MATRIX VECTOR Meaning in Thai - translations and usage examples

• เมทริกซ์กับเวกเตอร์

Examples of using Matrix vector in English and their translations into Thai

Some matrix vector product.
เมทริกซ์คูณกับเวกเตอร์

Now, can we take this matrix vector product?
ทีนี้, เราหาผลคูณเมทริกซ์กับเวกเตอร์นี่ได้ไหม?

Matrix Vector multiplication.
การคูณเมทริกซ์เวกเตอร์

This is the matrix vector multiplication.
นี่คือการคูณเมทริกซ์กับเวกเตอร์

This comes out of our definition of matrix vector products.
นี่ก็คือนิยามการคูณเมทริกซ์กับเวกเตอร์

So each of these matrix vector products are well-defined.
ดังนั้นผลคูณเมทริกซ์กับเวกเตอร์ทั้งหมดนี้นิยามไว้ดีแล้ว

All linear transformations can be a matrix vector product.
การแปลงเชิงเส้นทุกอย่างคือผลคูณเมทริกซ์กับเวกเตอร์

That was from our definition of matrix vector multiplication, this is just a bunch of column vectors a1 through a5, I drew it up here.
นั่นมาจากนิยามของการคูณเมทริกซ์กับเวกเตอร์, นี่ก็แต่เวกเตอร์คอลัมน์หลายๆ ตัว, a1ถึงa5,เขียนมันบนนี้

It can be represented by a matrix vector product.
มันสามารถแทนได้ด้วยการคูณเมทริกซ์กับเวกเตอร์

Remember, even though I have a matrix vector product right here, when I multiply a matrix times this vector, it will result in another vector..
จำไว้, แม้ว่าผมมีผลคูณเมทริกซ์กับเวกเตอร์นี่ตรงนี้, เมื่อผมคูณเมทริกซ์กับเวกเตอร์นี้, มันจะได้ผลเป็นเวกเตอร์อีกตัวหนึ่ง

You could view this as a matrix vector product.
คุณสามารถมองนี่เป็นผลคูณเมทริกซ์กับเวกเตอร์ได้

I think you're pretty familiar with the idea of matrix vector products and what I want to do in this video is show you that taking a product of a vector with a matrix is equivalent to a transformation.
ผมว่าคุณคงคุ้นเคยกับแนวคิดเรื่องการคูณเมทริกซ์กับเวกเตอร์แล้วและสิ่งที่ผมอยากทำในวิดีโอนี้คือแสดงให้คุณเห็นว่าการคูณเวกเตอร์เข้ากับเมทริกซ์นั้นเทียบได้

I'm just doing the definition of matrix vector multiplication.
ผมแค่ทำตามนิยามการคูณเมทริกซ์กับเวกเตอร์

This, by the definition of matrix vector multiplication is equal to x1 times v1.
นี่, ตามนิยามการคูณเมทริกซ์กับเวกเตอร์มันเท่ากับx1คูณv1

So that's going to be the first entry in this matrix vector product.
มันจะเป็นค่าแรกในผลคูณเมทริกซ์กับเวกเตอร์นี่

But it's very easy to prove just using the definition of matrix vector multiplication, that matrix vector multiplication does display the distributive property.
แต่มันพิสุจน์ได้ง่ายแค่ใช้นิยามการคูณเมทริกซ์กับเวกเตอร์, ว่าการคูณเมทริกซ์กับเวกเตอร์มีสมบัติการกระจาย

This just comes straight out of our definition of matrix vector products.
อันนี้มาจากนิยามการคูณเมทริกซ์กับเวกเตอร์โดยตรง

Now, if T has to be onto, that means that Ax, this matrix vector product, has to be equal to any member of our co-domain can be reached by multiplying our matrix A by some member of our domain.
ทีนี้, ถ้าTนั้นทั่วถึง, นั่นหมายความว่าAx, ผลคูณเมทริกซ์กับเวกเตอร์นี้, ต้องเท่ากับสมาชิกใดๆในโคโดเมนมันเข้าถึงได้ด้วยการคูณเมทริกซ์Aกับ

And we just figured out what the matrix vector product is.
และเราหาไปว่าผลคูณเวกเตอร์กับเมทริกซ์คืออะไร

We have seen in a previous video that any linear transformation can be represented as a matrix vector product.
เราเห็นในวิดีโอก่อนแล้วว่าการแปลงเชิงเส้นสามารถแทนได้ด้วยเมทริกซ์คูณเวกเตอร์

This was by definition of a matrix vector multiplication.
นี่ก็คือนิยามของการคูณเมทริกซ์เวกเตอร์

And any linear transformation you could actually represent as a matrix vector product.
การแปลงเชิงเส้นใดๆคุณสามารถแทนมันได้ด้วยผลคูณเมทริกซ์กับเวกเตอร์

So when we distribute the matrix vector product, you get.
เมื่อเรากระจายผลคูณเมทริกซ์กับเวกเตอร์, คุณจะได้

Because now we know that T-inverse can be represented as a matrix vector product.
เพราะตอนนี้เรารู้ว่าT-อินเวอร์สสามารถแทนได้ด้วยผลคูณเมทริกซ์กับเวกเตอร์

And if the transformation is equal to some matrix times some vector, and we know that any linear transformation can be written as a matrix vector product, then the kernel of T is the same thing as the null space of A.
และถ้าการแปลงนี้เท่ากับการคูณเมทริกซ์ตัวหนึ่งกับเวกเตอร์, และเรารู้ว่าการแปลงเชิงเส้นใดๆสามารถเขียนได้ด้วยผลคูณเมทริกซ์กับเวกเตอร์, แล้วเคอร์เนลของT

Now, I just told you that I can represent this transformation as a matrix vector product.
ทีนี้, ผมเพิ่งบอกคุณว่าสามารถเขียนการแปลงนี้เป็นผลคูณของเมทริกซ์กับเวกเตอร์

It's a very handy way of thinking about matrix vector products.
มันเป็นวิธีที่สะดวกในการคิดถึงการคูณเมทริกซ์กับเวกเตอร์

But anyway, back to our attempt to represent this transformation as a matrix vector product.
แต่ช่างเถอะ, กลับมาที่ความพยายามแสดงการแปลงนี่เป็นผลคูณเมทริกซ์กับเวกเตอร์กัน

So this number right here has to be the same as that number in order for the matrix vector multiplication to be valid.
ดังนั้นเลขนี่ตรงนี้ต้องเท่ากับเลขนั้นเพื่อให้การคูณเมทริกซ์กับเวกเตอร์ใช้ได้

We have more columns here than entries here, so we have never defined a matrix vector product like this.
เรามีคอลัมน์ตรงนี้มากกว่าค่าตรงนี้, เราจึงไม่สามารถนิยามผลคูณเมทริกซ์กับเวกเตอร์แบบนี้ได้