1.6 Linear Independence(2)

CharliePark·2020년 9월 12일
0

TIL

목록 보기
33/67

Theorem 7. Characterization of Linearly Dependent Sets

An indexed set S={v1,,vp}S = \begin{Bmatrix}\bold{v_1}, \cdots, \bold{v_p} \end{Bmatrix} of two or more is vectors is linearly dependent, if and only if at least one of the vectors in SS is a linear combination of the others.

if and only if 이므로 필요충분조건이다. 먼저, 전건에서 후건 방향을 생각해보자

S={v1,,vp}S = \begin{Bmatrix}\bold{v_1}, \cdots, \bold{v_p} \end{Bmatrix}linearly dependent 하므로,

weight {c1,,cp}\begin{Bmatrix} c_1, \cdots, c_p \end{Bmatrix}에 대해서 c1v1+c2v2++cpvp=0c_1\bold{v_1} + c_2\bold{v_2} + \cdots + c_p\bold{v_p} = 0 은 non trivial solution을 갖는다.

 

이때 weight 중 최소한 하나는 non zero이고, non zero 에 해당하는 weight 를 c1c_1 이라고 가정하자. 그렇다면 v1=(c2/c1)v2++(cp/c1)vp\bold{v_1} = (-c_2/c_1)\bold{v_2} + \cdots + (-c_p/c_1)\bold{v_p} 가 되므로, 후건의 꼴이 된다.

 

 

후건에서 전건 방향으로 생각해보자.

v1=c2v2++cpvp\bold{v_1} = c_2\bold{v_2} + \cdots + c_p\bold{v_p} 꼴의 linear combination 이 있다

즉, v1+c2v2++cpvp=0-\bold{v_1} + c_2\bold{v_2} + \cdots + c_p\bold{v_p} = 0 꼴로 바꿀 수 있는데, 이때는 c2c_2 부터 cpc_p 까지 모든 coefficient 가 0이어도, v1\bold{v_1}의 coefficient 가 -1이므로 non trivial 하다. 따라서 linearly dependent 하다

 

 

Theorem7 의 뒷부분은 다음과 같다.

In fact, if SS is linearly dependent and v10\bold{v_1} \not = 0, then some vj (with j>1)\bold{v_j}\ (with\ j>1) is a linear combination of the preceding vectors, v1,,vj1\bold{v_1}, \cdots, \bold{v_{j-1}}

(some = 어떤)

c1v1+c2v2++cpvp=0c_1\bold{v_1} + c_2\bold{v_2} + \cdots + c_p\bold{v_p} = 0 꼴을 생각해보자

j : the largest subscript for which cj0c_j \not = 0 라고 하면

c1v1++cjvj+0vj+1++0vp=0c_1\bold{v_1} + \cdots + c_j\bold{v_j} + 0\bold{v_{j+1}} + \cdots + 0\bold{v_p} = 0 꼴이 된다고 할 수 있다.

(이때 만약 j = 1이면 c1v1=0c_1\bold{v_1} = 0 이 되므로, c1c_1 이나 v1\bold{v_1} 이 0 이 되어야 하므로 모순이 된다.)

j>1, vj=(c1cj)v1++(cj1cj)vj1j>1,\ v_j = (-\frac{c_1}{c_j})\bold{v_1} + \cdots + (-\frac{c_{j-1}}{c_j})\bold{v_{j-1}} 꼴로 표현할 수 있다.

 

 

 

{u,v,w}\{\bold{u}, \bold{v}, \bold{w}\} in R3\mathbb{R}^3

(with u\bold{u} and v\bold{v} linearly independent)

w\bold{w} is in Span {u,v}\{\bold{u}, \bold{v}\} if and only if the set {u,v,w}\{\bold{u}, \bold{v}, \bold{w}\} is linearly dependent

 

  • 전건에서 후건

    w=cu+dv,w+cu+dv=0\bold{w} = c\bold{u} + d\bold{v}, -\bold{w} + c\bold{u} + d\bold{v} = 0

w\bold{w} 가 span {u,v}\{\bold{u}, \bold{v}\} 안에 있음은 w=cu+dv\bold{w} = c\bold{u} + d\bold{v} 로 표현할 수 있다.

