❗
본 게시물의 내용은 주재걸 교수님의 '인공지능을 위한 선형대수' 를 참고하여 작성하였습니다.
출처 및 강의 자료는 게시글 하단에 기재된 링크를 통해 확인하세요.
스칼라(Scalar): 하나의 숫자 (크기 O, 방향 X)
벡터(Vector): 순서가 있는 숫자 배열 (크기 O, 방향 O)
set
이 있음행렬(Matrix): 2차원의 숫자 배열
열벡터
행벡터
정사각 행렬(Square matrix)
직사각 행렬(Rectangular matrix)
전치 행렬 (Transpose of matrix, 기존 행렬을 전치한 것)
행렬 표기법에 따른 의미
행렬의 덧셈
각 행렬의 같은 위치의 요소끼리 합함
행렬 덧셈의 조건: 각 행렬이 같은 크기여야 함 → 예시: (2x2)(2x2)
스칼라 x 행렬: 행렬의 각 요소에 스칼라 값을 곱함
행렬의 곱셈
행렬의 곱셈이 성립하기 위해서는 앞 행렬의 열의 수와 뒤 행렬의 행의 수가 동일해야 함 → 예 (3x2)(2x2)
곱셈은 앞 행렬의 행의 요소들과 뒤 행렬의 열의 요소들의 곱을 합한 값 (그림 참고)
벡터의 곱셈
행렬의 곱셈과 유사
내적: 결과 값이 상수
외적: 결과 값이 벡터
행렬의 곱셈에서는 교환 법칙이 성립하지 않는다.
AB 와 BA는 다르다.
자세한 내용은 위 슬라이드 참고
행렬의 곱셈에서 분배법칙, 결합법칙 모두 성립 (교환 법칙만 성립하지 않는다)
행렬을 곱한 상태에서 전치시키면 순서가 변화된다.
슬라이드를 참고하자
참고: 행렬 곱의 역행렬을 구할 때도 순서가 반대로 바뀐다.