列れつベクトルcolumn vectorの独立性どくりつせいと階数かいすうrankへの橋渡はしわたし

date2026-07-14document_iddoc_89aec023d343d7e3e5ebe5794315ae5bdescription列ベクトルの一次独立性を具体計算で判定し、pivot・列空間・階数へ接続する講義である。prerequisites線型結合と張る空間の基本 / 行基本変形の基本 / 階段形と簡約階段形type講義content_typelecturestatusactive

mathlinear-algebraundergraduatelecture

Independence of column vectors列れつベクトル and the bridge to rank階数かいすう

1導入どうにゅう

この講義こうぎで重要じゅうようなのは、列れつベクトルcolumn vectorの一次独立性いちじどくりつせいは、行列ぎょうれつmatrixの pivot と階数かいすうrankへ直結ちょっけつするということである。

階数かいすうrankを非零成分ひぜろせいぶんの個数こすうと誤解ごかいすると、行列ぎょうれつmatrixが保持ほじする情報量じょうほうりょうを把握はあくできない。列れつベクトルcolumn vectorの独立どくりつindependentな方向ほうこうの本数ほんすうが階数かいすうrankである。

1Introduction

The key point is that linear independence一次独立性いちじどくりつせい of column vectors leads directly to pivots and rank階数かいすう. rank階数かいすう is not the number of nonzero entries. It is the number of independent column directions.

2用語ようごと定義ていぎ

ベクトル $v_{1}, [PARSE ERROR: Undefined("Command(\"dots\")")], v_{k}$ が一次独立いちじどくりつLinearly independentであるとは、

c_{1} v_{1} + \dots + c_{k} v_{k} = 0

から

c_{1} = \dots = c_{k} = 0

が従したがうことである。

階数かいすうRank は、独立どくりつindependentな列れつベクトルcolumn vectorの最大本数さいだいほんすうである。

2Terms and definitions

Vectors $v_{1}, \dots, v_{k}$ are linearly independent一次独立いちじどくりつ if

c_{1} v_{1} + \dots + c_{k} v_{k} = 0

implies

c_{1} = \dots = c_{k} = 0.

The rank階数かいすう of a matrix is the maximum number of independent column vectors.

3方針ほうしん

列れつベクトルcolumn vectorを並ならべて行列ぎょうれつmatrixを作つくり、掃はき出だしで pivot 列れつcolumnを確認かくにんする。pivot 列れつcolumnに対応たいおうする元もとの列れつベクトルcolumn vectorが、列空間れつくうかんcolumn spaceの基底きていbasisを与あたえる。

data/lecture/math/vector/row-and-column-vectors.lecture.n.md data/lecture/math/linear-algebra/row-echelon-and-reduced-row-echelon-forms.lecture.n.md

4直感的ちょっかんてきな説明せつめい

2 本ほんの列れつベクトルcolumn vectorが同おなじ方向ほうこうを向むいていれば、一方いっぽうは他方たほうの定数倍ていすうばいであり、新あたらしい方向ほうこうを追加ついかしない。階数かいすうrankは、このような重複ちょうふくを除のぞいた本質的ほんしつてきな方向ほうこうの数かずである。

5厳密げんみつな説明せつめい

$a_{1}, [PARSE ERROR: Undefined("Command(\"dots\")")], a_{n}$ を行列ぎょうれつmatrix $A$ の列れつベクトルcolumn vectorとする。一次関係いちじかんけい

c_{1} a_{1} + \dots + c_{n} a_{n} = 0

は

A c = 0

と同値どうちequivalentである。したがって、列れつベクトルcolumn vectorの一次独立性いちじどくりつせいは同次方程式どうじほうていしき $A c = 0$ の解かいを調査ちょうさすることで判定はんていできる。

行基本変形ぎょうきほんへんけいelementary row operationをしても、この同次方程式どうじほうていしきの解集合かいしゅうごうは変かわらない。実際じっさい、行基本変形ぎょうきほんへんけいelementary row operationは左ひだりから可逆行列かぎゃくぎょうれつinvertible matrix $E$ を掛かける操作そうさoperationなので、 $E A c = 0$ なら $A c = E^{- 1} 0 = 0$ であり、逆ぎゃくも成立せいりつする。

