# 2-2 의미 대조 검수

이 검수는 이미 선별된 불확실 음성 653개 문맥 창의 원전사와 2차 전사를 읽어 대조한 것입니다. 강의 전체 8시간의 직접 청취 검증이 아닙니다. 창별 개수는 주된 판정으로 분류하며, 학습 보류 창에도 일부 자료 근거 정정이 포함될 수 있습니다. 두 모델이 같은 오류를 낼 수 있으므로 의미 차이 미발견은 정답 인증이 아닙니다. 교정은 자료에서 확인되는 내용 또는 명시한 수학적 보충이며 교수님의 실제 발언으로 재구성하지 않습니다. 창 경계에서 잘린 문장은 인식 오류와 구별했습니다.

## 2-2 창 0000 · 00:00:00–00:00:07 · 자료 근거 정정 있음

두 출력 모두 제목을 선형개수로 인식한다. 상호 차이는 작지만 자료 제목 선형대수로 보정한다.

![[review/audio/2-2/clips/0000.m4a]]

근거 파일: [[review/audio/2-2/0000.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자 선형개수 리뷰 두 번째 영상 시작하도록 하겠습니다. 지난 시간까지 여러분들 선형방정식이 무엇인지,

2차 전사:  자 선형 개수 리뷰 두 번째 영상 시작하도록 하겠습니다. 지난 시간까지 여러분들 선형 방정식이 무엇이냐

**자료·검토에 따른 정정:** 선형대수 리뷰

근거: PDF1 표지의 선형대수리뷰 제목을 실제 이미지에서 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 1

[[pdf/2.1_Linear_Algebra_(2)/page-001.jpg|자료 화면 열기]]

## 2-2 창 0001 · 00:00:29–00:00:39 · 학습 보류

가우스 소거법 용어는 같으나 heuristic/greedy 평가는 슬라이드로 단정할 수 없어 미확정이다.

![[review/audio/2-2/clips/0001.m4a]]

근거 파일: [[review/audio/2-2/0001.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 대표적으로 가우스 소거법에 대해서 배우도록 하겠습니다. 자, 가우스 소거법은 휠스틱하게, 휠스틱이라고 얘기했는데 휠스틱이라는 건 뭐냐면 매 순간 그리디한 방식으로 해서

2차 전사:  가우스 속옷법은 힐스틱이라고 이야기 했는데 힐스틱이란 건 뭐냐면 매 순간

## 2-2 창 0002 · 00:01:26–00:01:47 · 중요한 의미 차이 미발견

행은 식, 열은x1,x2,x3와상수항이라는 구조가 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0002.m4a]]

근거 파일: [[review/audio/2-2/0002.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그렇게 해서 x1, x2, x3를 쉽게 구할 수 있는 방법이라고 보시면 될 것 같아요. 그래서 아래와 같은 식이 보여져있을 때 우리 행율로 표시할 수가 있을 겁니다. 그러면 행은 식으로 이루어져 있고 이 칼럼에 해당되는 부분들은 각각 x1, x2, x3, 그 다음에 마지막 해당되는 상수항이라고 보시면 될 것 같아요.

2차 전사:  쉽게 구할 수 있는 방법이라고 보시면 될 것 같아요. 아래 바 같은 식이 보여주었을 때, 이 행열로 표시를 할 수가 있을 겁니다. 그러면 행은 식으로 이루어져 있고, 이 column에 해당되는 부분들은 각각 x1, x2, x3, 그 다음에 마지막 해당되는 상수항이라고 보시면 될 것 같아요.

## 2-2 창 0003 · 00:01:52–00:02:23 · 중요한 의미 차이 미발견

두 행 교환과 첫1×4행의 원소별2배라는 수·행 방향이 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0003.m4a]]

근거 파일: [[review/audio/2-2/0003.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이랬을 때 우리가 여기 두 번째 자수의 두 번째 식, 세 번째 식에 해당되는 순서를 교환해 주게 됩니다. 우리가 최대한 이 어떤 triangular matrix를 좀 만들려는 거라고 생각하시면 될 것 같아요. 그렇게 했을 때 이렇게 변형이 되겠죠. 이런 방식을 통해서. 그 다음에 스칼라 곱을 해주는 거예요. 어디에? 첫 번째 식에다가. 자, 이거를 우리가 matrix를 생각한다면 첫 번째 1x4짜리 matrix에다가 곱하기 2 해주는 거예요. 각각의 element에다가 2를 각각 곱해주면 되는 거예요. 그러면 식으로 따지면 어떻게 변한가? 이렇게 변하고 우리가 matrix로 생각을 한다면

2차 전사:  식에 해당되는 순서를 교환해 주게 됩니다. 우리가 최대한 이 Triangular Matrix를 만들려는 거라고 생각하시면 될 것 같아요. 그렇게 했을 때 이렇게 변형이 되겠죠. 이런 방식을 통해서. 그 다음에 Scalar 곱을 해주는 거예요. 어디에? 첫 번째 식에다가. 이걸로 우리가 Matrix를 생각한다면 첫 번째 1 by 4짜리 Matrix에다가 곱하기 2 해주는 거예요. 그러면 어떻게 되는 거지? 각각의 Element에다가 2를 각각 곱해주면 되는 거예요. 그러면 식으로 따지면 어떻게 변한다? 이렇게 변하고

## 2-2 창 0004 · 00:03:26–00:03:44 · 학습 보류

세 미지수와 삼각행렬로 해를 구한다는 내용은 같다. inverse라는 수식어의 엄밀성은 확정하지 않는다. 두 출력의 핵심 용어가 함께 손상되었거나 수학적 일반화가 불명확하므로 원음 확인 없이 정확성을 인정하지 않는다.

![[review/audio/2-2/clips/0004.m4a]]

근거 파일: [[review/audio/2-2/0004.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 이렇게 돼 있었던 3개의 식과 3개의 찾으려고 하는 x값이 있었는데 그거를 이런 어떤 어떤 inversion triangular matrix를 만들어서 그거에 대한 값을 우리가 x1과 x2에서 쉽게 구할 수 있다더라. 자, 이게 비선형 방정식이라는 어떤 X1에 대해서 루트가 쓰였다든지 아니면 X3에 대해서 제적이 붙였다든지

2차 전사:  세계에 찾으려고 하는 x값이 있었는데 그거를 이런 inverse triangular matrix를 만들어서 그거에 대한 값을 우리가 x1과 x2에서 쉽게 구할 수 있다더라 자 이게 비전형 방정식이라는 x1에 대해서 root가 쓰였다든지

## 2-2 창 0005 · 00:04:05–00:04:13 · 학습 보류

재인식이 무의미한 음절로 무너져 가우스행렬의 특징이라는 원전사 내용을 확인할 수 없다.

![[review/audio/2-2/clips/0005.m4a]]

근거 파일: [[review/audio/2-2/0005.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 앞에서 왜 그런 영상들을 했는지 산책하게 만들 수가 있어요. 가우스 행렬의 특징. 우선 가우스 행렬 외데훈지 얘기를 하면

2차 전사:  영상 들리는 것 같다가 좀 더 이런 쪽에 공로 갖다 좀 탄탄하게 만들 수 있어요 어 생렬이 찡 야우가 바우스 행위

## 2-2 창 0006 · 00:04:59–00:05:09 · 학습 보류

선행계수와 합/값 표현이 불안정하다. 강의는 정규화REF 관례이며 일반REF와 구분해야 한다.

![[review/audio/2-2/clips/0006.m4a]]

근거 파일: [[review/audio/2-2/0006.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 라고 얘기를 하는 겁니다. 마지막으로는 모든 선행 개수의 합이 얼마나 선행 개수라는 게 뭐죠? 각각의 이것들에 대해서 선행 개수에 대해서 값이 얼마다?

2차 전사:  자 마지막으로는 모든 선행계수의 합이 얼마나? 선행계수란게 뭐죠? 각각의 요것들에 대해서

## 2-2 창 0007 · 00:05:39–00:05:51 · 중요한 의미 차이 미발견

비영행은 위, 영행은 아래라는 방향은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0007.m4a]]

근거 파일: [[review/audio/2-2/0007.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 복잡한 방은 위쪽으로 갔고 복잡하지 않은 애들이 영행 애들이 오더링이 아래쪽으로 다 내려오는 걸로 되어 있습니다 자 다음 케이스 이 케이스로 보자면 이 케이스 우리가 0인가요?

2차 전사:  항은 이쪽으로 갔고 복잡하지 않은 애들이, 앞에 영행 애들이 오더링이 아래쪽으로 다 내려오는 걸로 되어 있습니다 자 다음 케이스, 이 케이스로 보자면 이 케이스 우리가

## 2-2 창 0008 · 00:06:30–00:06:47 · 자료 근거 정정 있음

기약가우스행렬의 명칭·REF 약어가 혼동되어 실제 제목 오류를 구분한 RREF로 보정한다.

