일차독립편집자 확인

일차독립은 선형대수학에서 벡터 공간의 부분 집합이 갖는 기본적인 성질 중 하나이다. 주어진 벡터들의 집합이 일차독립이라는 것은, 그 벡터들 중 어느 것도 다른 벡터들의 일차결합으로 표현될 수 없다는 것을 의미한다. 이는 집합 내 벡터들이 서로에게 '불필요한' 정보를 제공하지 않으며, 공간을 생성하는 데 있어 각각이 독립적인 역할을 한다는 개념이다.

보다 엄밀하게, 체 K 위의 벡터 공간 V의 부분 집합 I가 일차독립 집합이라는 것은, I에서 서로 다른 유한 개의 벡터 i₁, ..., iₙ과 스칼라 c₁, ..., cₙ ∈ K에 대해, 선형 결합 c₁i₁ + ... + cₙiₙ이 영벡터와 같다면 모든 스칼라 c₁, ..., cₙ이 반드시 0이어야 한다는 조건으로 정의된다. 이 조건을 만족하지 않는 집합은 그 반대 개념인 일차종속 집합이라고 한다.

일차독립의 개념은 기저를 정의하는 핵심이 된다. 어떤 벡터 공간의 기저는 그 공간을 생성하는 동시에 일차독립인 벡터들의 집합이다. 또한, 행렬의 계수를 구하거나, 연립일차방정식의 해의 구조를 분석하는 등 선형대수학의 다양한 문제를 해결하는 데 필수적인 도구로 활용된다.

일차 독립 집합은 선형대수학에서 벡터 공간의 부분 집합이 갖는 중요한 성질이다. 주어진 벡터 공간 V와 체 K에 대해, V의 부분 집합 I가 일차 독립(또는 선형 독립)이라는 것은 I에서 유한 개의 서로 다른 벡터들을 임의로 선택했을 때, 그 벡터들에 대한 일차 결합이 영벡터가 되도록 하는 유일한 방법이 모든 스칼라 계수를 0으로 두는 것뿐일 때를 말한다.

보다 엄밀히, I의 서로 다른 원소 i₁, ..., iₙ과 K의 원소 c₁, ..., cₙ에 대해, 선형 결합 c₁i₁ + ... + cₙiₙ = 0이 성립한다면 반드시 c₁ = ... = cₙ = 0이어야 한다. 이 조건을 만족하지 않는 집합은 일차 종속 집합이라고 한다. 이 정의는 집합이 공집합일 때도 성립하며, 공집합은 자명하게 일차 독립인 것으로 약속한다.

이 개념은 기저를 정의하는 핵심 요소이며, 벡터들이 서로 "중복된 정보"를 담고 있지 않음을 수학적으로 표현한 것이다. 일차 독립 집합의 모든 부분 집합 역시 일차 독립이라는 유용한 성질을 가진다.

일차독립 집합은 몇 가지 중요한 성질을 가진다. 첫째, 일차독립 집합의 모든 부분 집합 역시 일차독립이다. 이는 부분 집합의 벡터들로 구성된 일차결합이 영벡터가 되는 경우, 원래 집합에서도 동일한 계수를 사용한 일차결합이 영벡터가 되기 때문이다. 반대로, 어떤 집합이 일차종속이라면 그 집합을 포함하는 더 큰 집합 역시 일차종속이다.

둘째, 영벡터를 포함하는 유한 집합은 항상 일차종속이다. 영벡터 자체가 영벡터이기 때문이다. 또한, 한 개의 벡터만으로 이루어진 집합이 일차독립이기 위한 필요충분조건은 그 벡터가 영벡터가 아닌 것이다. 두 개의 벡터로 이루어진 집합이 일차독립이기 위한 필요충분조건은 어느 한 벡터도 다른 벡터의 스칼라배가 아닌 것이다.

셋째, 유클리드 공간 R^n에서 고려할 때, n개보다 많은 벡터를 포함하는 집합은 항상 일차종속이다. 이는 n개의 미지수를 가진 n개의 동차 선형방정식으로 설명할 수 있으며, 벡터의 개수가 차원을 초과하면 비자명해가 반드시 존재하기 때문이다. 이 성질은 기저와 차원 개념과 깊이 연관되어 있다.

