선형대수학에서 'Span'은 벡터 공간에서 특정 벡터들의 선형 결합으로 만들 수 있는 모든 가능한 벡터들의 집합을 의미합니다. 이는 벡터 공간의 부분 공간을 이해하고, 벡터들의 선형 독립성을 판단하는 데 중요한 개념입니다. Span은 마치 특정 재료들로 만들 수 있는 모든 요리의 종류를 나타내는 것과 같습니다. 예를 들어, 두 개의 기본 벡터가 있다면, 이 두 벡터를 다양한 비율로 섞어 (선형 결합하여) 무수히 많은 새로운 벡터들을 만들어낼 수 있으며, 이 모든 벡터들의 모임이 바로 Span입니다.
Span의 정의와 이해
벡터 $v_1, v_2, u, v_k$가 주어졌을 때, 이 벡터들의 Span은 다음과 같이 정의됩니다. $Span(v_1, v_2, u, v_k) = {c_1v_1 + c_2v_2 + u + c_kv_k ext{ | } c_1, c_2, u, c_k ext{는 스칼라}}$ 여기서 스칼라 $c_i$는 실수 또는 복소수가 될 수 있으며, 벡터들의 선형 결합은 이 스칼라들을 벡터에 곱한 후 더하는 연산을 의미합니다. Span은 이러한 선형 결합으로 만들어낼 수 있는 모든 결과 벡터들의 집합입니다. 이는 기하학적으로 특정 벡터들이 생성하는 '공간'을 나타냅니다. 예를 들어, 2차원 평면에서 두 개의 선형 독립인 벡터의 Span은 전체 2차원 평면이 됩니다. 하지만 만약 두 벡터가 동일한 직선 상에 있다면, 그 Span은 해당 직선만이 됩니다.
Span의 중요성과 활용
Span의 개념은 선형대수학의 여러 중요한 주제와 연결됩니다. 첫째, '생성(Generating)'의 개념과 직접적으로 관련됩니다. 어떤 벡터 집합의 Span이 특정 벡터 공간과 같다면, 그 벡터 집합은 해당 벡터 공간을 '생성'한다고 말합니다. 이는 벡터 공간의 기저(basis)를 찾는 데 중요한 역할을 합니다. 기저는 벡터 공간을 생성하면서 동시에 선형 독립인 벡터들의 최소 집합입니다. 둘째, 벡터들의 선형 종속성(linear dependence) 또는 선형 독립성(linear independence)을 판단하는 데 사용될 수 있습니다. 만약 어떤 벡터 $v$가 다른 벡터들의 Span에 속한다면, $v$는 다른 벡터들에 의해 선형 종속적이라고 말할 수 있습니다. 즉, $v$는 다른 벡터들의 조합으로 표현될 수 있다는 의미입니다.
Span과 부분 공간
Span은 항상 벡터 공간의 부분 공간(subspace)을 형성합니다. 부분 공간은 원래 벡터 공간의 부분집합이면서 동시에 덧셈과 스칼라 곱셈에 대해 닫혀있는 집합입니다. 즉, 부분 공간 안의 임의의 두 벡터를 더해도 그 결과는 여전히 부분 공간 안에 있고, 부분 공간 안의 벡터에 임의의 스칼라를 곱해도 결과는 부분 공간 안에 있습니다. Span으로 생성된 벡터들의 집합은 이러한 덧셈과 스칼라 곱셈에 대한 닫힘 성질을 만족하므로, 항상 부분 공간이 됩니다. 이는 벡터 공간의 구조를 이해하는 데 핵심적인 역할을 합니다.
예시를 통한 Span 이해
예를 들어, 3차원 공간 $\mathbb{R}^3$에서 두 벡터 $v_1 = (1, 0, 0)$과 $v_2 = (0, 1, 0)$을 생각해 봅시다. 이 두 벡터의 Span은 $c_1(1, 0, 0) + c_2(0, 1, 0) = (c_1, c_2, 0)$ 형태의 모든 벡터들의 집합입니다. 여기서 $c_1$과 $c_2$는 임의의 실수가 될 수 있습니다. 이 결과는 z축의 값이 항상 0인 모든 벡터들의 집합, 즉 xy-평면 전체를 나타냅니다. 따라서 $Span(v_1, v_2)$는 $\mathbb{R}^3$의 부분 공간인 xy-평면이 됩니다. 만약 세 번째 벡터 $v_3 = (0, 0, 1)$을 추가하면, $Span(v_1, v_2, v_3)$은 $(c_1, c_2, c_3)$ 형태의 모든 벡터, 즉 3차원 공간 전체 $\mathbb{R}^3$이 됩니다. 이는 $v_1, v_2, v_3$이 $\mathbb{R}^3$을 생성함을 의미합니다.
Span과 차원
Span의 크기는 해당 벡터 집합의 '차원(dimension)'과 관련이 있습니다. 어떤 벡터 집합의 Span이 생성하는 부분 공간의 차원은, 해당 집합에서 선형 독립인 벡터의 최대 개수와 같습니다. 예를 들어, 위에서 $Span(v_1, v_2)$는 xy-평면이었고, 이 평면의 차원은 2입니다. 이는 $v_1$과 $v_2$가 선형 독립이며, 더 이상 선형 독립인 벡터를 추가할 수 없기 때문입니다. 만약 $v_3 = (1, 1, 0)$처럼 $v_1, v_2$의 선형 결합으로 표현될 수 있는 벡터를 추가한다면, $Span(v_1, v_2, v_3)$은 여전히 xy-평면이 됩니다. 왜냐하면 $v_3$는 $v_1$과 $v_2$로 이미 만들 수 있는 공간 안에 있기 때문입니다. 따라서 Span의 크기, 즉 생성되는 공간의 차원을 결정하는 것은 선형 독립인 벡터들의 개수입니다.
결론
결론적으로, 선형대수학에서 Span은 벡터들의 선형 결합으로 만들 수 있는 모든 벡터들의 집합으로, 벡터 공간의 부분 공간을 이해하는 데 필수적인 개념입니다. 이는 벡터들의 생성 능력, 선형 독립성, 그리고 공간의 차원을 파악하는 데 중요한 도구로 활용됩니다. Span을 제대로 이해하는 것은 행렬, 선형 변환, 고유값 등 선형대수학의 더 복잡한 개념들을 배우는 기초가 됩니다.