1. 선형독립 (Linear Independence)
- 어떤 벡터 집합 {v₁ ,v₂,…,vk} 에서 모든 벡터의 선형 결합이 0 벡터가 되려면,
각 벡터의 계수는 모두 0이어야 함
- 각 벡터가 서로 독립적이므로,
한 벡터를 나머지 벡터의 조합으로 표현될 수 없음
c₁v₁ + c₂v₂ +⋯+ ckvk = 0 일때, c₁ = c₂ = ⋯ = ck = 0 인 경우에만 참
2. 선형종속 (Linear Dependence)
- 벡터 집합 {v₁ ,v₂,…,vk} 에서 특정 벡터가
나머지 벡터들의 선형 결합으로 표현될 수 있는 경우
- 1개 이상의 벡터를 다른 벡터들의 조합으로 나타낼 수 있음
c₁v₁ + c₂v₂ +⋯+ ckvk = 0 일때, c₁, c₂,⋯, ck 중 적어도 1개가 0이 아닌 경우가 존재함
반응형
'Data Science > 선형대수학' 카테고리의 다른 글
선형대수학 KMOOC (0) | 2025.01.20 |
---|---|
선형대수학 3 | 벡터의 삼각부등식 (0) | 2025.01.16 |
선형대수학 2 | 코시-슈바르츠 부등식 증명 (0) | 2025.01.16 |