벡터 vector
- 크기와 방향을 가지는 물리량
특징 벡터 feature vector
- 차원을 가지는 벡터
벡터의 전치 transeposed vector
- 벡터의 원소를 행과 열을 바꾼것
벡터의 크기, 노름 norm
- 원점에서 벡터공간상 한점까지의 거리
단위 벡터 unit vector
- 특정 방향에 대해 길이가 1인 벡터
벡터의 연산
1. 스칼라 곱
- 벡터에 스칼라(실수) 곱하는 연산
2. 내적 dot product
- 점으로 표기하기 때문에 점곰, 혹은 결과가 스칼라이므로 스칼라 곱, 꺽쇄를 사여 표기하기도 함.
3. 외적 cross product
- 벡터끼리 곱하여 벡터가 나와 벡터 곱, 교곱이라고도 부르는 연산
- 자세한 연산은 공업수학 참조
수직 사영 projection
- 벡터 y를 벡터 x에 사영하면, x방향의 벡터가 생김
벡터의 직교(수직)과 정규 직교
- 아래의 조건을 만족하는 경우 두 벡터 x, y는 수직 orthogonal/정규 직교 orthonormal이됨.
선형 결합 linear combination
- 벡터 집합과 스칼라 계수 집합들의 곱, 합이 선형성을 가지고 있으면 선형 결합. 1차결합이라고 부름
선형 독립과 선형 종속
- 아래의 벡터 집합과 스칼라 계수 집합이 주어질때
- 선형 독립 : 모든 a_i = 0인 경우에만 성립하는 경우. 벡터 집합은 선형 독립 linear indepent
- 선형 종속 : 선형 독립이 아닌 경우. 선형 종속 linear dependent
기저
- 스칼라 곱을 해서 벡터 공간을 생성할수 있는 벡터
- ex
기저 벡터 : (1, 0)가 주어질때
a (1, 0) => (2, 0), (3, 0), (4, 0) 등의 생성 벡터 공간(span vector space)이 만들어짐
기저 집합
- 2차원에서의 기저 (1, 0), (0, 1)
- 3차원에서 기저 (1, 0, 0), (0, 1, 0), (0, 0, 1) 과 같이
벡터 공간을 생성해내는 기저의 모임
그램 슈미트 직교화 과정
- n개의 선형 독립 벡터가 주어질때, 생성 벡터공간에 대한 정규 직교 기저를 찾을 수 있음
- 아래의 경우 3개의 선형 독립 벡터(u1, u2, u3)가 주어질때 생성 벡터(v1, v2, v3) 공간을 보여줌
'수학 > 선형대수, 최적화' 카테고리의 다른 글
선형대수(복) - 3. 트레이스, 랭크, 역행렬, 행렬식 (0) | 2020.08.02 |
---|---|
선형대수(복) - 2. 행렬 종류 (0) | 2020.08.02 |
최적화 - 18. LM 방법의 비선형 최소 자승방법 적용 (0) | 2020.07.26 |
최적화 - 17. 가우스 뉴턴 방법 (0) | 2020.07.26 |
최적화 - 16. 비선형 최소자승법 (0) | 2020.07.26 |