![[review/audio/2-2/clips/0008.m4a]]

근거 파일: [[review/audio/2-2/0008.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 가우스 행렬 중에서 한 가지 조건이 더 붙으면 우리가 기약 가우스 행렬, reduced 기하 경우를 이렇게 하면 더 어려운 것 같아요. reduced라고 표현을 하면 될 것 같아요. 뭔가를 띄웠다는 얘기예요. reduced low as a run from the matrix ref라고 얘기를 하는데 이 기하 가수 행렬은 가수 행렬 대비해서 한 가지 조건이라고 보였습니다.

2차 전사:  가수 행렬 중에서 한가지 조건이 더 붙으면 기하 가수 행렬, reduced, 기하 이렇게 하면 더 어려운 것 같아요 reduced라고 표현을 하면 될 것 같아요. 뭔가를 띄웠다는 얘기에요. reduced load from the matrix ref라고 얘기를 하는데 이 기하 가수 행렬은 가수 행렬 대비해서

**자료·검토에 따른 정정:** 기약가우스행렬(reduced row echelon form, RREF)

근거: PDF42의 기약조건을 실제 이미지에서 확인했다. 원제목의 약어REF는 오류이므로 그대로 학습하지 않도록 ALG-REF-RREF-LABELS에 구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 42

[[pdf/2.1_Linear_Algebra_(2)/page-042.jpg|자료 화면 열기]]

## 2-2 창 0009 · 00:06:55–00:07:03 · 자료 근거 정정 있음

피벗 이외가0이라는 뜻은 같으나 재인식의10/하항이 부정확하여 실제 열 조건으로 정리한다.

![[review/audio/2-2/clips/0009.m4a]]

근거 파일: [[review/audio/2-2/0009.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 선행 개수에 대한 파항은 모두 0이다 라고 얘기를 하는 거예요. 그래서 이 1, 위아래 다 0이죠. 1, 위아래 다 0입니다. 다 열이고요. 그렇죠. 그렇죠. 그렇죠.

2차 전사:  하항은 모두 0이다. 라고 얘기를 하는 거예요. 그래서 이 1 위아래 다 0이죠. 1 위아래 다 0입니다. 이게 다 10이고요.

**자료·검토에 따른 정정:** 각 피벗 열에서 피벗 이외의 원소는 모두0이다.

근거: PDF42의 마지막 빨간 조건 및 피벗 위아래0인 실제 행렬 그림을 확인했다. 모든원소가0이거나1이라는 뜻은 아니다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 42

[[pdf/2.1_Linear_Algebra_(2)/page-042.jpg|자료 화면 열기]]

## 2-2 창 0010 · 00:07:09–00:07:25 · 자료 근거 정정 있음

Gauss-Jordan과 Augmented matrix가 두 출력에서 손상되어 실제 페이지의 제목·첨가행렬로 보정한다.

![[review/audio/2-2/clips/0010.m4a]]

근거 파일: [[review/audio/2-2/0010.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 어떤 값들이 좀 채워져 있어도 상관은 없는 것 같아요. 바우스 조던 소글법에 대해서 이거를 이렇게 풀면은 우리가 어떻게 풀 수 있냐면 이런 선행 연립방정식이었고요. 선행 연립방정식을 갖다가 우리가 어금은 T-D 매트릭스 형태로 빠지면 이 해당되는 개수와 뒤에 있는 P에 해당되는 부분들을 갖다가

2차 전사:  자, 바우스 조건소골법에 대해서 이걸 풀면 우리가 어떻게 풀 수 있냐면 이런 선형 연립방정식이고요. 선형 연립방정식을 갖다가 우리가 문티드 매트릭스 형태로 빠지면 이 해당되는 개수와 뒤에 있는 b에 해당되는 개수,

**자료·검토에 따른 정정:** 가우스-조단 소거법(Gauss-Jordan elimination); 첨가행렬

근거: PDF43 제목과 세 미지수·우변의 첨가행렬에서 최종단위행렬부로 진행하는 그림을 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 43

[[pdf/2.1_Linear_Algebra_(2)/page-043.jpg|자료 화면 열기]]

## 2-2 창 0011 · 00:07:37–00:07:47 · 자료 근거 정정 있음

E를 유지한다와1을 유지한다는 차이는 소거 예제의 피벗1로 보정한다.

![[review/audio/2-2/clips/0011.m4a]]

근거 파일: [[review/audio/2-2/0011.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이걸 정리가 되고 아래쪽으로 빼준 것들은 최대한 아래쪽으로 놔두고요. 그리고 최대한 E를 유지하면서

2차 전사:  이거를 갖다가 좀 정리가 되고 아래쪽으로 빼준 것들은 최대한 아래쪽으로 놔두고요. 그리고 최대한 1을 유지하면서

**자료·검토에 따른 정정:** 소거 과정에서 피벗을1로 만들고 피벗열의 다른 원소를0으로 만든다.

근거: PDF43 중간행렬과 마지막 [I|해] 형태를 실제 이미지에서 확인했다. 정확한 E/I/1 발화는 확정하지 않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 43

[[pdf/2.1_Linear_Algebra_(2)/page-043.jpg|자료 화면 열기]]

## 2-2 창 0012 · 00:08:07–00:08:16 · 중요한 의미 차이 미발견

x1,x2,x3 해를 구하는 방식이라는 설명은 같고 다음 역행렬 도입은 경계 바깥이다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0012.m4a]]

근거 파일: [[review/audio/2-2/0012.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자 그래서 제가 우선은 식은 다 적어놨으니까 이런 방치고 하면 x1과 x2와 x3에 대해서 이렇게 풀 수 있구나 라는 거에 대해서 여러분들은 제 기억을 하시면 될 것 같아요. 자 다음은 역딩렬에 해당되는 부분입니다.

2차 전사:  그래서 제가 우선 식은 다 적어놨으니까 이런 방식으로 하면 x1과 x2, x3에 대해서 이렇게 볼 수 있구나 라는 것에 대해서 여러분들은 기억을 할 수 있는 것 같습니다

## 2-2 창 0013 · 00:08:29–00:08:37 · 중요한 의미 차이 미발견

항등행렬I라는 기호와 이름이 양쪽에서 유지된다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0013.m4a]]

근거 파일: [[review/audio/2-2/0013.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이런 것들을 갖다가 항등행렬 I라고 Imetric에서 얘기를 했었어요. 이게 나오는 행렬 역행렬을 갖다가 우리가

2차 전사:  이런 것들을 갖다가 이거 항등행렬 I라고 I Matric에서 얘기를 했었어요. 이게 나오는 행렬, 역행렬

## 2-2 창 0014 · 00:08:42–00:08:53 · 자료 근거 정정 있음

A와역행렬의 곱이 항등행렬이라는 뜻이 재인식에서 손상되어 보이는 정의식으로 정리한다.

![[review/audio/2-2/clips/0014.m4a]]

근거 파일: [[review/audio/2-2/0014.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 멀티플리케이션을 갖다가 A 역행렬에 대한 이거를 하면 그 항등행렬이 나온다는 거죠. 만약에 AX는 B라고 나왔을 때

2차 전사:  multiplication을 갖다가 a, 격행렬에 상당한 이거를 하면 이렇게 표시된 역행위를 하면 거기에 상당의 행렬이 나온다는 거죠. 자, 만약에 ax는 b라고 나와서

**자료·검토에 따른 정정:** AA⁻¹=I; AX=b이면 가역인A에 대해 X=A⁻¹b

근거: PDF44 실제 이미지의 AA⁻¹=I 및 역행렬정의와 해 구하는 그림을 확인했다. X=b/A는 그림에서 지워져 있어 스칼라나눗셈으로 배우지 않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 44

[[pdf/2.1_Linear_Algebra_(2)/page-044.jpg|자료 화면 열기]]

## 2-2 창 0015 · 00:09:30–00:09:45 · 학습 보류

AᵀX=b와AX=b가 같이 언급되나 창 안의 기호 충돌을 단일 식으로 확정하기 어렵다.

![[review/audio/2-2/clips/0015.m4a]]

근거 파일: [[review/audio/2-2/0015.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 다시 또 선형 연립방정식 이런 게 하나가 선형 연립방정식이었고 여러 가지가 나오는 거죠. 이 선형 연립방정식을 갖다가 다시 매트리스 폼을 만들면 이렇게 되는 거라고 얘기를 했었고 이거에 대해서 A transpose X는 B라는 것들이 있을 때 우리가 AX는 B라고 넣었다면 A 역행렬에 해당되는 부분을 곱하면 우리가 항등행렬으로 바뀐다고 얘기를 했었죠.

