Submit Search
Upload
【Deep Learning (MIT Press)】線形代数 2.1~2.7
•
Download as PPTX, PDF
•
1 like
•
129 views
京
京都大学人工知能研究会 KaiRA
Follow
京都大学人工知能研究会 KaiRA( https://kyoto-kaira.github.io/ )の輪読資料です
Read less
Read more
Education
Report
Share
Report
Share
1 of 23
Download now
Recommended
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
HiroyukiTerada4
連立方程式~連立方程式とグラフ~
連立方程式~連立方程式とグラフ~
studyPresenter
データ解析2 線形代数の復習
データ解析2 線形代数の復習
Hirotaka Hachiya
VBAで数値計算 10 逆行列と疑似逆行列
VBAで数値計算 10 逆行列と疑似逆行列
Katsuhiro Morishita
データ解析3 最適化の復習
データ解析3 最適化の復習
Hirotaka Hachiya
数式を綺麗にプログラミングするコツ #spro2013
数式を綺麗にプログラミングするコツ #spro2013
Shuyo Nakatani
VBAで数値計算 07 ベクトル
VBAで数値計算 07 ベクトル
Katsuhiro Morishita
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法
Katsuhiro Morishita
Recommended
ラビットチャレンジレポート 応用数学
ラビットチャレンジレポート 応用数学
HiroyukiTerada4
連立方程式~連立方程式とグラフ~
連立方程式~連立方程式とグラフ~
studyPresenter
データ解析2 線形代数の復習
データ解析2 線形代数の復習
Hirotaka Hachiya
VBAで数値計算 10 逆行列と疑似逆行列
VBAで数値計算 10 逆行列と疑似逆行列
Katsuhiro Morishita
データ解析3 最適化の復習
データ解析3 最適化の復習
Hirotaka Hachiya
数式を綺麗にプログラミングするコツ #spro2013
数式を綺麗にプログラミングするコツ #spro2013
Shuyo Nakatani
VBAで数値計算 07 ベクトル
VBAで数値計算 07 ベクトル
Katsuhiro Morishita
VBAで数値計算 09 掃き出し法
VBAで数値計算 09 掃き出し法
Katsuhiro Morishita
StudyAIラビットチャレンジ 応用数学
StudyAIラビットチャレンジ 応用数学
Naoki Nishikawa
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
Kenji Hiranabe
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Hirotaka Hachiya
スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)
Takunology
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
Kenji Hiranabe
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Kenji Hiranabe
データ解析5 単回帰分析
データ解析5 単回帰分析
Hirotaka Hachiya
機械学習のモデルのぞいてみない? ~ブラックボックスのままでいいの?~
機械学習のモデルのぞいてみない? ~ブラックボックスのままでいいの?~
Asako Yanuki
アルゴリズム+データ構造勉強会(7)
アルゴリズム+データ構造勉強会(7)
noldor
全部Excelでやろうとして後悔するデータ分析
全部Excelでやろうとして後悔するデータ分析
__john_smith__
Applied mathematics 1
Applied mathematics 1
A Y
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
Hirotaka Hachiya
全部Excelだけで実現しようとして後悔するデータ分析 2nd Edition
全部Excelだけで実現しようとして後悔するデータ分析 2nd Edition
__john_smith__
Tmp20130822
Tmp20130822
K5_sem
PRML 8.4-8.4.3
PRML 8.4-8.4.3
KunihiroTakeoka
PRML 2.3.1-2.3.2
PRML 2.3.1-2.3.2
KunihiroTakeoka
アルゴリズム+データ構造勉強会(2)
アルゴリズム+データ構造勉強会(2)
noldor
勝手に解説 TopCoder Marathon Match 82 ColorLinker
勝手に解説 TopCoder Marathon Match 82 ColorLinker
Sho IIZUKA
カステラ本勉強会 第三回
カステラ本勉強会 第三回
ke beck
行列による空間の直和分解
行列による空間の直和分解
HanpenRobot
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Takao Yamanaka
More Related Content
What's hot
StudyAIラビットチャレンジ 応用数学
StudyAIラビットチャレンジ 応用数学
Naoki Nishikawa
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
Kenji Hiranabe
データ解析11 因子分析の応用
データ解析11 因子分析の応用
Hirotaka Hachiya
スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)
