I about me

A = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9]])B = np.array([ [0, 1, 2], [2, 0, 1], [1, 2, 0]])덧셈A + B# arrray([1, 3, 5]# [6, 5, 7]# [8, 10, 9])스칼라곱5 * A# arrray([5, 10, 15]# [20, 25, 30]# [35, 40, 45])두 행렬의 곱A @ B요소별 곱하기A * B# arrray([0, 2, 6]# [8, 0, 6]# [7, 16, 0])

행렬수를 직사각형의 형태로 나열한 것대문자 표기 import numpy as npA = np.array([ [1, 2, 3], [4, 5, 6], [7, 8, 9]])벡터행이 하나밖에 없거나 열이 하나밖에 없는 행렬소문자 표기

먼저 V_1 = (1, 0), V_2 = (0, 1)일 때, 아래 사진처럼 (2, 1)를 만들 수 있다는 것을 알 수 있다. 그러나 V_1 = (1, 0), V_2 = (0, 1), V_3 = (1, 1)일 때도 (2, 1) 를 만들 수 있을까??→ 만들 수 있다. 그러나 굳이 굳이 V_3가 필요하다고 볼 수 있을까??그렇다.기저최소한의 벡터 집합으로, 굳이 불필요한 벡터를 포함시키지 않고, 꼭 필요한 벡터들만으로 벡터 공간을 설명할 수 있는 것을 말한다.[ 조건 ]기저는 주어진 벡터공간 V를 생성(span)한다.기저는 '선형독립'이다.[ 예시 ] 차원1차원(1D), 2차원(2D), 3차원(3D)주어진 벡터공간의 차원이 2이다.주어진 벡터공간의 기저의 크기는 2이다.

개념선형독립(Linearly Independent)어떤 벡터들의 모임이 하나를 집었을 때, 다른 것으로부터 만들 수 없는 상태 선형종속(Linearly Dependent)어떤 벡터들의 모임이 하나를 집었을 때, 다른 것으로부터 만들 수 있는 상태 문제선형 독립 문제선형 종속 문제더보기네이버 부스트캠프 들어가기 전, 현재 저는 선형독립과 종속의 기하학적 의미가 조금 헷갈립니다. 그리고 이것이 실무에 어떻게 쓰이길래 중요하다고 하는 것인지 알지 못합니다. 들어가서 이 부분에 대해 집요하게 공부해보도록 하겠습니다.