Forelesningsnotater SIF8039/ Grafisk databehandling

Størrelse: px
Begynne med side:

Download "Forelesningsnotater SIF8039/ Grafisk databehandling"

Transkript

1 Forelesningsnotater SIF839/ Grafisk databehandling Notater til forelesninger over: Kapittel 4: Geometric Objects and ransformations i: Edward Angel: Interactive Computer Graphics Vårsemesteret 22 orbjørn Hallgren Institutt for datateknikk og informasjonsvitenskap Norges teknisk-naturvitenskapelige universitet

2 Geometriske transformasjoner Fltting og endring av objekter modellert i egne koordinatsstemer Sette sammen objekter av delobjekter Endring av koordinatsstem Også kalt: Modelleringstransformasjoner Koordinattransformasjoner 2

3 Plan Basistransformasjonene Problem: Konstatere problem Løse problemet Basistransformasjonene på ntt Rotasjoner rundt vilkårlig akse Stoff for mer enn en dobbelttime 3

4 Geometriske transformasjoner Skalering Rotasjon Basistransformasjoner ranslasjon Skjærtransformasjoner Refleksjon 4

5 Skalering 2 3 Skalering relativt origo. Referansepunkt: origo 5

6 6 Skalering retningen i skalering retningen i skalering retningen i skalering På matriseform:

7 Rotasjon Rotasjonsvinkel: Rotasjon i planet om origo. Referansepunkt: origo 7

8 8 Rotasjon Ser på rotasjon av ett punkt: φ ρ ρ cos sin cos sin sin cos sin cos sin sin cos cos sin cos sin cos φ ρ φ ρ φ ρ φ ρ φ ρ φ ρ φ ρ φ ρ

9 9 Rotasjon På matriseform: cos sin sin cos Rotasjon i --planet kan sees på som rotasjon om -aksen med konstant. I 3D blir da matriseformen: cos sin sin cos

10 Rotasjon På samme måte: rotasjon om -aksen: cos sin sin cos Rotasjon om -aksen: cos sin sin cos

11 Rotasjon Sklisk ombtting som grunnlag for rotasjonsmatrisene om - og -aksene: -> -> -> -> -> -> -> -> ->

12 Rotasjon Enhver rotasjon kan sees på som sammensatt av en rotasjon om hver av koordinataksene. 2

13 ranslasjon 3

14 4 ranslasjon På vektorform: + PROBLEM: lar seg ikke skrive på matriseform ved hjelp av en 33-matrise!!

15 Affine rom Ved hjelp av homogene koordinater: Hjelper oss å skille mellom de geometriske entitetene: punkt og vektorer Ordner opp med translasjons-problemet 5

16 Punkt og vektorer -Punkt er steder i rommet -Vektorer har lengde og retning men er IKKE stedfestet 6

17 Koordinatsstemer e Et koordinatsstem er et vektorrom spent ut av en basis bestående av tre ortonormale enhetsvektorer. e e For å kunne angi koordinater har vi i tillegg et origo 7

18 Vektorrom En mengde av vektorer med gldige operasjoner: addisjon skalar multiplikasjon og med følgende egenskaper: u + v v + u kommutativ u + v + w u + v + w assosiativ u + u nullvektor a + -a ß u + v ß u + ß v distributiv ß + µ u ß u + µ u distributiv ß µ u ß µ u assosiativ u u u v og w er vektorer. ß og µ er skalarer 8

19 Vektorrom og affine rom Vektorrom: Vektorrom av dimensjon n har en basis bestående av n lineært uavhengige vektorer: v v 2 v 3 v n Affine rom: For affine rom inngår i tillegg et referanse-punkt slik at basis blir: v v 2 v 3 v n P 9

20 Affine rom illeggsegenskap for affine rom: v P - Q punkt-punkt subtraksjon gir en vektor Q v + P vektor-punkt sum gir et punkt Begrepet koordinatsstem erstattes med begrepet frame 2

21 Affine rom Vektorer i det affine rommet: v v + 2v2 + K+ nvn + P med representasjonen : [ K ] v 2 n 2

22 Affine rom Punkt i det affine rommet: P v + 2v2 + K+ nvn + P med representasjonen : [ K ] p 2 n 22

23 Homogene koordinater Punkt: Vektorer: p v δ δ δ 23

24 24 Skalering retningen i skalering retningen i skalering retningen i skalering P S P S På matriseform med homogene koordinater:

25 Rotasjon Rotasjon av et punkt om - aksen : cos sin + sin cos 25

26 26 Rotasjon Om -aksen på matriseform i homogene koordinater: P R P R cos sin sin cos

27 27 Rotasjon Rotasjon om -aksen i homogene koordinater: P R P R cos sin sin cos Rotasjon om -aksen i homogene koordinater: P R P R cos sin sin cos

28 28 ranslasjon På matriseform i homogene koordinater: P P Vi har løst problemet!!

29 29 Egenskaper ved skalering Invers transformasjon: o skaleringer etter hverandre: S S res S S S S

30 Egenskaper ved rotasjon Invers transformasjon: Ri Ri i eller o rotasjoner om samme akse etter hverandre: R res Ri i 2 Ri R + 2 Ortogonalitet: R i R i 3

31 3 Egenskaper ved translasjon Invers transformasjon: o translasjoner etter hverandre: res + + +

32 Rotasjon om punkt utenfor origo Rotasjonsakse parallell med -aksen. ranslere slik at rotasjonsaksen faller langs -aksen 2. Rotere 3. ranslere tilbake 32

33 Konkatenering Sammenslåing av transformasjoner Eks.: punktet p gjennomgår transformasjonene A B og C i nevnte rekkefølge: p Ap p Bp BAp p Cp CBAp Resultattransformasjon: MCBA RANSFORMASJONENE KONKAENERES I MOSA REKKEFØLGE I FORHOLD IL REKKEFØLGEN DE UFØRES I 33

34 Rotasjon om vilkårlig akse Q P Rotere vinkelen ß om aksen gjennom punktene P og Q 34

35 Rotasjon om vilkårlig akse Plan:. ranslere slik at Q faller i origo 2. Svinge rotasjonsaksen inn i --planet 3. Svinge rotasjonsaksen slik at den faller sammen med -aksen 4. Rotere vinkelen ß om -aksen 5. Invers av 3 6. Invers av 2 7. Invers av 35