2차 전사:  선형 연립방정식이었고, 여기 여러 가지가 나오는 거죠. 이 선형 연립방정식을 다시 매트리스 폼을 만들면 이렇게 되는 거라고 얘기를 했었고 이거에 대해서 A transpose X는 B라는 것들이 있을 때 우리가 AX는 B라고 넣는다면

## 2-2 창 0016 · 00:09:57–00:10:10 · 중요한 의미 차이 미발견

X=A역행렬×b라는 해와 I의 제거 내용이 두 출력에서 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0016.m4a]]

근거 파일: [[review/audio/2-2/0016.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 얘기했었죠? 그때 A 역행렬에 대한 B로 본다고 얘기를 했을 때 아무튼 이렇게 곱해 주는 방식으로 된 거고요. 그러면 여기는 i 매트리스니까 없어졌고 여기는 그대로 남기고 그러면 X는 얼마? X는 A에 대한 역행렬과 B로 이렇게 멀티플리케이션 하는 게 그 해당된 X값이다라고 구할 수가 있을 겁니다.

2차 전사:  이렇게 곱해주는 방식으로 된 거고요. 그러면 여기는 i매트리스니까 없어졌고 여기는 그대로 남기죠. 그러면 x는 얼마? x는 a에 대한 역행렬과 b로 이렇게 multiplication 하는 게 그 해당되는

## 2-2 창 0017 · 00:10:48–00:11:02 · 중요한 의미 차이 미발견

A가 가역이고B는A의 역행렬이라는 구분이 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0017.m4a]]

근거 파일: [[review/audio/2-2/0017.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): A가 역행렬이 존재하는 행렬이다라는 의미고요. B가 뭐라고요? A에 대한 역행렬이다라고 얘기를 한다고 얘기를 했어요. 자, 그런데 제가 두 가지 개념이 있다고 했죠? 이 역행렬이 존재하는 경우가 있고 존재하지 않는 경우가 있습니다.

2차 전사:  a가 역행렬이 존재하는 행렬이다 라는 의미고요. b가 뭐라고요? a에 대한 역행렬이다 라고 얘기를 했다가 이렇게 한다고 얘기를 했어요. 그런데 제가 두 가지 개념이 있다고 했죠. 이 역행렬이 존재하는 경우가 있고

## 2-2 창 0018 · 00:11:33–00:11:41 · 학습 보류

설명 오류를 인지하고 지운다는 말은 같지만 무엇을 정정했는지는 두 출력만으로 미확정이다.

![[review/audio/2-2/clips/0018.m4a]]

근거 파일: [[review/audio/2-2/0018.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): non-singular matrix라고 얘기를 합니다. 자, 예시를 한번 보죠. 어? 아, 지금 설명금처럼 달려 들었네요. 얘기를 하고 나서 좀 이상했는데 좀 지우고 나서 제가 다시 한번 얘기할게요.

2차 전사:  얘기를 합니다. 자 예시를 한번 보죠. 어? 설명금이 좀 잘못 들어왔네요. 얘기를 하고나서 좀 이상했는데

## 2-2 창 0019 · 00:11:45–00:11:58 · 학습 보류

잉크를 지우고 다시 설명한다는 내용은 같으나 A/a역행렬의 지칭이 불명확하다.

![[review/audio/2-2/clips/0019.m4a]]

근거 파일: [[review/audio/2-2/0019.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그러게요. 자, 전체 드라이브 잉크를 지우고 자, 다시 한번 얘기를 할게요. 만약에 A라는 게 존재해요. 설명을 이렇게 정리하면 될 것 같습니다. A가 A라는 이런 역행렬이 존재한다고 했을 때

2차 전사:  자 전자프라이드에 잉크를 지우고 다시 한번 얘기할게요 만약에 a라는게 존재해요 설명을 이룰 때 정리하면 될 것 같습니다 a가 a라는

## 2-2 창 0020 · 00:12:46–00:12:53 · 자료 근거 정정 있음

AB 결과가 항등행렬이라는 뜻은 같고 B를g로 읽은 차이는 표시된 예제로 보정한다.

![[review/audio/2-2/clips/0020.m4a]]

근거 파일: [[review/audio/2-2/0020.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): A에 대해서 B를 갖다가 그냥 곱해봤어요. 뭔진 모르지만 곱해봤어요. 그러면 AB가 뭐가 나옵니다? 어? 이게 뭐죠? 방등행열이 나왔죠. 매트리스가 나왔습니다.

2차 전사:  g를 갖다가 그냥 곱해봤어요. 뭔지는 모르지만 곱해봤어요. 그러면 ab가 뭐가 나옵니까? 어? 이게 뭐죠? 항등인열이 나와요.

**자료·검토에 따른 정정:** 표시된B를A에곱하면 AB=I

근거: PDF45 A=[[2,5],[-3,-7]],B=[[-7,-5],[3,2]]를 시각 확인했다. AI직접곱으로 I임을검증했다. 중앙Z문자는항등행렬기호오류다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 45

[[pdf/2.1_Linear_Algebra_(2)/page-045.jpg|자료 화면 열기]]

## 2-2 창 0021 · 00:13:07–00:13:15 · 자료 근거 정정 있음

A를 가역이라 부르는 것과B를 역행렬이라 부르는 지칭 차이를 실제 정의로 정리한다.

![[review/audio/2-2/clips/0021.m4a]]

근거 파일: [[review/audio/2-2/0021.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 저희가 가역행열이라고 부르고 이러다 라고 얘기를 하는 겁니다. 자, 역행열 계산에 대해서 우리가 좀 간편하게 할 수 있는 방식이 뭐냐면

2차 전사:  b를 a에 대한 역행열이다 라고 얘기를 하는 겁니다. 역행열 계산에 대해서 우리가 좀 간단하게

**자료·검토에 따른 정정:** A는 가역행렬이고 B=A⁻¹는 A의역행렬이다.

근거: PDF45 실제 이미지의 두 용어 정의와 빨간 설명을 확인했다. A/B 지칭이 바뀌면 의미가 달라져 구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 45

[[pdf/2.1_Linear_Algebra_(2)/page-045.jpg|자료 화면 열기]]

## 2-2 창 0022 · 00:14:10–00:14:25 · 자료 근거 정정 있음

역행렬 존재 조건의AB minusB가 ad−bc를 손상시켰으므로 실제2×2 식으로 보정한다.

![[review/audio/2-2/clips/0022.m4a]]

근거 파일: [[review/audio/2-2/0022.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그렇기 때문에 이 A 매트리스는 이런 역행열이 존재하지 않는다고 싱글로 매트리스라고 합니다. 이때 우리가 AB minus B이라는 부분들에 기반해서 0이냐 0이 아니냐 0이 아니냐 0이냐 이거에 따라서 이렇게 선택을 할 수가 있습니다. A 매트리스가 역행열을 가진지 아닌지를 인지할 수 있기 때문에 이런 부분들을 중요시 여기고 우리가 디터미너드라고 얘기를 합니다.

2차 전사:  이때 우리가 a, b, b라는 부분들에 기반해서 0이냐 0이 아니냐 0이 아니냐 0이냐 이거에 따라서 이렇게 선택을 할 수가 있습니다. a 매트리스가 역행열을...

**자료·검토에 따른 정정:** 2×2 A=[[a,b],[c,d]]는 ad−bc≠0일 때 가역이다.

근거: PDF46 실제 이미지의 곱결과(ad−bc)I, ad−bc≠0 및=0 두 조건을 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 46

[[pdf/2.1_Linear_Algebra_(2)/page-046.jpg|자료 화면 열기]]

## 2-2 창 0023 · 00:14:28–00:14:42 · 자료 근거 정정 있음

determinant/det 발음 표기가 다르며 실제 행렬식 제목·기호로 정리한다.

![[review/audio/2-2/clips/0023.m4a]]

근거 파일: [[review/audio/2-2/0023.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): A 매트리스가 역행열을 가진지 아닌지를 인지할 수 있기 때문에 이런 부분들을 중요시 여기고 우리가 디터미너드라고 얘기를 합니다. 이렇게 디디드라고 얘기를 할 거예요. 이제 디디드라고 자, 이 A에 대해서 역행렬 계산하면 어떻게 된다? 이 식을 이용해서 이렇게 풀면 되는 겁니다.

2차 전사:  이런 부분들을 중요시 여기고 우리가 determinant라고 얘기를 합니다. 이렇게 dict라고 얘기를 할 거예요. 이제 다운티트라고. 자, 이 a에 대해서 역행력이 어떻게 된다? 이 식을 이용해서 이렇게

**자료·검토에 따른 정정:** 행렬식 determinant, det(A)

근거: PDF47의 det(A)=10×2−5×4=0 및 비가역행렬 라벨을 실제 이미지에서 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 47

[[pdf/2.1_Linear_Algebra_(2)/page-047.jpg|자료 화면 열기]]

## 2-2 창 0024 · 00:15:25–00:15:39 · 자료 근거 정정 있음

행렬을 실수 스칼라로 보낸다는 정의는 같다. A와n 등의 발음 손상이 공유된다.

![[review/audio/2-2/clips/0024.m4a]]

근거 파일: [[review/audio/2-2/0024.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 쓰는 행렬을 스칼라 값으로 변경하는 것입니다. 이렇게 보시면 될 것 같아요. 그래서 디타민한테 A 해버리면 A는 원래 N 곱하기 N의 어떤 그런 프리스 형태의 형식이었는데 이걸 갖다가 어떤 특정 P, 어떤 숫자값으로 변형시키는 거예요.

