�ݺ�ߣ

2018 FASTCAMPUS Extension SCHOOL
FAST CAMPUS SCHOOL 2018
Copyright FAST CAMPUS Corp. All Rights Reserved
기초 선형대수
(벡터)
윤 정 훈

Vector란?
● Data를 분석할 때, Vector를 왜 배우는가?
○ 전통적인 선형대수학에서는 벡터를 숫자들의 list로 생각하도록 한다.
○ 사물을 list로 표현하여 데이터화 할 수 있다.
▸ 사람을 (키, 몸무게, 나이)로 구성된 list로 표현할 수 있다.
▸ 학생의 시험 성적을 (시험 1 점수, 시험 2 점수, 시험 3 점수, 시험 4 점수)의 list로 표현한다.
○ 벡터로 표현된 데이터는 계산하기 쉽다.
○ python의 list를 사용하여 벡터를 나타낼 수 있다.
▸ python 예제 코드를 보자

Vector의 정의
● Vector의 수학적 정의
○ Scala는 물리에서 표현되는 물리적인 양(Quantity)으로서, 수치값으로 완전하게 표시할 수 있는
양이다.
▸ 배의 속력은 10노트
○ Vector는 물리에서 표현되는 물리적인 양(Quantity)으로서, 수치값과 방향성이 있어야 완전하게
표시할 수 있는 양이다.
▸ 배의 속도는 나침반 상에서 45도 북동방향으로 10노트

Vector의 덧셈연산
𝕒
𝕓
𝕒 + 𝕓
𝕒
𝕓
𝕒 + 𝕓
𝕒의 끝점이 𝕓방향으로 𝕓의 길이만큼 평행이동한 결과

Vector의 뺄셈연산
𝕒
𝕓
𝕒 − 𝕓
𝕒
𝕓
𝕒 − 𝕓
𝕒의 끝점이 −𝕓방향으로 𝕓의 길이만큼 평행이동한 결과
−𝕓
−𝕓

Vector의 스칼라곱
𝕒
𝛼𝕒
𝕒
−𝛼𝕒
𝕒의 𝜶배
𝕒의 −𝜶배

좌표공간에서의 Vector
● 화살표가 벡터를 기하학적으로 표현하는 데 유용하다.
● 우리는 벡터를 대수적으로 표현하려고하고 직교좌표계에 벡터가 있는 것으로 생각한다.
● 직교좌표공간안의 한점은 𝑥축, 𝑦축 … 의 순서쌍과 1:1대응이 이루어진다. 순서쌍에 있는
좌표를 성분(component)이라고 부른다.
● 벡터는 어떤 유한한 차원의 공간에 존재하는 점들이다.
● 따라서 숫자로 구성된 list로 표현할 수 있다.

좌표공간에서의 Vector의 덧셈연산
각 컴포넌트를 표시하고 합으로 표현한다.
𝕒 = (𝑎1, 𝑎2)
𝕓 = (𝑏1, 𝑏2)
𝕒 + 𝕓 = (𝑎1 + 𝑏1, 𝑎2 + 𝑏2)

좌표공간에서의 Vector 연산
● 좌교공간에서의 vector 연산의 종류
○ 𝑛차원 실수공간 𝑅 𝑛내의 두 벡터 𝕧 = (𝑣1, … , 𝑣 𝑛), 𝕨 = (𝑤1, … , 𝑤 𝑛)와 임의의 스칼라 𝑘에 대하여
▸ 𝕧 + 𝕨 = 𝑣1 + 𝑤1, … , 𝑣 𝑛 + 𝑤 𝑛
▸ 𝑘𝕧 = 𝑘𝑣1, … , 𝑘𝑣 𝑛
▸ −𝕧 = −𝑣1, … , −𝑣 𝑛
▸ 𝕨 − 𝕧 = (𝑤1 − 𝑣1, … , 𝑤 𝑛 − 𝑣 𝑛)

좌표공간에서의 Vector 연산
● 좌표공간에서의 vector의 연산의 성질
○ 𝕦, 𝕧, 𝕨 : 벡터, 𝑘, 𝑙 : 스칼라
▸ 교환법칙 𝕦 + 𝕧 = 𝕦 + 𝕧
▸ 결합법칙 𝕦 + 𝕧 + 𝕨 = 𝕦 + 𝕧 + 𝕨
▸ 항등원 𝕦 + 𝕆 = 𝕆 + 𝕦
▸ 역원 𝕦 + −𝕦 = 𝕆
▸ 𝑘 + 𝑙 𝕦 = 𝑘𝕦 + 𝑙𝕦
▸ 𝑘 𝕦 + 𝕧 = 𝑘𝕦 + 𝑘𝕧
▸ 𝑘 𝑙𝕦 = 𝑘𝑙 𝕦
▸ 1𝕦 = 𝕦
▸ 0𝕧 = 𝕆
▸ 𝑘𝕆 = 𝕆
▸ −1 𝕧 = −𝕧

