Upgrade to PRO for Only $50/Year—Limited-Time Offer! 🔥
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
11
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
【NoMapsTECH 2025】AI Edge Computing Workshop
akit37
0
570
【NoMapsTECH 2025】AI Tech Community Talk
akit37
0
270
エンジニア目線でのテスラ
akit37
0
54
「重鎮問題」について(軽めに)
akit37
0
69
Software + Hardware = Fun++
akit37
0
32
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
1
26
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
20
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
26
始まりは2017年のG検定。/20221026_AITable
akit37
0
22
Other Decks in Technology
See All in Technology
あなたの知らないDateのひみつ / The Secret of "Date" You Haven't known #tqrk16
expajp
0
120
Sansan Engineering Unit 紹介資料
sansan33
PRO
1
3.3k
Oracle Database@Google Cloud:サービス概要のご紹介
oracle4engineer
PRO
0
650
HIG学習用スライド
yuukiw00w
0
110
.NET 10 のパフォーマンス改善
nenonaninu
2
4.8k
Bakuraku Engineering Team Deck
layerx
PRO
11
5.8k
M5UnifiedとPicoRubyで楽しむM5シリーズ
kishima
0
120
プロダクトマネージャーが押さえておくべき、ソフトウェア資産とAIエージェント投資効果 / pmconf2025
i35_267
2
360
原理から解き明かす AIと人間の成長 - Progate BAR
teba_eleven
2
300
モバイルゲーム開発におけるエージェント技術活用への試行錯誤 ~開発効率化へのアプローチの紹介と未来に向けた展望~
qualiarts
0
310
「え?!それ今ではHTMLだけでできるの!?」驚きの進化を遂げたモダンHTML
riyaamemiya
10
4.5k
How native lazy objects will change Doctrine and Symfony forever
beberlei
1
390
Featured
See All Featured
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
46
2.6k
Building Flexible Design Systems
yeseniaperezcruz
329
39k
The Art of Delivering Value - GDevCon NA Keynote
reverentgeek
16
1.8k
The MySQL Ecosystem @ GitHub 2015
samlambert
251
13k
Designing Dashboards & Data Visualisations in Web Apps
destraynor
231
54k
The Success of Rails: Ensuring Growth for the Next 100 Years
eileencodes
46
7.8k
Done Done
chrislema
186
16k
[RailsConf 2023 Opening Keynote] The Magic of Rails
eileencodes
31
9.8k
Principles of Awesome APIs and How to Build Them.
keavy
127
17k
We Have a Design System, Now What?
morganepeng
54
7.9k
It's Worth the Effort
3n
187
29k
Learning to Love Humans: Emotional Interface Design
aarron
274
41k
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