6.60 차원 정리와 랭크-널리티 정리

1. 도입

선형 변환은 정의역의 차원을 두 부분, 즉 핵으로 흡수되는 부분과 상으로 보존되는 부분으로 분할한다. 이 분할의 양적 관계를 정확히 기술하는 것이 차원 정리(dimension theorem) 혹은 랭크-널리티 정리(rank-nullity theorem)이며, 유한 차원 선형 대수학의 가장 기본적이고 강력한 결과 가운데 하나이다. 이 정리는 단순한 차원 등식의 형태로 진술되지만, 그 적용 범위는 선형 방정식의 해 구조 분석, 행렬의 랭크 계산, 자코비안 사상의 여유 자유도 해석, 가관측성과 가제어성의 차원 분석에 이르기까지 광범위하다. 이 절에서는 정리의 정확한 진술, 두 가지 표준적 증명, 행렬 형식과의 동치성, 그리고 로봇공학에서의 활용을 다룬다.

2. 차원 정리의 진술

정리 (차원 정리, 랭크-널리티 정리). $V$ 와 $W$ 가 벡터 공간이고 $V$ 가 유한 차원이며, $T : V \to W$ 가 선형 변환이라 하자. 그러면 다음의 차원 등식이 성립한다.

$\dim V = \dim \ker(T) + \dim \mathrm{im}(T)$

이 등식의 두 항을 각각 영도(nullity)와 랭크(rank)라 명명한다.

$\mathrm{nullity}(T) = \dim \ker(T), \qquad \mathrm{rank}(T) = \dim \mathrm{im}(T)$

이 표기를 사용하면 정리는 다음의 간결한 형태로 표현된다.

$\mathrm{rank}(T) + \mathrm{nullity}(T) = \dim V$

이 등식은 $W$ 의 차원에 의존하지 않으며, 오직 정의역의 차원에만 의존한다는 점에 주의한다.

3. 정리의 직관적 의미

정의역의 차원은 두 가지 운명을 가지는 방향들의 수로 해석된다.

변환에 의하여 영 벡터로 옮겨지는 방향들의 수: 이는 핵의 차원, 즉 영도이다.
변환에 의하여 영이 아닌 결과로 보존되는 독립 방향들의 수: 이는 상의 차원, 즉 랭크이다.

두 부류는 함께 정의역 전체를 채우며, 그 합은 정확히 정의역의 차원과 일치한다. 이는 선형 사상이 정보를 잃거나(핵으로 흡수) 보존하는(상으로 사상) 두 가지 방식 외에 다른 방식이 없음을 표현한다.

4. 표준적 증명

증명. $\dim V = n$ 이고 $\dim \ker(T) = k$ 라 하자. 핵의 기저 $\{\mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_k\}$ 를 잡고, 이를 $V$ 의 기저로 확장한다.

$\{\mathbf{u}_1, \mathbf{u}_2, \ldots, \mathbf{u}_k, \mathbf{v}_1, \mathbf{v}_2, \ldots, \mathbf{v}_{n-k}\}$

이때 집합 $S = \{T(\mathbf{v}_1), T(\mathbf{v}_2), \ldots, T(\mathbf{v}_{n-k})\}$ 가 $\mathrm{im}(T)$ 의 기저임을 보인다.

$S$ 가 $\mathrm{im}(T)$ 를 생성함. 임의의 $\mathbf{w} \in \mathrm{im}(T)$ 에 대하여 $\mathbf{w} = T(\mathbf{x})$ 인 $\mathbf{x} \in V$ 가 존재한다. $\mathbf{x}$ 를 위의 기저로 표현하면

$\mathbf{x} = \sum_{i=1}^{k} \alpha_i \mathbf{u}_i + \sum_{j=1}^{n-k} \beta_j \mathbf{v}_j$

이고, $T$ 의 선형성과 $T(\mathbf{u}_i) = \mathbf{0}$ 로부터

$\mathbf{w} = T(\mathbf{x}) = \sum_{j=1}^{n-k} \beta_j T(\mathbf{v}_j) \in \mathrm{span}(S)$

이다.

