이번시간엔 저번시간에 잠깐 보고 패스했던, Span, Basis, Dimension등의 용어에 대해서 알아보자.
1. Span
Span이라는 말은 바로 "늘리다" 인데, 이를 수학적으로 정의내려보자.
즉, 어떤 벡터들(v_1,v_2,...)이 벡터공간 V로 Span된다라는 말은 (V에 있는 어느 벡터)라도 (v_1,v_2,...)의 선형결합으로 나타낼 수 있다는 말이다.
ex) Column space of A -> A의 Column Vector들이 Span된 공간!
2. Basis(기저)
Basis라는 말을 많이 들어보았을텐데, 선형대수학(행렬)에서 Basis의 뜻이 무엇인지 살펴보자.
즉, 벡터공간 V의 Basis는
1. Basis끼리는 모두 linearly independent
2. Basis가 V로 span될 수 있다!
=> basis의 개수가 너무 많다면 -> linearly independent를 만족시키기 어렵다!
=> basis의 개수가 너무 적다면 -> V로 Span되기 어렵다!
===> 즉, V의 Basis란, V를 표현할 수 있는 "최소 개수"의 벡터들을 말한다.
여기서 하나 짚고 넘어갈 것은, Basis는 "유일하지 않다"라는 것이다!
ex)
아마, 1번의 경우를 Basis라고 많이 생각하겠지만, 2번 또한, 위의 Basis 정의를 만족하기 때문에, basis이다!
3. Dimension(차원)
Basis를 이용해서 Dimension의 정의를 내려보자.
=> Basis를 이루는 벡터의 개수
Basis 예시에서 3차원 공간은 => 당연히 Dimension=3이다!
다음시간에, 한번 진짜로 Ax=b를 예시를 통해서 풀어보면서, Span, Basis, Dimension을 이해해보고, Rank의 개념에 대해서도 같이 알아보도록 하자!
'Mathematics > 선형대수학' 카테고리의 다른 글
(선형대수학) 5-2. Rank와 역행렬(Left / Right / Two-sided Inverse) (0) | 2023.06.20 |
---|---|
(선형대수학) 5-1. 계속 나오는 Rank! -> 정의(Definition) (0) | 2023.06.20 |
(선형대수학) 4-2. Ax=b 풀어봅시다! (선형사상과 일반해, 특수해) (0) | 2023.06.18 |
(선형대수학) 4-1. 여러가지 Subspace (Column / Row / Null / Left Null Space) (1) | 2023.06.15 |
(선형대수학) 3. 벡터공간과 선형결합과 역행렬 (Vector Space, Linear Combination) (0) | 2023.06.15 |