Definition of linearly Independent
아래 linear combination를 만족하는 유일한 해가 xi=0,∀i 일 때, v1...vn 벡터들은 서로 linearly Independent(일차/선형 독립) 이다.
x1v1+x2v2+⋅⋅⋅+xnvn=0 only when xi=0,∀i
-
Definition의 의미
v1...vn 열벡터를 갖는 행렬 A에 대해, Ax=0의 유일한 해가 x=0 일 때 행렬 A의 열벡터는 서로 선형독립이다.
→ Rank의 개념을 적용하면 선형독립과 Rank의 관계를 유추할 수 있다! [Full column Rank]
Ax=[v1 v2 ⋯ vn]⎣⎢⎢⎢⎢⎡x1x2⋮xn⎦⎥⎥⎥⎥⎤=0 only when x=0
- 독립이 아니라면? (=종속이라면?)
- 만약 종속관계라면 linear combination에서 0이 아닌 다른해를 가진다.
- 종속관계이면 해당 관계에 속하는 벡터를 다른 벡터의 linear combination으로 표현할 수 있다.
→ xi=0 이라면, 다음과 같은 linear combination으로 vi를 표현할 수 있다.vi=−xi1(x1v1+x2v2+⋯+xnxn)
Linear Independece에서 Rank의 의미
the rank of a matrix is also defined as the maximum number of linearly independent columns in the matrix.
행렬의 Rank는 행렬에서 독립적으로 뽑아낼 수 있는 column의 최대개수이다.
Checking Linear Independence
Rank의 갯수는 독립인 column의 수와 동일하다는 점을 이용하여 확인한다.
m차원 벡터 n개가 모여있을 때, (= m×n 행렬 A을 의미)
- n>m이면 (벡터가 존재하는 차원보다 더 많은 벡터가 있을 때) 종속이다. ex) 2차원 좌표에 2개 이상의 벡터가 존재하면, 그 벡터들의 선형결합으로 다른 모든 2차원상의 벡터를 표현할 수 있게 된다.
- n≤m인 경우
-
각각의 벡터를 열벡터로 갖는 행렬 A를 생각한다. A=[v1 v2 ⋯ vn]
-
A에 Gauss Elimination을 적용하여 r(A)를 구한다.
-
만약 r(A)=n (full column rank) 이면 독립이다.
↔ r(A)<n 이면 종속이다.