[선형대수] 선형변환(linear transformation)의 의미

업데이트:

선형변환(linear transformation)의 의미

같은 사물도 어느 각도에서 보느냐에 따라 다르게 보일 수 있습니다. 마찬가지로 행렬이 주어졌을 때 어떤 각도로 보느냐에 따라 다르게 보일 수 있는데요. 기존 행렬을 데이터의 집합이나 나열이라는 느낌으로 바라보신 분이 계시다면, 오늘 다룰 선형변환은 형렬을 바라보는 새로운 각도일 수 있습니다. 우선 위키백과 정의 부터 보고 가시겠습니다.

선형변환은 선형 결합을 보존하는, 두 벡터 공간 사이의 함수이다.

심플한 정의네요. 위 정의에서 우리가 알아야 할 대목은, 1) 선형결합을 보존하는, 2) 두 벡터공간 사이의 함수 입니다. 지금부터 저와 하나씩 알아보도록 하겠습니다.

1. 선형결합을 보존한다의 의미

선형결합을 보존한다는 게 무슨 뜻일까요? 우선 선형결합의 뜻을 알아봅시다. 선형 결합이란 $T(u+v) = T(u)+T(v)$, $T(ku) = kT(u)$을 의미합니다.
그리고 선형결합을 보존한다는 뜻은 이러한 성질이 보존된다는 뜻입니다. 쉽게말해 덧셈과 곱셈에 닫혀있다라고 보시면 됩니다. 닫혀있다라는 말은 덧셈과 곱셈을 쓸 수 있다라는 뜻으로 생각하시면 편하실 것 같아요 (덧셈과 곱셈을 쓸 수 있는 판이 마련되어 있으니 마음껏 써라라는 뜻이기도 합니다, 실제로 우리가 일상생활에서 더하기 곱하기를 마음껏 쓰는 이유는 판이 마련되어 있기 때문이죠).

선형결합에 대해 좀 더 말씀드리면 어떤 벡터나 행렬을 나타낼 때 우리는 무의식적으로 기저를 정하고 그 기저를 근간으로 좌표를 생각합니다. (기저에 대해 복습하시려면 클릭) 예를 들면 (2,1)이라는 좌표는 무의식적으로 (1,0), (0,1)을 기저로 생성된 좌표라는 것이지요. 즉, (2,1)은 아래와 같은 표현식으로 이해할 수 있습니다.

figure03

즉, 단순히 (2,1)이라는 벡터도 기저들의 선형결합이라는 뜻입니다. 그럼 기저가 달라지면 좌표도 달라질까요?

figure01

위 그림을 봅시다. 위 두개의 건물은 (1,0), (0,1)을 기저로 삼았을땐 꼭대기 층의 좌표가 다를 수 있습니다. 하지만 기울어진 건물의 경우, (1,0), (0,1)을 기저로 두었을땐 앞선 건물과 좌표가 달라지지만, 기저 또한 기울이게 되면 앞선 건물과 같은 좌표를 가질 수 있습니다. 즉, 서로 기저가 다른 경우, 같은 좌표를 가지더라도 같은 곳을 가리키는 것이 아니라는 뜻입니다.

2. 두 벡터 공간 사이의 함수

선형변환이란, 두 벡터 공간 사이의 함수라고 합니다. 만약 벡터 공간에 대해 잘 모르시는 분은 이전 포스팅을 참고해주세요. 두 벡터 공간 사이의 함수…선형변환은 결국 ‘함수’인데요. 위키백과에서 함수를 검색하면 아래와 같은 결과가 나옵니다.

첫 번째 집합의 임의의 한 원소를 두 번째 집합의 오직 한 원소에 대응시키는 이항 관계이다.

쉽게 말해, 한 점을 한 벡터공간에서 다른 벡터공간으로 이동시키는데 그 이동 규칙을 선형변환이라고 합니다. 예를 들어, 서울에 살고 있는 사람을 부산으로 이동시킨다는 규칙이 존재할 때, 그 규칙은 함수가 되고 해당 함수가 선형변환이라고 생각하시면 됩니다. 서울과 부산을 각기 서로다른 벡터 공간이라고 생각하시면 편할 것 같아요.

좀 더 수학적으로 표현하자면, 아래와 같은 행렬 $A$가 있다고 가정합시다.

figure02

선형변환의 정의에 따르면 위와 같은 2X3 행렬은 3차원에서 2차원으로 선형변환 이라고 생각하시면 됩니다. 즉, 행렬 $A$에 임의의 행렬 $x$를 곱하는 $Ax$의 의미는 $x$라는 벡터를 3차원에서 2차원으로 변환 시키는 것이지요. 해당 선형변환의 결과 3차원 벡터 $x$는 2차원 벡터가 됩니다. 위에서 예로 들었던 서울에서 부산으로 이동시키는 예는 어떨까요, 실제로 서울과 부산은 같은 차원입니다. 그래서 서울에서 부산으로 변환 시키는 행렬이 있다면 그 행렬은 정방행렬이겠죠.

끝으로 선형변환의 위키백과 정의와 수학적 정의를 보고 마치겠습니다.

선형변환은 선형 결합을 보존하는, 두 벡터 공간 사이의 함수이다.

Definition 1. If T: V -> W is a mapping from a vector space V to a vector space W, then T is called a linear transformation from V to W if the following two properties hold for all vectors u and v in V and for all scalars k:
(1) T(ku) = kT(u)
(2) T(u + v) = T(u) + T(v)
In the special case where V=W, the linear transformation T is called a linear operator on the vector space V.

잠깐! 선형대수, 머신러닝에 대해 좀 더 자세히 알고 싶다면?

선형대수와 통계학으로 배우는 머신러닝 with 파이썬