선형대수선형변환#377

선형변환

Linear Transformations

선형변환은 벡터의 덧셈과 실수배를 보존하는 변환이다. 두 보존 조건을 확인하고 표준기저의 상을 열로 배열하여 평면·공간의 변환을 행렬로 나타낸다.

주인공 기호
T
읽는 시간
약 7분
선수 개념
행렬 연산

직관 — 두 재료를 섞는 순서

직관

두 재료를 정해진 비율로 가공하는 장치를 생각하자. 재료를 먼저 섞어 가공한 결과가 따로 가공해 섞은 결과와 같고, 투입량을 두 배로 하면 결과도 두 배가 된다. 이 두 약속을 벡터의 연산으로 옮긴 것이 선형성이다.

재료의 양이 입력벡터, 가공 규칙이 변환, 결과가 출력벡터에 해당한다. 행렬 연산에서 계산한 행렬 곱을 이제 벡터를 다른 벡터로 보내는 함수로 읽는다. 선형변환을 행렬로 나타내면 복잡한 규칙도 성분 계산으로 확인할 수 있다. 이어지는 회전변환, 대칭·닮음변환, 합성도 모두 이 행렬 표현 위에서 계산한다.

선형변환은 덧셈과 실수배를 보존한다

선형변환(linear transformation, 선형 변환 또는 일차변환)은 벡터의 덧셈과 실수배를 보존하는 함수다. 여기서는 실수 벡터를 다루며, 입력과 출력의 성분 수는 서로 달라도 된다.

T(u+v)=T(u)+T(v),T(cu)=cT(u).(1)T(\mathbf{u}+\mathbf{v})=T(\mathbf{u})+T(\mathbf{v}),\qquad T(c\mathbf{u})=cT(\mathbf{u}).\tag{1}

식 (1)은 모든 입력벡터와 모든 실수에 성립해야 한다. 몇 가지 숫자에서 맞는 것만으로 선형이라고 판정할 수는 없다. 두 법칙을 함께 쓰면 T(au+bv)=aT(u)+bT(v)T(a\mathbf{u}+b\mathbf{v})=aT(\mathbf{u})+bT(\mathbf{v})가 된다.

정의
기호이름원어뜻
TT선형변환linear transformation덧셈과 실수배를 보존하는 함수
Rn,Rm\mathbb R^n,\mathbb R^m입력·출력 공간domain, codomain성분이 각각 nn개, mm개인 실수 벡터의 공간
u,v\mathbf{u},\mathbf{v}입력벡터input vector같은 입력 공간의 벡터
a,b,ca,b,c실수 계수scalar일차결합이나 실수배에 쓰는 수
AA표현행렬standard matrix표준기저에서 TT를 나타내는 행렬
ei\mathbf e_i표준기저 벡터standard basis vectorii번째 성분만 1이고 나머지는 0인 벡터

입력벡터는 행렬과 곱할 때 열벡터로 쓴다. 순서쌍 (x,y)(x,y)도 문맥에서는 같은 성분을 가진 열을 뜻한다. 선형변환의 행렬은 어떤 기저를 쓰는지에 따라 달라지며, 이 글의 표현행렬은 표준기저를 기준으로 한다. 행렬 곱과 기저를 연결하면 모든 입력을 따로 시험할 필요가 없어진다.

모든 벡터를 영벡터로 보내는 변환도 선형인가?

그렇다. 출력의 합과 실수배가 모두 영벡터이므로 식 (1)의 두 법칙을 만족한다. 표현행렬은 성분이 모두 0인 영행렬이며, 선형성은 서로 다른 입력을 구별하거나 입력을 복원할 수 있다는 조건까지 포함하지 않는다.

두 표준기저의 행선지가 왜 행렬의 두 열이 될까?

임의의 입력은 표준기저의 일차결합이므로, 선형성에 따라 출력도 두 기저의 상을 같은 계수로 결합한 것이 된다. 그 두 상을 차례로 열에 놓은 행렬이 표현행렬이다.

T(x,y)=(2x+y,y)T(x,y)=(2x+y,y)로 확인하자. 두 성분 모두 상수항 없는 일차결합이다. 두 입력을 먼저 더해 넣으면 첫째 성분은 2(u1+v1)+(u2+v2)2(u_1+v_1)+(u_2+v_2)이고, 분배법칙으로 (2u1+u2)+(2v1+v2)(2u_1+u_2)+(2v_1+v_2)가 되어 출력의 합과 같다. 실수배도 같은 방법으로 보인다. 표준기저를 넣으면 T(1,0)=(2,0)T(1,0)=(2,0), T(0,1)=(1,1)T(0,1)=(1,1)이다.

