Upgrade to Pro
— share decks privately, control downloads, hide ads and more …
Speaker Deck
Features
Speaker Deck
PRO
Sign in
Sign up for free
Search
Search
2019_G検定対策_数学講座02_行列とベクトル/20190125_JDLA_G_Math_2
Search
ITO Akihiro
January 25, 2019
Technology
0
8
2019_G検定対策_数学講座02_行列とベクトル/20190125_JDLA_G_Math_2
G検定対策社内数学講座
--
行列とベクトル
数学の基礎/線形代数
ITO Akihiro
January 25, 2019
Tweet
Share
More Decks by ITO Akihiro
See All by ITO Akihiro
「重鎮問題」について(軽めに)
akit37
0
51
Software + Hardware = Fun++
akit37
0
23
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
1
20
3つの先端技術が コミュニティ軸で融合した話。/20230615_CMCMeetup
akit37
0
18
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
23
始まりは2017年のG検定。/20221026_AITable
akit37
0
14
kintone知能化計画/20220902_kintone_and_JPStripes
akit37
0
24
外観検査用画像前処理の_コツをコード解説付きで。/20220810_CDLE_LT
akit37
0
16
サブスク課金に銀行振込を追加してみた。その①/20220713_JPStripes
akit37
0
20
Other Decks in Technology
See All in Technology
品質文化を支える小さいクロスファンクショナルなチーム / Cross-functional teams fostering quality culture
toma_sm
0
120
“パスワードレス認証への道" ユーザー認証の変遷とパスキーの関係
ritou
1
600
クラウド開発環境Cloud Workstationsの紹介
yunosukey
0
180
更新系と状態
uhyo
7
1.6k
Writing Ruby Scripts with TypeProf
mame
0
170
LangfuseでAIエージェントの 可観測性を高めよう!/Enhancing AI Agent Observability with Langfuse!
jnymyk
1
240
AI AgentOps LT大会(2025/04/16) Algomatic伊藤発表資料
kosukeito
0
140
Spring Bootで実装とインフラをこれでもかと分離するための試み
shintanimoto
7
840
4/17/25 - CIJUG - Java Meets AI: Build LLM-Powered Apps with LangChain4j (part 2)
edeandrea
PRO
0
120
持続可能なドキュメント運用のリアル: 1年間の成果とこれから
akitok_
1
190
AI Agentを「期待通り」に動かすために:設計アプローチの模索と現在地
kworkdev
PRO
2
460
Porting PicoRuby to Another Microcontroller: ESP32
yuuu
4
430
Featured
See All Featured
Faster Mobile Websites
deanohume
306
31k
Learning to Love Humans: Emotional Interface Design
aarron
273
40k
Unsuck your backbone
ammeep
670
57k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
53k
Practical Orchestrator
shlominoach
186
11k
Building Adaptive Systems
keathley
41
2.5k
XXLCSS - How to scale CSS and keep your sanity
sugarenia
248
1.3M
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
331
21k
Why You Should Never Use an ORM
jnunemaker
PRO
55
9.3k
Raft: Consensus for Rubyists
vanstee
137
6.9k
The Invisible Side of Design
smashingmag
299
50k
Optimizing for Happiness
mojombo
377
70k
Transcript
行列とベクトル 〜数学の基礎/線形代数〜 Jun. 2019 created by ITO Akihiro
線形/非線形 • 「線形に回帰する」とか • 関係を直線で表せる つまり、一次関数 比例と同じ 線形 非線形
例 ( )×( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )×( )=( ) 1 2
3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50 ※実際には、演算記号は書かない
例 ( )×( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )×( )=( ) 1 2
3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50
例 ( )×( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )×( )=( ) 1 2
3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50
例 ( )( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )( )=(
) 1 2 3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50
例 ( )( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )( )=(
) 1 2 3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50
例 ( )( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )( )=(
) 1 2 3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50
例 ( )( )=( ) a1 a2 a3 a4 b1 b2 b3 b4 a1b1+a2b3 a1b2+a2b4 a3b1+a4b3 a3b2+a4b4 ( )( )=(
) 1 2 3 4 5 6 7 8 1×5+2×7 1×6+2×8 3×5+4×7 3×6+4×8 =( ) 19 22 43 50
a b c d x y ax + by cx + dy
a b c d e f g h x y z t ax + by + cz + dt ex + fy + gz + ht
• 計算できない場合もある • 左右どちらからかけるかに よって結果が異なる • 「行列の積」と 「行列の内積」は別モノ • 行列の内積
同じサイズの行列A,Bの、対 応する成分の積のすべての 和 a b c d a b c d e f x y z r s t u v w x y z ⭕ 計算できる ❌ 計算できない 2×3行列 3×1行列 2×2行列 3×3行列
単位行列 E • 積の結果が元と同じ (x1と同じ) • 左右どちらからかけても同じ 1 0 0 1 1 0 0 0 1 0
0 0 1 n = 2のとき n = 3のとき En = 1 0 ‥ 0 0 0 1 ‥ 0 0 :: :: 0 0 ‥ 1 0 0 0 ‥ 0 1 1 2 3 4 1 0 0 1 1 2 3 4 例
行列 に対して逆行列 は、 逆行列 Inverse 2 5 1 3 の逆行列は 3 -5 -1 2 2 5 1 3 3 -5
-1 2 1 0 0 1 例 • 積の結果が単位行列 • 左右どちらからかけても同じ
転置行列 Transpose • 行と列を入れ替える • 裏返すイメージ A = x y z x y z
A = T a b c d B = a c b d B = T 1 2 3 4 5 6 1 4 2 5 3 6 A = A = t 例
y x ベクトルは、大きさ+向き(スカラーは、大きさ) 分解 x成分 y成分 A B 大きさ 向き
始点 終点 A B
ベクトルの足し算 平行四辺形を作ればOK y x 0 (1, 2) (3, 1) (3+1,
1+2) a b a+b y x 0 (3, 1) (4, 3) a b a+b
三次元の場合 y x z P (x, y) (x, y, z)
“単語をベクトル空間にマッピングして……” man woman king queen cat lion dog cow horse
car truck bike bicycle plane ship camra mic TV projector
a.k.a. “word2vec” man king woman queen Tokyo Japan Paris France
London GreatBritain Capital Greeting Country こんにちは Bonjour Hello word2vec = word to vector
word2vec での足し算/引き算 man king woman queen Tokyo Japan Paris France
Capital Greeting Country こんにちは Bonjour “Japan” - “France” + “Greeting” = “Bonjour” θ a b ※コサイン類似度 cosθ が1に近ければ、 aとbは似ている a b b’ θ cosθ = b’/a