안녕하세요 강의 너무 잘보고있습니다. 영상의 예제에서의 고유벡터를 구할때 개념이 헷갈려서 질문남겨요 란다3에 대한 고유값을 구할때는 [0 1 0] 이 확실히 나옵니다 그런데 란다 1 에 대한 고유벡터를 구하면 I*란다-A'A 의 널스페이스를 구하게 되고 그 기저는 [0 1 0 ] 과 [2 0 1] 이렇게 나옵니다 즉 란다 1에대한 고유공간이 span{[0 1 0 ], [2 0 1]} 이렇게 나옵니다 [0 1 0] 이 란다 3에 대한 고유벡터니까 [2 0 1] 이 란다1 에대한 고유벡터다 라고 말하기엔 좀 비약이 있는거같아서요...ㅠㅠ 무엇보다도 대수적 중복도가 기하적 중복도보다 작을 수가 없는데 란다1에대한 대수적 중복도는 1 이고 기하적 중복도가 2가 되는 상황이라서 혼란스럽습니다. 위같은 상황이 란다2에서도 적용이 되구요 제가 어디서 착각하고 있는걸까요?
![선형대수학 85강: 특잇값 분해 일반화[쑤튜브]](http://i.ytimg.com/vi/G-mk0MPs_mc/mqdefault.jpg)
![선형대수학 85강: 특잇값 분해 일반화[쑤튜브]](/img/tr.png)
![선형대수학 83강: 특잇값 분해(SVD)[쑤튜브]](http://i.ytimg.com/vi/gxdJYNIvOI0/mqdefault.jpg)
![linear algebra lesson 40: eigen value, eigen vector [ssootube]](http://i.ytimg.com/vi/FxYvAntb68s/mqdefault.jpg)
![[선대] 6-1강. 특이값 분해 (SVD: Singular Value Decomposition) 의 모든 것!](/img/1.gif)
선생님, 질문이 있는데 3:50 에서 공교롭게 서로 직교하는게 아니라 대칭행렬으로부터 고유벡터를 구한거라 항상 서로 직교하는거 아닌가요?
특이값에 중근이 없을 경우라는 보장이 항상 있는 건 아니니까요!
@@ssootube 초스피드 피드백 감사합니다 !
제가 실시간 방송하고 있을 때는 바로 바로 드리죠!
안녕하세요 강의 너무 잘보고있습니다. 영상의 예제에서의 고유벡터를 구할때 개념이 헷갈려서 질문남겨요 란다3에 대한 고유값을 구할때는 [0 1 0] 이 확실히 나옵니다 그런데 란다 1 에 대한 고유벡터를 구하면 I*란다-A'A 의 널스페이스를 구하게 되고 그 기저는 [0 1 0 ] 과 [2 0 1] 이렇게 나옵니다 즉 란다 1에대한 고유공간이 span{[0 1 0 ], [2 0 1]} 이렇게 나옵니다 [0 1 0] 이 란다 3에 대한 고유벡터니까 [2 0 1] 이 란다1 에대한 고유벡터다 라고 말하기엔 좀 비약이 있는거같아서요...ㅠㅠ 무엇보다도 대수적 중복도가 기하적 중복도보다 작을 수가 없는데 란다1에대한 대수적 중복도는 1 이고 기하적 중복도가 2가 되는 상황이라서 혼란스럽습니다. 위같은 상황이 란다2에서도 적용이 되구요 제가 어디서 착각하고 있는걸까요?
예전에 특성방정식 강의에서 보면 det(A-I*lambda) = 0 을 푸는 것으로 수정하셨던데, 여기서는 det(I * lambda - A) = 0 으로 푸는 듯 한데 어떤게 더 정석인 방법인가요 ? 둘의 결과가 같은가요 ? 다른가요 ?
한번 직접 증명해보세요! 해보면 더 확실하게 공부가 됩니다!
선생님, 풀다보면 란다나 기저값이 부호, 순서가 정답과 다른경우가 있던데 괜찮은건가요?
예를 들어서, 8 4
4 2 이렇게 행렬이 있을때 전 고유벡터 (2 , 1) 로 잡고싶은데, 답지는 (1,2) 더군요..
(1,2)는 틀렸는 걸요? 혹시 (-1,2)가 아닐까요? 그리고 (2,1)은 맞아요! 하지만 고유벡터가 1개가 아니죠!
u3를 구할 때 A*v3로 해서 하면 안되는 이유가 있나요?
사랑합니다