Summary

**일차결합(linear combination)**은 벡터 몇 개에 숫자를 곱해서 다 더한 것이고, **생성(span)**은 그렇게 만들 수 있는 모든 결과를 한 곳에 모은 집합이다. 즉 “이 재료 벡터들을 섞어서 도달할 수 있는 모든 점”이 곧 span이며, span은 언제나 부분공간(subspace)이 된다.

용어 설명

• linear combination (일차결합/선형결합): 벡터들에 스칼라를 곱해 더한 식. 예: $2{\mathbf{v}}_1-3{\mathbf{v}}_2$.
• scalar (스칼라): 벡터에 곱하는 그냥 숫자.
• span (생성/생성공간): 주어진 벡터들의 모든 일차결합을 모은 집합.
• spanning set (생성집합): 어떤 공간을 span으로 만들어내는 벡터들의 모음.
• subspace (부분공간): 덧셈·스칼라배에 닫혀 있고 0을 포함하는, 공간 안의 또 다른 공간.

Span and Linear Combination

1. 직관 (재료 벡터를 섞어 만들 수 있는 모든 것)

요리를 떠올려 보자. 손에 재료 두 가지(예: 빨강 물감, 파랑 물감)가 있다. 이 둘을 “얼마씩” 섞느냐에 따라 보라, 분홍, 진한 남색 등 수많은 색을 만들 수 있다.

• 재료 벡터 = 빨강 물감, 파랑 물감
• 얼마씩 섞을지 정하는 숫자(스칼라) = 빨강 2스푼, 파랑 0.5스푼
• 일차결합(linear combination) = “빨강 2스푼 + 파랑 0.5스푼”처럼 한 번 섞은 결과
• span(생성) = 그 재료들로 만들 수 있는 모든 색의 전체 목록

핵심: span은 결과 하나가 아니라 “가능한 모든 결과의 집합”이다. 재료를 정하면, 도달 가능한 모든 지점이 자동으로 정해진다.

2. 정의 (일차결합, span)

벡터 ${\mathbf{v}}_1,{\mathbf{v}}_2,\dots ,{\mathbf{v}}_k$ 와 스칼라 $c_1,c_2,\dots ,c_k$ 가 있을 때,

일차결합(linear combination):
$c_1{\mathbf{v}}_1+c_2{\mathbf{v}}_2+\cdots +c_k{\mathbf{v}}_k$

스칼라 $c_i$ 에 아무 숫자나 넣어서 만든 식 하나하나가 일차결합이다.

생성(span): 가능한 모든 $c_i$ 를 다 넣어서 만든 일차결합을 전부 모은 집합.
$\text{span}\{{\mathbf{v}}_1,\dots ,{\mathbf{v}}_k\}=\{c_1{\mathbf{v}}_1+\cdots +c_k{\mathbf{v}}_k\mid c_1,\dots ,c_k\in \mathbb{R}\}$

이것은 그 벡터들을 포함하는 가장 작은 부분공간과 같다.

3. span은 항상 부분공간이다 (이유)

$\text{span}\{{\mathbf{v}}_1,\dots ,{\mathbf{v}}_k\}$ 은 무조건 부분공간(subspace)이다. 부분공간 조건 3개를 모두 만족하기 때문이다.

1. 0을 포함한다: 모든 스칼라를 0으로 두면 $0{\mathbf{v}}_1+\cdots +0{\mathbf{v}}_k=0$. 그래서 영벡터가 항상 들어 있다.
2. 덧셈에 닫혀 있다: 일차결합 둘을 더해도 다시 일차결합이다. ($c_i{\mathbf{v}}_i$ 들과 $d_i{\mathbf{v}}_i$ 들을 더하면 계수가 $c_i+d_i$ 인 일차결합)
3. 스칼라배에 닫혀 있다: 일차결합에 숫자 $t$ 를 곱하면 계수가 $t{c}_i$ 인 또 다른 일차결합이다.

