코드를 읽고 설명하면, 합격합니다
이 레슨과 관련된 학습 키워드
인공지능 수학 — AI를 떠받치는 수학적 기초 → 선형대수
행렬 분해(Matrix Decomposition)는 복잡한 행렬을 더 단순한 행렬들의 곱으로 나누는 것입니다.
왜 분해하는가:
일상적 비유:
10자리 수의 곱셈은 어렵지만, 소인수분해하면 각 소수의 곱으로 쉽게 관리 가능. 행렬도 마찬가지로 "인수분해"하면 다루기 쉬워집니다.
주요 분해 방법:
핵심: 행렬 분해는 "올바른 관점으로 행렬을 보기"입니다. 같은 행렬이라도 어떻게 분해하느냐에 따라 다른 정보가 드러납니다.
참고 문헌: Strang (2019) — Linear Algebra and Its Applications
여러분, 오늘은 행렬 분해라는 아주 중요한 주제를 배워볼 거예요.
행렬 분해란, 복잡한 행렬 하나를 더 단순한 행렬 여러 개의 곱으로 쪼개는 것이에요.
왜 이런 걸 할까요? 큰 행렬을 직접 다루면 계산이 비싸고, 수치적으로도 불안정하기 때문이에요.
예를 들어, 역행렬을 직접 구하면 시간 복잡도가 O(n³)이고, 작은 오차가 결과를 크게 바꿔요.
하지만 행렬을 분해하면 각 부분이 직교, 삼각, 대각 같은 특별한 성질을 갖게 돼요.
이 성질 덕분에 계산이 빠르고 안정적이 되는 거예요.
그림 왼쪽 아래를 보세요. 소인수분해 비유가 있어요.
1260이라는 큰 수를 2의 제곱, 3의 제곱, 5, 7로 나누면 관리가 쉬워지죠?
행렬도 마찬가지예요. 인수분해하면 훨씬 다루기 쉬워져요.
그림 위쪽을 보시면 대표적인 분해 방법 네 가지가 나와 있어요.
파란 상자의 LU 분해는 연립방정식을 빠르게 풀 때 사용해요.
빨간 상자의 QR 분해는 직교 행렬을 활용해서 최소제곱법에 뛰어난 안정성을 보여줘요.
초록 상자의 에스브이디는 가장 범용적이에요. 압축, 추천 시스템, 피시에이에 모두 사용돼요.
보라색 상자의 촐레스키는 대칭 양정치 행렬 전용인데, 에스브이디보다 6배나 빨라요.
오른쪽 아래를 보시면 엔엠에프도 있어요. 비음수 조건이 있어서 토픽 모델링에 유리해요.
중요한 건, 같은 행렬이라도 어떻게 분해하느냐에 따라 서로 다른 정보가 드러난다는 거예요.
그래서 행렬 분해는 올바른 관점으로 행렬을 바라보는 것이라고 할 수 있어요.
스트랭 교수의 선형대수 교과서에서도 행렬 분해를 핵심 개념으로 다루고 있어요.
가장 아래 파란 강조 상자를 보세요. 상황에 맞는 분해 선택이 핵심 역량이에요.
이번 레슨에서 각 분해 방법의 원리와 실전 활용을 하나씩 깊이 있게 살펴볼 거예요.