T(xy)=x T(e1)+y T(e2)=x(20)+y(11).(2)T\begin{pmatrix}x\\y\end{pmatrix} =x\,T(\mathbf e_1)+y\,T(\mathbf e_2) =x\begin{pmatrix}2\\0\end{pmatrix}+y\begin{pmatrix}1\\1\end{pmatrix}.\tag{2}

식 (2)의 오른쪽은 두 열을 xx배, yy배하여 더한 것이므로 행렬과 열벡터의 곱이다. 식 (3)의 행렬을 AA라 한다.

x(20)+y(11)=(2101)(xy).(3)x\begin{pmatrix}2\\0\end{pmatrix}+y\begin{pmatrix}1\\1\end{pmatrix} =\begin{pmatrix}2&1\\0&1\end{pmatrix}\begin{pmatrix}x\\y\end{pmatrix}.\tag{3}

입력 (1,2)(1,2)에서는 첫째 성분이 2×1+1×2=42\times1+1\times2=4, 둘째 성분이 0×1+1×2=20\times1+1\times2=2다. 그림 1에서 단위 정사각형은 두 열 (2,0)(2,0), (1,1)(1,1)이 만드는 평행사변형으로 옮겨진다. 그 넓이 2는 행렬식 det⁡A=2⋅1−1⋅0\det A=2\cdot1-1\cdot0과 같다. 행렬식의 절댓값은 선형변환이 넓이를 몇 배로 바꾸는지 알려 준다.

표준기저가 만드는 넓이 1의 단위 정사각형과, 행렬 A가 옮긴 넓이 2의 평행사변형. 두 열 (2,0)과 (1,1)이 각각 첫째·둘째 기저의 상이며, 입력 (1,2)는 (4,2)로 옮겨진다.
그림 1 표준기저가 만드는 넓이 1의 단위 정사각형과, 행렬 AA가 옮긴 넓이 2의 평행사변형. 두 열 (2,0)과 (1,1)이 각각 첫째·둘째 기저의 상이며, 입력 (1,2)는 (4,2)로 옮겨진다. figures/basis_images.py

이 이유는 차원에 관계없이 같다. x=∑ixiei\mathbf{x}=\sum_i x_i\mathbf e_i에 선형성을 적용하면 각 T(ei)T(\mathbf e_i)를 xix_i배하여 더한다. 이것이 행렬과 열벡터를 곱하는 규칙이다.

A=(T(e1)⋯T(en)),T(x)=Ax.(4)A=\begin{pmatrix}T(\mathbf e_1)&\cdots&T(\mathbf e_n)\end{pmatrix},\qquad T(\mathbf{x})=A\mathbf{x}.\tag{4}

열 T(ei)T(\mathbf e_i)는 성분이 mm개인 출력이고 그런 열이 nn개이므로 AA는 m×nm\times n 행렬이다. 반대로 행렬로 주어진 AxA\mathbf{x}는 행렬 곱의 분배법칙 때문에 식 (1)을 만족한다. 따라서 실수 좌표공간 사이에서 선형변환과 행렬은 서로 하나씩 대응한다.

두 벡터의 상만 알 때 행렬은 어떻게 구할까?

표준기저를 주어진 두 벡터의 일차결합으로 나타낸 뒤 선형성을 쓰면 된다. 예를 들어 선형변환 TT가 T(1,1)=(3,1)T(1,1)=(3,1), T(1,−1)=(1,−1)T(1,-1)=(1,-1)을 만족한다고 하자.

e1=12(1,1)+12(1,−1),e2=12(1,1)−12(1,−1).(5)\mathbf e_1=\tfrac12(1,1)+\tfrac12(1,-1),\qquad \mathbf e_2=\tfrac12(1,1)-\tfrac12(1,-1).\tag{5}

식 (5)에 선형성을 적용하면 T(e1)=12(3,1)+12(1,−1)=(2,0)T(\mathbf e_1)=\tfrac12(3,1)+\tfrac12(1,-1)=(2,0), T(e2)=12(3,1)−12(1,−1)=(1,1)T(\mathbf e_2)=\tfrac12(3,1)-\tfrac12(1,-1)=(1,1)이다. 따라서 행렬은 식 (3)의 AA와 같다. 두 조건을 한꺼번에 쓰면 A(111−1)=(311−1)A\begin{pmatrix}1&1\\1&-1\end{pmatrix}=\begin{pmatrix}3&1\\1&-1\end{pmatrix}이므로, 양변의 오른쪽에 (111−1)\begin{pmatrix}1&1\\1&-1\end{pmatrix}의 역행렬을 곱해도 같은 답이 나온다.