36 Rotasjon om vilkårlig akse Q P Retningsvinkler: og φ φ φ φ Q φ φ Steg - translasjon av rotasjonsaksen 36

37 37 Rotasjon om vilkårlig akse Nttig for fremtidig bruk - enhetsvektor i rotasjonsakseretningen: Q P u Vektor i retningen: Enhetsvektor: u u v

38 38 Rotasjon om vilkårlig akse cos cos cos Q P Q P Q P Q P Q P Q P u u u u φ φ φ + + retningskosinuser

39 39 Rotasjon om vilkårlig akse Q Steg 2 - svinge rotasjonsaksen inn i --planet v d γ Rotasjon : cos sin 2 2 γ γ γ R d d d +

40 Rotasjon om vilkårlig akse OBS! ϕ slik den er merket representere negativ rotasjonsretning d ϕ v sin ϕ v d cos ϕ v d Rotasjon : R ϕ Steg 3 - svinge rotasjonsaksen slik at den faller sammen med -aksen 4

41 4 Rotasjon om vilkårlig akse ransformasjonene for stegen og 2 blir etter dette: : 2 : d d d d R Steg Steg Q Q Q Q Q Q γ

42 42 Rotasjon om vilkårlig akse ransformasjonene for stegen 3 og 4 blir etter dette: cos sin sin cos : 4 : 3 ϕ R Steg d d R Steg

43 43 Rotasjon om vilkårlig akse Den fullstendige transformasjonen blir: Q Q Q Q Q Q R R R R R M γ ϕ ϕ γ

44 Basistransformasjonene Enhver kombinasjon av basistransformasjonene resulterer i en transformasjonsmatrise av formen: M Affine transformasjoner Affine transformasjoner bevarer parallellitet alle tre basistransformasjonene Stive transformasjoner bevarer i tillegg størrelse og vinkler rotasjon og translasjon 44

45 Skifte av koordinatsstem n u v Kjenner koordinatene i -sstemet. Søker koordinatene i uvn-sstemet: P uvn M uvn<- P 45

46 Skifte av koordinatsstem Ser på uvn-sstemet som et objekt skapt i sstemet med akser sammenfallende med sstemets akser ransformasjon til nåværende posisjon med matrisen M Referansen til et punkt i uvn-objektet i sin endelige posisjon referert til -sstem: [ ] som tilsvarer P Referansen til det samme punktet i sin opprinnelige posisjon i -sstemet: [ ] [ u v n ] som tilsvarer P uvn 46

47 Skifte av koordinatsstem Vi får: P M P uvn P uvn M - P M uvn<- M - Konklusjonen er: Matrisen for transformasjon av koordinater i -sstemet til koordinater i uvn-sstemet kommer fram av den transformasjonen som skal til for at uvn-sstemet flttes slik at dets akser faller sammen med -sstemets 47

48 Ortogonale matriser Definisjon av ortogonal matrise: M M eorem: En reell kvadratisk matrise er ortogonal hvis og bare hvis kolonnevektorene og radvektorene hver for seg danner ortonormale sstemer 48

49 49 Ortogonale matriser Rotasjonsmatrisen: Kan vise dette for rene rotasjonsmatriser generelt er ortogonal cos sin sin cos cos sin sin cos R R R R R R R

50 5 Ortogonale matriser [ ] [ ] [ ] Bgger matrisen : : - koordinatsstemet referet til Gitt et sstem av ortonormale enhetsvektorer med komponenter n n n v v v u u u M n n n n v v v v u u u u Dette koordinatsstemet kan være ett som er forankret på en intelligent måte i vårt objekt som skal roteres

51 Ortogonale matriser v Q u n P Rotere vinkelen ß om aksen gjennom punktene P og Q Vesentlig: En av enhetsvektorene legges langs rotasjonsaksen. De to andre enhetsvektorene kan velges fritt slik det er mest hensiktsmessig så lenge de tre danner et ortonormalt sstem 5

52 Ortogonale matriser Bruker matrisen på hver av deortonormale vektorene : Mu Mv Mn [ u u v u n u ] [ ] [ u v v v n v ] [ ] [ u n v n n n ] [ ] De ortogonale enhetsvektorene er rotert til å sammen med hver sin akse i - sstemet falle Rotasjonsaksen vil nå ligge langs en av koordinataksene langs -aksen dersom enhetsvektoren u ble lagt langs rotasjonsaksen 52

53 53 Ortogonale matriser [ ] [ ] [ ] [ ] [ ] [ ] dette tilfelle :det opprinnelige i fikk et ntt sstem av ortonormale enhetsvektorer Vi : -sstemet i hver av de normaliserte akseenhetsvektorene og bruker den på danner den inverse matrisen : Vi n n n n M v v v v M u u u u M n v u n v u n v u M Sstemet av ortonormale vektorer er tilbake på sin opprinnelige plass. Rotasjonen er fullført

TDT4195 Bildeteknikk

TDT4195 Bildeteknikk TDT495 Bildeteknikk Grafikk Vår 29 Forelesning 5 Jo Skjermo Jo.skjermo@idi.ntnu.no Department of Computer And Information Science Jo Skjermo, TDT423 Visualisering 2 TDT495 Forrige gang Attributter til

Detaljer

Forelesningsnotater SIF8039/ Grafisk databehandling

Forelesningsnotater SIF8039/ Grafisk databehandling Forelesningsnotater SIF839/ Grafisk databehandling Notater til elesninger over: Kapittel 5: Viewing i: Edward Angel: Interactive Computer Graphics Vårsemesteret 22 Torbjørn Hallgren Institutt datateknikk

Detaljer

TDT4195 Bildeteknikk

TDT4195 Bildeteknikk D495 Bildtknikk Grafikk Vår 9 Forlsning 6 Jo Skjrmo Jo.skjrmo@idi.ntn.no Dpartmnt of Comptr And Information Scinc Jo Skjrmo D495 Bildtknikk D495 Forrig gang Gomtrisk transformasjonr dl Basistransformasjonr

