차원 정리 (Rank-Nullity Theorem)
쉽게 풀면
어떤 공장에 원재료가 100톤 들어왔다고 해봅시다. 이 중 일부는 완제품으로 만들어지고, 나머지는 공정 중에 사라지거나 폐기됩니다. 아무리 공정이 복잡해도 "완제품으로 나온 양 + 사라진 양 = 처음 들어온 100톤"이라는 사실은 변하지 않습니다.
행렬도 마찬가지입니다. n차원 공간의 벡터를 행렬 A에 통과시키면, 일부 방향은 결과 공간에 그대로 살아남고(이 살아남은 차원의 수가 랭크, rank) 나머지 방향은 영공간으로 사라집니다(이 사라진 차원의 수가 nullity).
차원 정리는 이 둘을 더하면 항상 원래 공간의 전체 차원 n과 같다는 것을 보장합니다: rank(A) + nullity(A) = n.
왜 중요한가
선형회귀의 계수 추정, 신경망 레이어의 정보 손실, 선형시스템의 해의 유무와 개수 등 다양한 문제가 결국 "어떤 선형변환이 정보를 얼마나 보존하고 얼마나 잃는가"로 환원됩니다. 차원 정리는 이 손실과 보존을 랭크와 nullity라는 두 정수로 정확히 나누어 설명해 주기 때문에, 통계학의 식별가능성 논의부터 공학의 시스템 이론, 컴퓨터과학의 차원 축소 기법에 이르기까지 다양한 분야의 이론 전개에서 기초 도구로 인용됩니다.
핵심 정리
- 진술: 유한차원 벡터공간 V에서 정의된 선형변환 T: V → W에 대해 dim V = rank T + nullity T입니다. rank는 상(像)의 차원, nullity는 영공간(핵)의 차원입니다. m×n 행렬 A에서는 rank(A) + nullity(A) = n(열의 개수)입니다.
- 아이디어: 영공간의 기저를 V 전체 기저로 확장하면, 확장에 쓴 벡터들의 상이 T의 상 공간의 기저가 됩니다. 그래서 “사라지는 차원 + 살아남는 차원 = 전체 차원”입니다(Axler, 2015).
- 따름: T가 단사일 필요충분조건은 nullity가 0입니다. 정방행렬이면 단사와 전사가 서로 필요충분입니다. 동차 연립방정식 Ax = 0에서 자유변수의 개수는 n − rank(A)입니다(Strang, 2016).
- 랭크와 영공간을 따로 구하지 않고 하나만 알아도 나머지를 얻을 수 있다는 점이 쓸모입니다.
예시로 보기
예(가상의 행렬, 계산 코드로 확인): 3×4 행렬 A의 행들은 (1, 2, 0, 1), (2, 4, 1, 3), (3, 6, 1, 4)입니다. 가우스 소거로 기약 행 사다리꼴을 만들면 (1, 2, 0, 1), (0, 0, 1, 1), 영행이 되어 피벗이 1열과 3열에 있습니다. 그래서 rank(A) = 2이고 n = 4이므로 nullity(A) = 4 − 2 = 2입니다. 실제로 영공간의 기저 (−2, 1, 0, 0)과 (−1, 0, −1, 1)이 Ax = 0을 만족합니다. 세 번째 행이 첫째·둘째 행의 합이어서 독립인 행이 둘뿐이라는 점도 확인됩니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| rank + nullity는 행의 개수 m과 같다. | 정의역의 차원, 곧 열의 개수 n과 같습니다. m은 공역의 차원입니다. |
| 무한차원에서도 같은 식이 성립한다. | 이 식은 정의역이 유한차원일 때의 결과입니다. |
| 랭크가 같으면 영공간도 같다. | n이 같으면 nullity는 같지만 영공간이라는 집합 자체는 다릅니다. |
| nullity는 영공간에 있는 벡터의 개수다. | 영공간은 보통 무한히 많은 벡터를 가지며 nullity는 그 차원(기저의 개수)입니다. |
| 컴퓨터가 낸 랭크는 항상 이론값과 같다. | 부동소수점 계산에서는 아주 작은 특이값을 0으로 보는 수치적 랭크를 쓰므로 이론값과 다를 수 있습니다. |
논문에서는 이렇게 쓰입니다
실제 논문에서
이 용어를 직접 쓴 국내 논문 문장을 아직 수집하지 못했습니다. 수집되는 대로 출처와 함께 싣겠습니다.
예시 문장
아래는 용어의 쓰임을 보여 주려고 만든 예시로, 실제 논문에서 가져온 문장이 아닙니다.
이 문장은 "행렬의 살아남는 차원 수(랭크)가 변수의 개수와 정확히 일치하므로, 사라지는 차원(영공간)이 원점밖에 없어서 계수를 구하는 해가 하나로 정해진다"는 뜻입니다.
제어이론이나 시스템 공학에서 선형시스템의 해가 여러 개 존재할 가능성을 랭크와 nullity로 진단하는 사례를 보여줍니다.
딥러닝 이론 연구에서 레이어의 표현력 손실을 랭크-nullity 관계로 설명하는 서술 방식을 나타냅니다.
조금 더 깊게 보면
차원 정리는 유한차원 벡터공간 위의 선형사상에 대해 성립하며, 행렬로 표현하면 열공간(column space)의 차원이 랭크, 영공간의 차원이 nullity에 해당합니다. 실제 논문에서는 랭크를 특이값분해(SVD)의 0이 아닌 특이값 개수로 계산하거나, 수치적으로는 아주 작은 특이값을 0으로 간주하는 '수치적 랭크' 개념을 사용하는 경우가 많아, 이론적 랭크와 계산상 추정되는 랭크가 항상 정확히 일치하지는 않는다는 점도 함께 고려됩니다.
주의할 점
차원 정리는 "행렬이 뭘 하는지" 몰라도 성립하는 항등식이라는 점이 중요합니다. 즉 계산으로 랭크만 알면 굳이 영공간을 직접 구하지 않아도 nullity = n - rank(A)로 바로 구할 수 있습니다. 이 관계는 행렬의 랭크가 왜 방정식의 해의 개수, 자유도, 모델의 식별가능성과 직결되는지를 설명하는 핵심 근거로 쓰입니다.
헷갈리기 쉬운 용어
이름이 비슷한 세 양을 구분합니다.
| 용어 | 무엇인가 | 어디에 속하나 |
|---|---|---|
| 랭크(rank) | 상 공간(열공간)의 차원 | 공역 쪽 |
| 영공간 / nullity | Ax = 0의 해 집합 / 그 차원 | 정의역 쪽 |
| 차원 정리 | rank + nullity = n(열의 수) | 둘을 잇는 관계식 |
참고 문헌
- Axler, S. (2015). Linear Algebra Done Right (3rd ed.). Springer.
- Strang, G. (2016). Introduction to Linear Algebra (5th ed.). Wellesley-Cambridge Press.
- Friedberg, S. H., Insel, A. J., & Spence, L. E. (2003). Linear Algebra (4th ed.). Prentice Hall.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.