Notice
Recent Posts
Recent Comments
Link
일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | 6 | |
7 | 8 | 9 | 10 | 11 | 12 | 13 |
14 | 15 | 16 | 17 | 18 | 19 | 20 |
21 | 22 | 23 | 24 | 25 | 26 | 27 |
28 | 29 | 30 | 31 |
Tags
- Motion Planning
- 수치최적화
- PathPlanning
- 선형대수
- 경로생성
- GNN
- solver
- CUDA
- 공유라이브러리
- 강화학습
- C
- Leetcode
- 백준
- Dubins Path
- GIT
- Frenet Coordinate
- path planning
- Recursion
- MDP
- Graph Neural Network
- Hybrid A star
- autonomous vehicle
- 정적라이브러리
- 동적라이브러리
- 소프티어
- OSQP
- C++
- self driving car
- DynamicProgramming
- CPP
Archives
- Today
- Total
목록2024/01/09 (1)
Swimmer
[선형대수] 직교행렬과 QR분해
선형대수에는 여러가지 분해 종류가 있는데, 대표적으로 직교벡터분해, QR분해, LU분해, 고윳값분해, 특잇값분해가 있다. 분해란 벡터나 행렬 하나를 2개 이상으로 분리하는 것을 말한다. 직교벡터분해의 경우 아래 페이지에 정리하였으니 참고하자. (https://iridescentboy.tistory.com/160) 본 페이지에서는 직교행렬과 QR분해를 다룬다. 중심이 되는 것은 QR분해이고, 이는 역행렬, 최소제곱모델적합, 고윳값 분해등에 사용되는 중요한 개념이다. 직교행렬 (Orthogonal Matrix) 직교행렬은 다음 2가지 특징을 가진 행렬이다. 행렬의 모든 열은 서로 직교한다. = 내적 시 0 이다. 각 열의 Norm은 1이다. 이를 수식으로 표현하면 다음과 같다. 이를 행렬 관점에서 보면, 어..
개념공부/선형대수
2024. 1. 9. 12:40