2차 전사:  스칼라 값으로 변경하는 것입니다. 이게 보시면 될 것 같아요. 그래서 d3이 되어버리면 n은 원래 n 곱하기 n의 어떤 프리스 형태의 형식이 되었는데 이걸 갖다가 어떤 특정

**자료·검토에 따른 정정:** det는n×n실수정방행렬을실수스칼라에대응시키는함수

근거: PDF48 det:R^(n×n)→R정의와정방행렬을scalar로만드는함수문구를 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 48

[[pdf/2.1_Linear_Algebra_(2)/page-048.jpg|자료 화면 열기]]

## 2-2 창 0025 · 00:15:47–00:15:58 · 자료 근거 정정 있음

행렬식으로 singular 여부를 판단한다는 내용은 같다.

![[review/audio/2-2/clips/0025.m4a]]

근거 파일: [[review/audio/2-2/0025.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그래서 N 곱하기 N의 어떤 실수 조합이었는데 그걸 갖다가 그냥 실수의 조합으로 만들어버린다는 얘기죠. 그러니까 행렬측의 용도를 갖다 얘기를 하면 싱귤러 매트릭스인지 아닌지 예를 들어서 A가 A역행렬을 구해보려고 할 때

2차 전사:  로 만들어 버린다는 얘기죠. 행렬 측의 용도를 갖다 두면 Singular Matrix인지 아닌지 예를 들어서 A가 A역행렬을 구해

**자료·검토에 따른 정정:** 행렬식의용도에는특이(singular)여부확인이있다.

근거: PDF48 행렬식용도/Singular여부확인항목을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 48

[[pdf/2.1_Linear_Algebra_(2)/page-048.jpg|자료 화면 열기]]

## 2-2 창 0026 · 00:16:58–00:17:06 · 자료 근거 정정 있음

T(X)를EX로 인식한 공통 기호 손상은 실제T(X)=AX 화면으로 보정한다.

![[review/audio/2-2/clips/0026.m4a]]

근거 파일: [[review/audio/2-2/0026.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): t라는 transform 하는 함수에 넣어주면 e라는 x라는 부분이 어떻게 되냐면 ex라는 걸로 표현된대요. 모든 x가 n차원에 해당되는 실수에 포함된다고 얘기하고 있고요.

2차 전사:  t 라는 transform 하는 함수에다 넣어 두면 e 라는 x 라는 부분이 e x 라는 걸로 표현이 된대요

**자료·검토에 따른 정정:** T(X)=AX, X∈R^n

근거: PDF49 실제 이미지의 T(X)=AX와 R3→R2, A=[[1,4,5],[2,3,6]] 예제를 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 49

[[pdf/2.1_Linear_Algebra_(2)/page-049.jpg|자료 화면 열기]]

## 2-2 창 0027 · 00:17:31–00:17:45 · 중요한 의미 차이 미발견

3행1열을2행1열로 보내는 방향과 숫자는 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0027.m4a]]

근거 파일: [[review/audio/2-2/0027.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 일대같이 3행 1열이죠. 이거는 2행 1열입니다. 이거는 몇행? 3행 1열? 2행 1열. 뒤에도 똑같죠 이것도. 모든 3행 3행 1열짜리 이벤트로 2행 1열로

2차 전사:  3행 1열이죠? 이거는 2행 1열입니다. 이거는 몇 행? 3행 1열, 2행 1열. 뒤에도 똑같죠 이것도? 이것도 3행 1열짜리 매트로이스에 갖다가

## 2-2 창 0028 · 00:20:42–00:20:57 · 자료 근거 정정 있음

1대1세상/사상 용어 차이는 단사 그림의1:1사상으로 보정한다.

![[review/audio/2-2/clips/0028.m4a]]

근거 파일: [[review/audio/2-2/0028.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그러면 투영에 뭐가 있는지 좀 알아보는 게 낫겠죠. 그래서 저는 같이 정리를 해봤어요. 투영에는 일반적으로 단사, 전사, 전단사가 있습니다. 단사는 앞에서 얘기했었던 부분이고요. 그래서 1대 1 세상이에요. 그래서 원차원에 해당되는 부분이 있을 때

2차 전사:  그러면 투영에 뭐가 있는지 좀 알아보는 게 낫겠죠. 그래서 같이 정리를 해봤어요. 투영에는 일반적으로 단사, 전사, 전단사가 있습니다. 단사는 앞에서 얘기했었던 부분이고요. 그래서 1대1 사상이에요. 그래서 원차원에 해당되는 부분이 있습니다.

**자료·검토에 따른 정정:** 단사(injective),1:1사상

근거: PDF52의 injective/단사 및1:1사상 그림을 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 52

[[pdf/2.1_Linear_Algebra_(2)/page-052.jpg|자료 화면 열기]]

## 2-2 창 0029 · 00:21:12–00:21:20 · 자료 근거 정정 있음

subjective 등은 surjective의 발음 손상이며 전사라는 제목으로 보정한다.

![[review/audio/2-2/clips/0029.m4a]]

근거 파일: [[review/audio/2-2/0029.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이것보다는 좀 더 완화되어 있는 그런 투영이 있어요. 전사라고 부릅니다. 그래서 서브제티브라고 얘기를 하고요. 이 부분 같은 경우에는 같은 간에 모든 X가 같은 간에 어떤 차원 공간상의 어떤 특정 값을 가지기만 하면

2차 전사:  그런 투형이 있어요. 전사라고 부릅니다. 그래서 subjective라고 얘기를 하고요. 이 부분 같은 경우에는 같은 간에

**자료·검토에 따른 정정:** 전사(surjective)

근거: PDF52 중앙의 Surjective(전사) 그림과 모든공역점에화살표가들어오는모양을 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 52

[[pdf/2.1_Linear_Algebra_(2)/page-052.jpg|자료 화면 열기]]

## 2-2 창 0030 · 00:21:38–00:21:52 · 자료 근거 정정 있음

완화가 아니라 더 엄격하다는 자가 정정은 양쪽에 남는다. 전단사는 단사와 전사를 모두 만족한다는 자료 그림으로 의미를 한정한다.

![[review/audio/2-2/clips/0030.m4a]]

근거 파일: [[review/audio/2-2/0030.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 전단사는 단사와 전사 사이에 중간 벽에 해당되는 완화된 투영이다 생각하시면 될 것 같은데요. 이게 사실은 실제 1-to-1의 1대1 매팅되는 가장 완화된 게 아니라 좀 더 엄격한 거라고 보시면 될 것 같은데요. 그래서 단사와 전사 사이에 있는 건 맞아요. 그래서 전단사라고 얘기를 하는데요.

2차 전사:  완화된 T형이다 생각하시면 될 것 같은데요. 이게 사실은 실제 1 to 1의 1 대 1 매팅된 가장 완화된 게 아니라 좀 더 엄격한 거라고 보시면 될 것 같은데요. 그래서 반사와 전사 사이에 있는 건 맞아요.

**자료·검토에 따른 정정:** 전단사(bijective)는 단사와 전사를 모두 만족한다.

근거: PDF52의세대응그림에서Bijective는 모든점이1:1대응임을 시각 확인했다. 단순한중간강도라고읽지않는AI정의정리다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 52

[[pdf/2.1_Linear_Algebra_(2)/page-052.jpg|자료 화면 열기]]

## 2-2 창 0031 · 00:23:01–00:23:24 · 학습 보류

m=2,n=1 대m=1 차이가 있고 실제 그림은2차원→1차원이나 전체공간 가역성으로 읽을 수 없어 미확정이다.

![[review/audio/2-2/clips/0031.m4a]]

근거 파일: [[review/audio/2-2/0031.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 나는 단사에 해당되는 투영을 하려고 하는 거구나 에 대해서 이해만 하시면 될 것 같습니다 우리가 이렇게 단사를 중요시하는 이유는 뭐냐면 복구 가능하게 하기 위한 거예요 만약에 여러분들이 2차원에 해당되는 M이 2에 그래서 N의 1입니다. 그래서 트랜스포즈는 어떻게 2에 이용시키는 거냐면

2차 전사:  단사에 해당되는 투형을 하려고 하는 거구나 에 대해서 이해만 하시면 될 것 같습니다. 우리가 이렇게 단사를 중요시하는 이유는 뭐냐면 복구 가능하게 하기 위한 거예요. 만약에 여러분들이 이 타원에 해당되는 m이 2에요. 그래서 m의 1입니다. 그래서 트랜스포즈는 어떻게 이용시키는 거예요?

## 2-2 창 0032 · 00:24:48–00:24:56 · 자료 근거 정정 있음

고유값·고유벡터가 중요하다는 안내는 같다.

![[review/audio/2-2/clips/0032.m4a]]

근거 파일: [[review/audio/2-2/0032.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 고유과 고유 벡터 A 부분에 대해서 얘기를 해야 됩니다 가장 중요한 건 고유 벡터 고유 값이에요 이 부분은 여러분들 대학원을 가든

2차 전사:  고유과 고유벡터 A 부분에 대해서 얘기해야 됩니다. 가장 중요한 건 고유벡터 고유값이에요. 이 부분은 여러분들은 대학원을 가는...