Takunology
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
Kenji Hiranabe
【解説】 一般逆行列
【解説】 一般逆行列
Kenjiro Sugimoto
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
Kenji Hiranabe
データ解析5 単回帰分析
データ解析5 単回帰分析
Hirotaka Hachiya
機械学習のモデルのぞいてみない? ~ブラックボックスのままでいいの?~
機械学習のモデルのぞいてみない? ~ブラックボックスのままでいいの?~
Asako Yanuki
アルゴリズム+データ構造勉強会(7)
アルゴリズム+データ構造勉強会(7)
noldor
全部Excelでやろうとして後悔するデータ分析
全部Excelでやろうとして後悔するデータ分析
__john_smith__
Applied mathematics 1
Applied mathematics 1
A Y
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
Hirotaka Hachiya
全部Excelだけで実現しようとして後悔するデータ分析 2nd Edition
全部Excelだけで実現しようとして後悔するデータ分析 2nd Edition
__john_smith__
Tmp20130822
Tmp20130822
K5_sem
PRML 8.4-8.4.3
PRML 8.4-8.4.3
KunihiroTakeoka
PRML 2.3.1-2.3.2
PRML 2.3.1-2.3.2
KunihiroTakeoka
アルゴリズム+データ構造勉強会(2)
アルゴリズム+データ構造勉強会(2)
noldor
勝手に解説 TopCoder Marathon Match 82 ColorLinker
勝手に解説 TopCoder Marathon Match 82 ColorLinker
Sho IIZUKA
カステラ本勉強会 第三回
カステラ本勉強会 第三回
ke beck
What's hot
(20)
StudyAIラビットチャレンジ 応用数学
StudyAIラビットチャレンジ 応用数学
Math in Machine Learning / PCA and SVD with Applications
Math in Machine Learning / PCA and SVD with Applications
データ解析11 因子分析の応用
データ解析11 因子分析の応用
スプラトゥーン2 × 数学(訂正版)
スプラトゥーン2 × 数学(訂正版)
線形代数の視覚的理解 V1.1-Gストラング勉強会
線形代数の視覚的理解 V1.1-Gストラング勉強会
【解説】 一般逆行列
【解説】 一般逆行列
線形代数の視覚的理解のためのノート
線形代数の視覚的理解のためのノート
データ解析5 単回帰分析
データ解析5 単回帰分析
機械学習のモデルのぞいてみない? ~ブラックボックスのままでいいの?~
機械学習のモデルのぞいてみない? ~ブラックボックスのままでいいの?~
アルゴリズム+データ構造勉強会(7)
アルゴリズム+データ構造勉強会(7)
全部Excelでやろうとして後悔するデータ分析
全部Excelでやろうとして後悔するデータ分析
Applied mathematics 1
Applied mathematics 1
データ解析7 主成分分析の基礎
データ解析7 主成分分析の基礎
全部Excelだけで実現しようとして後悔するデータ分析 2nd Edition
全部Excelだけで実現しようとして後悔するデータ分析 2nd Edition
Tmp20130822
Tmp20130822
PRML 8.4-8.4.3
PRML 8.4-8.4.3
PRML 2.3.1-2.3.2
PRML 2.3.1-2.3.2
アルゴリズム+データ構造勉強会(2)
アルゴリズム+データ構造勉強会(2)
勝手に解説 TopCoder Marathon Match 82 ColorLinker
勝手に解説 TopCoder Marathon Match 82 ColorLinker
カステラ本勉強会 第三回
カステラ本勉強会 第三回
Similar to 【Deep Learning (MIT Press)】線形代数 2.1~2.7
行列による空間の直和分解
行列による空間の直和分解
HanpenRobot
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
Takao Yamanaka
線形写像を行列で表現しよう
線形写像を行列で表現しよう
HanpenRobot
第4回数理モデル勉強会(日本植物学会第84回大会関連集会)
第4回数理モデル勉強会(日本植物学会第84回大会関連集会)
TakaakiYonekura
行列計算アルゴリズム
行列計算アルゴリズム
Takuo Tachibana
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
wada, kazumi
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
Takuya Minagawa
さくっと線形代数
さくっと線形代数
Kota Mori
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
irrrrr
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
Yasu Math
Fourier transform
Fourier transform
ShinoharaTakuto
NN, CNN, and Image Analysis
NN, CNN, and Image Analysis
Yuki Shimada
Rabbit challenge
Rabbit challenge
ssuserb0e150
外積代数で読み解く平行体 ~究極の関係式を追い求めて~
外積代数で読み解く平行体 ~究極の関係式を追い求めて~
SoshunNaito
