-
12-1 행렬의 랭크(Rank)의 정의와 중요성practice_선형대수 2024. 10. 3. 18:00
행렬의 랭크(Rank)의 정의
행렬의 랭크는, 선형독립적인 행(또는 열)의 갯수를 나타낸다.
정방행렬이 역행렬이 존재하는지를, 랭크를 통해 예측할수 있다.
:선형독립적인 열의 갯수 = 선형독립적인 행의 갯수
중요성
•상대적으로 쉽게 이해할 수 있는 사용처는 행렬의 역행렬 계산이다•어떠한 N x N 크기의 정방행렬 A가 있다.•이때 정방행렬 A의 랭크가 N이 아니면, A의 역행렬은 존재하지 않는다.선형 결합 - 각요소에 상수를 곱하고 더하는 식
벡터 x, y에 상수를 곱하고 더해서 z를 만들었다면, z는 x,y의 선행결합이다.
선형결합(linear combination)은 벡터 공간에서 두 개 이상의 벡터를 특정한 스칼라(상수)로 곱한 후 더한 결과입니다. 벡터들의 선형 결합은 스칼라의 가중치에 따라 새로운 벡터를 만들어낸다.
A와 B에 상수를 곱하고 더해서 C를 못 만들면, C는 A와 B에 대해 선형 독립이다열 랭크
선형독립이 아닌 것을 제외(만들수있는것)- 남은열들이 선형독립(못만드는것들이 남음)
•위의 행렬에서, 세번째 열은 첫번째와 두번째 열을 더하는 것으로 만들 수 있다세번째 열은 선형 독립이 아니다•그에 반해, 첫번째와 두번째 열은 서로 선형 독립이다•따라서 이 행렬의 랭크는 2이다•행렬에는 두가지 랭크가 있다1.선형 독립적인 열 (Column)의 개수2.선형 독립적인 행 (Row)의 개수•이 둘은 모든 행렬에 대해 같다는 것이 증명되었다•위 행렬에서, 첫번째와 세번째, 두번째와 네번째 열은 같다 (Column Rank = 2)•비슷하게, 세번째 행은 첫번째와 두번째 행의 합과 같다 (Row Rank = 2)'practice_선형대수' 카테고리의 다른 글
13. 선형 변환 (Linear Transformation) (0) 2024.10.04 12.다중 공선성 (Multicollinearity) (0) 2024.10.04 확률론에서 베이즈 정리(Bayes' Theorem)의 기본 개념과 활용 (0) 2024.10.01 9. 확률변수의 조건부 확률 (Conditional Probability)과 독립성 (Independence), 결합확률 (0) 2024.10.01 8. 주성분 분석 (Principal Component Analysis): 차원 축소, 설명된 분산 (2) 2024.09.30