AI Bootcamp 열두번째

열두번째 Diary

---

1. Flow

1. 공분산, 상관계수의 목적과 사용 예시, 차이점을 설명 할 수 있다.
2. 벡터의 직교와 그 조건에 대해서 설명 할 수 있다.
3. 단위 벡터와, 단위 벡터로의 구분을 설명 할 수 있다.
4. span, basis, rank의 내용을 이해 할 수 있다.
5. Gaussian elemination의 내용을 이해 할 수 있다.
6. linear projection과 예시를 설명 할 수 있다.

2. Result & Info

1. span의 의미
   • $\vec{v_1}, \vec{v_2}, \cdots, \vec{v_2}$들의 가능한 모든 선형조합 (Linear combination)으로 공간을 형성하는 것을 의미한다. 이때 형성되는 공간은 조합되는 벡터에 따라 $\mathbb{R^n}$이 될 수도, 혹은 부분공간(sunspace)이 될수도 있다.
   • 결국 “span”이라는 것은 벡터들의 모든 가능한 선형결합(Linear combination)에 대한 결과벡터들을 하나의 공간에 몰아 넣은 것을 의미한다. 사용하는 벡터에 따라서는 모든 공간을 채울 수도 있고, 혹은 2차원에선 Line, 3차원 공간에선 평면과 같이 부분적인 공간(subspace)만을 채울 수도 있는 것이다. 이러한 개념을 “span”이라 한다.
2. 선형종속(Linear dependent), 선형독립(Linear independent)
   • 선형종속(Linear dependent) : 어떤 행렬 A에 대해서 Ax = 0식에 대한 Null space가 $x_1=0, x_2=0, \cdots, X_n=0$와 같이 모든 x가 0일 때를 제외한 다른 경우가 존재한다면, 그 행렬 A의 column vector는 종속(dependent)이다.
   • 선형독립(Linear independent) : $\vec{v_1}, \vec{v_2}, \cdots, \vec{v_2}$들이 있을때, 만약 모든 계수(coefficient)가 0인 경우를 제외하고 어떠한 선형조합(Linear combination)으로도 0을 만들 수 없다면 이 벡터들은 독립(independent)이다.

3. Etc

Result & Info에는 주로 수업을 듣고 잘 이해가 안되 과제시간에 따로 학습해서 이해가 된 내용이나 아직까지도 습득하지 못해 기록해 놓은걸로 하는중이였는데, 오늘 많은 내용을 배우다 보니 포스팅 할 말이 너무 많아 질것같아 아직 포스팅하지 않은 내용들은 따로 시간을 봐서 그리고 알고 있는 나의 완성도를 봐서 포스팅을 해야겠다. 항상 말하지만 이 블로그는 완벽주의를 버리는 연습이라 생각하기 때문에 너무 매달리지 않으려 노력중이다.