**자료·검토에 따른 정정:** 고유값(eigenvalue)과고유벡터(eigenvector)

근거: PDF54의AX=λX와λ고유값/X고유벡터라벨을 직접보았다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 54

[[pdf/2.1_Linear_Algebra_(2)/page-054.jpg|자료 화면 열기]]

## 2-2 창 0033 · 00:25:50–00:25:57 · 학습 보류

X행렬과X라는 발화가 양쪽 동일하지만 어떤 크기/정체를 지칭하는지 문장 자체로 확정할 수 없다.

![[review/audio/2-2/clips/0033.m4a]]

근거 파일: [[review/audio/2-2/0033.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): x가 매트릭스입니다. 자 또 있어요. x가 x예요. 이거 말 되죠? 맞죠?

2차 전사:  x가 matrix입니다 x가 x예요

## 2-2 창 0034 · 00:26:10–00:26:19 · 중요한 의미 차이 미발견

A가 정방행렬이고λ가스칼라라는 내용은 같고3,2 예시는 원전사의 경계바깥 부분이다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0034.m4a]]

근거 파일: [[review/audio/2-2/0034.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 알겠죠? 이런 정방렬에 해당되는 매트릭스고요. 자, 람다라는 게 들어갔는데 람다는 뭐냐면 숫자 값이에요. 3, 2, 이런 숫자 값이

2차 전사:  정방행렬에 해당되는 매트리스고요. 자, 람다라는 게 들어갔는데 람다는 뭐냐면 어떤 숫자 값이에요.

## 2-2 창 0035 · 00:26:33–00:26:40 · 자료 근거 정정 있음

두 출력 모두a를고유벡터라고 인식하여 실제정의의X로 보정한다.

![[review/audio/2-2/clips/0035.m4a]]

근거 파일: [[review/audio/2-2/0035.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 매트릭스하고 매트릭스 곱이 스칼라랑 매트릭스 곱이 되는 것 이 식을 찾으면 우리가 여기에서 a를 고위 벡터라고 부른다.

2차 전사:  곱이 스칼라랑 매트릭스 곱이 되는 것. 이 식을 찾으면 우리가 여기에서 a를 고위백토라고 합니다.

**자료·검토에 따른 정정:** AX=λX를만족하는 X≠0이 A의고유벡터, λ가고유값이다.

근거: PDF54 및 영상1544초 frame00094의 X영벡터아님,AX=λX,λ/X라벨을 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 54

[[pdf/2.1_Linear_Algebra_(2)/page-054.jpg|자료 화면 열기]]

## 2-2 창 0036 · 00:26:44–00:27:08 · 중요한 의미 차이 미발견

AX는행렬곱,λX는스칼라곱이며λI를 만들어 뺀다는 방향이 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0036.m4a]]

근거 파일: [[review/audio/2-2/0036.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 라고 이해를 하시면 되는 거예요. 자, 다시 한번 ax, lambda x 뭐가 다르다? ax는 매트릭스와 매트릭스 곱이고, lambda x는 스칼라와 매트릭스 곱이다. 그래서 이걸 갖다가 x에 대한 그 해당되는 뒤에 있는 부분을 0으로 만들려고 x에 대한 식으로 만들면 a-의 lambda가 스칼라 값이었죠. 그래서 i를 붙여주는 거예요. 만약에 lambda가 3이었어요. a는 어떤 2행 2열

2차 전사:  이해를 하시면 되는거에요. 자, 다시 한번 ax, lambda x. 뭐가 다르다? ax는 matrix와 matrix 곱이고, lambda x는 scalar와 matrix 곱이다. 그래서 이걸 갖다가 x에 대한, x에 해당되는 뒤에 있는 부분을 0으로 만들려고 x에 대한 식으로 만들면 a-의, lambda가 scalar 값이었죠. 그래서 i로 붙여준거에요. 만약에 lambda가 3이었어요. a는 어떤

## 2-2 창 0037 · 00:27:12–00:27:19 · 자료 근거 정정 있음

항등행렬에λ를 곱한다는 식을 재인식이 심하게 손상시켜 실제λI 표현으로 정리한다.

![[review/audio/2-2/clips/0037.m4a]]

근거 파일: [[review/audio/2-2/0037.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 2행, 2행 lambda에다가 이런 항등행렬을 곱해주면

2차 전사:  이행 남자에다가 이런 항등행동이 있습니다.

**자료·검토에 따른 정정:** λI(스칼라λ를항등행렬I에곱함)를만들어 A−λI를쓴다.

근거: PDF54 실제 이미지에서 (A−λI)X=0을 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 54

[[pdf/2.1_Linear_Algebra_(2)/page-054.jpg|자료 화면 열기]]

## 2-2 창 0038 · 00:27:44–00:27:53 · 중요한 의미 차이 미발견

두 표현AX와λX가 같은 변환이라는 뜻은 같다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0038.m4a]]

근거 파일: [[review/audio/2-2/0038.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 곱이라는 이 조건이 왜 그렇게 중요하길래 이렇게 우리가 많이 배워야 되고 계속 괴롭힘을 당해야 되는지에 대해서 생각을 해보면 이 두 가지에 대한 서명 변환이 동일한 의미를 갖는다.

2차 전사:  이라는 이 조건이 왜 그렇게 중요하길래 우리가 많이 배워야 되고 계속 괴롭힘을 당해야 되는지에 대해서 생각을 해보면 이 두 가지에 대한 선형 변환이

## 2-2 창 0039 · 00:30:15–00:30:30 · 중요한 의미 차이 미발견

7을인수로 빼고(2,3)을남긴다는 숫자가 두 출력에서 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0039.m4a]]

근거 파일: [[review/audio/2-2/0039.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우선은 AX에 대한 부분을 이렇게 간단하게 계산해보면 되는 거예요. 이렇게 계산해서, 계산해서, 풀어보는 것까지 제가 왜 이것까지 적어야 되나 생각하면서 해봤는데 결국은 여기까지가 도출된다면 여러분들 이거 빼낼 수 있겠죠? 인수를 7하는 걸 빼놓고 안에는 2와 3에 대한 개수만 남겨주는 겁니다.

2차 전사:  여기 이렇게 계산해서 계산해서 풀어보는 것까지 제가 왜 이것까지 적어야 되나 생각하면서 해봤는데 결국은 여기까지가 도출이 된다면 여러분들 이거 빼낼 수 있겠죠. 인수를 7라는 걸 빼놓고 안에는 2와

## 2-2 창 0040 · 00:30:33–00:30:41 · 자료 근거 정정 있음

7엡수/7x와235 열거가 손상되어 실제(2,3)→(14,21)=7X로 보정한다.

![[review/audio/2-2/clips/0040.m4a]]

근거 파일: [[review/audio/2-2/0040.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 자, 이렇게 되면 이게 2, 3이 원래 뭐였어요? 그러면 7엡수로 변신시켜주는 거예요. 2, 3, 5에 대해서

2차 전사:  232 원래 뭐였어요? 7x로 변신시켜주는 거예요 그러면 235

**자료·검토에 따른 정정:** X=(2,3)ᵀ이면 AX=(14,21)ᵀ=7X

근거: 영상1816초 frame00109의 공개된계산을 시각 확인했다. PDF56의계산답은가려져있으므로 영상근거와구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 56

[[pdf/2.1_Linear_Algebra_(2)/page-056.jpg|자료 화면 열기]]

## 2-2 창 0041 · 00:31:13–00:31:23 · 자료 근거 정정 있음

X=(3,−2)의 입력은 양쪽 같으나 재인식의3−2를스칼라뺄셈으로 읽으면안되므로 실제 열벡터로 정리한다.

![[review/audio/2-2/clips/0041.m4a]]

근거 파일: [[review/audio/2-2/0041.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 또 동일하게 고유벡터로 찾을 수가 있어요. 또 한가지 이 부분 x 만약에 3와 마이너스 2라고 봐요. 이것은 a에 대해서

2차 전사:  동일하게 고유벡터로 찾을 수가 있어요. 또 한 가지, 이 부분. x 만약에 3-2라고 해봐요. 이것은 a의 벡터입니다.

**자료·검토에 따른 정정:** X=(3,−2)ᵀ는 두 성분의 열벡터이며 AX=(8,−1)ᵀ는λX형태가 아니다.

근거: 영상1896초 frame00113의X와공개된곱결과(8,−1)를직접보았다. PDF56의답란가림과구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 56

[[pdf/2.1_Linear_Algebra_(2)/page-056.jpg|자료 화면 열기]]

## 2-2 창 0042 · 00:31:36–00:31:45 · 자료 근거 정정 있음

해당X가고유벡터가 아니어서λ를구할수없다는 부정은 같다. 고유값·고유벡터 명칭의 음절손상은 공유된다.