ここで保存ほぞんされるのは、列れつcolumnどうしの一次関係いちじかんけいである。一方いっぽう、行基本変形ぎょうきほんへんけいelementary row operationは列れつベクトルcolumn vectorそのものを $E a_{i}$ に移うつすため、列空間れつくうかんcolumn spaceそのものは一般いっぱんには変かわる。したがって階段形かいだんけいrow echelon formで見みつけた pivot 列れつcolumnは、「変形後へんけいごの列れつcolumnそのもの」ではなく、「元もとの行列ぎょうれつmatrixの同おなじ位置いちの列れつcolumn」へ戻もどして読よむ必要ひつようがある。

3Strategy

Arrange the column vectors列れつベクトル as a matrix行列ぎょうれつ and use elimination to identify the pivot主成分しゅせいぶん columns. The original columns in those pivot positions form a basis基底きてい for the column space列空間れつくうかん.

data/lecture/math/vector/row-and-column-vectors.lecture.n.md data/lecture/math/linear-algebra/row-echelon-and-reduced-row-echelon-forms.lecture.n.md

4Intuitive explanation

If two column vectors point in the same direction, one is a scalar multiple of the other and does not add a new direction. Rank階数かいすう counts the essential independent directions after such redundancy is removed.

5Precise explanation

Let $a_{1}, \dots, a_{n}$ be the columns of a matrix $A$ . The linear relation

c_{1} a_{1} + \dots + c_{n} a_{n} = 0

is equivalent to

A c = 0,

where $c = (c_{1}, \dots, c_{n})^{T}$ . Therefore column independence is tested by the homogeneous system $A c = 0$ .

Elementary row operations行基本変形ぎょうきほんへんけい preserve the solution set of this homogeneous system. Algebraically, a row operation is multiplication by an invertible matrix可逆行列かぎゃくぎょうれつ $E$ on the left, so $E A c = 0$ is equivalent to $A c = 0$ .

What is preserved is the linear relations among the columns. The visible column vectors themselves change from $a_{i}$ to $E a_{i}$ , so the column space列空間れつくうかん itself generally changes during row reduction. Therefore pivot columns found in an echelon form must be read back in the same positions of the original matrix.

6行基本変形ぎょうきほんへんけいと pivot 列れつcolumn

行基本変形ぎょうきほんへんけいelementary row operationは $A c = 0$ の解集合かいしゅうごうを保存ほぞんする。代数的だいすうてきには、行基本変形ぎょうきほんへんけいは左ひだりから可逆行列かぎゃくぎょうれつinvertible matrix $E$ を掛かけることなので、

E A c = 0 ⟺ A c = 0

である。ただし、見みえている列れつcolumnは $a_{i}$ から $E a_{i}$ に変かわる。したがって、階段形かいだんけいrow echelon formで見みつけた pivot 列れつcolumnは、変形後へんけいごの列れつcolumnそのものではなく、元もとの行列ぎょうれつmatrixの同おなじ位置いちの列れつcolumnとして読よみ戻もどす。

7具体例ぐたいれい

a_{1} = (\begin{matrix} 1 \\ 0 \\ 1 \end{matrix}), a_{2} = (\begin{matrix} 0 \\ 1 \\ 1 \end{matrix}), a_{3} = (\begin{matrix} 1 \\ 1 \\ 2 \end{matrix})

とする。ここで

a_{3} = a_{1} + a_{2}

であるため、3 本ぼんは一次従属いちじじゅうぞくlinear dependenceである。独立どくりつindependentな方向ほうこうは $a_{1}, a_{2}$ の 2 本ほんで十分じゅうぶんであり、階数かいすうrankは 2 である。

6Row operations and pivot主成分しゅせいぶん columns

elementary row operations行基本変形ぎょうきほんへんけい preserve the solution set of $A c = 0$ . Algebraically, a row operation is multiplication by an invertible可逆かぎゃく matrix $E$ on the left, and

E A c = 0 ⟺ A c = 0.

However, row operations change the visible column vectors from $a_{i}$ to $E a_{i}$ . Therefore pivot主成分しゅせいぶん columns found in an echelon form must be read by their positions in the original matrix, not by taking the transformed columns themselves as the original column-space basis基底きてい.

