B \; \cdots \; A^{n-1}B]$ 의 열 공간으로 판정한다. 이 열 공간이 전체 상태 공간과 같으면 시스템은 완전 제어 가능하며, 그렇지 않으면 비제어 부분 공간(uncontrollable subspace)이 존재한다.

점 구름과 평면 적합

LiDAR나 깊이 카메라로부터 획득한 점 구름(point cloud)에서 평면을 추출하는 문제는 점들의 위치 벡터가 만드는 부분 공간의 분석으로 환원된다. 점들의 공분산 행렬의 가장 작은 고유값에 대응하는 고유벡터는 평면의 법선 벡터를 나타내며, 나머지 두 고유벡터는 평면 위의 직교 기저를 구성한다.

참고문헌

Axler, S. (2024). Linear Algebra Done Right (4th ed.). Springer.
Strang, G. (2023). Introduction to Linear Algebra (6th ed.). Wellesley-Cambridge Press.
Strang, G. (1993). The fundamental theorem of linear algebra. American Mathematical Monthly, 100(9), 848–855.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2009). Robotics: Modelling, Planning and Control. Springer.

Version: 1.0