linear algebra
선형대수학
README
00_summary
MindMap
기하와 벡터
강의
01 The Geometry of Linear Equations
02 소거법, 후방 대입법 그리고 소거 행렬
03\ 행렬곱셉(Matrix multiplication), 역행렬(Inverse matrix) 그리고 Gauss-Jordan
04 LU Decomposition(분해)
05 치환행렬(Permutations), 전치(Transposes) 그리고 대칭 행렬(Symmetric Matrix)
05 벡터 공간(Vector Spaces), 부분 공간(Sub Spaces)
06 Column Space와 영공간(Null Space)
07 Null Space계산 알고리즘
08 선형방정식 Ax=b의 완전해(complete solution)와 Rank
09 선형 독립(Linear independence), Span, 기저(Basis) 그리고 차원(Dimension)
10 네 개의 주요 부분 공간(Fundamental subspaces)
11 행렬 공간(Matrix Spaces)
11 Rank 1행렬 (Rank 1 Matrix)
12 그래프와 네트워크(Graph and Network), 근접 행렬(Incidence Matrices)
13
14 직교 벡터(Orthogonal Vector)와 부분 공간(Subspace)
15 해가 존재하지 않는 선형연립방정식(Ax=b)의 해
15 투영행렬(Projection matrix)과 부분 공간(subspaces)
16 투영행렬(Projection matrix)과 최소자승법(Least Square method)법
17 직교행렬(Orthogonal Matrices)과 그람 슈미트 과정(Gram-Schmidt Process)
18 행렬식의 특성(Properties of Determinants)
19 행렬식(Determinant)의 계산 방법과 여인수(Cofactor)
20 행렬식(Determinant)과 역행렬(Inverse Matrix), 그리고 크래머 공식(Cramer's Rule)
20 행렬식(Determinant)의 기하학적 해석(Geometrical Analysis)
21 고유값(eigenvalues)과 고유 벡터(eigenvectors)
참고
References
GLOSSARY.md
ref01_Hyperplane_초평면
Powered by
GitBook
README
머신러닝에 Matrix 연산이 필요한 이유
results matching "
"
No results matching "
"