人生を豊かにする線形代数学
人生を豊かにする線形代数学
Fumiya Watanabe
表現論 ゼミ資料
表現論 ゼミ資料
HanpenRobot
katagaitai workshop #7 crypto ナップサック暗号と低密度攻撃
katagaitai workshop #7 crypto ナップサック暗号と低密度攻撃
trmr
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
Zansa
PRML 4.1 Discriminant Function
PRML 4.1 Discriminant Function
Shintaro Takemura
K030 appstat201203 2variable
K030 appstat201203 2variable
t2tarumi
Similar to 【Deep Learning (MIT Press)】線形代数 2.1~2.7
(20)
行列による空間の直和分解
行列による空間の直和分解
Fisher Vectorによる画像認識
Fisher Vectorによる画像認識
線形写像を行列で表現しよう
線形写像を行列で表現しよう
第4回数理モデル勉強会(日本植物学会第84回大会関連集会)
第4回数理モデル勉強会(日本植物学会第84回大会関連集会)
行列計算アルゴリズム
行列計算アルゴリズム
自然科学の統計学2.2 slideshare
自然科学の統計学2.2 slideshare
20170408cvsaisentan6 2 4.3-4.5
20170408cvsaisentan6 2 4.3-4.5
さくっと線形代数
さくっと線形代数
スペクトラルグラフ理論入門
スペクトラルグラフ理論入門
Computing for Isogeny Kernel Problem by Groebner Basis
Computing for Isogeny Kernel Problem by Groebner Basis
Fourier transform
Fourier transform
NN, CNN, and Image Analysis
NN, CNN, and Image Analysis
Rabbit challenge
Rabbit challenge
外積代数で読み解く平行体 ~究極の関係式を追い求めて~
外積代数で読み解く平行体 ~究極の関係式を追い求めて~
人生を豊かにする線形代数学
人生を豊かにする線形代数学
表現論 ゼミ資料
表現論 ゼミ資料
katagaitai workshop #7 crypto ナップサック暗号と低密度攻撃
katagaitai workshop #7 crypto ナップサック暗号と低密度攻撃
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
【Zansa】第12回勉強会 -PRMLからベイズの世界へ
PRML 4.1 Discriminant Function
PRML 4.1 Discriminant Function
K030 appstat201203 2variable
K030 appstat201203 2variable
Recently uploaded
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
Ken Fukui
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
Ken Fukui
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
Ken Fukui
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
Ken Fukui
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
Ken Fukui
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
ssusere0a682
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ssusere0a682
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
yukisuga3
Recently uploaded
(8)
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座3スライド(スタッフ共有用)『糧は三度はさいせず』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 当日講座1(スタッフ共有用)『兵は詐をもって立つ』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座2スライド(スタッフ共有用)『両雄の強さの秘密』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 事前講座1スライド(スタッフ共有用)『川中島の謎』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
リアル戦国探究in米沢 当日講座2スライド(スタッフ共有用)『人を致すも人に致されず』についてのスライド
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
【ゲーム理論入門】ChatGPTが作成した ゲーム理論の問題を解く #3 Slide
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
ゲーム理論 BASIC 演習105 -n人囚人のジレンマモデル- #ゲーム理論 #gametheory #数学
TEAMIN Service overview for customer_20240422.pdf
TEAMIN Service overview for customer_20240422.pdf
【Deep Learning (MIT Press)】線形代数 2.1~2.7
1.