![[review/audio/2-2/clips/0042.m4a]]

근거 파일: [[review/audio/2-2/0042.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 할 수 있으면 저한테 연락을 주세요. 풀 수가 없어요. 그렇기 때문에 이런 부분, 이 케이스에 대해서는 우리가 고유 것과 고유 것을 찾을 수 있는 부분이 아닙니다.

2차 전사:  저한테 연락을 주세요. 풀 수가 없어요. 그렇기 때문에 이 케이스에 대해서는 우리가 고유 패턴와 고유 버스를 찾을 수 있는 부분이

**자료·검토에 따른 정정:** 예제의X=(3,−2)ᵀ는A의고유벡터가아니므로AX=λX를만족하는λ가없다.

근거: 영상1896초frame00113에AX=(8,−1)과X에대한스칼라곱표현불가를 시각확인했다. PDF56풀이가림과구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 56

[[pdf/2.1_Linear_Algebra_(2)/page-056.jpg|자료 화면 열기]]

## 2-2 창 0043 · 00:32:06–00:32:17 · 중요한 의미 차이 미발견

(2,3)에서(14,21)로7배라는 값·방향이 동일하다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0043.m4a]]

근거 파일: [[review/audio/2-2/0043.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 파란색 점으로 이동시키고 노란색 점은 노란색 점으로 이동시키는 거 이거 보시면 됩니다. 대충 갑으로 봤을 때 여러분들 이제 2, 3을 14, 21 해서 했던 예제예요. 곱해 주면 된다? 7 곱해 주면 되는 거죠.

2차 전사:  단색점으로 이동시키는 거 이거입니다. 대충 값으로 봤을 때 여러분들 이제 2, 3을 14, 21 해서 했던 예제예요. 어떻게 곱해주면 된다? 7을 곱해주면 되는 거죠.

## 2-2 창 0044 · 00:32:22–00:32:34 · 중요한 의미 차이 미발견

λ=7,X=(2,3)이라는 설명이 양쪽 같으며 시작λ문장은 창경계에 걸린다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0044.m4a]]

근거 파일: [[review/audio/2-2/0044.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 람다는 7이고 x는 2, 3이구나. 그래서 이것만 딱 봤을 때 우리는 람다와 x에 해당되는 부분을 알 수가 있다. 자 여기까지 OK. ax에 해당되는 부분은 뭘까요? ax.

2차 전사:  x는 2, 3이구나. 그래서 이것만 딱 봤을 때 람다와 x에 해당되는 부분을 알 수가 있다. 여기까지 오케이.

## 2-2 창 0045 · 00:33:36–00:33:44 · 자료 근거 정정 있음

재인식이AX를A로 누락하고scalar를color로 읽어 실제 고유값 식으로 보정한다.

![[review/audio/2-2/clips/0045.m4a]]

근거 파일: [[review/audio/2-2/0045.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 구입과 구입과 얘기하고 있으니까 ax는 lambda x다 이거는 매트리스고 lambda는 스칼라 값이다 계속 기억하다가

2차 전사:  a는 lambda x다. 이거는 매트리스고, lambda는 color 값이다. 계속 기억하다가

**자료·검토에 따른 정정:** AX=λX, λ는scalar(스칼라)

근거: PDF54 AX=λX식과 영상2017초 frame00121의 A=[[2,6],[5,3]], 고유값8예제를 시각 확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 58

[[pdf/2.1_Linear_Algebra_(2)/page-058.jpg|자료 화면 열기]]

## 2-2 창 0046 · 00:34:10–00:34:17 · 자료 근거 정정 있음

λ=8의(A−8I) 계산의 숫자열이 심하게 손상되어 실제2×2 결과로 보정한다.

![[review/audio/2-2/clips/0046.m4a]]

근거 파일: [[review/audio/2-2/0046.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 계산해주면 되는 거예요. 뒤에 항증행렬 나오고요. 8을 곱해줘서 이걸 8, 8 해가지고 l, 1, 2, y 계산을 하면은 이렇게 값이 됩니다. 자, 이 값이

2차 전사:  뒤에 항등행렬 나오고요. 8을 곱해줘서 이걸 88 해가지고 L2만 더 발사하게 계산을 하면 이렇게 값이 됩니다.

**자료·검토에 따른 정정:** A−8I=[[-6,6],[5,−5]]

근거: 영상2057초 frame00123의 공개된A−8I계산과결과행렬을 직접보았다. PDF58답란가림과구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 58

[[pdf/2.1_Linear_Algebra_(2)/page-058.jpg|자료 화면 열기]]

## 2-2 창 0047 · 00:34:21–00:34:29 · 자료 근거 정정 있음

y−6 대마이너스6는 부호 차이여서 실제−6x1+6x2=0으로 확인한다.

![[review/audio/2-2/clips/0047.m4a]]

근거 파일: [[review/audio/2-2/0047.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 x에다가 곱했을 때 0, 0이 나오면 되는 거예요. 우리 이거 어떻게 풀면 된다? y-6의 x1 플러스 6x지요.

2차 전사:  0이 나오면 되는거에요. 그러면 우리 이거 어떻게 풀면 된다? 마이너스 6의 x1 플러스 6x

**자료·검토에 따른 정정:** −6x1+6x2=0

근거: 영상2057초 frame00123의공개된두행연립식 중첫째−6x1+6x2=0을 직접보았다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 58

[[pdf/2.1_Linear_Algebra_(2)/page-058.jpg|자료 화면 열기]]

## 2-2 창 0048 · 00:34:47–00:34:57 · 자료 근거 정정 있음

하나가 아니라 여러 고유벡터가 존재한다는 부정과 결론은 같다. 고유값의 기호a는 두출력 공통오류다.

![[review/audio/2-2/clips/0048.m4a]]

근거 파일: [[review/audio/2-2/0048.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): a는 고유값에 해당하고요. 이게 매칭되는 고유벡터는 하나다? 아니다. 정말 많은 수많은 고유벡터가 존재한다.

2차 전사:  a는 고유값에 해당하고요. e의 맥칭대는 고유 백태는 하나다? 아니다. 정말 많은, 수많은 고유 백터가

**자료·검토에 따른 정정:** λ=8은고유값이며해당고유벡터는c(1,1)ᵀ,c≠0으로무수히많다.

근거: 영상2057초frame00123의고유값8과X=c[1,1],c≠0및수많은고유벡터존재를 직접보았다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 58

[[pdf/2.1_Linear_Algebra_(2)/page-058.jpg|자료 화면 열기]]

## 2-2 창 0049 · 00:35:03–00:35:17 · 자료 근거 정정 있음

특성방정식이0이면안된다는 원전사 문장을 재인식은 경계에서 잘랐다. det=0와X≠0를 구분해 자료·수학 검증으로 보정한다.

![[review/audio/2-2/clips/0049.m4a]]

근거 파일: [[review/audio/2-2/0049.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 앞에서 얘기한 대로 테르토리스 테스트 이퀘이션에서 이 해당되는 부위인 이 해당되는 부분이 우리가 디터미넌트 부윈이라고 얘기를 하는데 이 특성 방정식이 0이면 어떻게 된다? 0이면 안 된다.

2차 전사:  앞에서 얘기한 대로 테르토리스 테스트 이퀘이션에서 이 해당되는 부인 이 해당되는 부분이 우리가 determinant 부인이라고 얘기하는데 이 특성 방정식이 0이면 어떻게 된다?

**자료·검토에 따른 정정:** det(A−λI)=0이 고유값 조건이고 고유벡터X는0이면안된다.

근거: PDF59에보이는det(A−λI)=0와PDF54의영벡터아닌X를 시각확인했다. 자명해없음이라는PDF문장도오류이므로둘을구분했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 59

[[pdf/2.1_Linear_Algebra_(2)/page-059.jpg|자료 화면 열기]]

## 2-2 창 0050 · 00:36:06–00:36:26 · 자료 근거 정정 있음

8과3이라는 공통부호 오류 및2,5,6,3의행순서 손상은 실제예제행렬과 문제의8,−3으로보정한다.

![[review/audio/2-2/clips/0050.m4a]]

근거 파일: [[review/audio/2-2/0050.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): a는 이렇게 나왔을 때 이것이 8과 3에 대해서 어떻게 보면 이제 이런 맞추를 보이죠. 어떻게 보이냐? 우리가 디터미넌트에 해당되는 a-람따다 i에 대해서 0인지를 보려고 또 해당되는 2,5,6,3에 대해서 2,6,5,3이죠. 라이너스에 람바가 지금 얼마? 8.