두 입력이 원점을 지나는 한 직선 위에 있으면 이 방법이 막힌다. (1,2)(1,2)와 (2,4)(2,4)의 상만으로는 e1\mathbf e_1을 만들 수 없어 행렬이 하나로 정해지지 않는다. 또 T(2,4)T(2,4)가 2T(1,2)2T(1,2)와 다르게 주어지면 그런 선형변환은 아예 없다.

선형변환은 공간벡터에도 적용된다

U(x,y,z)=(x+z,2y,x−z)U(x,y,z)=(x+z,2y,x-z)는 세 성분을 입력받아 세 성분을 내보낸다. 표준기저의 상 (1,0,1)(1,0,1), (0,2,0)(0,2,0), (1,0,−1)(1,0,-1)을 차례로 열에 놓으면 U(x)=MxU(\mathbf x)=M\mathbf x다.

M=(10102010−1).(6)M=\begin{pmatrix}1&0&1\\0&2&0\\1&0&-1\end{pmatrix}.\tag{6}

(1,−1,2)(1,-1,2)의 상은 (1+2, 2×(−1), 1−2)=(3,−2,−1)(1+2,\,2\times(-1),\,1-2)=(3,-2,-1)이다. 입력이 공간벡터여도 각 성분의 일차결합이라는 읽는 법은 같다. 반대로 평면의 벡터를 공간으로 보내는 (x,y)↦(x,y,x+y)(x,y)\mapsto(x,y,x+y)는 표준기저의 상 (1,0,1)(1,0,1), (0,1,1)(0,1,1)을 열로 놓은 3×2 행렬로 표현된다. 이어지는 평면의 회전·대칭 글은 이 일반 원리 가운데 평면에서 보이는 경우를 다룬다.

선형변환은 입력과 출력의 차원이 같아야 하나?

아니다. (x,y,z)↦(x,y)(x,y,z)\mapsto(x,y)처럼 성분 하나를 버리는 사영도 두 연산을 보존한다. 그 표현행렬 (100010)\begin{pmatrix}1&0&0\\0&1&0\end{pmatrix}은 2×3으로, 행 수가 출력 차원이고 열 수가 입력 차원이다.

선형변환으로 직선을 옮기면 어떻게 될까?

직선 위의 점은 두 상을 잇는 직선 위의 같은 비율 자리로 간다. 두 점 p\mathbf p, q\mathbf q를 잇는 직선 위의 점을 (1−t)p+tq(1-t)\mathbf p+t\mathbf q로 쓰면, 선형성에 따라 다음이 성립한다.

T((1−t)p+tq)=(1−t)T(p)+tT(q).(7)T\big((1-t)\mathbf p+t\mathbf q\big)=(1-t)T(\mathbf p)+tT(\mathbf q).\tag{7}

식 (3)의 AA로 직선 x+y=1x+y=1을 옮겨 보자. 이 직선 위의 두 점 (1,0)(1,0), (0,1)(0,1)의 상은 (2,0)(2,0), (1,1)(1,1)이고, 두 상을 지나는 직선은 x+y=2x+y=2다. 그림 2처럼 중점 (12,12)(\tfrac12,\tfrac12)도 두 상의 중점 (32,12)(\tfrac32,\tfrac12)로 간다. 직선 위 일반점 (1−t,t)(1-t,t)의 상은 (2−t,t)(2-t,t)이므로 모든 점이 x+y=2x+y=2 위에 있다.

행렬 A가 직선 x+y=1(회색 점선) 위의 세 점 (1,0), 중점, (0,1)을 직선 x+y=2(파랑) 위의 (2,0), 중점, (1,1)로 옮긴다. 같은 간격의 점은 같은 간격의 점으로 간다.
그림 2 행렬 AA가 직선 x+y=1x+y=1(회색 점선) 위의 세 점 (1,0), 중점, (0,1)을 직선 x+y=2x+y=2(파랑) 위의 (2,0), 중점, (1,1)로 옮긴다. 같은 간격의 점은 같은 간격의 점으로 간다. figures/line_image.py

선형변환으로 옮긴 직선은 항상 직선인가요?

아니다. 표현행렬의 행렬식이 0이면 직선이 점 하나로 눌릴 수 있다. (1000)\begin{pmatrix}1&0\\0&0\end{pmatrix}은 행렬식이 0이고 직선 x=1x=1 위의 모든 점을 (1,0)(1,0) 하나로 보낸다. 행렬식이 0이 아니면 서로 다른 두 점의 상도 서로 달라 직선은 직선으로 간다.

원점을 보존하는 조건은 왜 충분하지 않을까?