線形代数 2.1〜2.7
2.
1. スカラー・ベクトル • スカラー:単一の数。導入時、どんな種類の数かを定義 •
ベクトル:数値の配列。空間上の点とみなせる 𝒙 = 𝑥1 𝑥2 ⋮ 𝑥 𝑛 ・𝒙−1 ≔ 𝑥2 ⋮ 𝑥 𝑛 ・𝑆 ≔ 1,3,6 ; 𝒙 𝑆 ≔ 𝑥1 𝑥3 𝑥6
3.
1. 行列・テンソル • 行列:2次元の数値配列、二つのインデックスで示す •
テンソル:3つ以上の軸を持つ配列 𝜜 ∈ ℝ2×3; 𝐴1,1 𝐴1,2 𝐴1,3 𝐴2,1 𝐴2,2 𝐴2,3 𝜜1,: ≔ 𝐴1,1 𝐴1,2 𝐴1,3 𝑨:,1 ≔ 𝐴1,1 𝐴2,1
4.
1. スカラー・ベクトル・行列・テンソル ( http://yaju3d.hatenablog.jp/entry/2016/04/17/032555
) Matrix:(数)行列;(コ)配列
5.
1. 行列に関して • 関数を適用した行列:関数𝑓を𝑨に適用して得られた
𝑖, 𝑗 成分 • 転置 𝐴 𝑇 :主対角線に対する鏡像 (「𝑚行𝑛列」を「𝑛行𝑚列」へ) 𝑓 𝑨 𝑖,𝑗 • 𝑨 = 𝐴1,1 𝐴1,2 𝐴2,1 𝐴2,2 𝐴3,1 𝐴3,2 ⇒ 𝑨 𝑻 = 𝐴1,1 𝐴2,1 𝐴3,1 𝐴1,2 𝐴2,2 𝐴3,2 • 𝑨 𝑇 𝑖,𝑗 = 𝐴𝑗,𝑖
6.
1. 転置 • ベクトルの転置 •
スカラーの転置 𝒙 = 𝑥1 𝑥2 𝑥3 𝑇 = 𝑥1 𝑥2 𝑥3 𝑎 = 𝑎 𝑇
7.
1. 行列の加算 • 同じ型の行列は単に対応する要素を足し合わせる •
行列にスカラーを足したり、かけたりするときは単に行列の各 要素に対し演算を行う • ベクトルを暗黙的に各行へ追加(ブロードキャスティング) 𝑪 = 𝑨 + 𝑩 (𝐶𝑖,𝑗 = 𝐴𝑖,𝑗 + 𝐵𝑖,𝑗) 𝑫 = 𝑎 ⋅ 𝑩 + 𝑐 (𝐷𝑖,𝑗 = 𝑎 ∙ 𝐵𝑖,𝑗 + 𝑐) 𝑪 = 𝑨 + 𝒃 (𝐶𝑖,𝑗 = 𝐴𝑖,𝑗 + 𝑏𝑗)
8.
2. 行列とベクトルの乗算 • 行列𝑨
∈ ℝ 𝑚×𝑛 と𝑩 ∈ ℝ 𝑛×𝑝 をかけた行列の積は𝐂 ∈ ℝ 𝑚×𝑝 • 個々の成分の積:要素ごとの積、アダマール積( ≔ 𝑨⨀𝑩 ) • 2つのベクトルの間のドット積 𝑪 = 𝑨𝑩 (𝐶𝑖,𝑗 = 𝑘 𝐴𝑖,𝑘 𝐵 𝑘,𝑗) 𝒙 ∙ 𝒚 𝒙, 𝒚はベクトル ⇔ 𝒙 𝑇 𝒚 𝒙, 𝒚は行列 ⇔ 𝑖=1 𝑛 𝑥𝑖 𝑦𝑖(𝑥, 𝑦はベクトル)
9.