Detaljer

Emne 10 Litt mer om matriser, noen anvendelser

Emne 10 Litt mer om matriser, noen anvendelser Emne 10 Litt mer om matriser, noen anvendelser (Reelle) ortogonale matriser La A være en reell, kvadratisk matrise, dvs. en (n n)-matrise hvor hvert element Da vil A være ortogonal dersom: og Med menes

Detaljer

Kap. 6 Ortogonalitet og minste kvadrater

Kap. 6 Ortogonalitet og minste kvadrater Kap. 6 Ortogonalitet og minste kvadrater IR n er mer enn bare et vektorrom: den har et naturlig indreprodukt, nemlig prikkproduktet av vektorer. Dette indreproduktet gjør det mulig å tenke geometrisk og

Detaljer

GENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type

GENERELLE VEKTORROM. Hittil har vi bare snakket om vektorrom av type Emne 8 GENERELLE VEKTORROM Hittil har vi bare snakket om vektorrom av type og underrom av dette. Vi definerte en mengde V som et underrom av hvis det inneholdt og var lukket under addisjon og skalar multiplikasjon.

Detaljer

MAT1120 Repetisjon Kap. 1

MAT1120 Repetisjon Kap. 1 MAT1120 Repetisjon Kap. 1 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Idag skal vi repetere fra kap. 1 i Lays bok. Det handler bl.a. om : Matriser Vektorer

Detaljer

a. Hva er de inverse transformasjonene avfølgende tre transformasjoner T, R og S: θ θ sin( ) cos( ) Fasit: 1 s x cos( θ) sin( θ) 0 0 y y z

a. Hva er de inverse transformasjonene avfølgende tre transformasjoner T, R og S: θ θ sin( ) cos( ) Fasit: 1 s x cos( θ) sin( θ) 0 0 y y z Kommentar: Svar kort og konsist. Husk at eksamen har tre oppgaver. Poengene for hver (del-) oppgave bør gi en indikasjon på hvor me tid som bør benttes per oppgave. Oppgave 1: Forskjellige emner (40 poeng)

Detaljer

Emne 6. Lineære transformasjoner. Del 1

Emne 6. Lineære transformasjoner. Del 1 Emne 6. Lineære transformasjoner. Del 1 Lineære transformasjoner kan sammenliknes med vanlig funksjonslære. X x 1 x 2 x 3 f Y Gitt to tallmengder X og Y. y 1 En funksjon f er her en regel som y 2 knytter

Detaljer

Oppgavesett. Kapittel Oppgavesett 1

Oppgavesett. Kapittel Oppgavesett 1 Kapittel 9 Oppgavesett Dette kapitlet består av fire oppgavesett med oppgaver fra alle deler av kompendiet. 9. Oppgavesett Oppgave. Et dynamisk system er gitt ved x n+ = M x n der M er -matrisen.6.. M

Detaljer

15 Hovedprinsippet for vektorrom med et indre produkt

15 Hovedprinsippet for vektorrom med et indre produkt Hovedprinsippet for vektorrom med et indre produkt La oss minne Hovedprinsippet (Seksjon 8.): Alle (endelig dimensjonale dvs. de som har en endelig basis) vektorrom kan beskrives som R n der n dim V. Alle

Detaljer

Lineærtransformasjoner

Lineærtransformasjoner Kapittel 8 Lineærtransformasjoner I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige

Detaljer

Oppgaver MAT2500. Fredrik Meyer. 29. august 2014

Oppgaver MAT2500. Fredrik Meyer. 29. august 2014 Oppgaver MAT500 Fredrik Meyer 9. august 04 Oppgave. Bruk cosinus-setningen til å se at definisjonen av vinkel i planet blir riktig. Løsning. Dette er en litt rar oppgave. Husk at cosinus-setningen sier

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF5009 MATEMATIKK 3 Bokmål Man

Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side 1 av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF5009 MATEMATIKK 3 Bokmål Man Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 7 L SNINGSFORSLAG TIL EKSAMEN I SIF59 MATEMATIKK Bokmål Mandag. desember Oppgave a) Karakteristisk polynom er + = ;

Detaljer

16 Ortogonal diagonalisering

16 Ortogonal diagonalisering Ortogonal diagonalisering Ortogonale matriser Definisjon (Def 7) En n n matrise A kalles ortogonal dersom den er invertibel og A A T Denne betingelsen er ekvivalent til at der I n er n n identitesmatrisen

Detaljer

Norges Informasjonstekonlogiske Høgskole

Norges Informasjonstekonlogiske Høgskole Oppgavesettet består av 9 (ni) sider. Norges Informasjonstekonlogiske Høgskole RF5100 Lineær algebra Side 1 av 9 Tillatte hjelpemidler: Kalkulator, vedlagt formelark Varighet: 3 timer Dato: 11.desember

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. De kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

5.8 Iterative estimater på egenverdier

5.8 Iterative estimater på egenverdier 5.8 Iterative estimater på egenverdier Det finnes ingen eksplisitt formel for beregning av egenverdiene til en kvadratisk matrise. Iterative metoder som finner (ofte) en (meget god) approksimasjon til

Detaljer

Seksjonene : Vektorer

Seksjonene : Vektorer Seksjonene 10.2-3: Vektorer Andreas Leopold Knutsen 22. mars 2010 Vektorer i R 3 Vektor = objekt med både størrelse (lengde) og retning. Lengden til en vektor v betegnes med v Nullvektoren 0 er vektoren

Detaljer

Løsningsforslag øving 6

Løsningsforslag øving 6 Løsningsforslag øving 6 7 Husk Teorem 79 i notatet: En delmengde U av et vektorrom V er et underrom hvis ) nullvektoren er i U, ) summen av to vektorer i U er i U igjen, og 3) et skalarmultiplum av en

Detaljer

Seksjonene : Vektorer

Seksjonene : Vektorer Seksjonene 10.2-3: Vektorer Andreas Leopold Knutsen 22. mars 2010 Vektorer i R 3 Vektor = objekt med både størrelse (lengde) og retning. Lengden til en vektor v betegnes med v Nullvektoren 0 er vektoren

Detaljer

FASIT OG TIPS til Rinvold: Visuelle perspektiv. Lineær algebra. Caspar forlag, 1.utgave 2003 og 2.opplag 2004.

