선형 변환

선형 변환(線型變換, 영어: linear transformation, vector space homomorphism, linear function) 또는 선형 사상(線型寫像, 영어: linear map, linear mapping) 또는 선형 연산자(線型演算子, 영어: linear operator) 혹은 선형 작용소(線型作用素)는 선형대수학에서 선형 결합을 보존하는, 두 벡터 공간 사이의 함수이다.

정의

체 $K$ 위의 두 벡터 공간 $V$ , $W$ 사이의 함수 $T : V \to W$ 에 대하여, 다음 조건들이 서로 동치이며, 이를 만족시키는 $T$ 를 선형 변환이라고 한다.

다음 두 조건을 만족시킨다.
- 임의의 두 벡터 $u, v \in V$ 에 대하여, $T (u + v) = T (u) + T (v)$
- 임의의 스칼라 $a \in K$ 및 벡터 $v \in V$ 에 대하여, $T (a v) = a T (v)$
임의의 스칼라 $a \in K$ 및 두 벡터 $u, v \in V$ 에 대하여, $T (a u + v) = a T (u) + T (v)$
임의의 자연수 $m \in ℕ$ 및 스칼라들 $a_{1}, a_{2}, \dots, a_{m} \in K$ 및 벡터들 $v_{1}, v_{2}, \dots, v_{m} \in V$ 에 대하여,
$T (a_{1} v_{1} + a_{2} v_{2} + \dots + a_{m} v_{m}) = a_{1} T (v_{1}) + a_{2} T (v_{2}) + \dots + a_{m} T (v_{m})$

두 벡터 공간 $V, W$ 사이의 선형 변환이 이루는 벡터 공간의 기호는 $hom (V, W)$ 또는 $L (V, W)$ 이며, 벡터 공간 $V$ 위의 선형 변환들이 이루는 단위 결합 대수의 기호는 $hom (V)$ 또는 $L (V)$ 이다. 벡터 공간과 그 체 사이의 선형 변환 $T : V \to K$ 을 선형 범함수(線型汎函數, 영어: linear functional, linear form)라고 하며, 이들이 이루는 벡터 공간을 쌍대 공간 $V^{*}$ 이라고 한다.

용어 '선형 연산자' · '선형 작용소' · '선형 범함수'는 보통 무한 차원 벡터 공간 사이의 선형 변환에 많이 쓰인다. 일부 문헌에서 '선형 변환' · '선형 연산자' · '선형 작용소' · '선형 범함수'은 정의역과 공역이 같은 선형 변환을 일컬으며, 이 경우 일반적인 선형 변환을 '선형 사상'이라고 부른다.

행렬 표현

체 $K$ 위의 유한 차원 벡터 공간 $V$ 와 $W$ 의 순서 기저 $B_{V} = {v_{1}, \dots, v_{n}}$ 및 $B_{W} = {w_{1}, \dots, w_{m}}$ 가 주어졌다고 하자. 또한, $T : V \to W$ 가 선형 변환이라고 하자. 그렇다면, $K$ 성분의 $m \times n$ 행렬 $M$ 에 대하여, 다음 두 조건이 서로 동치이며, 이를 만족시키는 유일한 행렬 $M$ 을 $T$ 의 $B_{V}, B_{W}$ 에 대한 행렬 $[T]_{B_{V}, B_{W}}$ 이라고 한다.

임의의 X∈Kn에 대하여, T(∑j=1nxjvj)=∑i=1m∑j=1nMijxjwi
- 즉, 임의의 $X \in K^{n}$ 에 대하여, $T ((\begin{matrix} v_{1} & v_{2} & \dots & v_{n} \end{matrix}) X) = (\begin{matrix} w_{1} & w_{2} & \dots & w_{m} \end{matrix}) M X$
- 즉, 임의의 $v \in V$ 에 대하여, $[T (v)]_{B_{W}} = [T]_{B_{V}, B_{W}} [v]_{B_{V}}$ (여기서 $[-]_{B_{V}}, [-]_{B_{W}}$ 는 좌표 열벡터를 구하는 전단사 선형 변환이다.)
- 즉, 다음 그림이 가환한다.
  $\begin{matrix} V & \overset{T}{\to} & W \\ [-]_{B_{V}} ↓ & ↓ [-]_{B_{W}} \\ K^{n} & \to [T]_{B_{V}, B_{W}} \cdot & K^{m} \end{matrix}$
T(vj)=∑i=1mMijwi(j=1,…,n)
- 즉, $(\begin{matrix} T (v_{1}) & T (v_{2}) & \dots & T (v_{n}) \end{matrix}) = (\begin{matrix} w_{1} & w_{2} & \dots & w_{m} \end{matrix}) M$
- 즉, $[T (v_{j})]_{B_{W}} = [T]_{B_{V}, B_{W}} [v_{j}]_{B_{V}} (j = 1, \dots, n)$

성질

선형 변환 $T : V \to W$ 에 대하여, 다음 성질들이 성립한다.