2차 전사:  이렇게 나왔을 때 이것이 8과 3에 대해서 구해보려면 이런 마치입니다. 어떻게 구했냐? 우리가 determinant에 해당되는 a-λi에 대해서 0인치를 보려고 이 해당되는 2, 5, 6, 3에 대해서 2, 6, 5, 3이죠. 그렇죠? 다시 담다가 주물만

**자료·검토에 따른 정정:** A=[[2,6],[5,3]]의 고유값은8과−3이다.

근거: PDF59 문제문장에8과−3,A의실제배열이보인다. 영상2181초 frame00136도대조했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 59

[[pdf/2.1_Linear_Algebra_(2)/page-059.jpg|자료 화면 열기]]

## 2-2 창 0051 · 00:36:34–00:36:43 · 자료 근거 정정 있음

λ를곱한다와나눈다는 의미차이가 있어 실제λI를빼는 화면으로 정리한다.

![[review/audio/2-2/clips/0051.m4a]]

근거 파일: [[review/audio/2-2/0051.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 평등행렬 1 0 0 1 이걸 갖다가 람다로 놔둔 거고요. 이것에 대해서 각각 엘리만트과의 작이 다 빼준 겁니다. 이 값이 이렇게 나오고요. 이게 0인 것을 찾으면 되는 거예요.

2차 전사:  1을 람다 람다로 나눈거구요. 요것에 대해서 각각 element-wise-rack이 다 빼준겁니다. 값이 이렇게 나오구요. 요게 0인거죠.

**자료·검토에 따른 정정:** A−λI를 만들 때 I에λ를곱한뒤A에서뺀다.

근거: 영상2181초 frame00136의A−λI와(2−λ),(3−λ)대각원소를 직접확인했다. 나눗셈으로바꾸지않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 59

[[pdf/2.1_Linear_Algebra_(2)/page-059.jpg|자료 화면 열기]]

## 2-2 창 0052 · 00:36:46–00:37:06 · 자료 근거 정정 있음

두 출력모두마지막3의부호가손상되어 원자료의잘못된전개/결론을그대로신뢰하지않고 직접계산으로8,−3을확인한다.

![[review/audio/2-2/clips/0052.m4a]]

근거 파일: [[review/audio/2-2/0052.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그래서 우리가 이거 이거 곱하고 이거 이거 해서 이렇게 나왔고요. 이 해당되는 부분을 갖다가 람다씩로 보시면 이렇게 되고 우리가 이거 두 가지로 분대를 해주면 람다는 마이너스 8, 람다는 마이너스 3 람다는 8일 수도 있고 3일 수도 있다고 정리를 설명하겠습니다. 지금까지 여러분들이 다뤘던 건 뭐였냐면

2차 전사:  요거 요거 곱하고 요거 요거 곱해서 이렇게 나왔구요. 이 해당되는 부분을 갖다가 람다식으로 부숴면 이렇게 되고 우리가 이거 두 가지로 분대를 해주면 람다는 마이너스 8, 람다는 마이너스 3이기 때문에 람다는 8일 수도 있고, 람다는 3일 수도 있다고 정리를 하면 되겠습니다. 자, 지금까지 여러분들이 봐주셨던

**자료·검토에 따른 정정:** det(A−λI)=λ²−5λ−24=(λ−8)(λ+3), λ=8 또는−3

근거: 영상2181초 frame00136에+6과마지막3이라는오류가보이며PDF59풀이는가려져있다. AI직접전개/인수분해로보정했다.두ASR일치여도오류를그대로채택하지않는다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 59

[[pdf/2.1_Linear_Algebra_(2)/page-059.jpg|자료 화면 열기]]

## 2-2 창 0053 · 00:37:14–00:37:34 · 중요한 의미 차이 미발견

원래분산을최대한보존하며작은차원으로투영한다는 핵심은같고 후반이잘린다. 두 출력의 중요차이가 없다는 판정이며 발화·내용의 정확성 확정은 아니다.

![[review/audio/2-2/clips/0053.m4a]]

근거 파일: [[review/audio/2-2/0053.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이 고유 배터와 고유 값이 뭐길래 계속 우리가 보고 있는지 이 고유 값과 고유 배터가 결국은 다른 사람들이 여러분들이 중요한 어떤 차원, 어떤 어떤 변수들 중에서 중요한 변수를 뽑아내고 가치는 원래 분산을 최대한 유지하면서 작은 차원의 변수로 투영시킨 거나

2차 전사:  배터와 고유값이 뭐길래 계속 우리가 하고 있는지 하면은 이 고유값과 고유 배터가 결국은 여러분이 중요한 어떤 차원 어떤 어떤 변수들 중에서 중요한 변수를 뽑아내고 그 변수들이 어떤 가치 있는 원래 분산을 최대한 유지하면서 작은 차원의 어떤 변수로 좀

## 2-2 창 0054 · 00:37:41–00:37:59 · 학습 보류

N에서M의작은차원으로보낸다는방향은같으나앞m/m중복과기호혼동은미확정으로남긴다.

![[review/audio/2-2/clips/0054.m4a]]

근거 파일: [[review/audio/2-2/0054.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이런 기존에 있었던 N차원을 M차원으로 투영시켜서 학습모드를 만드는 게 유리하다면 M보다 M이 훨씬 더욱 위로로 N에서 M으로 가는데 N이 M보다 훨씬 더 큰 차원이라 더 작은 차원으로 투영시킬 때 이렇게 될 때는 훨씬 더 좋은 피처를 갖다가 적은 피처를 가지고도 학습 모델 F를 찾으려고 할 때도 필요하게 되는 거예요.

2차 전사:  차원을 조형시켜서 어떤 학습 모드를 만드는게 유리하다면 이 m보다 m이 훨씬 큰 차원으로 n에서 m으로 가는데 n이 m보다 훨씬 더 큰 차원이라 훨씬 더 작은 차원으로 조형시킬 때 이렇게 될 때는 훨씬 더 좋은 비율을 갖다가

## 2-2 창 0055 · 00:38:11–00:38:44 · 자료 근거 정정 있음

서로다른고유값의고유벡터가선형독립이라는 결론은같으나반대선형이라는공통음절손상이있다.

![[review/audio/2-2/clips/0055.m4a]]

근거 파일: [[review/audio/2-2/0055.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 뒤쪽에서 산축서 관련된 개념들을 배울 수 있습니다. 이것에 대한 기본적인 성질을 얘기해 보면 X1과 X2, XXXR이라는 모든 벡터가 되어서 행렬 A의 고유 벡터가 되고 이 대응되는 기호값이 모두 다르다 고유값이 다르다라면 이 A가 AL, A2, XXXA, AN에 해당되는 게 있었다면 그 해당되는 모든 x는 반대선형이 선형 독립이다 라고 얘기를 하는 겁니다.

2차 전사:  개념들을 배울 수 있습니다. 이것에 대한 기본적인 성질을 얘기해보겠습니다. x1과 x2, xXXX, xR이라는 모든 벡터가 행렬 a의 고유 벡터가 되고 이 대응되는 교육값이 모두 다르다면, 고유값이 다르다면 그러면 이 a가 a1, a2, ..., an에 해당되는 게 있다면 그 해당되는 모든 x는

**자료·검토에 따른 정정:** 서로다른고유값에대응하는고유벡터들은선형독립이다.

근거: PDF60첫항목의고유값모두다름⇒선형독립을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 60

[[pdf/2.1_Linear_Algebra_(2)/page-060.jpg|자료 화면 열기]]

## 2-2 창 0056 · 00:39:12–00:39:21 · 학습 보류

신발사이즈와키의영향여부에서질문/부정조건이달라진다. 선형독립과통계적독립의동일시도위험하여미확정이다.

![[review/audio/2-2/clips/0056.m4a]]

근거 파일: [[review/audio/2-2/0056.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): X2와 X3 사이에서 독립이죠. 그렇다면 다시 얘기하면 이건 키고 이건 몸무게고 이건 신발 사이즈라고 했을 때 키가 크다고 신발에 서로 영향을 주나요?

2차 전사:  3 사이에서 독립이죠. 그렇다면 다시 얘기하면 이건 키고 이건 몸무게고 이건 신발 사이즈라고 했을 때 키가 크다고 신발에 서로 영향을 주지 않으면

## 2-2 창 0057 · 00:39:50–00:39:59 · 학습 보류

직교/독립설명의정리도입은같지만그의미를정확히분리할수없는손상문장이다.

![[review/audio/2-2/clips/0057.m4a]]

근거 파일: [[review/audio/2-2/0057.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그 관측시에 대한 의미는 델타에 맡기고 이것은 X3와 X1에 대해서 충분한 그 의미가 독립적이다 라는 의미를 여기서는 서로 지키는다고 보시면 될 것 같아요. 고유각과 고유 백태에서 좀 정리하자면 다음과 같아요. 차원의 변경에 있어서 우리가 트랜스포메이션 하는 함수가 있을 때 그게 N 차원에서 M 차원으로 보내버리는 거고요.

2차 전사:  얘기했다고 보시면 될 것 같아요. 고유각과 고유백태에서 정리하자면 다음과 같아요. 사원의 변경에 있어서 우리가 트랜스포메이션을 하는

## 2-2 창 0058 · 00:40:04–00:40:12 · 자료 근거 정정 있음

U와V가같다 대V와V가같다는변수차이를실제단사조건T(u)=T(v)⇒u=v로보정한다.