FASIT OG TIPS til Rinvold: Visuelle perspektiv. Lineær algebra. Caspar forlag, 1.utgave 2003 og 2.opplag 2004. FAIT OG TIP til Rinvold: Visuelle perspektiv. Lineær algebra. Caspar forlag,.utgave og.opplag. Versjon..9. Det er ikke tatt med svar på alle oppgaver. Denne fasiten vil bli oppdatert etter hvert. Oppdager

Detaljer

4.1 Vektorrom og underrom

4.1 Vektorrom og underrom 4.1 Vektorrom og underrom Vektorrom er en abstraksjon av R n. Kan brukes til å utlede egenskaper, resultater og metoder for tilsynelatende svært ulike klasser av objekter : n-tupler, følger, funksjoner,

Detaljer

Oppgave 1 (25 %) - Flervalgsoppgaver

Oppgave 1 (25 %) - Flervalgsoppgaver Oppgaver og løsningsforslag for 4t eksamen 10.mai 006 i LO510D Lineær algebra med grafiske anvendelser. Fra og med oppgave skal alle svar begrunnes. Oppgave 1 (5 %) - Flervalgsoppgaver Denne oppgaven består

Detaljer

8 Vektorrom TMA4110 høsten 2018

8 Vektorrom TMA4110 høsten 2018 8 Vektorrom TMA4 høsten 8 I de foregående kapitlene har vi tatt en lang vandring gjennom den lineære algebraens jungel. Nå skal vi gå opp på en fjelltopp og skue ut over landskapet vi har vandret gjennom.

Detaljer

MA1201/MA6201 Høsten 2016

MA1201/MA6201 Høsten 2016 MA/MA6 Høsten 6 Norges teknisk naturvitenskapelige universitet Institutt for matematikk Løsningsforslag Øving Med forebehold om feil. Hvis du finner en, ta kontakt med Karin. Kapittel 6. a) Stemmer. Anta

Detaljer

=,,,,, = det( A) a a a a a a a a a a + a a 0 1. a11 a12 a22 a12 a11 a22 a12 a21 a11a12 + a12 a11

=,,,,, = det( A) a a a a a a a a a a + a a 0 1. a11 a12 a22 a12 a11 a22 a12 a21 a11a12 + a12 a11 3.3 Oppgaver 3.3.1 1 2 3 1 2 3 2 0 1.La A,,,,, 3 4 B 2 1 C 0 1 a -1 b 1 c 2 Regn ut (a) A a, (b) B b, (c) C c, (d) A B, (e) A B C ( a) ( c) ( e) ( f ) 1-2 2 1 2 + ( 2) ( 1) 4 A a 3 4 1 3 2 + 4 ( 1 ( b)

Detaljer

MAT1120 Repetisjon Kap. 1, 2 og 3

MAT1120 Repetisjon Kap. 1, 2 og 3 MAT1120 Repetisjon Kap. 1, 2 og 3 Kap. 1, avsn. 2.1-2.3 og kap. 3 i Lays bok er for det meste kjent fra MAT1100 og MAT1110. Fra kap. 1 repeterer vi: Matriser Vektorer og lineære kombinasjoner Lineæravbildninger

Detaljer

Matriser. Kapittel 4. Definisjoner og notasjon

Matriser. Kapittel 4. Definisjoner og notasjon Kapittel Matriser Vi har lært å løse et lineært ligningssystem ved å sette opp totalmatrisen til systemet gausseliminere den ved hjelp av radoperasjoner på matrisen Vi skal nå se nærmere på egenskaper

Detaljer

5.5 Komplekse egenverdier

5.5 Komplekse egenverdier 5.5 Komplekse egenverdier Mange reelle n n matriser har komplekse egenverdier. Vi skal tolke slike matriser når n = 2. Ved å bytte ut R med C kan man snakke om komplekse vektorrom, komplekse matriser,

Detaljer

LO510D Lin.Alg. m/graf. anv. Våren 2005

LO510D Lin.Alg. m/graf. anv. Våren 2005 TF Høgskolen i Sør Trøndelag Avdeling for informatikk og e læring LO5D Lin.Alg. m/graf. anv. Våren 5 Løsningsforslag Eksamen a) Setter α = og β = i ligningssystemet og gausseliminerer totalmatrisen til

Detaljer

En rekke av definisjoner i algebra

En rekke av definisjoner i algebra En rekke av definisjoner i algebra Martin Strand, martin.strand@math.ntnu.no 11. november 2010 Definisjonene som er gitt her, kommer i MA2201 Algebra og MA3201 Ringer og moduler. Forhåpentligvis blir det

Detaljer

Vektorrom. Kapittel 7. Hva kan vi gjøre med vektorer?

Vektorrom. Kapittel 7. Hva kan vi gjøre med vektorer? Kapittel 7 Vektorrom Vårt mål i dette kapitlet og det neste er å generalisere og abstrahere ideene vi har jobbet med til nå Især skal vi stille spørsmålet Hva er en vektor? Svaret vi skal gi, vil virke

Detaljer

Rang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015

Rang og Vektorrom. Magnus B. Botnan NTNU. 4. august, 2015 Rang og Vektorrom Magnus B. Botnan NTNU 4. august, 2015 Lineær Uavhengighet La v (1),..., v (m) være vektorer av samme størrelse. Vi sier at vektorene er lineært avhengige hvis det finnes konstanter c

Detaljer

Lineær algebra. H. Fausk 09.03.2015. i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.

Lineær algebra. H. Fausk 09.03.2015. i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over. Lineær algebra H. Fausk 09.03.2015 Første utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. Selv om løsningen av lineære likingsystem i prinsippet er elementært blir det fort

Detaljer

MAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7.

MAT Onsdag 7. april Lineær uavhengighet (forts. 1.8 Underrom av R n, nullrom, basis MAT Våren UiO. 7. MAT 2 april 2.7 Lineær.8 Underrom MAT 2 Våren 2 UiO 7. april 2 / 23 MAT 2 april 2.7 Lineær.8 Underrom Minner om:.7 Lineær (fortsettelse) Definisjon. To vektorer u og v i R n kalles lineært avhengige dersom

Detaljer

Gauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts.