영벡터의 상은 영벡터이다.
$T (0_{V}) = 0_{W}$
덧셈 역원의 상은 덧셈 역원이다.
$T (- v) = - T (v) (v \in V)$
선형 종속 벡터들의 상은 선형 종속 벡터이며, 선형 독립 벡터들을 보존할 필요충분조건은 단사 함수이다.
$rank T (S) \leq rank S (S \subseteq V)$
핵 $\ker T$ 는 $V$ 의 부분 벡터 공간을 이룬다. 그 정의는 다음과 같다.
$\ker T = {v \in V : T (v) = 0_{W}} \subset V$
상 $T (V)$ 는 $W$ 의 부분 벡터 공간을 이룬다. 그 정의는 다음과 같다.
$T (V) = {T (v) : v \in V} \subset W$
$T$ 가 단사 함수일 필요충분조건은 $\ker T = {0_{V}}$ 이다.
$T$ 가 전사 함수일 필요충분조건은 $T (V) = W$ 이다.
만약 $V$ 와 $W$ 가 유한 차원 벡터 공간이며, $\dim V = \dim W$ 라면, 단사 선형 변환과 전사 선형 변환과 전단사 선형 변환은 서로 동치이다.

두 벡터 공간 $V, W$ 사이에 전단사 선형 변환이 존재할 필요충분조건은 $\dim V = \dim W$ 이다. 이 경우, 선형 변환 $T$ 는 동형 사상이고, 역사상 $T^{- 1} : W \to V$ 이 존재한다. $T$ 가 선형사상이고, 역사상이 존재할 때 역사상 $T^{- 1}$ 역시 선형사상이다.^[1]

선형 변환은 정의역의 기저의 상에 의해 유일하게 결정된다. 즉, 벡터 공간 $V$ 의 기저 $B$ 및 벡터 공간 $W$ 에 대하여, 함수 $B \to W$ 는 유일한 선형 변환 $V \to W$ 로 확장시킬 수 있다.

연산에 대한 닫힘

선형 변환은 점별 덧셈·점별 스칼라 곱셈·합성·역함수 연산을 갖추며, 이들에 대하여 다음 성질들이 성립한다.

스칼라 $a, b \in K$ 및 선형 변환 $T, U : V \to W$ 에 대하여, $a T + b U : V \to W$ 는 선형 변환이다.
선형 변환 $T : V \to W$ , $U : W \to Z$ 에 대하여, $U T : V \to Z$ 는 선형 변환이다.
전단사 선형 변환 $T : V \to W$ 에 대하여, $T^{- 1} : W \to V$ 는 선형 변환이다.
선형 변환 $T, U, R : V \to W$ 에 대하여, $T + U = U + T$ , $(T + U) + R = T + (U + R)$ .
선형 변환 $T, U : V \to W$ , $R, S : W \to Z$ 및 스칼라 $a, b, c, d \in K$ 에 대하여, $(c R + d S) (a T + b U) = a c R T + a d S T + b c R U + b d S U$ .

이에 따라, 선형 변환의 집합 $hom (V, W)$ 는 점별 덧셈·점별 스칼라 곱셈에 따라 벡터 공간을 이루며, 자기 선형 변환의 집합 $hom (V)$ 는 점별 덧셈·점별 스칼라 곱셈·합성에 따라 단위 결합 대수를 이룬다.

행렬 표현

유한 차원 벡터 공간의 경우, 선형 변환의 행렬 표현은 각종 연산을 보존한다. 즉, 세 유한 차원 벡터 공간 $V, W, Z$ 및 순서 기저 $B_{V}, B_{W}, B_{Z}$ 에 대하여, 다음이 성립한다.

$[a T + b U]_{B_{V}, B_{W}} = a [T]_{B_{V}, B_{W}} + b [U]_{B_{V}, B_{W}} a, b \in K; T, U \in hom (V, W)$
$[U T]_{B_{V}, B_{Z}} = [U]_{B_{W}, B_{Z}} [T]_{B_{V}, B_{W}} T \in hom (V, W); U \in hom (W, Z)$
$[T^{- 1}]_{B_{W}, B_{V}} = [T]_{B_{V}, B_{W}}^{- 1} T \in hom (V, W); T^{- 1} \in hom (W, V)$

벡터 공간 $V, W$ 의 차원이 각각 $n, m$ 이라고 하자. 그렇다면, 행렬 표현은 선형 변환 공간 $hom (V, W)$ 와 행렬 공간 $Mat (m, n; K)$ 사이의 벡터 공간 동형이며, 선형 변환 공간 $hom (V)$ 와 정사각 행렬 공간 $Mat (n; K)$ 사이의 단위 결합 대수 동형이다.

