1. 문제 https://programmers.co.kr/learn/courses/30/lessons/42885 코딩테스트 연습 - 구명보트 무인도에 갇힌 사람들을 구명보트를 이용하여 구출하려고 합니다. 구명보트는 작아서 한 번에 최대 2명씩 밖에 탈 수 없고, 무게 제한도 있습니다. 예를 들어, 사람들의 몸무게가 [70kg, 50kg, 80kg, 5 programmers.co.kr 무인도에 갇힌 사람들을 구명보트를 이용하여 구출하려고 합니다. 구명보트는 작아서 한 번에 최대 2명씩 밖에 탈 수 없고, 무게 제한도 있습니다. 예를 들어 사람들의 몸무게가 [70,50,80,50]이고 구명보트의 무게 제한이 100kg이면 2번째 사람과 4번째 사람은 같이 탈 수 있지만 1번째 사람과 3번째 사람의 무게의 합..
1. definite matrix 임의의 0이 아닌 벡터 $x \in R ^{n}$에 대하여 $x ^{T} Ax>0$이면 행렬 A를 positive definite matrix라고 부른다. 모든 $x \in R ^{n}$에 대하여 $x ^{T} Ax \geq 0$이면 행렬 A를 positive semi-definite matrix라고 부른다. 반대로 임의의 0이 아닌 벡터 $x \in R ^{n}$에 대하여 $x ^{T} Ax
1. 문제 https://programmers.co.kr/learn/courses/30/lessons/81301 코딩테스트 연습 - 숫자 문자열과 영단어 네오와 프로도가 숫자놀이를 하고 있습니다. 네오가 프로도에게 숫자를 건넬 때 일부 자릿수를 영단어로 바꾼 카드를 건네주면 프로도는 원래 숫자를 찾는 게임입니다. 다음은 숫자의 일부 자 programmers.co.kr 네오와 프로도가 숫자놀이를 하고 있습니다. 네오가 프로도에게 숫자를 건넬 때 일부 자릿수를 영단어로 바꾼 카드를 건네주면 프로도는 원래 숫자를 찾는 게임입니다. 다음은 숫자의 일부 자릿수를 영단어로 바꾸는 예시입니다. 1478 → "one4seveneight" 234567 → "23four5six7" 10203 → "1zerotwozero3..
1. normal matrix conjugate transpose $A ^{H}$에 대하여 $AA ^{H} =A ^{H} A$를 만족시키는 행렬 $A$를 normal matrix라고 부른다. 모든 원소가 실수인 행렬이라면 $AA ^{T} =A ^{T} A$인 행렬 $A$를 normal matrix라고 부른다. 2. orthogonal matrix 벡터 $x=$의 norm이라는 것은 $$\left \| x \right \| = \sqrt{x\cdot x} = \sqrt{\sum_{i=1}^{n}x_{i}^{2}}$$ the construction of the norm of a vector is motivated by a desire to extend the intuitive notion of the len..
1. adjugate matrix 주어진 square matrix A의 모든 원소를 대응하는 cofactor로 바꾸고 transpose한 행렬을 말합니다. 즉 $A _{nn} = \left \{ a _{ij} \right \}$에 대하여 $a _{ij}$의 cofactor $c _{ij} =(-1) \left \| M _{ij} \right \|$로 치환하여 만든 행렬 $C _{nn} = \left \{ c _{ij} \right \}$의 transpose $C ^{T} =adjA= \left \{ c _{ij} \right \} ^{T}$를 adjugate matrix라고 부릅니다. 이 행렬이 중요한 이유는 $A _{nn}$의 inverse matrix를 구하게 만들어줍니다. 즉 $A _{nn}$의 역..
1. eigenvalue 행렬 $A$에 대하여 등식 $Au= \lambda u$을 만족시키는 어떤 실수 $\lambda$를 $A$의 eigenvalue라 부르고 이에 대응하는 벡터 $u$를 eigenvector라고 부릅니다. $A _{nn}$의 eigenvalue는 n개가 존재하는데 각각의 eigenvalue에 대하여 대응하는 eigenvector는 무수히 많을 수 있습니다. $Au= \lambda u$를 생각하면 eigenvector $u$는 선형변환 $A$에 의해 변환을 하더라도 단순히 길이만 변하거나 방향이 반대만 되는 벡터를 의미합니다. 1) A의 eigenvalue의 곱은 A의 determinant와 같습니다. $$det(A)= \prod _{i=1} ^{n} \lambda _{i}$$ 2) A..
딥러닝/머신러닝, 통계학, IT프로그래밍, 알고리즘을 좋아하는 사람 https://github.com/yundaehyuck