Gauss-Jordan eliminasjon; redusert echelonform. Forelesning, TMA4110 Fredag 18/9. Reduserte echelonmatriser. Reduserte echelonmatriser (forts. Gauss-Jordan eliminasjon; redusert echelonform Forelesning, TMA4110 Fredag 18/9 Martin Wanvik, IMF MartinWanvik@mathntnuno En matrise vil normalt være radekvivalent med flere echelonmatriser; med andre

Detaljer

Geometri i rommet. Kapittel Vektorer i R 3. Lengden av v er gitt ved

Geometri i rommet. Kapittel Vektorer i R 3. Lengden av v er gitt ved Kaittel 5 Geometri i rommet I dette kaitlet skal vi konsentrere oss om isometrier i R. Det er stort sammenfall mellom teoriene i og dimensjoner, og mange av resultatene fra forrige kaittel er gyldig også

Detaljer

INF Kap og i DIP

INF Kap og i DIP INF 30 7.0.009 Kap..4.4 og.6.5 i DIP Anne Solberg Geometriske operasjoner Affine transformer Interpolasjon Samregistrering av bilder Geometriske operasjoner Endrer på pikslenes posisjoner o steg:. Finn

Detaljer

A.3.e: Ortogonale egenfunksjonssett

A.3.e: Ortogonale egenfunksjonssett TFY4250/FY2045 Tillegg 2 1 Tillegg 2: A.3.e: Ortogonale egenfunksjonssett Ikke-degenererte egenverdier La oss først anta at en operator ˆF har et diskret og ikke-degeneret spektrum. Det siste betyr at

Detaljer

Oppgaver MAT2500 høst 2011

Oppgaver MAT2500 høst 2011 Oppgaver MAT2500 høst 2011 31. oktober 2011 Oppgaver avsnitt 1 Oppgave 1. Bruk cosinussetningen til å se at definisjonen av vinkel i planet blir riktig. Oppgave 2. Vis at d(x, y) = 0 hvis og bare hvis

Detaljer

MAUMAT644 ALGEBRA vår 2016 Fjerde samling Runar Ile

MAUMAT644 ALGEBRA vår 2016 Fjerde samling Runar Ile MAUMAT644 ALGEBRA vår 2016 Fjerde samling Runar Ile 1 Kroppsutvidelser og geometriske konstruksjoner 1.1 Hva har kroppsutvidelser med geometriproblemer å gjøre? Avsnitt 29: Kroppsutvidelser Stoff: Utvidelseskropper

Detaljer

9 Lineærtransformasjoner TMA4110 høsten 2018

9 Lineærtransformasjoner TMA4110 høsten 2018 9 Lineærtransformasjoner MA4 høsten 8 I forrige kapittel begynte vi å formulere lineær algebra på en generell måte, ved å gi en abstrakt definisjon av vektorrom For å beskrive sammenhenger mellom forskjellige

Detaljer

4 Matriser TMA4110 høsten 2018

4 Matriser TMA4110 høsten 2018 Matriser TMA høsten 8 Nå har vi fått erfaring med å bruke matriser i et par forskjellige sammenhenger Vi har lært å løse et lineært likningssystem ved å sette opp totalmatrisen til systemet og gausseliminere

Detaljer

Lineær algebra. 0.1 Vektorrom

Lineær algebra. 0.1 Vektorrom Lineær algebra Siden dette temaet er alt for stort til å kunne gjennomgås på en halvtime, med alle de teoremene og denisjonene som skal til, har jeg laget dette notatet. Det bygger hovedsakelig på notatene

Detaljer

Diagonalisering. Kapittel 10

Diagonalisering. Kapittel 10 Kapittel Diagonalisering I te kapitlet skal vi anvende vår kunnskap om egenverdier og egenvektorer til å analysere matriser og deres tilsvarende lineærtransformasjoner Eksempel Vi begynner med et eksempel

Detaljer

Emne 9. Egenverdier og egenvektorer

Emne 9. Egenverdier og egenvektorer Emne 9. Egenverdier og egenvektorer Definisjon: Vi starter med en lineær transformasjon fra til, hvor Dersom, hvor, sier vi at: er egenverdiene til A er tilhørende egenvektorer. betyr at er et reelt eller

Detaljer

(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer

(a) R n defineres som mengden av kolonnevektorer. a 1 a 2. a n. (b) R n defineres som mengden av radvektorer 5 Vektorrom Et vektorrom er en mengde V med tre algebraiske operasjoner (addisjon, negasjon og skalærmultiplikasjon) som tilfredsstiller de 10 betingelsene fra Def. 4.1.1. Jeg vil ikke gi en eksamensoppgave

Detaljer

NORMALFORDELINGER, KOVARIANSMATRISER OG ELLIPSOIDER

NORMALFORDELINGER, KOVARIANSMATRISER OG ELLIPSOIDER NORMALFORDELINGER, KOVARIANSMATRISER OG ELLIPSOIDER SIE 3080 STOKASTISKE OG ADAPTIVE SYSTEMER Oddvar Hallingstad 0. februar 00 Vi skal her utlede noen nyttige formler for arbeidet med kovariansmatriser

Detaljer

Løsninger for eksamen i MAT Lineær algebra og M102 - Lineær algebra, fredag 28. mai 2004, Oppgave 1. M s = = 1 2 (cofm 2) T.

Løsninger for eksamen i MAT Lineær algebra og M102 - Lineær algebra, fredag 28. mai 2004, Oppgave 1. M s = = 1 2 (cofm 2) T. Løsninger for eksamen i MAT - Lineær algebra og M - Lineær algebra, fredag 8. mai 4, (a) Finn determinanten til matrisen M s = Oppgave s uttrykt ved s, og bruk dette til å avgjøre for hvilke s matrisen

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 230 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 05.02.203 INF230 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon Samregistrering

Detaljer

2D Transformasjoner (s. 51 i VTK boken) Translasjon. Del 2 Grafisk databehandling forts. Rotasjon. Skalering. y x = x + d x, y = y + d y.