2. 行列の数学的性質 • 分配法則:𝑨
𝑩 + 𝑪 = 𝑨𝑩 + 𝑨𝑪 • 結合法則:𝑨 𝑩𝑪 = (𝑨𝑩)𝑪 • 行列の乗算は交換法則を満たさない (条件𝑨𝑩 = 𝑩𝑨は必ずしも成立しない) • 2つのベクトル間の内積は可換:𝒙 𝑇 𝒚 = 𝒚 𝑇 𝒙……① • 行列の積の転置: 𝑨𝑩 𝑇 = 𝑩 𝑇 𝑨 𝑇……➁ • ①、➁(積の値がスカラー・それ自身の転置に等しい)より: 𝒙 𝑇 𝒚 = 𝒙 𝑇 𝒚 𝑇 = 𝒚 𝑇 𝒙
10.
線形方程式 • 𝑨 ∈
ℝ 𝑚×𝑛 は既知の行列、𝒃 ∈ ℝ 𝑚 は既知のベクトル、𝑥 ∈ ℝ 𝑛 は求めたい未知の変数を持つベクトル • 行列とベクトルの積の表記は、この種の方程式を簡潔にしたも の 𝑨1,: 𝒙 = 𝑏1 𝑨2,: 𝒙 = 𝑏2 ⋯ 𝑨 𝑚,: 𝒙 = 𝑏 𝑚 𝑨𝒙 = 𝒃 𝑨1,1 𝑥1 +𝑨1,2 𝑥2 + ⋯ + 𝑨1,𝑛 𝑥 𝑛 = 𝑏1 𝑨2,1 𝑥1 + 𝑨2,2 𝑥2 + ⋯ + 𝑨2,𝑛 𝑥 𝑛 = 𝑏2 ⋯ 𝑨 𝑚,1 𝑥1 + 𝑨 𝑚,2 𝑥2 + ⋯ + 𝑨 𝑚,𝑛 𝑥 𝑛 = 𝑏 𝑚
11.
3. 単位行列と逆行列 • 単位行列:任意のベクトルに掛け合わせてもそのベクトルを変 化させないような行列
𝑰 𝑛 • 逆行列:理論的な手段、ほとんどのソフトウェアアプリケー ションで実用としては使わない方が良い 𝑨−1(𝑨の逆行列) 𝑰 𝑛 ∈ ℝ 𝑛×𝑛 , ∀𝒙 ∈ ℝ 𝑛 ; 𝑰 𝑛 𝒙 = 𝒙 𝑰3 = 1 0 0 0 1 0 0 0 1 𝑨−1 𝑨 = 𝑰 𝑛
12.
3. 逆行列の利用(逆行列法) • 以下の手順は𝑨−1 を見つけられるかどうかに依存している 𝑨𝒙
= 𝒃 𝑨−1 𝑨𝒙 = 𝑨−1 𝒃 𝑰 𝑛 𝒙 = 𝑨−1 𝒃 𝒙 = 𝑨−1 𝒃
13.
4. 線形従属と張る空間 • 𝑨−1 が存在するためには𝑨𝒙
= 𝒃が𝒃のどんな値に対しても1つだ け解を持たなければならない • 𝒃の値のいくつかに対して、連立方程式の解がない、また無限 に多くの解を持つ場合がある ∵)𝒙と𝒚の両方が解であれば、 任意の実数𝛼について、𝑧 = 𝛼𝒙 + 1 − 𝛼 𝒚も解となる
14.