벡터의 평행
● 두 벡터가 평행(parallel), 동일직선상에 있다. (collinear)
○ 한 벡터가 다른 벡터의 스칼라배수인 경우를 뜻한다.
𝕒
𝕓 = 𝛼𝕒
𝕒
𝕓

Vector의 일차결합
● Vector의 일차결합 (Linear Combination)
○ 𝕨, 𝕧1, … , 𝕧 𝑘 ∈ 𝑅 𝑛, 스칼라 𝑐1, … , 𝑐 𝑘가 주어졌을 때, 벡터 𝕨가 𝕨 = 𝑐1 𝕧1 + 𝑐2 𝕧2 + ⋯ + 𝑐 𝑘 𝕧 𝑘로 표현
되면, 벡터 𝕨는 벡터 𝕧1, 𝕧2, … , 𝕧 𝑘의 1차 결합이라고 한다.
○ 이 때 𝑐1, 𝑐2, … , 𝑐 𝑘는 계수(coefficient)라고 한다.

Row vector / Column vector
● 괄호표기(comma-delimited)로, 𝑅 𝑛의 좌표공간내에서의 벡터 표기 𝕧 = 𝑣1, … , 𝑣 𝑛
● 벡터표기란 𝑛개의 성분(component)를 정해진 순서로 늘어놓은 것이기 때문에, 벡터의 성
분을 올바른 순서대로 적어 주는 어떠한 형식의 표기방식이라도 괄호표기를 대신 할 수
있다.
● 𝕧 = [𝑣1, 𝑣2, … , 𝑣 𝑛]을 행벡터 형식이라고 한다. (row vector)
● 𝕧 = 𝑣1, 𝑣2, … , 𝑣 𝑛
𝑇
=
𝑣1
𝑣2
⋮
𝑣 𝑛
를 열벡터 형식이라고 한다. (column vector)

2,3차원 Vector의 길이
● 𝑅2에서 벡터 𝕧 = (𝑣1, 𝑣2)의 길이 𝕧 는 Pythagoras의 정리에 의하여 다음과 같다.
○ 𝕧 = 𝑣1
2
+ 𝑣2
2
○ ex) 𝕧 = (-3, 2)의 norm?
● 𝑅3에서 벡터 𝕧 = (𝑣1, 𝑣2, 𝑣3) 의 길이 𝕧 는 Pythagoras의 정리에 의하여 다음과 같다.
○ 𝕧 = 𝑂𝑄 2 + 𝑄𝑅 2 + 𝑅𝑃 2 = 𝑣1
2
+ 𝑣2
2
+ 𝑣3
2
○ ex) 𝕧 = (-3, 2, 1)의 norm?
(𝑣1, 𝑣2)
𝒗 𝑂
𝑄
𝑅
𝑆
𝑃

𝒏차원 Vector의 길이
● 𝕧 = (𝑣1, 𝑣2, … , 𝑣 𝑛)이 𝑅 𝑛의 벡터이면 𝕧의 길이(length 또는 norm) 혹은 크기(magnitude)는
𝕧 로 표시하며 다음과 같이 정의한다.
○ 𝕧 = 𝑣1
2
+ 𝑣2
2
+ ⋯ + 𝑣 𝑛
2
● 벡터 𝕧 ∈ 𝑅 𝑛와 임의의 스칼라 𝑘에 대하여,
○ 𝕧 ≧ 0
○ 𝕧 = 0이 되기 위한 필요충분조건은 𝕧 = 0이다.
○ 𝑘𝕧 ≧ 𝑘 𝕧

단위 벡터
● 단위 벡터(unit vector)
○ 길이가 1인 벡터를 단위벡터라고 한다.
● 영이 아닌 벡터 𝕧 ∈ 𝑅 𝑛와 같은 방향을 갖는 단위벡터 𝕦는 다음 식으로 구한다.
𝕦 =
1
𝕧
𝕧
● 단위벡터를 구하는 과정을 정규화(normalizing)라 한다.
ex) v = (2, 2, -1)의 단위벡터는?
길이가 1인 단위벡터 𝕦