유한 차원 벡터 공간 사이의 선형 변환의 서로 다른 기저에 대한 행렬은 서로 동치 행렬이며, 정의역과 공역이 같은 선형 변환의 서로 다른 기저에 대한 행렬은 서로 닮음 행렬이다.

구체적으로, $V$ 의 두 순서 기저 $B_{V}, {B_{V}}^{'}$ 및 $W$ 의 두 순서 기저 $B_{W}, {B_{W}}^{'}$ 가 주어졌다고 하자. 그렇다면, 선형 변환 $T : V \to W$ 의 두 가지 행렬 $[T]_{B_{V}, B_{W}}$ 과 $[T]_{{B_{V}}^{'}, {B_{W}}^{'}}$ 의 관계는 다음과 같다.

[T]_{{B_{V}}^{'}, {B_{W}}^{'}} = [U_{B_{W}, {B_{W}}^{'}}]_{B_{W}}^{- 1} [T]_{B_{V}, B_{W}} [U_{B_{V}, {B_{V}}^{'}}]_{B_{V}}

여기서 $U_{B_{V}, {B_{V}}^{'}} : V \to V$ 와 $U_{B_{W}, {B_{W}}^{'}} : W \to W$ 는 순서 기저를 변경하는 전단사 선형 변환이다. 보통 선형 변환의 두 가지 행렬을 $[T]_{B_{V}, B_{W}} = M$ 및 $[T]_{{B_{V}}^{'}, {B_{W}}^{'}} = N$ 과 같이 쓰며, 두 기저 변환의 행렬을 $[U_{B_{V}, {B_{V}}^{'}}]_{B_{V}} = P$ 및 $[U_{B_{W}, {B_{W}}^{'}}]_{B_{W}} = Q$ 와 같이 쓴다. 이를 통해 위 관계를 다시 쓰면 다음과 같다.

N = Q^{- 1} M P

특히, 만약 $V = W$ 이며 $B_{V} = B_{W} = : B$ 이며 ${B_{V}}^{'} = {B_{W}}^{'} = : B^{'}$ 일 경우, 전단사 선형 기저 변환을 $U_{B, B^{'}} : V \to V$ , 그 행렬을 $[U_{B, B^{'}}]_{B} = P$ 로 쓰자. 그렇다면, 선형 변환 $T : V \to V$ 의 두 행렬 $[T]_{B} = M$ 및 $[T]_{B^{'}} = N$ 의 관계는 다음과 같다.^[2]

[T]_{B^{'}} = [U_{B, B^{'}}]_{B}^{- 1} [T]_{B} [U_{B, B^{'}}]_{B}

즉, 다음과 같다.

N = P^{- 1} M P

예

체 $K$ 및 그 위의 벡터 공간 $V$ , $W$ 가 주어졌을 때, 선형 변환의 예는 다음과 같다.

항등 변환 $id : V \to V$ , $v \mapsto v$ 는 선형 변환이다. (임의의 기저에 대한) 행렬 표현은 단위 행렬이다.
스칼라 $c \in K$ 의 곱셈 $c \cdot : V \to V$ , $v \mapsto c v$ 는 선형 변환이다. (임의의 기저에 대한) 행렬 표현은 스칼라 행렬이다.
모든 벡터를 영벡터로 대응시키는 변환 $0 : V \to W$ , $v \mapsto 0_{W}$ 는 선형 변환이다. (임의의 기저에 대한) 행렬 표현은 영행렬이다.
행렬 $M \in Mat (m, n; K)$ 의 왼쪽 곱셈 $M \cdot : K^{n} \to K^{m}$ , $x \mapsto M x$ 는 선형 변환이다. 표준 기저에 대한 행렬 표현은 $M$ 스스로다. 사실, 이는 $K^{n}$ , $K^{m}$ 사이의 선형 변환의 유일한 유형이다.

유클리드 공간

실수 집합 위의 선형 변환은 정비례 함수가 다다.

2차원 유클리드 공간 $ℝ^{2}$ 위의 선형 변환은 실수 2 × 2 행렬의 왼쪽 곱셈이 다다. 그 예는 다음과 같다.

