여러가지 matrix decomposition(eigenvalue, singular value, CP, Tucker, non-negative,...)

1. 용어 matrix나 tensor는 데이터 모델링을 위한 도구이다. matrix가 2차원에 숫자를 나열해놓는 것이라면 tensor는 3차원에 숫자를 나열해놓는 데이터 모델링 도구     n*n square matrix에 대한 decomposition으로 1) eigenvalue decomposition, diagonalization은  $A = PDP^{-1}$ 혹은 A가 대칭행렬이면 $A = PDP^{-1} = PDP^{T}$ D는 대각행렬로 원소들이 eigenvalue이고 P는 eigenvector로 이루어진 행렬 eigenvalue decomposition은 다른 수식 $A = \sum_{}^{} \lambda uu^{T}$으로 나타내면 2) spectral decomposition이라고 부름 ..

• format_list_bulleted 선형대수학
• · 2024. 7. 2.
• textsms

선형대수학 기본 용어 -중급자편 5-

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

• format_list_bulleted 선형대수학
• · 2021. 11. 8.
• textsms

선형대수학 기본 용어 -중급자편 2-

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..

• format_list_bulleted 선형대수학
• · 2021. 11. 4.
• textsms