$S$ 가 일차 독립임. $\sum_{j=1}^{n-k} \beta_j T(\mathbf{v}_j) = \mathbf{0}$ 이라 가정하면 $T\left(\sum_j \beta_j \mathbf{v}_j\right) = \mathbf{0}$ 이므로 $\sum_j \beta_j \mathbf{v}_j \in \ker(T)$ 이다. 따라서

$\sum_{j=1}^{n-k} \beta_j \mathbf{v}_j = \sum_{i=1}^{k} \gamma_i \mathbf{u}_i$

인 스칼라 $\gamma_i$ 가 존재한다. 이를 정리하면

$\sum_{i=1}^{k} \gamma_i \mathbf{u}_i - \sum_{j=1}^{n-k} \beta_j \mathbf{v}_j = \mathbf{0}$

이며, $\{\mathbf{u}_i, \mathbf{v}_j\}$ 가 $V$ 의 기저이므로 모든 $\gamma_i = 0$ , $\beta_j = 0$ 이다. 따라서 $S$ 는 일차 독립이다.

이로써 $S$ 는 $\mathrm{im}(T)$ 의 기저이고, $\dim \mathrm{im}(T) = n - k$ 이므로

$\dim V = k + (n - k) = \dim \ker(T) + \dim \mathrm{im}(T)$

가 성립한다. $\blacksquare$

5. 보충 부분 공간을 이용한 증명

다른 관점의 증명으로, $V = \ker(T) \oplus V_0$ 인 보충 부분 공간 $V_0$ 를 선택한다. $T$ 를 $V_0$ 로 제한한 사상 $T|_{V_0} : V_0 \to \mathrm{im}(T)$ 는 다음의 두 성질을 가진다.

단사성: $\mathbf{v} \in V_0$ 이고 $T(\mathbf{v}) = \mathbf{0}$ 이면 $\mathbf{v} \in \ker(T) \cap V_0 = \{\mathbf{0}\}$ 이다.
전사성: 임의의 $T(\mathbf{x}) \in \mathrm{im}(T)$ 에 대하여 $\mathbf{x} = \mathbf{x}_K + \mathbf{x}_0$ ( $\mathbf{x}_K \in \ker(T)$ , $\mathbf{x}_0 \in V_0$ )로 분해되며, $T(\mathbf{x}) = T(\mathbf{x}_0)$ 이다.

따라서 $T|_{V_0}$ 는 동형 사상이며 $\dim V_0 = \dim \mathrm{im}(T)$ 이다. 한편 직합의 차원 등식 $\dim V = \dim \ker(T) + \dim V_0$ 로부터 정리가 직접 얻어진다. $\blacksquare$

이 증명은 $T|_{V_0}$ 가 정의역의 보충 부분 공간과 상 사이의 자연스러운 동형 사상을 제공함을 강조한다.

6. 행렬 형식의 랭크-널리티 정리

행렬 $A \in \mathbb{R}^{m \times n}$ 에 대응하는 선형 변환 $T_A : \mathbb{R}^n \to \mathbb{R}^m$ , $T_A(\mathbf{x}) = A\mathbf{x}$ 에 차원 정리를 적용하면 다음의 행렬 형식이 얻어진다.

$n = \dim \mathcal{N}(A) + \mathrm{rank}(A)$

여기서 $n$ 은 $A$ 의 열 수, $\dim \mathcal{N}(A)$ 는 영 공간의 차원, $\mathrm{rank}(A)$ 는 행렬의 랭크이다. 또한 행 랭크와 열 랭크의 일치 정리에 의하여

$\mathrm{rank}(A) = \mathrm{rank}(A^\top) = \dim \mathcal{R}(A) = \dim \mathcal{R}(A^\top)$

이 성립한다. 이를 결합하면 전치 행렬에 대해서도 동일한 형태의 등식

$m = \dim \mathcal{N}(A^\top) + \mathrm{rank}(A)$

이 얻어진다. 두 등식은 행렬에 결부된 네 부분 공간의 차원을 완전히 결정한다.