Tip

“섞어서 만든 것을 또 섞어도 결국 같은 재료로 만든 것” — 그래서 span 안에서 더하고 곱해도 절대 밖으로 나가지 않는다. 이게 곧 닫혀 있다(closed)는 뜻.

4. 예시 (2D / 3D)

${\mathbb{R}}^3$ 안에서 그림으로 보면 직관이 확 산다.

• 벡터 1개 (0이 아닌 경우): $\text{span}\{\mathbf{v}\}$ 는 원점을 지나는 직선(line). $\mathbf{v}$ 를 늘이고 줄이고 뒤집은 모든 점이다.
• 일차독립인 벡터 2개: $\text{span}\{{\mathbf{v}}_1,{\mathbf{v}}_2\}$ 는 원점을 지나는 평면(plane).
• 표준기저 ${\mathbf{e}}_1,{\mathbf{e}}_2,{\mathbf{e}}_3$: $\text{span}\{{\mathbf{e}}_1,{\mathbf{e}}_2,{\mathbf{e}}_3\}={\mathbb{R}}^3$ 공간 전체.
  • 여기서 ${\mathbf{e}}_1=(1,0,0),{\mathbf{e}}_2=(0,1,0),{\mathbf{e}}_3=(0,0,1)$.
  • 임의의 점 $(x,y,z)$ 는 $x{\mathbf{e}}_1+y{\mathbf{e}}_2+z{\mathbf{e}}_3$ 로 만들 수 있으니, 못 만드는 점이 없다.

구체적 계산 예: ${\mathbf{v}}_1=(1,0),{\mathbf{v}}_2=(0,1)$ 일 때 $(3,5)=3{\mathbf{v}}_1+5{\mathbf{v}}_2$. 그래서 $\text{span}\{{\mathbf{v}}_1,{\mathbf{v}}_2\}={\mathbb{R}}^2$ 전체.

Warning

벡터 개수만 보고 차원을 판단하지 말 것. 두 벡터가 같은 방향(서로 배수)이면 $\text{span}$ 은 평면이 아니라 여전히 직선이다. 차원은 “개수”가 아니라 “일차독립인 개수”가 결정한다.

5. 어디에 쓰나 / 흔한 함정

쓰임:

• “이 벡터들로 공간 전체를 만들 수 있나?” 라는 질문이 곧 spanning 여부 판정이다.
• 연립방정식 $A\mathbf{x}=\mathbf{b}$ 가 해를 가질 조건 = $\mathbf{b}$ 가 $A$ 의 열벡터들의 span(즉 column space) 안에 있는가.
• 기저(basis), 차원(dimension), 계수(rank) 같은 다음 개념이 전부 span 위에 세워진다.

흔한 함정:

• span은 “벡터 하나”가 아니라 “집합”이다. 결과가 아니라 가능한 모든 결과.
• span은 항상 원점을 지난다. 원점을 지나지 않는 직선/평면은 span이 될 수 없다(부분공간이 아니므로).
• 벡터를 더 추가해도 그 벡터가 이미 기존 span 안에 있으면 span은 커지지 않는다.

교과서: Strang, Introduction to Linear Algebra, Ch 3.

6. 30초 요약

• 일차결합 = 벡터들에 숫자 곱해 다 더한 것: $c_1{\mathbf{v}}_1+\cdots +c_k{\mathbf{v}}_k$.
• span = 그런 일차결합을 전부 모은 집합 = 그 벡터들을 품는 가장 작은 부분공간.
• span은 항상 부분공간 (0 포함 + 덧셈·스칼라배에 닫힘).
• ${\mathbb{R}}^3$: 한 벡터 → 직선, 독립 두 벡터 → 평면, ${\mathbf{e}}_1,{\mathbf{e}}_2,{\mathbf{e}}_3$ → 공간 전체.
• “공간을 다 채우나?” = spanning 여부. 차원은 개수가 아니라 독립인 개수.

관련 노트

• Linear Algebra Concepts (index)
• Vector Spaces and Subspaces
• Linear Independence, Basis, and Dimension