선형변환은 반드시 T(0)=0T(\mathbf0)=\mathbf0을 만족한다. 식 (1)에 c=0c=0을 넣으면 T(0u)=0T(u)T(0\mathbf{u})=0T(\mathbf{u})이기 때문이다. 그래서 평행이동 G(x,y)=(x+1,y)G(x,y)=(x+1,y)는 G(0,0)=(1,0)G(0,0)=(1,0)이므로 바로 선형이 아니다.

하지만 원점이 원점으로 간다고 선형인 것은 아니다. F(x,y)=(x2,y)F(x,y)=(x^2,y)는 원점을 원점으로 보낸다. 그러나 F(1,0)=(1,0)F(1,0)=(1,0)이고 F(2,0)=(4,0)F(2,0)=(4,0)이므로, 두 번째 결과가 첫 번째의 두 배인 (2,0)(2,0)과 다르다. 실수배 보존을 깨므로 선형변환이 아니다.

식으로 주어진 변환은 다음 순서로 판정한다. 먼저 원점의 상을 보고, 각 출력 성분이 입력 성분의 상수항 없는 일차식인지 본다. 그렇다면 식 (3)처럼 행렬 곱으로 쓸 수 있어 선형이고, 아니라면 식 (1)을 깨는 입력을 하나 찾는다.

변환판정근거
(3x−y, 2y)(3x-y,\ 2y)선형행렬 (3−102)\begin{pmatrix}3&-1\\0&2\end{pmatrix}의 곱
(x+y, 1)(x+y,\ 1)아니다원점이 (0,1)(0,1)로 간다
(xy, x)(xy,\ x)아니다(1,1)↦(1,1)(1,1)\mapsto(1,1)이지만 (2,2)↦(4,2)(2,2)\mapsto(4,2)
(∣x∣, y)(\lvert x\rvert,\ y)아니다(1,0)(1,0)과 (−1,0)(-1,0)이 모두 (1,0)(1,0)으로 간다

마지막 줄은 c=−1c=-1인 실수배를 깨는 예다. (−1,0)(-1,0)의 상이 (1,0)(1,0)의 상의 −1-1배인 (−1,0)(-1,0)이어야 하는데 (1,0)(1,0)이다.

그림 3은 xx축 위의 같은 간격 입력 0, 1, 2, 3을 세 변환으로 옮긴 것이다. 선형인 AA는 원점을 지키고 간격을 2, 2, 2로 고르게 늘린다. FF는 원점을 지키지만 간격이 1, 3, 5로 벌어지고, GG는 간격은 1로 같지만 원점이 1로 움직인다.

x축 위 입력 0, 1, 2, 3의 첫째 성분이 세 변환에서 어디로 가는지 비교한다. 선형인 A는 0을 지키고 간격을 2로 고르게 바꾼다. F(x,y)=(x^2,y)는 간격이 1, 3, 5로 달라지고, 평행이동 G(x,y)=(x+1,y)는 0을 1로 보낸다.
그림 3 xx축 위 입력 0, 1, 2, 3의 첫째 성분이 세 변환에서 어디로 가는지 비교한다. 선형인 AA는 0을 지키고 간격을 2로 고르게 바꾼다. F(x,y)=(x2,y)F(x,y)=(x^2,y)는 간격이 1, 3, 5로 달라지고, 평행이동 G(x,y)=(x+1,y)G(x,y)=(x+1,y)는 0을 1로 보낸다. figures/spacing_counterexample.py
핵심

선형변환은 모든 벡터의 덧셈과 실수배를 보존하는 함수이며, 표준기저의 상을 차례로 열에 놓은 행렬 AA로 T(x)=AxT(\mathbf x)=A\mathbf x처럼 표현된다.

일차함수 y=2x+1도 선형변환인가?

아니다. 선형대수의 정의로는 0을 1로 보내므로 T(0)=0T(\mathbf0)=\mathbf0이라는 필요조건을 깨뜨린다. 학교에서 말하는 일차함수와 선형대수의 선형변환은 상수항의 허용 범위가 다르며, y=2xy=2x처럼 상수항이 0일 때만 선형변환이다.

선형변환의 흔한 오해

  • 한 입력의 상을 알면 행렬 전체를 안다 — (1,0)(1,0)의 상은 첫 열만 정한다. 둘째 열이 다른 여러 행렬이 그 입력에서는 같은 결과를 낼 수 있다.
  • 기저벡터의 상을 행에 넣는다 — 열벡터를 오른쪽에 곱하는 이 글의 관례에서는 식 (4)처럼 열에 넣는다. 식 (3)의 첫 열은 정확히 (2,0)(2,0)이다.