![[review/audio/2-2/clips/0058.m4a]]

근거 파일: [[review/audio/2-2/0058.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 그때 U라는 어떤 배터와 V라는 배터가 있었어요. 트랜스폰시킨 이게 어떻게 된다? U와 V가 항상 같다.

2차 전사:  vector와 v라는 vector가 있었어요. 이 transform 식의 등의 이게 어떻게 된다? v와 v가 항상 같다.

**자료·검토에 따른 정정:** 단사조건은 T(u)=T(v)이면 u=v이다.

근거: PDF61 첫항목과영상2413초 frame00148의T(u)=T(v)→u=v를 시각확인했다. 모든u,v가항상같다는말과구분한다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 61

[[pdf/2.1_Linear_Algebra_(2)/page-061.jpg|자료 화면 열기]]

## 2-2 창 0059 · 00:40:33–00:40:44 · 자료 근거 정정 있음

injective를inductive로인식한용어차이는 실제단사정의로 정리한다.

![[review/audio/2-2/clips/0059.m4a]]

근거 파일: [[review/audio/2-2/0059.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이건 항상 같아이지만 가능한다. 그래서 이걸 우리가 뭐라고 얘기한다? 이 인젝티브에 대한 부분을 우리가 왜 배우는지 얘기를 했었는데 이게 해당되는 차원으로 N차원에서 M차원으로 갔다가

2차 전사:  그래서 이걸 우리가 뭐라고 얘기한다? 단사라고 부른다고 얘기를 했습니다. 이 인덕티브에 대한 부분을 우리가 왜 배웠는지 얘기를 했었는데 이게 해당되는 차원으로 n차원의...

**자료·검토에 따른 정정:** 단사(injective)

근거: PDF61 첫항목의단사(one-to-one;injective)를 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 61

[[pdf/2.1_Linear_Algebra_(2)/page-061.jpg|자료 화면 열기]]

## 2-2 창 0060 · 00:41:03–00:41:31 · 자료 근거 정정 있음

det=0일때λ를찾는다는방향은같으며 고유벡터전문어가손상되어있다.

![[review/audio/2-2/clips/0060.m4a]]

근거 파일: [[review/audio/2-2/0060.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리는 λ을 고유값, X를 고유배털이라고 부른다고 얘기를 했습니다. 우리는 이거를 특성방정식 비타민온트를 이용해서 이 값이 0일 때 람다를 찾을 수 있다고 얘기를 했고요. 만약에 이게 0이 아니다. 0이 아니면 어떻게 되는 거죠? 0이 아니면 안 되는 거죠. a-람다의 0인데 이게 0이야. 그러면 람다를 살 수가 있죠. 근데 이게 0이 아니면 어떻게 되는 거죠?

2차 전사:  coibeta라고 부른다고 얘기했습니다. 우리는 이거를 특성방정식 determinant를 이용해서 이 값이 0일 때 lambda를 찾을 수 있다고 얘기했고요. 만약에 이게 0이 아니다. 0이 아니면 어떻게 되는 거죠? 0이 아니면 안 되는 거죠. 그래서 a-lambda에 0인데 이게 0이야. 그러면 lambda를 셀 수가 있죠. 그렇죠? 근데 이게 0이 아니면

**자료·검토에 따른 정정:** 고유벡터X≠0에대해특성방정식det(A−λI)=0으로λ를구한다.

근거: PDF61의고유값정의·det(A−λI)=0항목과PDF54영벡터아닌조건을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 61

[[pdf/2.1_Linear_Algebra_(2)/page-061.jpg|자료 화면 열기]]

## 2-2 창 0061 · 00:41:42–00:41:49 · 자료 근거 정정 있음

det≠0이면X=0뿐이라는부정관계는두출력에같이유지된다.

![[review/audio/2-2/clips/0061.m4a]]

근거 파일: [[review/audio/2-2/0061.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이게 0이 아니면 x는 0이 되어야 되니까 이거는 안 되는 거예요. 상방정식에 해당되는 부분은 0이어야지만 람다를 찾을 수가 있습니다.

2차 전사:  이게 0이 아니면 x는 0이 되어야 하니까 이거는 안 됩니다. 그러면 상방정식에 해당되는 부분은

**자료·검토에 따른 정정:** 특성방정식은det(A−λI)=0이며,det≠0이면해는X=0뿐이라고유벡터가될수없다.

근거: PDF61의특성방정식과PDF54영벡터배제조건을 실제이미지에서확인하고AI수학검증으로조건의방향을정리했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 61

[[pdf/2.1_Linear_Algebra_(2)/page-061.jpg|자료 화면 열기]]

## 2-2 창 0062 · 00:42:44–00:43:05 · 자료 근거 정정 있음

두출력모두서로다른고유값이면직교한다고조건없이인식한다. 두출력일치가정확성증거가아니며대칭조건을보완한다.

![[review/audio/2-2/clips/0062.m4a]]

근거 파일: [[review/audio/2-2/0062.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 고유값에 대한 고유 베터들 서로 다른 란다 값을 가지는 경우 해당되는 고유 베터들 x들이 서로 독립적이고 직교한다고 얘기를 할 수가 있습니다. 보기 힘드니까 소리가 좀 작아졌는데요 우선 정리를 하자면 데이터를 다루고 학습모델을 만드는 데 수학이 필요한 이유는

2차 전사:  고유값에 대한 고유 배터들, 서로 다른 란다 값을 가지는 경우 해당되는 고유 배터들 액들이 서로 독립적이고 직교한다고 얘기를 할 수가 있습니다. 보기 힘드니까 갈수록 소리가 작아졌는데요. 우선 정리를 하자면 데이터를 다루고

**자료·검토에 따른 정정:** 서로다른고유값의고유벡터는선형독립이다. 실대칭행렬이면직교한다.

근거: PDF60은대칭행렬조건을명시하지만PDF61요약과영상2573초 frame00156은조건을누락한다. AI반례A=[[4,2],[3,5]],벡터(2,3),(-1,1)의내적1도검증했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 60

[[pdf/2.1_Linear_Algebra_(2)/page-060.jpg|자료 화면 열기]]

## 2-2 창 0063 · 00:43:08–00:43:30 · 자료 근거 정정 있음

벡터화·형변환·선형대수·기저이론과통계확률이라는Summary와전문어가어긋나표시된항목으로보정한다.

![[review/audio/2-2/clips/0063.m4a]]

근거 파일: [[review/audio/2-2/0063.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 우리가 데이터를 전철이라고 노테이션으로 만들어주고 이것에 대해서 어떤 통변환 또는 차원이동들을 다루기 위해서 사용 대수를 배우게 되는 거예요 학습모델의 기저에 이론과 수론을 기저라는 건 베이시스라고 얘기할 수 있겠고요 어떤 기본인 이론에는 통계 확률이 같이 들어가니까 꼭 배워야 되고요. 확률 모델 적합을 위해서는 적합이라 한 부분은 트레이닝이에요.

2차 전사:  데이터를 전철이라고 notation으로 만들어주고 이것에 대해서 어떤 통변환 또는 차원이동들을 다루기 위해서 형제수를 배우게 되는 거예요 학습모델의 기저의 이론과 추론을 기저라는 것은 basis라고 얘기할 수 있고요 기본은 이론에는 통계 확률이 들어가니까 꼭 배워야 되고요 확률모델 덕합을 위해서는

**자료·검토에 따른 정정:** 벡터화·형변환에는선형대수,학습모델기저이론·추론에는통계와확률을배운다.

근거: PDF62 Summary의두문장과벡터화/형변환/선형대수/통계확률라벨을 시각확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 62

[[pdf/2.1_Linear_Algebra_(2)/page-062.jpg|자료 화면 열기]]

## 2-2 창 0064 · 00:43:42–00:43:53 · 자료 근거 정정 있음

선형대수와가우스소거법명칭을원전사에서손상시켜 실제Summary항목으로정리한다.

![[review/audio/2-2/clips/0064.m4a]]

근거 파일: [[review/audio/2-2/0064.json]]

원전사(문맥을 위해 창 밖 인접 세그먼트가 포함될 수 있음): 이번 탭에서는 아래와 같이 선형 개수에 대해서 알아봤고요. 집합과 행렬, 선형 방정 직기 무엇인지, 연립선형 방정은 또 무엇인지, 또 이제 리테스트 가수서 고법도 입혀왔고요.

2차 전사:  이번 테스트에서는 아래와 같이 선형대수에 대해서 알아봤고요. 집합과 행렬, 선형방정 측이 무엇인지, 연립선형방정은 또 무엇인지, 가우스소골법,

**자료·검토에 따른 정정:** 선형대수:집합/행렬,선형방정식,가우스소거법,투영,고유벡터와고유값

근거: PDF62 Summary의다섯항목을 실제이미지에서확인했다.

자료: 2.1_Linear_Algebra_(2) · 물리 페이지/슬라이드 62

[[pdf/2.1_Linear_Algebra_(2)/page-062.jpg|자료 화면 열기]]