7. 계수 공식의 따름 정리

차원 정리로부터 다음의 따름 정리들이 즉시 유도된다.

단사성 판정. 선형 변환 $T : V \to W$ 가 단사일 필요충분조건은 $\mathrm{rank}(T) = \dim V$ 이다.
전사성 판정. $T$ 가 전사일 필요충분조건은 $\mathrm{rank}(T) = \dim W$ 이다.
차원 비교. $\dim V > \dim W$ 이면 $T$ 는 단사일 수 없다. 따라서 $\ker(T) \neq \{\mathbf{0}\}$ 이며, 동차 시스템은 비자명해를 가진다.
랭크의 상한. $\mathrm{rank}(T) \leq \min\{\dim V, \dim W\}$ 이며, 등호가 성립할 때 $T$ 를 만랭크라 한다.

8. 정사각 행렬의 가역성과의 관계

차원 정리는 정사각 행렬의 가역성에 관한 핵심 정리의 한 축을 형성한다. $A \in \mathbb{R}^{n \times n}$ 에 대하여 다음 명제는 모두 동치이다.

$A$ 는 가역이다.
$\mathcal{N}(A) = \{\mathbf{0}\}$ .
$\mathrm{rank}(A) = n$ .
$\mathcal{R}(A) = \mathbb{R}^n$ .
$A$ 의 열 벡터들이 $\mathbb{R}^n$ 의 기저를 이룬다.
$\det A \neq 0$ .

정사각 행렬의 경우 단사성과 전사성이 동치임은 차원 정리의 직접적 결과이다.

9. 부족 결정 시스템과 과결정 시스템

차원 정리는 선형 시스템 $A\mathbf{x} = \mathbf{b}$ 의 구조적 분석에 직접 활용된다.

부족 결정 시스템 ( $m < n$ ). $\mathrm{rank}(A) \leq m < n$ 이므로 $\dim \mathcal{N}(A) \geq n - m > 0$ 이다. 따라서 동차 시스템은 항상 비자명해를 가지며, 비동차 시스템이 해를 가지는 경우 해의 집합은 $n - m$ 이상의 차원을 가지는 아핀 부분 공간이다.
과결정 시스템 ( $m > n$ ). 일반적으로 정확한 해가 존재하지 않으며, 최소 제곱 해의 유일성은 $\mathrm{rank}(A) = n$ 인 경우에만 보장된다. 이때 $\dim \mathcal{N}(A) = 0$ 이다.
정사각 시스템 ( $m = n$ ). 만랭크인 경우 유일한 해가 존재하며, 그렇지 않은 경우 해가 존재하지 않거나 무수히 많다.

10. 추상 벡터 공간에서의 적용

차원 정리는 행렬에 대응하지 않는 추상적 선형 사상에도 동일하게 적용된다.

다항식 공간의 미분. $D : P_n \to P_n$ , $D(p) = p'$ 의 핵은 상수 함수의 1차원 공간이고 상은 $P_{n-1}$ 이다. 정리에 의하여 $\dim P_n = 1 + n = n + 1$ 이며, 이는 $\dim P_n = n + 1$ 이라는 사실과 일치한다.
평가 사상. 다항식 공간에서 특정 점에서의 평가 사상의 핵은 그 점을 근으로 가지는 다항식들의 집합이며, 차원 정리로부터 핵의 차원이 정확히 결정된다.
선형 미분 방정식. 상수 계수 선형 미분 방정식의 해 공간 차원은 본질적으로 차원 정리의 한 응용으로 이해된다.

11. 무한 차원으로의 확장과 한계

정의역이 무한 차원인 경우 단순한 차원 등식은 일반적으로 성립하지 않으며, 정리의 진술은 신중하게 다듬어져야 한다. 함수 해석학에서는 프레드홀름 작용소(Fredholm operator)의 지수(index)

$\mathrm{ind}(T) = \dim \ker(T) - \dim \mathrm{coker}(T)$

가 차원 정리의 자연스러운 일반화로 도입되며, 정의역과 공역의 차원이 동시에 무한한 경우에도 의미를 가진다. 유한 차원 선형 변환의 경우 지수는 항상 $\dim V - \dim W$ 와 같다.

