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
18
0
Share
Embed
Copy iframe code
Copy JS code
Copy link
Start on current slide
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
More Decks by ITO Akihiro
See All by ITO Akihiro
kintone + ローカルLLM = ?
akit37
0
280
【NoMapsTECH 2025】AI Edge Computing Workshop
akit37
0
700
【NoMapsTECH 2025】AI Tech Community Talk
akit37
0
330
エンジニア目線でのテスラ
akit37
0
82
「重鎮問題」について(軽めに)
akit37
0
100
Software + Hardware = Fun++
akit37
0
77
基本的に "リモートしかない" ワーク/20231128_KBS_LT
akit37
1
49
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
47
Bootleg_越境してみたときのアウェイ感。/20230328_CMCMeetup
akit37
0
61
Other Decks in Technology
See All in Technology
AIエージェントの知識表現と推論に なぜグラフが使われるのか - 記号的AIの復権とニューラルAIとの統合
yohei1126
1
250
初めてのGitHub Actions / GitHub Actions at First
tooppoo
0
120
テックカンファレンス三大ステークホルダーの文化人類学 ─ 違いを認め合う関係性作り
bash0c7
5
1.5k
20260608_Codexの可能性_ノンプログラマー向け_大城追記
doradora09
PRO
0
720
Escolhendo LLMs na Prática: Lições Reais em Busca Agêntica no Mercado Livre —TDC 2026 Floripa
jpbonson
0
110
オートマトンと字句解析でRoslynを読む
tomokusaba
0
130
『三匹の子ぶた』から学ぶネットワークセキュリティの昔と今 / Network Security: Then and Now Through the Lens of The Three Little Pigs
nttcom
1
690
[MIRU26] To What Extent Does MLLM-as-a-Judge Exhibit Cross-Model Preference Bias?
keio_smilab
PRO
0
100
書籍セキュアAPIについて
riiimparm
0
400
Master Dataグループ紹介資料
sansan33
PRO
1
4.8k
VPCセキュリティ対応の最新事情
nagisa53
2
350
AIエージェントに財布を渡す日 ― 承認付き"買い物エージェント"を作って実演
yama3133
1
110
Featured
See All Featured
Game over? The fight for quality and originality in the time of robots
wayneb77
1
230
Java REST API Framework Comparison - PWX 2021
mraible
34
9.6k
The Curse of the Amulet
leimatthew05
2
13k
HTML-Aware ERB: The Path to Reactive Rendering @ RubyCon 2026, Rimini, Italy
marcoroth
3
380
Designing for Timeless Needs
cassininazir
1
430
エンジニアに許された特別な時間の終わり
watany
108
250k
The Spectacular Lies of Maps
axbom
PRO
1
880
Agile that works and the tools we love
rasmusluckow
331
22k
RailsConf 2023
tenderlove
30
1.5k
Facilitating Awesome Meetings
lara
57
7k
My Coaching Mixtape
mlcsv
0
180
ReactJS: Keep Simple. Everything can be a component!
pedronauck
666
130k
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