4. 線形結合 • 方程式の解の数を解析するために、𝑨の列が、原点から移動で きる様々な方向を指定していて、𝒃に到達する道筋の数を決定 するものだとする。このとき、𝑥の各要素は、それぞれの方向 に進む距離を指定している(𝑥𝑖は列𝑖の方向に進む距離を示す) •
いくつかのベクトルからなる集合 𝑣 1 , ⋯ , 𝑣 𝑖 の線形結合は、 それぞれのベクトル𝑣 𝑖 に対応するスカラーの係数をかけ、そ の結果を加算 𝒃 = 𝑨𝒙 = 𝑖 𝑥𝑖 𝑨:,𝑖 𝑖 𝑐𝑖 𝑣 𝑖
15.
4. 線形結合 𝑎 𝑐 =
𝑝 𝑎 + 𝑞𝑏 𝑏
16.
4. 張る空間 • 元のベクトルの線形結合によって得られるすべての点からなる 集合 •
𝑨𝒙 = 𝒃に解があるかどうかは、𝒃が𝑨の列の張る空間に含まれ るかどうかを調べれば判定できる(この場合の張る空間は、𝑨 の列空間または値域として知られる) • 𝑨𝒙 = 𝒃が𝒃 ∈ ℝ 𝑚 の全ての値に対して解を持つためには、𝑨の列空間がℝ 𝑚 全体で ある必要がある • 𝑨の列空間がℝ 𝑚 全体であるという必要条件は、 𝑨は少なくとも 𝑚列を持たねばならない、つまり𝑛 ≥ 𝑚を含意する(十分条件 ではない)
17.
4. 張る空間 • 行列の列空間がℝ
𝑚 全体を覆うためには、その行列には𝑚個の線 形独立な列を持つ集合が少なくとも1つ必要、これは𝑨𝒙 = 𝒃が 𝒃のあらゆる値に対して解を持つための必要十分条件 𝒃 ∈ ℝ3 のうち、𝒑 ∈ ℝ2 , 𝒒 ∈ ℝ2 で 表現可能なのは𝑏(𝑖, 𝑗, 0)のみ 𝐼 𝐻 𝐽
18.
4. 張る空間 • 行列が逆行列を持つためには𝑨𝒙
= 𝒃が𝒃の各値に対して最大で 解が1つであることも必要である、そのためには行列の列の数 を𝑚個とする必要がある • これは同時に、行列が正方( 𝑚 = 𝑛かつ、全ての列が線形独 立)でなければならない • 𝑨が正方行列でない、あるいは正方行列だが、特異行列(線形 従属な列を持つ正方行列)の場合でも、この方程式は解けるが、 解を見つけるために逆行列法を用いることはできない
19.
4. 張る空間 • 右からかける逆行列も定義できる •
正方行列の場合、左からかける逆行列と右からかける逆行列は 等しくなる 𝑨𝑨−1 = 𝑰
20.
2.5 ①ノルムの定義 ・ノルム=ベクトル空間上のベクトルxの長さ ・例えばp=2だと下と同値 ・イメージはつかめましたか? http://batmitzvah.blog136.fc2.com/blog-entry- 1667.html http://blog.livedoor.jp/ddrerizayoi/archives/4003067 2.html
21.
・ノルムの一般化:行列Aのサイズを求めたい ユークリッドノルム L1ノルム 最大値ノルム ・p=2のとき ・
と表記される ・p=1のとき ・ ・p=∞のとき ・ 2.5 ②機械学習で使われるノルム
22.
2.6 特殊な行列とベクトルの例 ・行列の例 ・ベクトルの例として単位ベクトルがある 対角行列 対称行列
直交行列 https://ja.wikipedia.org/wiki
23.
2.7 固有値分解 ・固有値分解=行列版“素因数分解” ;正方行列を固有ベクトルと固有値の集合に分解すること ・正方行列Aは、固有ベクトル と固有値
を用いて分解できる ただし ※ をみたす列ベクトル を固有ベクトル、複素数 を固有 値という ・固有値分解できない正方行列もある
Download now