12. 로봇공학에서의 적용

12.1 자코비안의 영도와 여유 자유도

매니퓰레이터의 자코비안 행렬 $J(\mathbf{q}) \in \mathbb{R}^{m \times n}$ 에 차원 정리를 적용하면

$n = \dim \mathcal{N}(J) + \mathrm{rank}(J)$

이 성립한다. 여기서 $n$ 은 관절 자유도의 수이며, $\dim \mathcal{N}(J)$ 는 말단 장치에 영 속도를 발생시키는 관절 운동의 차원, 즉 내부 운동의 자유도이다. 비특이 형상에서 $\mathrm{rank}(J) = \min\{m, n\}$ 이며, 여유 매니퓰레이터( $n > m$ )의 경우 영 공간 차원은 $n - m$ 의 양의 값을 가진다. 이 차원이 부차 작업 최적화에 활용 가능한 자유도이다.

12.2 특이점 분석

특이 형상에서 자코비안의 랭크가 감소하면 영도가 동시에 증가한다. 차원 정리는 이러한 변화를 정량적으로 기술하며, 특이점 근방에서 자코비안의 영 공간이 어떻게 확장되는지를 추적하는 도구를 제공한다.

12.3 가관측성과 가제어성의 차원 분석

선형 시스템의 가제어 부분 공간 $\mathcal{C} = \mathrm{im}([B \; AB \; A^2 B \; \cdots \; A^{n-1} B])$ 와 가관측 부분 공간의 차원은 차원 정리에 의하여 명확히 결정된다. 가제어 부분 공간이 상태 공간 전체와 일치하지 않을 때, 가제어 부분 공간을 보충하는 부분 공간은 제어 입력으로 도달 불가능한 모드를 표현한다.

12.4 폐쇄 사슬 메커니즘의 자유도 분석

폐쇄 사슬 메커니즘의 자유도는 제약 자코비안의 영 공간 차원으로 결정되며, 차원 정리에 의하여 메커니즘의 총 자유도와 제약 수의 차이로 표현된다. 이는 그뤼블러(Grübler) 공식과 같은 메커니즘 자유도 공식의 선형대수학적 토대이다.

12.5 칼만 필터의 가관측 부분 공간

상태 추정에서 가관측 행렬의 핵은 측정만으로 구별할 수 없는 상태 모호성을 나타낸다. 차원 정리는 가관측 부분 공간과 비가관측 부분 공간의 차원 합이 상태 차원과 일치함을 보장하며, 이는 부분 가관측 시스템에 대한 추정기 설계에 활용된다.

12.6 매개 변수 식별의 식별 가능 차원

로봇 동역학 매개 변수 식별에서 회귀 행렬 $Y$ 의 랭크가 매개 변수의 수보다 작은 경우, 차원 정리는 식별 불가능한 매개 변수 결합의 차원을 정확히 알려 준다. 이 정보는 식별 가능한 기저 매개 변수 집합의 구성과 실험 설계에 직접 활용된다.

참고문헌

Strang, G. (2023). Introduction to Linear Algebra (6th ed.). Wellesley-Cambridge Press.
Axler, S. (2024). Linear Algebra Done Right (4th ed.). Springer.
Meyer, C. D. (2023). Matrix Analysis and Applied Linear Algebra (2nd ed.). SIAM.
Hoffman, K., & Kunze, R. (1971). Linear Algebra (2nd ed.). Prentice-Hall.
Friedberg, S. H., Insel, A. J., & Spence, L. E. (2018). Linear Algebra (5th ed.). Pearson.
Siciliano, B., Sciavicco, L., Villani, L., & Oriolo, G. (2010). Robotics: Modelling, Planning and Control. Springer.
Murray, R. M., Li, Z., & Sastry, S. S. (1994). A Mathematical Introduction to Robotic Manipulation. CRC Press.

Version: 1.0