2차원 표준 단위 벡터
● 𝑅2의 직교좌표계에서 양의 좌표축 방향의 단위벡터들을 표준단위벡터라 부른다.
○ 𝑅2
에서는 𝕚 = (1,0), 𝕛 = (0,1)
● 𝑅2의 모든 벡터 𝕧 = (𝑣1, 𝑣2)는 다음과 같이 표준단위벡터들로 표현
○ 𝕧 = (𝑣1, 𝑣2) = 𝑣1(1,0) + 𝑣2(0,1) = 𝑣1 𝕚 + 𝑣2 𝕛
𝑣1, 𝑣2 = 𝑣1 𝕚 + 𝑣2 𝕛
𝕧
𝕚
𝕛

3차원 표준 단위 벡터
● 𝑅3의 직교좌표계에서 양의 좌표축 방향의 단위벡터들을 표준단위벡터라 부른다.
○ 𝑅3
에서는 𝕚 = (1,0,0) , 𝕛 = (0,1,0) , 𝕜 = (0, 0, 1)
● 𝑅3의 모든 벡터 𝕧 = (𝑣1, 𝑣2, 𝑣3)는 다음과 같이 표준단위벡터들로 표현
○ 𝕧 = (𝑣1, 𝑣2, 𝑣3) = 𝑣1(1,0,0) + 𝑣2(0,1,0) + 𝑣3(0,0,1) = 𝑣1 𝕚 + 𝑣2 𝕛 + 𝑣3 𝕜
𝑂
𝑄
𝑅
𝑆
𝑃
𝕚
𝕛
𝕜 𝑣1, 𝑣2, 𝑣3 = 𝑣1 𝕚 + 𝑣2 𝕛 + 𝑣3 𝕜

𝒏차원 표준 단위 벡터
● 일반적으로 𝑅 𝑛에서의 표준단위벡터는
○ 𝕖1 = (1,0, … , 0) , 𝕖2 = (0,1, … , 0) , … , 𝕖 𝑛 = 0,0, … , 1
● 𝑅 𝑛의 벡터 𝕧 = (𝑣1, 𝑣2, … , 𝑣 𝑛)가 다음과 같이 표준단위벡터들로써 표현될 수 있다.
○ 𝕧 = (𝑣1, … , 𝑣 𝑛) = 𝑣1 𝕖1 + 𝑣2 𝕖2 + ⋯ + 𝑣 𝑛 𝕖 𝑛
○ 즉, 벡터가 표준단위벡터의 선형결합(linear combination)으로 나타내어진다.

2,3차원의 점들 간의 거리
● 𝑃1과 𝑃2가 𝑅2또는 𝑅3사이의 점이면 벡터 𝑃1, 𝑃2의 길이는 두 점 간 거리 𝑑와 일치한다.
○ 2차원 : 𝑑(𝕦, 𝕧) = ||𝑃1 𝑃2|| = 𝑥1 − 𝑥2
2 + 𝑦1 − 𝑦2
2
○ 3차원 : 𝑑(𝕦, 𝕧) = ||𝑃1 𝑃2|| = 𝑥1 − 𝑥2
2 + 𝑦1 − 𝑦2
2 + (𝑧1 − 𝑧2)
𝑃1
𝑃2
𝑑 = ||𝑃1 𝑃2||

𝒏차원의 점들 간의 거리
● 𝕦 = (𝑢1, 𝑢2, … , 𝑢 𝑛) , 𝕧 = (𝑣1, 𝑣2, … , 𝑣 𝑛)이 𝑅 𝑛의 점이면 이들 𝕦와 𝕧사이의 거리(distance)를
𝑑(𝕦, 𝕧)로 표시하며 다음과 같이 정의한다.
○ 𝑑(𝕦, 𝕧) = 𝕦 − 𝕧 = 𝑢1 − 𝑣1
2 + 𝑢2 − 𝑣2
2 + ⋯ + (𝑢 𝑛 − 𝑣 𝑛)
ex) 𝕦 = (1, 3, −2, 7) , 𝕧 = (0, 7, 2, 2) 두 점 사이의 거리는?
● 거리의 성질
○ 𝑑 𝕦, 𝕧 ≥ 0
○ 𝑑(𝕦, 𝕧) = 0이 되기 위한 필요충분조건은 𝕦 = 𝕧이다.
○ 𝑑(𝕦, 𝕧) = 𝑑(𝕧, 𝕦)

벡터의 내적
● 벡터의 내적(Inner product)은 두 벡터 사이의 각을 재거나 두 벡터가 서로 수직이라는 것
을 판별하는데 유용한 곱셈
● 𝕦 = (𝑢1, … , 𝑢 𝑛)과 𝕧 = (𝑣1, … , 𝑣 𝑛)이 𝑅 𝑛의 벡터일때, 𝕦와 𝕧의 점곱(dot product) 또는 𝕦와
𝕧의 Euclid 내적(Euclidean inner product)은 𝕦 ∙ 𝕧로 표기하며 다음 식과 같이 정의한다.
○ 𝕦 ∙ 𝕧 = 𝑢1 𝑣1 + 𝑢2 𝑣2 + ⋯ + 𝑢 𝑛 𝑣 𝑛
ex) 𝕦 = (−1,3,5,7) , 𝕧 = (5, −4,7,0)