2D Transformasjoner (s. 51 i VTK boken) Translasjon. Del 2 Grafisk databehandling forts. Rotasjon. Skalering. y x = x + d x, y = y + d y. 2D Transformasjoner (s. i VTK boken) Translasjon Del 2 Grafisk databehandling forts. (, ) = + d, = + d På matriseform: d d (, ) P =, P =, T = d d P = P + T 24/2-3 IN229 / V3 / Dag 6 2 Skalering Rotasjon

Detaljer

Universitetet i Agder Fakultet for teknologi og realfag LØSNINGSFORSLAG. Dato: 11. desember 2008 Varighet: 0900-1300. Antall sider inkl.

Universitetet i Agder Fakultet for teknologi og realfag LØSNINGSFORSLAG. Dato: 11. desember 2008 Varighet: 0900-1300. Antall sider inkl. Universitetet i Agder Fakultet for teknologi og realfag LØSNINGSFORSLAG Emnekode: Emnenavn: DAT2 Grafisk Databehandling Dato:. desember 28 Varighet: 9 - Antall sider inkl. forside 7 OPPGAVE. (2%) a) b)

Detaljer

Anvendt Robotteknikk Konte Sommer 2019 EKSAMEN HARIS JASAREVIC

Anvendt Robotteknikk Konte Sommer 2019 EKSAMEN HARIS JASAREVIC 2019 Anvendt Robotteknikk Konte Sommer 2019 EKSAMEN HARIS JASAREVIC Innhold Oppgaver... 2 Oppgave 1... 2 Oppgave 2... 2 Oppgave 3... 2 Oppgave 4... 2 Oppgave 5... 3 Oppgave 6... 4 Oppgave 7... 5 Oppgave

Detaljer

Karakterer. Kapittel Homomorfier av grupper. 8.2 Representasjoner

Karakterer. Kapittel Homomorfier av grupper. 8.2 Representasjoner Kapittel 8 Karakterer 8. Homomorfier av grupper I forrige kapittel definerte vi begrepet abstrakt gruppe, som en abstrakt versjon av begrepet symmetrigruppe. For å studere forbindelsen mellom abstrakte

Detaljer

MA1202/MA S løsningsskisse

MA1202/MA S løsningsskisse Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag MA0/MA0 0S løsningsskisse Rettet. august 0 Oppgave a) Vi finner det karakteristiske polynomet, λ 0 λ λ λ λ detλi A) λ 0 λ λ

Detaljer

Minste kvadraters løsning, Symmetriske matriser

Minste kvadraters løsning, Symmetriske matriser Minste kvadraters løsning, Symmetriske matriser NTNU, Institutt for matematiske fag 19. november 2013 Inkonsistent ligningsystem Anta at Ax = b er et inkonsistent ligningsystem, da er b ikke i Col(A).

Detaljer

Litt GRUPPETEORI for Fys4170

Litt GRUPPETEORI for Fys4170 Litt GRUPPETEORI for Fys4170 GRUPPER: Ei gruppe G = {g i } er ei samling element med disse egenskapene: * multiplikasjon slik at g i g j G ; * et enhetselement g 0 = 1 slik at g i g 0 = g 0 g i = g i ;

Detaljer

Leksjon G2: Transformasjoner

Leksjon G2: Transformasjoner Programmering grunnkurs TDAT: Grafikkdel Leksjon G: Transformasjoner Fra modell til tegning på skjerm side Modell Plantransformasjoner/translasjon side 3 Modell Plantransformasjoner/skalering side 4 Modell

Detaljer

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra Universitet i Bergen Det matematisk-naturvitenskapelige fakultet Bokmål Eksamen i emnet MAT2 - Lineær algebra Onsdag 29 mai, 20, kl. 09.00-4.00 Tillatte hjelpemidler. kalkulator, i samsvar med fakultetets

Detaljer

Emne 7. Vektorrom (Del 1)

Emne 7. Vektorrom (Del 1) Emne 7. Vektorrom (Del 1) Første del av dette emnet innholder lite nytt regnemessig, men vi innfører en rekke nye begreper. Avbildning (image). R m T R n n image(t) Vi kan starte med samme skjematiske

Detaljer

4.4 Koordinatsystemer

4.4 Koordinatsystemer 4.4 Koordinatsystemer Minner om at B = { b 1, b 2,..., b n } kalles en basis for et vektorrom V dersom B er lineært uavhengig og utspenner V. I samme vektorrom kan vi innføre ulike koordinatsystemer ;

Detaljer

Lineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.

Lineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over. Lineær algebra H. Fausk 09.03.2015 Andre utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er det enkelt, men det blir fort veldig mange regneoperasjoner som

Detaljer

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra Universitet i Bergen Det matematisk-naturvitenskapelige fakultet Bokmål Eksamen i emnet MAT - Lineær algebra Onsdag 5 september, 0, kl. 09.00-4.00 Tillatte hjelpemidler. kalkulator, i samsvar med fakultetets

Detaljer

Kompleks eksponentialform. Eulers inverse formler. Eulers formel. Polar til kartesisk. Kartesisk til polar. Det komplekse signalet

Kompleks eksponentialform. Eulers inverse formler. Eulers formel. Polar til kartesisk. Kartesisk til polar. Det komplekse signalet Komplekse tall Vi definerer det komplekse tallet z C. Komplekse eksponentialer og fasorer Det komplekse planet Kartesisk og polar form Komplekse eksponentiale signaler Roterende fasor Addisjon av fasorer

Detaljer

Eksamen i fag FY1004 Innføring i kvantemekanikk Tirsdag 22. mai 2007 Tid:

Eksamen i fag FY1004 Innføring i kvantemekanikk Tirsdag 22. mai 2007 Tid: Side 1 av 6 Norges teknisk-naturvitenskapelige universitet Institutt for fysikk Faglig kontakt under eksamen: Navn: Jan Myrheim Telefon: 73 59 36 53 (mobil 90 07 51 72) Sensurfrist: Tirsdag 12. juni 2007

Detaljer

RF5100 Lineær algebra Leksjon 12

RF5100 Lineær algebra Leksjon 12 RF5100 Lineær algebra Leksjon 12 Lars Sydnes, NITH 26. november 2013 I. GAUSS-ELIMINASJON 2x + 3y + z = 1 2x + 5y z = 1 4x + 7y + 4z = 3 x + 3/2 y + 1/2 z = 1/2 x + 2z = 2 y z = 1 3z = 2 x + 2z = 2 y z

