를 만족하는 matrix
예시
특징
- 정방 행렬 간 덧셈은 항상 정방 행렬이다. 그러나 정방 행렬간 곱셈은 이를 만족하지 않는다.
- 어떤 matrix 에 대하여 은 항상 symmetric 이다.
why? 이므로.
symmetric matrix
Related symmetric matrix Moore-Penrose Pseudoinverse
Inverse Matrix Inverse matrix 참조 Transpose transpose 참조 Related symmetric matrix Square Matrix
선형대수학에서 보면 가끔 어떤 행렬 A 가 positive definite 다, positive semi-definite 다 하는 용어들이 나오는데 이는 대칭행렬 (symmetric matrix) 에 대해서만 정의되는 용어들로서 이 용어들의 정의는 다음과 같다.
PCA 여기서 B 는 projection matrix 로, 다음과 같이 표현된다. 여기서 M<D 를 만족한다. B 을 이루는 열벡터들은 orthonormal 하다고 가정한다. 왜냐하면, projection 자체가 scaling 없이 rotation 만 하기 때문에 unit vector 여야 하기 때문이다. Figure PCA Derivation covariance matrix C 는 다...
Formally, a matrix D is diagonal if and only if D_{i,j}=0 for all i\neq j.
matrix 는 linear mapping 또는 vector 의 collection 이라고 생각할 수 있다. 벡터 공간 은 꽤 추상적이므로, 이를 컴퓨터에 표현하고 다루기 위해서는 숫자들로 구성된 직사각형 array 들, 즉, 행렬을 사용할 필요가 있다.
\boldsymbol{A} \in \mathbb{R}^{n \times n} 행렬에 대하여 \boldsymbol{A B}=\boldsymbol{I}_{n}=\boldsymbol{B} A 를 만족하는 \boldsymbol{B} \in \mathbb{R}^{n \times n} 를 inverse matrix \boldsymbol{A}^{-1} 라고 한다.
선형대수학에서 보면 가끔 어떤 행렬 A 가 positive definite 다, positive semi-definite 다 하는 용어들이 나오는데 이는 대칭행렬 (symmetric matrix) 에 대해서만 정의되는 용어들로서 이 용어들의 정의는 다음과 같다.
주어진 행렬의 행을 바꾸기 위한 행렬 (Row operation)
adjacency matrix 는 정방 행렬로, 유한한 그래프를 표현하기 위한 행렬이다.
Suppose f:\mathbb{R}^{n}\rightarrow\mathbb{R} is a function taking as input a vector \mathbf{x}\in\mathbb{R}^{n} and outputting a scalar f(\mathbf{x})\in\mathbb{R}.
For \boldsymbol{A} \in \mathbb{R}^{m \times n} the matrix \boldsymbol{B} \in \mathbb{R}^{n \times m} with b_{i j}=a_{j i} is called the transpose of \boldsymbol{A}. We write \boldsymbol{B}=\boldsymbol{A}^{\top}.
A square matrix with linearly dependent columns is known as singular.