벡터의 정사영 (Vector Projection)
쉽게 풀면
해가 머리 위에 떠 있을 때 막대기를 비스듬히 세우면 땅에 그림자가 생깁니다. 이 그림자는 막대기 전체 길이가 아니라, 막대기가 땅과 이루는 방향으로만 "눌러 찍은" 길이입니다. 벡터의 정사영도 똑같은 원리입니다.
벡터 A를 벡터 B 방향으로 정사영한다는 것은, A가 B 방향으로 얼마나 뻗어 있는지를 나타내는 성분만 뽑아서 B와 같은 방향의 새로운 벡터로 만드는 것입니다. 이때 계산은 A와 B의 벡터의 내적을 B의 길이의 제곱으로 나눈 뒤 그 값을 B에 곱하는 방식으로 이루어집니다. 정사영을 구하면 A를 두 부분으로 쪼갤 수 있습니다.
하나는 B 방향과 완전히 나란한 부분(정사영), 다른 하나는 B와 완전히 수직인 나머지 부분입니다. 이렇게 방향별로 성분을 나누는 것은 힘을 분해하거나, 데이터에서 특정 방향의 영향만 따로 떼어내 분석할 때 자주 쓰이는 기본 도구입니다.
왜 중요한가
정사영은 복잡한 벡터를 서로 독립적인 방향의 성분으로 나누어 분석할 수 있게 해주는 기본 도구이기 때문에, 물리학의 힘 분해부터 통계학의 회귀분석, 데이터과학의 차원축소에 이르기까지 폭넓게 응용됩니다. 특히 고차원 데이터를 몇 개의 중요한 방향으로 압축해 표현하려는 연구에서는, 데이터를 그 방향으로 정사영하는 계산이 핵심 단계로 등장합니다.
핵심 정리
- 벡터 a를 벡터 b 방향으로 정사영한 벡터는
projba = (a·b / b·b) b입니다. a·b는 내적, b·b는 b 길이의 제곱입니다. - a가 b 방향으로 뻗은 정도를 길이로만 나타낸 값(스칼라 성분)은
a·b / |b|이고, 부호가 있습니다. b와 반대쪽이면 음수입니다. a − projba는 b와 수직입니다. 그래서 a = (b 방향 성분) + (b에 수직인 성분)으로 쪼개지고, 피타고라스 관계|a|² = |proj|² + |수직 성분|²가 성립합니다.- 결과는 b의 방향에만 달라지고 b의 길이에는 달라지지 않습니다. b를 2배로 늘려도 같은 정사영이 나옵니다(분모의 b·b가 상쇄).
- 계산에 내적이 쓰이므로 내적이 0이면(서로 수직) 정사영은 영벡터입니다.
예시로 보기
가상의 예입니다. a = (3, 4, 1), b = (2, 0, 1)이라 합시다.
- a·b = 3×2 + 4×0 + 1×1 = 7, b·b = 4 + 0 + 1 = 5
- 계수 7 ÷ 5 = 1.4이므로 정사영은 1.4 × (2, 0, 1) = (2.8, 0, 1.4)
- 수직 성분은 a − 정사영 = (0.2, 4, −0.4). 이것과 b의 내적은 0.2×2 + 0 + (−0.4)×1 = 0으로 수직임을 확인합니다.
- 길이로 확인하면 |a|² = 26, |정사영|² = 9.8, |수직 성분|² = 16.2이고 9.8 + 16.2 = 26입니다.
자주 하는 오해
| 오해 | 바로잡기 |
|---|---|
| 정사영의 크기는 b가 길수록 커진다. | 정사영은 b의 방향만 씁니다. b의 길이를 바꾸어도 정사영은 변하지 않습니다. |
| 정사영 벡터와 스칼라 성분은 같다. | 정사영은 b 방향의 벡터이고, 스칼라 성분은 그 길이(부호 포함)입니다. 둘의 관계는 정사영 = 스칼라 성분 × b/|b|입니다. |
| 정사영은 원래 벡터보다 항상 짧다. | |정사영| = |a||cos θ|이므로 원래보다 길어지는 일은 없지만, a가 b와 평행이면 길이가 같습니다. |
| 정사영은 그림자 이야기일 뿐 계산에 쓰이지 않는다. | 최소제곱 회귀는 관측값 벡터를 설명변수가 만드는 부분공간에 정사영하는 것과 같은 구조이고, 주성분 분석에서도 데이터를 주성분 방향으로 정사영해 차원을 줄입니다. |
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 고차원 데이터를 주성분분석(PCA)에서 찾아낸 몇 개의 대표 방향으로 투영해서, 원래 정보를 최대한 유지하면서도 더 적은 숫자로 표현했다는 뜻입니다. 통계, 공학, 컴퓨터과학 논문에서 데이터 축소나 신호 분해를 설명할 때 흔히 등장합니다.
물리학에서는 힘이나 속도 같은 벡터량을 특정 방향(예: 경사면)과 그에 수직인 방향으로 나누어 각각의 효과를 따로 분석할 때 정사영을 사용합니다.
통계학의 최소제곱법은 실제로는 관측값 벡터를 모델이 만들 수 있는 부분공간으로 정사영하는 과정으로 설명할 수 있습니다.
조금 더 깊게 보면
정사영 개념은 하나의 방향뿐 아니라 여러 벡터가 만드는 부분공간 전체로도 확장할 수 있으며, 이 경우 원래 벡터에서 정사영을 뺀 나머지 성분은 그 부분공간과 완전히 수직이 됩니다. 이러한 성질 때문에 정사영은 오차를 최소화하는 최적의 근사값을 구하는 문제(최소제곱법)와 수학적으로 동일한 구조를 가지며, 여러 방향으로의 정사영을 조합해 표현하는 방식은 정규직교기저를 이용한 좌표 변환과도 직접 연결됩니다.
주의할 점
정사영은 원래 벡터와 같은 길이를 갖지 않으며, 대부분 원래 벡터보다 짧아집니다. 정사영 벡터의 길이가 원래 벡터와 같아지는 경우는 두 벡터가 완전히 같은 방향(평행)일 때뿐이며, 두 벡터가 벡터의 내적이 0인 직각 관계라면 정사영은 아예 0이 된다는 점에 유의해야 합니다.
헷갈리기 쉬운 용어
| 용어 | 결과물 | 한 줄 설명 |
|---|---|---|
| 벡터의 정사영 | 벡터 | 한 벡터가 다른 벡터 방향으로 드리운 성분을 벡터로 나타낸 것 |
| 스칼라 성분 | 실수(부호 있음) | 정사영의 길이. 반대 방향이면 음수 |
| 벡터의 내적 | 실수 | 두 벡터의 크기와 사이각의 코사인을 곱한 값. 정사영 계산의 재료 |
참고 문헌
- Strang, G. (2016). Introduction to Linear Algebra (5th ed.). Wellesley-Cambridge Press.
- Lay, D. C., Lay, S. R., & McDonald, J. J. (2016). Linear Algebra and Its Applications (5th ed.). Pearson.
표의 기준값은 위 문헌에 근거한 관례이며, 분야·학술지마다 다른 기준을 쓸 수 있습니다.