직접 해보기

  1. S(x,y)=(x−3y,2x)S(x,y)=(x-3y,2x)의 행렬과 (2,−1)(2,-1)의 상을 구하라.
  2. H(x,y)=(x,xy)H(x,y)=(x,xy)가 원점을 보존하는지 확인하고, 입력 (1,1)(1,1)과 그 두 배를 비교하여 선형성을 판정하라.
  3. V(x,y,z)=(x+y,z,0)V(x,y,z)=(x+y,z,0)의 행렬과 (2,−1,3)(2,-1,3)의 상을 구하라.
  4. 선형변환이 T(1,0)=(1,2)T(1,0)=(1,2), T(0,1)=(−1,1)T(0,1)=(-1,1)을 만족한다. T(3,−2)T(3,-2)를 구하라.
  5. 선형변환이 T(1,1)=(2,3)T(1,1)=(2,3), T(1,2)=(3,5)T(1,2)=(3,5)를 만족한다. TT의 행렬을 구하라.
답과 풀이
  1. 두 표준기저의 상은 (1,2)(1,2)와 (−3,0)(-3,0)이므로 행렬은 (1−320)\begin{pmatrix}1&-3\\2&0\end{pmatrix}다. 상은 (2+3,4)=(5,4)(2+3,4)=(5,4)다.
  2. H(0,0)=(0,0)H(0,0)=(0,0)이다. 하지만 H(1,1)=(1,1)H(1,1)=(1,1)의 두 배는 (2,2)(2,2)이고 H(2,2)=(2,4)H(2,2)=(2,4)이므로 실수배를 보존하지 않는다.
  3. 세 열은 (1,0,0)(1,0,0), (1,0,0)(1,0,0), (0,1,0)(0,1,0)이다. 따라서 (110001000)\begin{pmatrix}1&1&0\\0&0&1\\0&0&0\end{pmatrix}이고 상은 (2−1,3,0)=(1,3,0)(2-1,3,0)=(1,3,0)이다.
  4. 입력이 3(1,0)−2(0,1)3(1,0)-2(0,1)이므로 상은 3(1,2)−2(−1,1)=(3,6)+(2,−2)=(5,4)3(1,2)-2(-1,1)=(3,6)+(2,-2)=(5,4)다.
  5. e2=(1,2)−(1,1)\mathbf e_2=(1,2)-(1,1)이므로 T(e2)=(3,5)−(2,3)=(1,2)T(\mathbf e_2)=(3,5)-(2,3)=(1,2)다. e1=2(1,1)−(1,2)\mathbf e_1=2(1,1)-(1,2)이므로 T(e1)=(4,6)−(3,5)=(1,1)T(\mathbf e_1)=(4,6)-(3,5)=(1,1)이다. 행렬은 (1112)\begin{pmatrix}1&1\\1&2\end{pmatrix}이고, (1,1)(1,1)을 곱하면 (2,3)(2,3)이 되어 맞는다.

더 읽기

  • Interactive Linear Algebra, Linear Transformations — Dan Margalit·Joseph Rabinoff. 덧셈·실수배의 보존과 표준기저의 상을 열로 배열하는 정리를 확인할 수 있다. 식 (1)과 식 (4)의 근거다.
  • Jim Hefferon, Linear Algebra — 저자 공개 교재 3장 II.1의 선형사상 정의와 공간에서 평면으로의 사영 예를 확인했다. 입력과 출력 공간이 달라도 된다는 설명의 근거다.

영상 노트

영상 노트
  • 00:00 두 연산을 보존하는 가공 규칙
  • 01:00 식 (1)과 모든 입력이라는 조건
  • 02:00 식 (2)–(3)과 그림 1의 두 기저벡터의 상, 넓이 1에서 2로
  • 03:20 식 (4)의 일반 이유와 식 (5)로 두 벡터의 상에서 행렬 구하기
  • 04:30 식 (6)의 공간벡터 예와 2×3 사영
  • 05:20 식 (7)과 그림 2로 직선의 상
  • 06:20 판정 표와 그림 3으로 평행이동과 제곱 반례 비교

지도에서의 위치

이 페이지의 기록
  1. 2026-11-16 · 에이전트 초안 (수식 4, 그림 1, 해보기 4)
  2. 2026-11-17 · 전수 검수 반영 — 두 벡터의 상으로 행렬 구하기, 직선의 상과 넓이 배율, 평행이동·제곱 반례 비교, 사영의 행렬, 해보기 5문항 (에이전트 수정, 그림 1→3)
  3. 2026-11-17 · 전수 검수(에이전트 편집·독립 검증) 통과 — 주인 요청으로 완성으로 올림