Computer Vision & Deep Learning

1. Vector space Theorem」 Vector space $R^n$ n개의 실수 성분으로 표현되는 모든 vector 들로 이루어진 n차원 공간을 vector space 라고 한다. Theorem」 Row space and Column space Matrix A의 row space 의 차원과 column space 의 차원은 서로 같고 이는 rank(A) 와 같다. ① rank(A) = dim( col(A) ) = dim( row(A) ) ② rank(A) + Nullity(A) = n(#변수) cf) Nullity(A) = dim( Null(A) ) Note」 row(A), col(A), Nullity(A) · row space : A의 row vector 들로 linear combinatio..

1. Linear Independence & Dependence · linear dependent ① Rank ↓ ② GE 줄 삭제 2. Rank of a matrix Def. Rank of a matrix Matrix A 의 Rank 는 Linearly independent 한 최대 A의 row vector 들의 갯수를 의미한다. cf) 만약 Rank(A) = 0 이면 A는 반드시 zero-matrix 가 된다. Rank(A) = 0 ↔ A = 0 (필요충분 조건) *왜 Linearly independent 가 중요한가? 의미) truely essential set. 근의 갯수와 밀접한 관계 → rank 에 영향 3. Row equavalent matrices Theorem」 Row equavalent..