일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | |||
5 | 6 | 7 | 8 | 9 | 10 | 11 |
12 | 13 | 14 | 15 | 16 | 17 | 18 |
19 | 20 | 21 | 22 | 23 | 24 | 25 |
26 | 27 | 28 | 29 | 30 | 31 |
- Meta Pseudo Labels
- tent paper
- conjugate pseudo label paper
- GAN
- 딥러닝손실함수
- ConMatch
- CoMatch
- CycleGAN
- dcgan
- adamatch paper
- mme paper
- semi supervised learnin 가정
- BYOL
- UnderstandingDeepLearning
- Entropy Minimization
- mocov3
- remixmatch paper
- WGAN
- 컴퓨터구조
- SSL
- shrinkmatch
- 최린컴퓨터구조
- shrinkmatch paper
- Pseudo Label
- Pix2Pix
- dann paper
- 백준 알고리즘
- CGAN
- cifar100-c
- simclrv2
- Today
- Total
Hello Computer Vision
전치행렬, 대칭행렬, 반대칭행렬 은 무엇인가 본문
이번에 자세히 알아볼 내용은 전치행렬, 대칭행렬, 반대칭행렬!
물론 아는 개념이지만 확실하게 짚고 넘어가기 위해 기록하기!!
전치행렬이란?
영어로는 Transposed Matrix라고 한다. 기호로는 $A^{T}$로 쓴다.
이에 대한 정의는 행과 열을 바꾼 행렬이라고 이해하면 된다.
예를 들어 2x3 행렬은 3x2로 바뀌고, 1x5 행렬은 5x1로 바뀐다.
우리가 데이터를 모델에 넣을 때 행렬의 크기가 어긋날 때가 많은데 transpose함수를 이용해
행렬의 크기를 바꾸었던 기억이 난다.
i x j 행렬 A의 원소를 $a_{ij}$라고 할 때 $a_{13}$ 의 원소는 $a_{31}$로 위치가 바뀐다.
전치행렬에 대한 성질 알아보기
1. $A^{T^{T}} = A$
2. $(A+B)^{T} = A^{T} + B^{T}$
3. $(AB)^{T} = B^{T} A^{T}$
4. $(kA)^{T} = k A^{T}$ (k는 임의의 실수)
개인적인 생각이지만 집합에서의 여집합과 성질이 동일해서 기억하기 쉬운 거 같습니다.
대칭행렬이란?
영어로는 Symmetric Matrix라고 한다.
위에서 전치행렬에 대하여 간략하게 알아보았고 $a_{ij}$의 원소는 $a_{ji}$로 변경된다고 하였다.
그러나 $a_{11}, a_{22}$같은 대각선에 있는 원소들은 변경이 되지 않고 그 외 원소들만 변경이 되는데
행렬이 전치가 되어도 대각선에 있는 원소들뿐만 아니라 그 외의 원소들도 바뀌지 않는 행렬을 대칭행렬이라고 한다.
즉 모든 원소에 대해 $a_{ij} = a_{ji}$ 가 성립하면 대칭행렬이다.
반대칭행렬이란?
영어로는 Skew Symmetric Matrix라고 한다.
위에서 말한 대칭행렬에서는 전치되더라도 모든 원소가 변하지 않는다고 하였다.
그러나 반대칭행렬에서는 부호만 바뀌는 것이다.
기호로 정의한다면 $a_{ij} = -a_{ji}$ 단 i와 j는 같지 않다.
'선형대수' 카테고리의 다른 글
REF, RREF란 무엇인가 (0) | 2022.12.26 |
---|---|
대각합, 대각합의 성질 (0) | 2022.12.26 |
벡터의 내적에 대한 정의와 공부 (0) | 2022.12.25 |
코사인(cos)이란 무엇인가 (0) | 2022.12.25 |
선형대수와 행렬 기본원칙이란 (0) | 2022.12.23 |