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
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
エンジニア目線でのテスラ
akit37
0
48
「重鎮問題」について(軽めに)
akit37
0
63
Software + Hardware = Fun++
akit37
0
29
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
1
22
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
19
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
25
始まりは2017年のG検定。/20221026_AITable
akit37
0
16
kintone知能化計画/20220902_kintone_and_JPStripes
akit37
0
26
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
17
Other Decks in Technology
See All in Technology
2025年夏 コーディングエージェントを統べる者
nwiizo
0
140
Autonomous Database - Dedicated 技術詳細 / adb-d_technical_detail_jp
oracle4engineer
PRO
4
10k
エラーとアクセシビリティ
schktjm
1
1.2k
機械学習を扱うプラットフォーム開発と運用事例
lycorptech_jp
PRO
0
230
KotlinConf 2025_イベントレポート
sony
1
130
20250913_JAWS_sysad_kobe
takuyay0ne
2
180
なぜテストマネージャの視点が 必要なのか? 〜 一歩先へ進むために 〜
moritamasami
0
220
BPaaSにおける人と協働する前提のAIエージェント-AWS登壇資料
kentarofujii
0
140
生成AI時代のデータ基盤設計〜ペースレイヤリングで実現する高速開発と持続性〜 / Levtech Meetup_Session_2
sansan_randd
1
150
未経験者・初心者に贈る!40分でわかるAndroidアプリ開発の今と大事なポイント
operando
5
400
5年目から始める Vue3 サイト改善 #frontendo
tacck
PRO
3
220
MCPで変わる Amebaデザインシステム「Spindle」の開発
spindle
PRO
3
3.2k
Featured
See All Featured
Save Time (by Creating Custom Rails Generators)
garrettdimon
PRO
32
1.5k
Designing for humans not robots
tammielis
253
25k
Thoughts on Productivity
jonyablonski
70
4.8k
Typedesign – Prime Four
hannesfritz
42
2.8k
GitHub's CSS Performance
jonrohan
1032
460k
YesSQL, Process and Tooling at Scale
rocio
173
14k
Sharpening the Axe: The Primacy of Toolmaking
bcantrill
44
2.5k
Faster Mobile Websites
deanohume
309
31k
Distributed Sagas: A Protocol for Coordinating Microservices
caitiem20
333
22k
Context Engineering - Making Every Token Count
addyosmani
1
39
Building an army of robots
kneath
306
46k
Why You Should Never Use an ORM
jnunemaker
PRO
59
9.5k
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