본문 바로가기
딥러닝/선형대수

선형대수의 여러 객체 소개

by be-favorite 2020. 4. 10.

❗️블로그 옮김:  https://www.taemobang.com

 

방태모

안녕하세요, 제 블로그에 오신 것을 환영합니다. 통계학을 전공으로 학부, 석사를 졸업했습니다. 현재는 가천대 길병원 G-ABC에서 Data Science를 하고있습니다. 통계학, 시계열, 통계적학습과 기계

www.taemobang.com

 

○ 벡터(Vectors) : 수들의 배열(array)이다. 숫자들은 순서대로 배열된다. 벡터의 요소들을 명시적으로 표시할 필요가 있을때는, 다음과 같이 열 벡터로 나타낸다.

 

$x = \begin{bmatrix}x_1 
\\ x_2 
\\ \cdots  
\\ x_n 
\end{bmatrix}$

 

또한 벡터를 각 요소들이 다른 축들을 따라서 주어지는 공간위의 점으로도 생각할 수 있다.

 

○ 행렬(Matrices) : 수들의 2차원 배열이다. 행렬의 요소들을 명시적으로 표시할 필요가 있을때는, 다음과 같이 나타낸다.

 

$\boldsymbol{A} = \begin{bmatrix}A_{1,1}    
 & A_{1,2} \\  A_{2,1}   
 & A_{2,2}   
\end{bmatrix}$

 

○ 텐서(Tensors) : 때때로 축을 3개 이상 가진 배열이 필요한 경우가 있다. 일반적으로 축의 수가 가변적인 grid에 배열된 숫자의 배열을 텐서라고 한다. 텐서 이름이 "A" 이면 $\mathbf{A}$로 나타낸다. 좌표 ($i, j, k$)의 $\mathbf{A}$의 요소들은 $\textit{A}_{i,j,k}$로 쓸 수 있다.

 

 

참고 도서

Goodfellow, Ian, Yoshua Bengio, and Aaron Courville. Deep Learning. The MIT Press, 2016

'딥러닝 > 선형대수' 카테고리의 다른 글

특별한 종류의 행렬과 벡터  (0) 2020.04.10
norms  (0) 2020.04.10
선형방정식과 선형종속, span  (0) 2020.04.10
행렬과 벡터의 곱연산  (0) 2020.04.10
행렬의 전치와 브로드캐스팅  (0) 2020.04.10

댓글