7Worked example

Let

a_{1} = (\begin{matrix} 1 \\ 0 \\ 1 \end{matrix}), a_{2} = (\begin{matrix} 0 \\ 1 \\ 1 \end{matrix}), a_{3} = (\begin{matrix} 1 \\ 1 \\ 2 \end{matrix}) .

Then $a_{3} = a_{1} + a_{2}$ . Hence the three columns are linearly dependent, while $a_{1}$ and $a_{2}$ give two independent directions. The rank階数かいすう is $2$ .

8定理ていり・証明しょうめいの要点ようてん

元もとの行列ぎょうれつmatrixの pivot 列れつcolumnは、列空間れつくうかんcolumn spaceの基底きていbasisを作つくる。張はることは、pivot でない列れつcolumnが階段形かいだんけいrow echelon formで検出けんしゅつされる一次関係いちじかんけいにより pivot 列れつcolumnの線型結合せんけいけつごうlinear combinationとして表あらわせることから分わかる。一次独立いちじどくりつであることは、pivot 列れつcolumnだけに非自明ひじめいな一次関係いちじかんけいがあれば、対応たいおうする同次方程式どうじほうていしきに非零解ひぜろかいが生しょうじ、pivot の位置いちに反はんすることから従したがう。

9よくある誤解ごかい

階数かいすうrankは非零成分ひぜろせいぶんの個数こすうではない。独立どくりつindependentな列れつcolumnの本数ほんすうである。
掃はき出だし後ごの列れつcolumnそのものが元もとの列空間れつくうかんcolumn spaceを表あらわすとは限かぎらない。pivot 列れつcolumnの位置いちを元もとの行列ぎょうれつmatrixへ戻もどして確認かくにんする。
列れつcolumnが多おおいほど階数かいすうrankが大おおきいとは限かぎらない。従属じゅうぞくdependentな列れつcolumnは新あたらしい方向ほうこうを追加ついかしない。

8Theorem/proof checkpoint

The pivot主成分しゅせいぶん columns of the original matrix form a basis基底きてい of the column space列空間れつくうかん. They span because every non-pivot主成分しゅせいぶん column has a linear relation with earlier pivot主成分しゅせいぶん columns, detected by the echelon form. They are independent because a nontrivial relation among pivot主成分しゅせいぶん columns would produce a nontrivial solution to the corresponding homogeneous system, contradicting the pivot主成分しゅせいぶん positions.

9Common misunderstandings

rank階数かいすう is not a count of nonzero entries.
The transformed columns after row reduction are not generally the original column space列空間れつくうかん.
Having many columns does not guarantee high rank階数かいすう; dependent columns add no new direction.

10どこまで成立せいりつするか

列れつベクトルcolumn vectorの独立性どくりつせいは有限次元ゆうげんじげんの階数かいすうrankの基礎きそである。抽象ちゅうしょうベクトル空間くうかんでは列れつcolumnとして並ならべるとは限かぎらないが、線型結合せんけいけつごうlinear combinationによる一次独立いちじどくりつlinear independenceの定義ていぎはそのまま成立せいりつする。

11最終形さいしゅうけい

[PARSE ERROR: Undefined("Command(\"boxed\")")] c_{1} a_{1} + \dots + c_{n} a_{n} = 0 ⟺ A c = 0

[PARSE ERROR: Undefined("Command(\"boxed\")")] rank (A) = 独立な列の最大本数

10Scope

Independence of column vectors列れつベクトル is the finite-dimensional basis for rank階数かいすう. In an abstract vector space, vectors may not literally be arranged as columns, but the definition by linear combinations線型結合せんけいけつごう is the same.

11Final forms

[PARSE ERROR: Undefined("Command(\"boxed\")")] c_{1} a_{1} + \dots + c_{n} a_{n} = 0 ⟺ A c = 0

[PARSE ERROR: Undefined("Command(\"boxed\")")] rank (A) = maximumnumberofindependentcolumns

12演習えんしゅうリンク

data/exercise/math/linear-algebra/vector-spaces-bases-and-rank.exercise.n.md

12Exercise links