Detaljer

Lineær uavhengighet og basis

Lineær uavhengighet og basis Lineær uavhengighet og basis NTNU, Institutt for matematiske fag 19. oktober, 2010 Lineær kombinasjon En vektor w sies å være en lineær kombinasjon av vektorer v 1, v 2,..., v k hvis det finnes tall c

Detaljer

Løsningsforslag øving 7

Løsningsforslag øving 7 Løsningsforslag øving 7 8 Husk at en funksjon er injektiv dersom x y gir f(x) f(y), men her ser vi at f(3) 9 f( 3), eller generelt at f(z) z f( z) for alle z C, som betyr at f ikke er injektiv Vi ser også

Detaljer

KORT INTRODUKSJON TIL TENSORER

KORT INTRODUKSJON TIL TENSORER KORT INTRODUKSJON TIL TENSORER Tensorer har vi allerede møtt i form av skalarer (tall) og vektorer. En skalar kan betraktes som en tensor av rang null (en komponent), mens en vektor er en tensor av rang

Detaljer

INF 2310 Digital bildebehandling

INF 2310 Digital bildebehandling INF 2310 Digital bildebehandling Forelesning 3 Geometriske operasjoner Fritz Albregtsen 03.02.2014 INF2310 1 Temaer i dag Geometriske operasjoner Lineære / affine transformer Resampling og interpolasjon

Detaljer

Kompetansemål Geometri, R Vektorer Regning med vektorer... 5 Addisjon av vektorer... 5 Vektordifferanse... 5

Kompetansemål Geometri, R Vektorer Regning med vektorer... 5 Addisjon av vektorer... 5 Vektordifferanse... 5 1 Geometri Innhold Kompetansemål Geometri, R2... 3 1.1 Vektorer... 4 1.2 Regning med vektorer... 5 Addisjon av vektorer... 5 Vektordifferanse... 5 Multiplikasjon av vektor med tall... 6 Parallelle vektorer...

Detaljer

UNIVERSITET I BERGEN

UNIVERSITET I BERGEN UNIVERSITET I BERGEN Det matematisk-naturvitenskapelige fakultet BOKMÅL Løsningsforslag eksamen MAT - Lineær algebra H Med forbehold om skrivefeil. Oppgave. Betrakt A = 6 5, b = 6 b (a) (b) Finn den reduserte

Detaljer

5.5.1 Bruk matriseregning til å vise at en rotasjon er produktet av to speilinger. Løsningsforslag + + = =

5.5.1 Bruk matriseregning til å vise at en rotasjon er produktet av to speilinger. Løsningsforslag + + = = til oppgavene i avsnitt 55 til oppgaver i avsnitt 55 551 Bruk matriseregning til å vise at en rotasjon er produktet av to speilinger cos( u + v) sin( u + v) cosu sin u u+ v u = sin( u v) cos( u v) sin

Detaljer

UNIVERSITETET I OSLO

UNIVERSITETET I OSLO UNIVERSITETET I OSLO Det matematisk-naturvitenskapelige fakultet Eksamen i INF330 Metoder i grafisk databehandling og diskret geometri Eksamensdag: 3. desember 010 Tid for eksamen: 14.30 18.30 Oppgavesettet

Detaljer

RF5100 Lineær algebra Leksjon 1

RF5100 Lineær algebra Leksjon 1 RF5100 Lineær algebra Leksjon 1 Lars Sydnes, NITH 20.august 2013 I. INFORMASJON FAGLÆRER Kontakt: Lars Sydnes lars.sydnes@nith.no 93035685 Bakgrunn: Doktorgrad i Matematikk fra NTNU (2012), Siv.ing. Industriell

Detaljer

Vi viser denne ekvivalensen ved å vise begge implikasjoner. " "Anta at G virker trofast på X og anta at g, h G er slik at gx = hx for alle

Vi viser denne ekvivalensen ved å vise begge implikasjoner.  Anta at G virker trofast på X og anta at g, h G er slik at gx = hx for alle TMA4150 Algebra Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Seksjon 16 2 Fasit: G 1 = {ρ 0, δ 2 } = G 3 = G P1 = G P3 G S1 = {ρ 0, µ 1 } = G S3 G m1 = {ρ 0, ρ 2, µ 1, µ

Detaljer

LØSNINGSFORSLAG. Universitetet i Agder Fakultet for Teknologi og realfag. Dato: 03. desember 2009 Varighet: Antall sider inkl.

LØSNINGSFORSLAG. Universitetet i Agder Fakultet for Teknologi og realfag. Dato: 03. desember 2009 Varighet: Antall sider inkl. Universitetet i Agder Fakultet for Teknologi og realfag LØSNINGSFORSLAG Emnekode: Emnenavn: DAT2 Grafisk Databehandling Dato: 3. desember 29 Varighet: 9-3 Antall sider inkl. forside 8 Tillatte hjelpemidler:

Detaljer

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3

EKSAMENSOPPGAVER FOR TMA4110/TMA4115 MATEMATIKK 3 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag Side av 25 2. januar 25 EKSAMENSOPPGAVER FOR TMA4/TMA45 MATEMATIKK 3 Oppgave A- a) Finn kvadratrøttene til det komplekse tallet

Detaljer

MAT Grublegruppen Notat 11

MAT Grublegruppen Notat 11 MAT1100 - Grublegruppen Notat 11 Jørgen O. Lye Matrisegrupper Den store gruppen vi skal se på er GL(n, K) = {inverterbare n n matriser med koesienter i K} Forkortelsen står for den generelle lineære gruppen

Detaljer

Forelesningsnotater SIF8039/ Grafisk databehandling

Forelesningsnotater SIF8039/ Grafisk databehandling Forelesningsnotater SIF8039/ Grafisk databehandling Notater til forelesninger over: Kapittel 3: Input and Interaction i: Edward Angel: Interactive Computer Graphics Vårsemesteret 2002 Torbjørn Hallgren

Detaljer

7.4 Singulærverdi dekomposisjonen

7.4 Singulærverdi dekomposisjonen 7.4 Singulærverdi dekomposisjonen Singulærverdi dekomposisjon til en matrise A er en av de viktigste faktoriseringene av A (dvs. A skrives som et produkt av matriser). Den inneholder nyttig informasjon

