1. 4대 부분공간의 정의와 차원 (The Big Picture)

$m \times n$ 행렬 $A$는 입력 공간 $\mathbb{R}^n$과 출력 공간 $\mathbb{R}^m$ 내에 4개의 핵심적인 부분공간(Subspace)을 정의한다.
이를 이해하는 것이 선형대수학의 기본 정리(Fundamental Theorem of Linear Algebra)의 핵심이다.

• 열공간과 좌영공간이 서로 직교
  • 열공간의 벡터(A의 한 열)과 좌영공간의 벡터 $y \in N(A^T)$ 의 직교: $A^Ty=0$
  • 열공간이므로, $A^T$ 로 표기. ($A^T$ 의 한 행 = $A$ 의 한 열)

$$\mathbb{R}^m = C(A) \oplus N(A^T)$$

• 행공간과 영공간이 서로 직교
  • 행공간의 한 벡터(행)는 $Ax=0$의 해와 내적이 0

$$\mathbb{R}^n = C(A^T) \oplus N(A)$$

1) 열공간 (Column Space, $C(A)$)

• 정의: 행렬 $A$의 열벡터들의 선형 결합(Linear Combination)으로 생성되는 공간.

• 위치: $\mathbb{R}^m$의 부분공간.

• 차원: $r$ (랭크, Rank).

• 의미: $Ax=b$가 해를 가질 수 있는 $b$의 집합.

2) 영공간 (Null Space, $N(A)$)

• 정의: $Ax=0$을 만족하는 모든 해 $x$의 집합.

• 위치: $\mathbb{R}^n$의 부분공간.

• 차원: $n - r$ (변수의 개수 - 랭크).

• 의미: $Ax=0$의 해공간. 행공간과 수직(Orthogonal)이다.

3) 행공간 (Row Space, $C(A^T)$)

• 정의: 행렬 $A$의 행벡터들의 선형 결합으로 생성되는 공간. 벡터 표기의 통일성을 위해 $A^T$의 열공간으로 취급한다.

• 위치: $\mathbb{R}^n$의 부분공간.

• 차원: $r$ (랭크).

• 핵심 성질: 행공간의 차원과 열공간의 차원은 항상 같다 (Row Rank = Column Rank).

4) 좌영공간 (Left Null Space, $N(A^T)$)

• 정의: $A^T y = 0$을 만족하는 모든 $y$의 집합.

  • 식을 전치하면 $y^T A = 0^T$가 되며, 벡터 $y$가 $A$의 왼쪽(Left)에서 곱해지므로 ‘좌영공간’이라 부른다.

• 위치: $\mathbb{R}^m$의 부분공간.

• 차원: $m - r$ (행의 개수 - 랭크).

• 의미: 열공간과 수직(Orthogonal)이다.

---

2. 각 공간의 기저(Basis) 구하는 법

행렬 $A$를 가우스 소거법을 통해 기약 행사다리꼴(RREF) $R$로 만들면, 4대 공간의 기저를 명확히 찾을 수 있다.

$A \xrightarrow{\text{Gauss-Jordan}} R$

1) 행공간 $C(A^T)$의 기저

• 방법: $R$의 0이 아닌 행(Nonzero rows)들을 선택한다.

• 이유: 기본 행 연산(Row operation)은 행들의 선형 결합이므로, $A$의 행공간을 보존한다. 즉, $C(A^T) = C(R^T)$이다. $R$의 행들은 가장 간단하고 독립적인 형태이다.

2) 열공간 $C(A)$의 기저

• 방법: $A$의 피벗 열(Pivot columns)들을 선택한다.

• 주의: $R$의 피벗 열을 선택하면 안 된다. $C(A) \neq C(R)$이기 때문이다. $R$에서 피벗이 있는 열의 인덱스(위치) 를 확인하고, 반드시 원래 행렬 $A$ 의 해당 열을 가져와야 한다.

3) 영공간 $N(A)$의 기저

• 방법: $Ax=0$ (혹은 $Rx=0$)의 특수 해(Special solutions)들을 선택한다.