일차독립과 일차종속은 서로 반대되는 개념이며, 이 둘 사이에는 명확한 관계가 존재한다. 일차독립 집합의 정의는 영벡터를 나타내는 일차결합이 자명해만을 가질 때를 말한다. 반대로, 일차종속 집합은 영벡터를 나타내는 비자명한 일차결합이 존재하는 경우이다. 따라서, 어떤 집합이 일차독립이면 일차종속이 아니며, 일차종속이면 일차독립이 아니다.

두 개념 사이의 핵심적인 관계는 다음과 같다. 벡터 집합 S가 일차종속일 필요충분조건은 S 내의 적어도 하나의 벡터가 S 내의 다른 벡터들의 일차결합으로 표현될 수 있다는 것이다. 예를 들어, 벡터 v1, v2, v3가 일차종속이라면, 이들 중 하나(예: v1)는 v1 = a*v2 + b*v3와 같이 나머지 벡터들의 일차결합으로 쓸 수 있다. 이는 곧 해당 벡터가 다른 벡터들이 생성하는 부분공간에 포함됨을 의미한다. 반대로, 집합 S가 일차독립이기 위한 필요충분조건은 S 내의 어떠한 벡터도 S 내의 다른 벡터들의 일차결합으로 표시될 수 없다는 것이다.

이 관계로부터 몇 가지 중요한 성질이 도출된다. 첫째, 영벡터를 포함하는 모든 유한 집합은 일차종속이다. 둘째, 일차종속 집합의 부분집합은 일차독립일 수도, 일차종속일 수도 있다. 그러나, 일차독립 집합의 모든 부분집합은 항상 일차독립이다. 셋째, 일차종속 집합을 포함하는 더 큰 집합은 항상 일차종속이다. 이는 선형대수학에서 벡터들의 관계를 분석하고, 기저를 찾거나 차원을 결정하는 데 중요한 기초가 된다.

일차독립의 개념을 구체적인 예시를 통해 살펴보면 이해가 명확해진다. 가장 기본적인 예로, 실수 체 위의 벡터 공간 R^2를 생각해 볼 수 있다. 이 공간에서 두 벡터 (1, 0)과 (0, 1)은 일차독립이다. 방정식 a(1, 0) + b(0, 1) = (0, 0)을 만족하는 유일한 해는 a = 0, b = 0이기 때문이다. 이는 두 벡터 중 어느 것도 다른 하나의 스칼라 배로 표현될 수 없음을 의미한다. 반면, 벡터 (1, 2)와 (2, 4)는 일차종속이다. 왜냐하면 2(1, 2) + (-1)(2, 4) = (0, 0)이 성립하며, 이는 자명하지 않은 해( a=2, b=-1 )가 존재함을 보여주기 때문이다. 실제로 (2, 4)는 (1, 2)의 2배이므로, 한 벡터가 다른 벡터의 선형 결합으로 표현된다.

더 높은 차원에서도 유사한 예를 찾을 수 있다. R^3에서 세 벡터 (1, 0, 0), (0, 1, 0), (0, 0, 1)은 서로 일차독립이다. 이들은 표준기저를 이루며, 어떤 벡터도 나머지 두 벡터의 합으로 만들어질 수 없다. 그러나 벡터 (1, 2, 3), (2, 4, 6), (1, 1, 1)을 고려하면, 첫 번째 벡터와 두 번째 벡터가 일차종속이므로(두 번째는 첫 번째의 2배), 이 세 벡터의 집합 전체도 자동으로 일차종속이 된다. 일차종속 집합을 포함하는 더 큰 집합은 항상 일차종속이기 때문이다.

함수 공간에서의 예시도 있다. 다항식 집합 {1, x, x^2}은 벡터 공간 P_2(모든 2차 이하의 다항식들의 집합)에서 일차독립이다. 방정식 a*1 + b*x + c*x^2 = 0 (영함수)이 모든 x에 대해 성립하려면, 다항식의 동등성 원리에 따라 각 계수 a, b, c가 반드시 0이어야 한다. 이는 삼각함수 sin(x)와 cos(x)가 구간 (-∞, ∞)에서 일차독립인 것과 같은 맥락이다.