이때 이항하여 w+cu+dv=0-\bold{w} + c\bold{u} + d\bold{v} = 0 로 나타냈을 때, w\bold{w} 의 coefficient 가 -1이므로 non zero이게 된다. 따라서, non trivial 이고, {u,v,w}\{\bold{u}, \bold{v}, \bold{w}\} 는 linearly dependent 하다.

 

  • 후건에서 전건

    u0,ucv\bold{u} \not = \bold{0}, \bold{u} \not = c\bold{v}

먼저, u\bold{u} 가 0벡터가 아니어야 한다(Theorem 9 에 의해, u\bold{u} 가 0벡터이면 linearly dependent하게 되고, 이는 전제 조건에 위배된다)

u\bold{u} 가 0벡터가 아니라는 조건 하에, 둘은 서로 linearly independent 하므로 서로의 곱 형태로 표현되지 않는다. 즉, ucv\bold{u} \not = c\bold{v} 이다.

u0,ucv\bold{u} \not = \bold{0}, \bold{u} \not = c\bold{v} 라면, Theorem 7 에 의해 w\bold{w}u\bold{u}v\bold{v} 의 linear combination으로 표현이 가능하다.

(In fact, if SS is linearly dependent and v10\bold{v_1} \not = 0, then some vj (with j>1)\bold{v_j}\ (with\ j>1) is a linear combination of the preceding vectors, v1,,vj1\bold{v_1}, \cdots, \bold{v_{j-1}})

즉, u\bold{u} v\bold{v} w\bold{w} 순서로 존재할 때, u\bold{u}v1\bold{v_1} 에 해당하고 v10\bold{v_1} \not = 0 을 만족하고

ucv\bold{u} \not = c\bold{v} 이므로 v\bold{v}u\bold{u} 의 linear combination 꼴이 아니니

w\bold{w}Theorem 7 에 의해 반드시 u\bold{u}v\bold{v} 의 linear combination으로 표현이 가능하다는 것이다.

따라서, 이는 w\bold{w} 가 span {u,v}\{\bold{u}, \bold{v}\} 안에 있다는 뜻이 된다.

 

 

 

Theorem 8. If a set contains more vectors than there are entries in each vector, then the set is linearly dependent

 

n×pn \times p

p>np > n

must have at least one free variable!

so, Ax=0A\bold{x} = \bold{0} has a nontrivial solution = linearly dependent

 

Example3.

[21][41][22]\begin{bmatrix}2\\1\end{bmatrix} \begin{bmatrix}4\\-1\end{bmatrix} \begin{bmatrix}-2\\2\end{bmatrix} → linearly dependent

 

 

 

Theorem 9. If a set contains the zero vector, then the set is linearly dependent

example

1v1+0v2++0vp=01\bold{v_1} + 0\bold{v_2} + \cdots + 0\bold{v_p} = \bold{0}

에서 v1\bold{v_1} 을 0벡터라고 하면, v1\bold{v_1} 의 계수가 무엇이든 (예제에서는 1), 식의 결과와는 상관 없어지므로 non trivial 한 solution 이 생기고, 이는 곧 linearly dependent 하게 된다.

 

 

example4.

[176][209][315][418]\begin{bmatrix}1\\7\\6\end{bmatrix} \begin{bmatrix}2\\0\\9\end{bmatrix} \begin{bmatrix}3\\1\\5\end{bmatrix} \begin{bmatrix}4\\1\\8\end{bmatrix} → linearly dependent by theorem 8

[235][000][732]\begin{bmatrix}2\\3\\5\end{bmatrix} \begin{bmatrix}0\\0\\0\end{bmatrix} \begin{bmatrix}7\\3\\2\end{bmatrix}→ linearly dependent by theorem 9

[24610][1231]\begin{bmatrix}-2\\4\\6\\10\end{bmatrix} \begin{bmatrix}-1\\2\\3\\1\end{bmatrix}→ linearly independent because two vectors are not multiple of each other.

0개의 댓글