선형 변환	행렬 표현	도해
시계 반대 방향 90도 회전	$(\begin{matrix} 0 & - 1 \\ 1 & 0 \end{matrix})$	섬네일을 만드는 중 오류 발생:
시계 반대 방향 135도 회전	$(\begin{matrix} \cos θ & - \sin θ \\ \sin θ & \cos θ \end{matrix}) (θ = 13 5^{\circ})$	파일:135° rotation.svg
$x$ 축에 대한 반사	$(\begin{matrix} 1 & 0 \\ 0 & - 1 \end{matrix})$	파일:X reflection.svg
모든 방향에서 2배 확대	$(\begin{matrix} 2 & 0 \\ 0 & 2 \end{matrix})$	파일:2 scaling.svg
$x$ 축에 대한 전단	$(\begin{matrix} 1 & λ \\ 0 & 1 \end{matrix}) (λ = 1)$	파일:X shearing.svg
쌍곡 회전(영어: hyperbolic rotation)	$(\begin{matrix} c & 0 \\ 0 & \frac{1}{c} \end{matrix}) (c = 3)$	파일:2 squeeze mapping.svg
$y$ 축에 사영	$(\begin{matrix} 0 & 0 \\ 0 & 1 \end{matrix})$	파일:Y projection.svg

각주

↑ Meckes, Elizabath; Meckes, Mark (2018). 《Linear Algebra》. Cambridge University Press. 79-80쪽. ISBN 978-1-107-17790-1. LCCN 2017053812.
↑ Hoffman, Kenneth; Kunze, Ray (1971). 《Linear algebra》 2판 (영어). Englewood Cliffs, N. J.: Prentice-Hall. ISBN 0-13-536797-2. MR 0276251. Zbl 0212.36601. IA LinearAlgebraHoffmanAndKunze.

외부 링크

“Linear transformation” (영어). 《Encyclopedia of Mathematics》. Springer-Verlag. 2001. ISBN 978-1-55608-010-4.
Rowland, Todd; Weisstein, Eric W. “Linear transformation” (영어). 《Wolfram MathWorld》. Wolfram Research. CS1 관리 - 여러 이름 (링크)
Rowland, Todd; Weisstein, Eric W. “Invertible linear map” (영어). 《Wolfram MathWorld》. Wolfram Research. CS1 관리 - 여러 이름 (링크)
“Linear map” (영어). 《nLab》.
“Linear transformation” (영어). 《PlanetMath》.
“Invertible linear transformation” (영어). 《PlanetMath》.

모듈:Authority_control 159번째 줄에서 Lua 오류: attempt to index field 'wikibase' (a nil value).

[1] Meckes, Elizabath; Meckes, Mark (2018). 《Linear Algebra》. Cambridge University Press. 79-80쪽. ISBN 978-1-107-17790-1. LCCN 2017053812.

[HoffmanKunze-2] Hoffman, Kenneth; Kunze, Ray (1971). 《Linear algebra》 2판 (영어). Englewood Cliffs, N. J.: Prentice-Hall. ISBN 0-13-536797-2. MR 0276251. Zbl 0212.36601. IA LinearAlgebraHoffmanAndKunze.

[1]

[2]

v t e 선형대수학
기본 개념	스칼라 벡터 벡터 공간 스칼라 곱셈 벡터 사영 선형생성 선형 변환 사영작용소 일차 독립 집합 선형 결합 기저 기저 변경 행 벡터와 열 벡터 행 공간과 열 공간 직교 영공간 고윳값과 고유 벡터 외적 내적 공간 스칼라곱 전치행렬 그람-슈미트 과정 일차 방정식 기본 정리	Three dimensional Euclidean space
벡터 대수	벡터곱 삼중곱 7차원 외적
다중선형대수학	기하적 대수학 외대수 이중벡터 다중벡터 텐서 아우터모피즘
행렬	블록 행렬 행렬 분해 가역행렬 소행렬식 행렬 곱셈 계수 변환행렬 크라메르 공식 가우스 소거법 행렬식
대수적 구성	쌍대 공간 직합 함수 공간 몫공간 부분공간 텐서곱
수치선형대수학	부동소수점 수치적 안정성 BLAS(Basic Linear Algebra Subprogram) 희소행렬 선형대수학 라이브러리 비교 수치 분석 소프트웨어 비교
섬네일을 만드는 중 오류 발생: 분류 섬네일을 만드는 중 오류 발생: 개요 섬네일을 만드는 중 오류 발생: 수학 포털 위키책 위키책 섬네일을 만드는 중 오류 발생: 위키배움터