'머신러닝&딥러닝 교육/Linear algebra - khanacademy Course'에 해당되는 글 13건

  1. 2017.12.21 Adding vectors algebraically and graphically
  2. 2017.12.20 Real coordinate spaces
  3. 2017.12.20 Vector intro for linear algebra

Adding vectors algebraically and graphically

 

벡터 a와 벡터 b 2차원 벡터 두 개가 있고, 벡터 a와 벡터 b의 합을 어떻게 정의할 수 있을까?

 

 

 

차원이 같은 두 vector의 합은 각 Component를 더한다.  벡터 두 개의 합은  벡터가 된다.

 

 

 

 

벡터(a)와 벡터(b) 둘다 의 벡터이다.

 

 

 

 

 

시각적인 혹은 개념적인 방향에서 이 벡터들을 그래프에 그려보자

 

 

중요한 것은 크기와 방향이다. 크기는 벡터의 길이로 표현되고, 방향은 벡터가 가리키는 방향이다. 크기와 방향이 같은 벡터는 어느 곳에 그려도 똑같은 벡터가 된다.

 

보라색 벡터(a)와 녹색 벡터(a)를 더한 것이 파란색 벡터(a + b)와 같다. 더하는 순서를 바꿔도 결과는 같다.

 

 

이 포스팅은 머신러닝/딥러닝을 위한 선행학습으로 칸 아카데미(Khan Academy)Linear algebra(선형 대수) Vectors and spaces의 Adding vectors algebraically and graphically 강의에 대한 학습노트입니다.

'머신러닝&딥러닝 교육 > Linear algebra - khanacademy Course' 카테고리의 다른 글

Unit vectors intro  (0) 2017.12.23
Vector examples  (0) 2017.12.23
Multiplying a vector by a scalar  (0) 2017.12.21
Real coordinate spaces  (0) 2017.12.20
Vector intro for linear algebra  (0) 2017.12.20
Posted by 이성윤

Real coordinate spaces 

 

는 2-dimensional real coordinate space(2차원 실수 좌표 공간)을 의미한다.

2는 우리가 다루는 차원을 의미하고 R은 실수좌표공간을 의미합니다

2D real coordinate space는 실수값을 가진 모든 2-튜플(all possible real valued 2 tuples) 말한다.

 

  

 

 

가로축으로 4만큼 세로축으로 3만큼 이동

 

 

크기와 방향만 같으면 같은 벡터

 

 

우리가 를 다룬다는 것은 모든 가능한 실수값을 가지는 2-튜플을 다루는 것이다. 따라서 이 공간위의 모든 벡터들이 어디에 있는지 알수 있으며, 그리고 그 벡터는 각 성분들은 실수로 이루어져 있다.

 

3과 4가 성분이 될 수도 있고 -3과 -4가 성분이 될 수도 있다.

 

 

가로축으로 -3만큼 세로축으로 -4만큼 이동

 

 

는 3차원 실수좌표공간이다. 가능한 모든 실수값을 가지는 3-튜플을 이용할 수 있다는 말이다.

 

 

x벡터와 b벡터는라는 집합의 원소라고 할 수 있다. 실수값을 가지는 3-튜플이다.

 

를 시각화 하였고, 이를 좌표로도 그려보았다. 3차원을 시각화하는 일은 홀로그램이나 여러가지 경험을 통해 이미 해봐서 그렇게 어렵지는 않다. 하지만 3차원을 넘어서서 계속해서 차원을 확장할 수 있다. 4차원, 5차원, 6차원, 7차원, 20차원, 100차원 까지도, 물론 이것은 명백하게 점점 더 어려워지겠지만 시각화하는것은 불가능하더라도 적어도 그것을 n-튜플 벡터라고 수학적으로 표현할 수 있다.

 

n-dimensional real coordinate space를 의미한다.

 

 

 

이 포스팅은 머신러닝/딥러닝을 위한 선행학습으로 칸 아카데미(Khan Academy)Linear algebra(선형 대수) Vectors and spaces의 Real coordinate spaces 강의에 대한 학습노트입니다.

Posted by 이성윤

Vector intro for linear algebra 

 

vector는 크기와 방향을 동시에 가지는 것이다.

vector() = magnitude() + direction()

 

"한 시간에 5마일의 속력으로 움직인다고 말할 수 있다" 하지만 이정보는 벡터가 아니다.

 

5mph(Speed)의 정보는 단지 크기의(Magnitude) 정보만 주기때문에 벡터가 아니라 속도(Scalar)이다.

 

누군가 "이 물체는 시속 5마일의 속력으로 동쪽으로 움직이고 있다" 라고 말 할 수 있다.

 

 

"시속 5마일로", "동쪽으로" 라는 정보가 합쳐져서 벡터가 되었다. 더이상 "속력(speed)" 이라 부르지 않고 "속도(Velocity)" 라고 부르게 되며 이것이 vector이다.

 

이러한 정보를 2차원에서 표현할 수 있다. 선형 대수는 2차원 뿐만아니라, 3,4,5차원 이상을 확장할 수 있고 3차원 이상을 상상하기는 어렵지만 수학적으로 3차원을 넘어서 차원을 다룰 수 있다.

 

vector는 크기와 방향만 신경쓰면 된다. Magnitude와 Direction이 같은 두 vector는 같은 vector이다.

 

 

vector를 변수로 표현하고 싶다면 소문자를 사용해 표현한다.

 

+x(동쪽), -x(서쪽), -y(남), +y(북) 좌표계에서 (5, 0)은 다음과 같이 vector로 표현 할 수 있다.

 

첫 좌표는 수평으로 얼만큼 움직였는지를 나타내고, 두 번째 좌표는 수직으로 얼마나 움직였는지를 나타낸다.

 

수평 방향으로 +3, 수직 방향으로 +4만큼 움직이는 Vector는 다음과 같이 표현할 수 있다.

 

 

위의 Vector의 Magnitude(크기 또는 길이)는 피타고라스의 정리로 구할 수 있다.

 

 

 

 

이 포스팅은 머신러닝/딥러닝을 위한 선행학습으로 칸 아카데미(Khan Academy)Linear algebra(선형 대수) Vectors and spaces의 Vector intro for linear algebra 강의에 대한 학습노트입니다.

Posted by 이성윤