• 과정: $n-r$개의 자유 변수(Free variable)에 대해, 하나는 1, 나머지는 0을 순차적으로 대입하여 구한다.

4) 좌영공간 $N(A^T)$의 기저

• 방법: 가우스-조르단 소거법을 확장하여 찾는다.

  $[A \ | \ I] \xrightarrow{\text{Elimination}} [R \ | \ E]$

  • 여기서 $E$는 $A$를 $R$로 만드는 기록 행렬이다 ($EA=R$).

  • $R$의 아래쪽 $m-r$개 행은 모두 0이다 (Zero rows).

  • 즉, $E$의 아래쪽 행들이 $A$와 곱해져서 0을 만든 것이다.

• 결론: $E$의 마지막 $m-r$개의 행이 좌영공간의 기저이다.

---

3. 주요 예시 및 응용

예시 1: 랭크-1 행렬 (Rank One Matrices)

모든 랭크 1 행렬은 하나의 열 벡터 $u$와 하나의 행 벡터 $v^T$의 곱으로 표현된다.

$A = uv^T = \begin{bmatrix} u_1 \\ \vdots \\ u_m \end{bmatrix} \begin{bmatrix} v_1 & \dots & v_n \end{bmatrix}$

• 행공간: $v$ 벡터 1개가 기저가 된다. (차원 = 1)

• 열공간: $u$ 벡터 1개가 기저가 된다. (차원 = 1)

• 의미: 행렬의 모든 행은 $v^T$의 배수이며, 모든 열은 $u$의 배수이다.

예시 2: 그래프와 접속 행렬 (Incidence Matrix)

그래프 이론에서 노드(Node)와 엣지(Edge)의 관계를 나타내는 행렬 $A$는 4대 부분공간의 물리적 의미를 잘 보여준다.

• 행($m$): 엣지(Edge)의 개수

• 열($n$): 노드(Node)의 개수

• 성분: 엣지가 노드 $i$에서 $j$로 연결되면, 해당 행의 $i$열은 -1, $j$열은 +1.

(1) 영공간 ($Ax=0$)의 물리적 의미: 등전위

• $Ax=0$은 각 엣지 양 끝의 차이가 0이라는 의미 ($x_j - x_i = 0$).

• 이는 모든 노드의 **전위(Potential)**가 동일함을 뜻한다 ($x_1 = x_2 = \dots = c$).

• 연결된 그래프라면 영공간의 차원은 1이다 (상수 벡터 $c[1, 1, \dots, 1]^T$).

(2) 좌영공간 ($A^T y = 0$)의 물리적 의미: 키르히호프 전류 법칙 (KCL)

• $A^T y = 0$은 각 노드에서 들어오고 나가는 값의 합이 0이라는 의미.

• 이는 회로 이론의 **키르히호프 전류 법칙(KCL)**과 같다. (유입 전류 = 유출 전류).

• 좌영공간의 기저는 그래프 내의 **독립적인 루프(Loop)**를 따라 흐르는 순환 전류가 된다.

• 차원: $m - r = \text{Edges} - (\text{Nodes} - 1) = \text{Loops}$ (오일러의 공식과 연결됨).

---

4. 벡터 공간의 확장 (New Vector Spaces)

벡터 공간은 $\mathbb{R}^n$에 국한되지 않으며, 벡터의 정의(덧셈과 스칼라배에 닫혀있음)를 만족하는 모든 집합으로 확장될 수 있다.

• 행렬 공간 (Matrix Space, $M$): 모든 $3 \times 3$ 행렬의 집합도 벡터 공간이다.

  • 차원: $3 \times 3 = 9$.

• 부분공간 (Subspaces of $M$):

  • 상삼각행렬 (Upper Triangular): 대각선 아래가 0인 행렬. (차원 6)

  • 대칭행렬 (Symmetric): $A^T = A$인 행렬. (차원 6)

  • 대각행렬 (Diagonal): 상삼각행렬 $\cap$ 대칭행렬. (차원 3)

• 이러한 공간들에서도 기저(Basis)와 차원(Dimension)의 개념은 동일하게 적용된다.