전공 정리55 23. 연립 일차 방정식과 가우스 소거법 23.1. Linear Systems of Equations. 다음 연립방정식이 있다고 합시다. $\begin {cases} a_{11} x_1 + \cdots + a_{1n} x_n = b_1 \\ a_{21} x_1 + \cdots + a_{2n} x_n = b_2 \\ \cdots \\ a_{m1} x_1 + \cdots + a_{mn} x_n = b_m \end {cases}$ (1) 이제 이 연립방정식을 matrix를 이용하여 $\mathbf{Ax} = \mathbf {b}$와 같이 나타내 봅시다. $\mathbf {A} = [a_{ij}] = \begin {bmatrix} a_{11} & a_{12} & \cdots & a_{1n} \\ a_{21} & a_{22} & \cdots & a_{2.. 2020. 5. 15. 22. 행렬 곱셈, 선형 변환, 전치 행렬 앞선 포스팅에서 Matrix의 합과 Scalar multiplication에 대하여 알아보았습니다. 이번에는 다른 연산인 Matrix의 곱에 대하여 알아보겠습니다. 22.1. Matrix Multiplication. 크기가 $m \times n$인 Matrix $\mathbf{A} = [a_{jk}]$와 크기가 $r \times p$인 Matrix $\mathbf {B} = [b_{jk}]$가 있다고 합시다. 그리고 두 Matrix의 곱을 $\mathbf {AB} = \mathbf {C}$라 합시다. 이때 $\mathbf {C}$가 존재하기 위해서는, $n = r$이어야 합니다. 즉 $\mathbf {A}$의 column과 $\mathbf {B}$의 row의 수가 같아야 Matrix의 곱 $\mathbf.. 2020. 5. 10. 21. 선형 대수학 : 행렬, 벡터 길고 길었던 상미분 방정식 파트를 끝냈습니다. 이제 Linear algebra, 즉 선형 대수학에 대해 작성할 차례입니다. 먼저 기본이 되는 Matrix(행렬), Vector(벡터)에 대하여 알아봅시다. 21.1. Matrices, Vectors. 21.1.1. Matrices. Matrix란 괄호 안에 싸여서 수나 함수들로 이루어진 직사각형 집합체를 말합니다. Matrix를 표현하는 괄호로 대괄호를 사용하여 나타내겠습니다. 예를 들면 다음과 같은 형태를 Matrix라고 할 수 있겠습니다. $\begin{bmatrix} a_{11} & a_{12} & a_{13} \\ a_{21} & a_{22} & a_{23} \\ a_{31} & a_{32} & a_{33} \end {bmatrix}$ (1) $\b.. 2020. 5. 7. 20. 라플라스 변환 형태의 미분과 적분 20.1. Differentiation of Transforms. Laplace transform 한 함수를 미분해 봅시다. $F(s) = \int_{0}^{\infty} e^{-st} f(t) dt$ (1) (1)을 미분하면 다음과 같습니다. $\frac{dF}{ds} = -\int_{0}^{\infty} e^{-st} tf(t) dt$ (2) (2)의 우변은 다음과 같이 다시 쓸 수 있습니다. $-\int_{0}^{\infty} e^{-st}tf(t)dt = -\mathcal {L}(tf(t))$ (3) 따라서 결론을 정리하면 다음과 같습니다. $F'(s) = -\mathcal{L}(tf(t))$ (4) 예제를 풀어봅시다. Ex) 1. $\mathcal{L}(t\sin{\beta t})$ (4)에 주.. 2020. 5. 6. 이전 1 ··· 6 7 8 9 10 11 12 ··· 14 다음