선형대수학, 그 아홉 번째 이야기 | 무한 차원 벡터 공간
앞선 글에서 진행되었던 몇 가지 중요한 벡터 공간의 성질들은 항상 유한 차원에서 진행되었다는 것을 알 수 있다. 이 글에서는 이를 무한 차원으로 확장하려고 한다. 그를 위해서는 알아야 할 지식들이 몇 가지 있다.
어떤 집합 $X$ 의 집합족 $\mathcal{F}$ 는 $X$ 의 부분 집합중 일부를 원소로 가지는 집합이다. 즉, $\mathcal{F}$ 는 $X$ 의 멱집합의 부분집합, 즉 $\mathcal{F} \subseteq \mathcal{P}(X)$ 이다. |
여기서 $X$ 의 멱집합이란 $X$ 의 모든 부분집합을 원소로 가지는 집합이고, $\mathcal{P}(X)$ 처럼 쓴다.
우리는 집합족 $\mathcal{F}$ 에 대해 maximal 이라는 것을 정의한다.
$\mathcal{F}$ 라는 집합족에 대해, $M \in \mathcal{F}$ 가 maximal 이라고 불리려면 $\mathcal{F}$ 의 $M$ 이 아닌 원소가 $M$ 을 부분집합으로 가지지 않아야 한다. |
즉, $M$ 을 포함하는 $\mathcal{F}$ 의 원소는 $M$ 자신이 유일하다는 것이다. 또한 우리는 집합을 원소로 가지는 집합에 대해, 사슬(Chain) 이라는 것을 정의할 수 있다. 사슬은 Nest 나 Tower 이라고 불리기도 한다.
$\mathcal{C}$ 가 사슬이라고 불리기 위해서는, $\mathcal{C}$ 의 임의의 두 원소 $A, B$ 에 대해 $A \subseteq B$ 혹은 $B \subseteq A$ 가 성립해야 한다. |
우리는 위의 두 정의를 통해 Maximal Principle 이라 불리는 아래의 명제를 생각할 수 있다.
$\mathcal{F}$ 가 집합족이라고 하자. 임의의 사슬 $\mathcal{C} \subseteq \mathcal{F}$ 에 대해 모든 $\mathcal{C}$ 의 원소를 부분집합으로 가지는 $\mathcal{F}$ 의 원소가 존재한다면 $\mathcal{F}$ 는 반드시 maximal 을 가진다. |
이것은 다른 공리로부터 유도될 수 있는 명제로, 그 증명은 이 글의 정리에서 $\subseteq$ 를 순서로 준 것이다.
따라서 이를 기반으로 하여 극대 선형 독립 부분집합 (maximal linearly independent subset) 을 정의할 수 있다.
$S$ 가 벡터 공간 $V$ 의 부분집합이라고 하자. 이 때 $S$ 의 극대 선형 독립 부분집합이란 다음의 두 가지 조건을 모두 만족하는 $S$ 의 부분집합 $B$ 이다. 1. $B$ 는 선형 독립이다. 2. $S$ 의 부분집합 중 선형 독립이며 $B$ 를 부분집합으로 가지는 것은 $B$ 뿐이다. |
위의 정의는 maximal 의 정의와 굉장히 흡사해보이며, 그렇기 때문에 이를 maximal linearly independent subset 이라고 부르는 것이다.
위의 정의로부터, 우리는 벡터 공간의 기저와 관련한 다음 정리를 증명할 수 있다.
$V$ 가 벡터 공간이고, $S$ 가 $V$ 를 $\mathrm{span}$ 한다고 하자. $S$ 의 maximal linearly independent subset $\beta$ 는 $V$ 의 기저이다. |
Proof
$\beta$ 가 $S$ 의 maximal linearly independent subset 이므로, 정의에 의해 우리는 $\beta$ 가 $V$ 를 $\mathrm{span}$ 함을 보이면 $\beta$ 는 $V$ 의 기저이다. 따라서 우리는 $S \subseteq \mathrm{span}(\beta)$ 를 보일 것이다. 이것으로 충분함은 이 글의 첫 번째 정리에 의해 보장된다.
$v \in S$ 이고 $v \notin \mathrm{span}(\beta)$ 인 $v$ 의 존재를 가정하자. 이 글의 마지막 정리에 의해, $\beta \cup \{v\}$ 는 선형 독립이다. 그런데 이는 $\beta$ 가 maximal linearly independent subset 임에 모순이다. 따라서 $S \subseteq \mathrm{span}(\beta)$ 이고, $\mathrm{span}(S) = V$ 이므로, $\mathrm{span}(\beta) = V$ 이다.
따라서 $\beta$ 는 $V$ 의 기저이다.
이제 무한 차원 벡터 공간에서 성립하는 아주 훌륭한 정리 하나를 소개할 준비가 되었다.