내적의 성질
● 𝕧 = 𝑣1, 𝑣2, … , 𝑣 𝑛
○ 𝕧・𝕧 = 𝑣1 𝑣1 + 𝑣2 𝑣2 + ⋯ + 𝑣 𝑛 𝑣 𝑛 = 𝕧 2
● 내적의 기본 성질들
○ 𝕦, 𝕧, 𝕨가 𝑅 𝑛
의 벡터이고 𝑘가 실수이면
▸ 𝕦・𝕧 = 𝕧・𝕦(대칭성)
▸ 𝕦・ 𝕧 + 𝕨 = 𝕦・𝕧 + 𝕧・𝕨(분배성)
▸ 𝑘 𝕦・𝕧 = 𝑘𝕦 ・𝕧 = 𝕦・(𝑘𝕧) (동치성)
▸ 𝕧・𝕧 ≥ 0 이고𝕧・𝕧 = 0의 필요충분조건은 𝕧 = 0 (양수성)
▸ 𝕆・𝕧 = 𝕧・𝕆
▸ 𝕧 + 𝕦 ・𝕨 = 𝕧・𝕨 + 𝕦・𝕨
▸ 𝕦・ 𝕧 − 𝕨 = 𝕦・𝕧 − 𝕧・𝕨
▸ 𝕧 − 𝕦 ・𝕨 = 𝕧・𝕨 − 𝕦・𝕨

벡터의 사잇각
● 만약 𝕦와 𝕧가 𝑅2 또는 𝑅3의 벡터들이고 𝜃가 이들 벡터의 사잇각이라 하면
cos 𝜃 =
𝕦 ∙ 𝕧
𝕦 𝕧
○ 𝕦 ∙ 𝕧 = 𝕦 𝕧 cos 𝜃
▸ 영벡터가 아닌 𝕦 와 𝕧 가 수직이기 위한 필요충분조건은 두 벡터의 내적이 0
𝕦
𝕧
𝕦 − 𝕧
도출방법)
1. 코사인 제2법칙 : 𝕧 − 𝕦 2
= 𝕧 2
+ 𝕦 2
− 2 𝕧 𝕦 cos 𝜃
2. 벡터의 길이 : 𝕧 − 𝕦 2
= 𝕧 − 𝕦 ∙ (𝕧 − 𝕦)
이 두개가 같음을 보이면, 사잇각이 도출된다.𝜃

벡터의 직교
● 𝑅 𝑛의 벡터 𝕦와 𝕧가 직교한다(orthogonal)는 것은 𝕦 ∙ 𝕧 = 0을 만족시키는 경우를 말한다.
● 공집합이 아닌 𝑅 𝑛의 벡터들의 집합이 직교집합(orthogonal set)이라는 것은 이 집합의 임
의의 서로 다른 한 쌍의 벡터가 직교하는 것을 말한다.
ex) 다음 벡터들이 𝑅4에서 직교집합을 이루고 있음을 보여라.
𝕧1 = (1,2,2,4) , 𝕧2 = (−2,1, −4,2) , 𝕧3 = (−4,2,2, −1)

벡터의 정규직교
● 𝑅 𝑛의 두 벡터 𝕦와 𝕧가 정규직교(orthonormal)라는 것은 이들이 직교하고 길이가 1인 경
우를 뜻한다.
○ 𝕦 ∙ 𝕧 = 0
○ 𝕦 = 1, 𝕧 = 1
● 벡터들의 집합이 정규직교집합(orthonormal set)이라는 것은 이 집합의 모든 벡터들의 길
이가 1이고 이 집합 속의 서로 다른 임의의 한 쌍의 벡터들이 직교하는 경우를 뜻한다.
ex) 표준단위벡터 𝕖1 = (1,0, … , 0) , 𝕖2 = (0,1, … , 0) , … , 𝕖 𝑛 = (0, … , 0,1)
ex) 다음이 정규직교집합을 이루는 것을 보여라.
𝕢1 = (
1
5
,
2
5
,
2
5
,
4
5
) , 𝕢2 = (−
2
5
,
1
5
, −
4
5
,
2
5
) , 𝕢3 = (−
4
5
,
2
5
,
2
5
, −
1
5
)

�ݺ�ߣ

0124 1 linear_algebra_basic_vector

More Related Content

0124 1 linear_algebra_basic_vector

Editor's Notes