Linear Algebra (선형대수학)/Ch 5. 특이값 분해2 5.0 Diagonalization of Symmetric Matrices 특이값 분해(SVD)를 들어가기전에 Symmetric Matrics의 성질을 간단하게 정리하고, Symmetric Matrix에 앞서 고유값 분해에서 배운 Diagonalization 을 다뤄볼 것이다. A Symmetric Matrix 조건 I, II를 만족하는 Matrix를 대칭행렬(Symmetric Matrix)라고 부른다. Diagonalization 4장(고유값 분해)에서 다룬 내용이지만 간단하게 정의를 다시 상기시키면 다음과 같다. 이번 절에서는 Symmetric Matrix를 Diagonalization 하는 Example을 직접 풀어보자. 예제에서 구한 Eigenvector들이 우연하게 관계에 있다. 이것은 우연치 않게 나왔으며 orthogonal decomposition은 잠시 뒤에 살펴.. 2019. 11. 24. 5.1 SVD (Singular Value Decomposition) I 이 글은 Edwith로부터 제공되는 주재걸 교수님의 "인공지능을 위한 선형대수" 강의를 듣고 요약하였으며, 개인 공부를 위해 부족한 부분을 위해 필요한 개념들을 추가하여 작성하였습니다. 마지막 주제인 특이값 분해(SVD: Singular Value Decomposition)을 배우겠습니다. 그리고 이에 더 나아가 특이값 분해를 여러 관점에서 해석해보는 시간을 가져보자. 특이값 분해(Singular Value Decomposition) Singular Value Decomposition (SVD) 2019. 11. 24. 이전 1 다음