Detaljer

4.2 Nullrom, kolonnerom og lineære transformasjoner

4.2 Nullrom, kolonnerom og lineære transformasjoner 4.2 Nullrom, kolonnerom og lineære transformasjoner Utover Span {v 1, v 2,..., v p } er det en annen måte vi får lineære underrom på! Ser nå på V = R n. Skal se at det er visse underrom knyttet til en

Detaljer

MA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007

MA1201 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3. desember 2007 Norges teknisknaturvitenskapelige universitet Institutt for matematiske fag MA101 Lineær algebra og geometri Løsningsforslag for eksamen gitt 3 desember 007 Oppgave 1 a) Vi ser på ligningssystemet x +

Detaljer

Lineær algebra-oppsummering

Lineær algebra-oppsummering Kapittel 9 Lineær algebra-oppsummering Matriser 1 Matriser er et rektangulært sett av elementer ordnet i rekker og kolonner: a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij m n a m1 a n2 a mn 2 Kvadratisk matrise:

Detaljer

TMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer:

TMA4110 Matematikk 3 Eksamen høsten 2018 Løsning Side 1 av 9. Løsningsforslag. Vi setter opp totalmatrisen og gausseliminerer: TMA4 Matematikk 3 Eksamen høsten 8 Løsning Side av 9 Løsningsforslag Oppgave Vi setter opp totalmatrisen og gausseliminerer: 8 5 4 8 3 36 8 4 8 8 8 Den siste matrisen her er på redusert trappeform, og

Detaljer

,QQOHGQLQJ 3-1/ )DJ 67( 6W\ULQJ DY URPIDUW \ / VQLQJVIRUVODJ WLO YLQJ

,QQOHGQLQJ 3-1/ )DJ 67( 6W\ULQJ DY URPIDUW \ / VQLQJVIRUVODJ WLO YLQJ 3-1/ )DJ 67( 6W\LQJ DY RPIDW \ / VQLQJVIRVODJ WLO YLQJ,QQOHGQLQJ Der det er angitt referanser, er det underforstått at dette er til sider, figurer, ligninger, tabeller etc., i læreboken, dersom andre referanser

Detaljer

Lineære likningssystemer og matriser

Lineære likningssystemer og matriser Kapittel 3 Lineære likningssystemer og matriser I dette kapittelet skal vi sette sammen Kapittel 1 og 2. 3.1 Den utvidede matrisen til et likningssystem Vi starter med et lineært likningssystem med m likninger

Detaljer

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning

Lineær Algebra og Vektorrom. Eivind Eriksen. Høgskolen i Oslo, Avdeling for Ingeniørutdanning Lineær Algebra og Vektorrom Eivind Eriksen Høgskolen i Oslo, Avdeling for Ingeniørutdanning c Eivind Eriksen 2005. Innhold Kapittel 1. Lineære likningssystemer 1 1.1. Lineære likningssystemer i to variable

Detaljer

Kap. 6 Ortogonalitet og minste kvadraters problemer

Kap. 6 Ortogonalitet og minste kvadraters problemer Kap. 6 Ortogonalitet og minste kvadraters problemer vanlig indreprodukt (prikkprod.) i IR n, egenskaper. ortogonalitet i IR n Pythagoras teorem: u og v i IR n er ortogonale hvis og bare hvis u + v 2 =

Detaljer

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling

Dagens mål. Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 INF Digital bildebehandling Dagens mål Det matematiske fundamentet til den diskrete Fourier-transformen Supplement til forelesning 8 IF2310 - Digital bildebehandling Ole Marius Hoel Rindal, slides av Andreas Kleppe Dagens mål Forstå

Detaljer

LØSNINGSANTYDNING. HØGSKOLEN I AGDER Fakultet for teknologi. DAT 200 Grafisk Databehandling. Ingen. Klasse(r): 2DTM, 2DT, 2 Siving, DT

LØSNINGSANTYDNING. HØGSKOLEN I AGDER Fakultet for teknologi. DAT 200 Grafisk Databehandling. Ingen. Klasse(r): 2DTM, 2DT, 2 Siving, DT HØGSKOLEN I AGDER Fakultet for teknologi LØSNINGSANTYDNING EMNE: FAGLÆRER: DAT 2 Grafisk Databehandling Morgan Konnestad Klasse(r): 2DTM, 2DT, 2 Siving, DT Dato: 5.2.5 Eksamenstid, fra-til: 9. - 3. Eksamensoppgaven

Detaljer

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer.

I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. Kapittel 2 Matriser I dette kapittelet skal vi studerer noen matematiske objekter som kalles matriser. Disse kan blant annet brukes for å løse lineære likningssystemer. 2.1 Definisjoner og regneoperasjoner

Detaljer

12 Projeksjon TMA4110 høsten 2018

12 Projeksjon TMA4110 høsten 2018 Projeksjon TMA0 høsten 08 En projeksjon er en lineærtransformasjon P som tilfredsstiller P x = P x for alle x Denne ligningen sier at intet nytt skjer om du benytter lineærtransformasjonen for andre gang,

Detaljer

Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på

Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på Kap. 7 Innledning Vi skal koble diagonalisering av matriser sammen med ortogonalitet. Skal bl.a. se på Symmetriske matriser. Disse matrisene har uvanlig pene egenskaper mht. diagonalisering. Kvadratiske

Detaljer

Lineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over.

Lineær algebra. H. Fausk i=1 a ix i. Her har vi oppgitt hva ledd nummer i skal være og hvilke indekser i vi summerer over. Lineær algebra H. Fausk 23.08.2015 Fjerde utkast Linære likningsystem lar seg løse ved bruk av de elementære regneartene. I prinsippet er løsing av linære likningsystem enkelt, men det blir fort veldig

Detaljer

TMA4115 Matematikk 3 Vår 2017

TMA4115 Matematikk 3 Vår 2017 Norges teknisk naturvitenskapelige universitet Institutt for matematiske fag TMA4115 Matematikk Vår 2017 Obligatoriske oppgaver Lay, avsnitt 1.6 5. Bor-sulfid reagerer voldsomt med vann for å danne borsyre

Detaljer