$S$ 가 벡터 공간 $V$ 의 선형 독립인 부분집합이라고 하자. 이 때 $V$ 는 $S$ 를 부분집합으로 가지는 maximal linarly independent subset 을 가진다. |
Proof
$\mathcal{F}$ 를 $V$ 의 선형 독립이고, $S$ 를 부분집합으로 가지는 모든 집합을 원소로 가지는 집합이라고 하자. 이 때 $S \subseteq \mathcal{F}$ 임은 정의에 의해 자명하다.
이제 $\mathcal{F}$ 가 maximal 을 가짐을 보이자. 그렇다면 임의의 사슬 $\mathcal{C} \subseteq \mathcal{F}$ 에 대해, $U \subseteq \mathcal{F}$ 가 존재하여 $\mathcal{C}$ 의 모든 원소를 포함해야 한다.
이 때, $U$ 를 $\mathcal{C}$ 의 모든 원소의 합집합이라고 하자. 정의에 의해 $\mathcal{C}$ 의 모든 원소는 $U$ 의 부분집합이다. 따라서 $U \subseteq \mathcal{F}$ 임만 보이면 $\mathcal{F}$ 는 maximal 을 가진다.
$\mathcal{F}$ 의 원소인 모든 집합은 정의에 의해 $S$ 를 부분집합으로 가지므로, $S \subseteq U \subseteq V$ 가 성립한다. 따라서, $U$ 가 선형 독립임을 보이면 $U \subseteq \mathcal{F}$ 가 보여진다.
어떤 $u_1, u_2, \cdots, u_n \in U$ 와 $a_1, a_2, \cdots a_n \in F$ 에 대해 ($F$ 는 $\mathcal{F}$ 와 다르다. $F$ 는 $V$ 가 정의된 체이다) $$ a_1 u_1 + a_2 u_2 + \cdots + a_n u_n = 0$$ 이라고 하자. $u_i \in U$ ($i = 1, 2, \cdots, n$) 이기 때문에, 어떤 $A_i \subseteq \mathcal{C}$ 가 존재하여 $u_i \in A_i$ 이다. ($i = 1, 2, \cdots, n$) 그런데 $\mathcal{C}$ 가 사슬이기 때문에, 어떤 $A_k$ 가 존재하여 $A_i \subseteq A_k$ 라고 할 수 있다. ($i = 1, 2, \cdots, n$)
그런데 $A_k$ 는 선형 독립인 집합이므로, $a_1 u_1 + a_2 u_2 + \cdots + a_n u_n = 0$ 은 $a_1 = a_2 = \cdots = a_n = 0$ 을 의미한다. 따라서 $U$ 는 선형 독립이다.
그러므로, maximal principle 에 의해 $\mathcal{F}$ 는 maximal 을 가진다. 그리고 $\mathcal{F}$ 의 maximal 은 분명히 $S$ 를 부분집합으로 가지는 $V$ 의 maximal linearly independent subset 이다. 따라서 본래 명제는 참이다.
위의 정리가 훌륭하다고 한 이유는, 이것이 모든 벡터 공간이 기저가 존재함을 보장하기 때문이다.
모든 벡터 공간은 기저를 가진다 |
Proof
공집합은 분명히 선형 독립인 집합이다. 그렇기에 벡터 공간 $V$ 의 선형 독립인 부분집합 $\varnothing$ 에 대해, 우리는 $\varnothing$ 을 부분집합으로 가지는 $V$ 의 maximal linearly independent subset 을 생각할 수 있다. 그런데 $V$ 는 $V$ 로 $\mathrm{span}$ 되므로, $V$ 의 maximal linearly independent subset 은 $V$ 의 기저이다.
공집합을 부분집합으로 가지지 않는 벡터 공간은 존재하지 않으므로, 모든 벡터 공간은 기저를 가진다.
또한 우리는 Replacement Theorem 과 유사한 방법으로 무한 차원 벡터 공간 $V$ 의 기저가 같은 기수를 가짐을 보일 수 있다. 이는 독자에게 맡긴다.
'수학 > 선형대수학 | Linear Algebra' 카테고리의 다른 글
선형대수학, 그 열한 번째 이야기 | Dimension Theorem (0) | 2021.02.02 |
---|---|
선형대수학, 그 열 번째 이야기 | 선형 변환(Linear Transformation) (0) | 2021.02.02 |
선형대수학, 그 여덟 번째 이야기 | 벡터 공간의 차원(Dimension) (0) | 2021.02.01 |
선형대수학, 그 일곱 번째 이야기 | Replacement Theorem (2) | 2021.02.01 |
선형대수학, 그 여섯 번째 이야기 | 벡터공간의 기저 (Basis of Vector Spaces) (0) | 2021.02.01 |