기저는 벡터 공간을 생성하는 동시에 일차독립인 벡터들의 집합이다. 따라서 기저의 개념은 일차독립과 밀접하게 연결되어 있다. 어떤 벡터 공간 V의 부분 집합 B가 V의 기저가 되기 위한 필요충분조건은 B가 V를 생성하면서 동시에 일차독립인 것이다. 이는 기저를 "최소한의 생성 집합" 또는 "최대한의 일차독립 집합"으로 이해할 수 있게 한다.

구체적으로, 벡터 공간 V의 기저 B는 다음 두 성질을 동시에 만족한다.

1. B는 V를 생성한다. 즉, V의 모든 벡터는 B에 속하는 벡터들의 일차결합으로 유일하게 표현된다.

2. B는 일차독립이다.

이 두 조건은 서로 긴밀히 맞물려 있다. 만약 생성 집합이 일차독립이 아니라면, 그 집합에서 어떤 벡터를 제거해도 여전히 같은 공간을 생성할 수 있다. 반대로, 일차독립 집합이 공간을 생성하지 못한다면, 그 집합에 새로운 벡터를 추가하여 더 큰 일차독립 집합을 만들 수 있다. 기저는 바로 이 과정의 끝에 위치하며, 더 이상 벡터를 제거하면 생성 능력을 잃고, 더 이상 벡터를 추가하면 일차독립성을 잃게 되는 집합이다.

이 관계는 벡터 공간의 차원 개념으로 이어진다. 주어진 벡터 공간의 모든 기저는 동일한 개수의 원소를 가지며, 이 수를 그 공간의 차원이라고 정의한다. 따라서 일차독립 집합의 최대 크기는 그 공간의 차원을 넘지 않으며, 정확히 차원만큼의 벡터로 이루어진 일차독립 집합은 반드시 기저가 된다. 예를 들어, 실수체 위의 n차원 유클리드 공간 Rⁿ에서, n개보다 많은 벡터의 집합은 반드시 일차종속이다.

주어진 벡터 집합이 일차독립인지 일차종속인지를 판별하는 방법은 여러 가지가 있다. 가장 기본적이고 직접적인 방법은 일차독립의 정의를 이용하는 것이다. 즉, 주어진 벡터들에 대한 일차결합이 영벡터와 같아지도록 하는 스칼라 계수가 모두 0인 경우(자명해)에만 가능한지를 확인한다. 이를 위해 벡터들을 행렬의 열(또는 행)로 나열하고, 해당 계수에 대한 동차 선형 방정식을 구성하여 해를 구한다. 이 연립방정식이 자명해만을 가지면 일차독립이고, 그렇지 않으면 일차종속이다.

구체적으로, 유클리드 공간 Rⁿ에 속하는 벡터들로 구성된 집합을 다룰 때는 효율적인 판별 방법이 있다. 벡터들을 열벡터로 취급하여 행렬 A를 만들고, 이 행렬의 계수(rank)를 구한다. 행렬 A의 계수가 벡터의 개수와 같으면 그 집합은 일차독립이며, 계수가 벡터의 개수보다 작으면 일차종속이다. 이는 가우스 소거법을 통해 행 사다리꼴로 변환하여 확인할 수 있다. 또한, 정방행렬인 경우 행렬식을 계산하는 방법도 사용된다. n개의 n차원 벡터로 구성된 집합의 경우, 이들을 열로 가지는 정방행렬의 행렬식이 0이 아니면 일차독립, 0이면 일차종속이다.

함수 공간과 같은 더 일반적인 벡터 공간에서는 론스키안 판별법이 유용하게 적용된다. 구간에서 정의된 (n-1)번 미분 가능한 n개의 함수가 주어졌을 때, 이 함수들로 구성된 론스키안 행렬식이 구간 내 어느 한 점에서라도 0이 아니면, 그 함수 집합은 일차독립이다. 그러나 론스키안이 구간 전체에서 0이라고 해서 반드시 일차종속이라고 결론지을 수는 없다는 점에 유의해야 한다.

• 위키백과 - 일차 독립 집합

• 벨로그 - 1.5절 일차종속과 일차독립

• 네이버 블로그 - 일차독립과 일차종속

• 티스토리 - 일차독립과 일차종속

• Encyclopedia of Mathematics - Linear independence

• Wolfram MathWorld - Linearly Independent

• Khan Academy - 선형독립과 선형종속 소개

• LibreTexts Mathematics - Linear Independence

• ko.wikipedia.org

• velog.io

• m.blog.naver.com

• mymath.tistory.com