선형대수 28
- 8.3 SVD 응용 - 이미지 압축, 추천 시스템, PCA
- 8.2 SVD의 기하학적 의미 - 직관적으로 이해하기
- 8.1 특이값 분해(SVD)란? 정의와 계산 방법
- 7.3 최소제곱법(Least Squares) - 원리와 공식 유도
- 7.2 그람슈미트 과정(Gram-Schmidt) - 직교화 방법
- 7.1 직교벡터와 직교행렬 - 직교성의 개념과 성질
- 6.4 고유값과 고유벡터의 기하학적 의미
- 6.3 행렬 대각화(Diagonalization) - 대각화 조건과 방법
- 6.2 특성방정식으로 고유값 구하기
- 6.1 고유값과 고유벡터란? 개념과 의미 완벽 정리
- 5.4 영공간(Null Space)과 열공간(Column Space) 구하기
- 5.3 벡터공간의 차원(Dimension) - 기저와 차원의 관계
- 5.2 일차독립과 기저(Basis) - 선형독립 판별법
- 5.1 부분공간과 생성(Span) - 벡터공간의 기초
- 4.4 합성변환 - 선형변환의 합성과 행렬 곱
- 4.3 3D 선형변환 - 3차원 회전행렬과 스케일링
- 4.2 2D 선형변환 - 회전, 반사, 전단 변환
- 4.1 선형변환이란? 정의와 예시로 이해하기
- 3.3 역행렬 구하기와 행렬식(Determinant) 계산법
- 3.2 행렬 연산 - 행렬 덧셈과 곱셈 방법
- 3.1 행렬이란? 행렬의 개념과 종류
- 2.3 외적(Cross Product) 공식과 기하학적 의미
- 2.2 정사영이란? 벡터 정사영 공식과 원리
- 2.1 내적(Dot Product) 공식과 의미 - 벡터 내적 완벽 정리
- 1.4 벡터 크기 구하기와 단위벡터
- 1.3 스칼라곱이란? 벡터의 스칼라 곱셈 이해하기
- 1.2 벡터 덧셈과 뺄셈 - 벡터 연산 방법
- 1.1 벡터란 무엇인가 - 벡터 개념 쉽게 이해하기