Emne 6. Lineære transformasjoner. Del 1

Like dokumenter
Emne 7. Vektorrom (Del 1)

Emne 9. Egenverdier og egenvektorer

Emne 10 Litt mer om matriser, noen anvendelser

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

Forelesningsnotater SIF8039/ Grafisk databehandling

Oppgave 1 (25 %) - Flervalgsoppgaver

Universitet i Bergen. Eksamen i emnet MAT121 - Lineær algebra

Geometriske avbildninger og symmetri. A2A/A2B Høgskolen i Vestfold

Innlevering FO929A - Matematikk forkurs HIOA Obligatorisk innlevering 3 Innleveringsfrist Fredag 14. november 2014 kl. 14 Antall oppgaver: 13

Matematikk og fysikk RF3100

Kap. 6 Ortogonalitet og minste kvadrater

TDT4195 Bildeteknikk

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

Lineære likningssystemer og matriser

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

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

3.9 Teori og praksis for Minste kvadraters metode.

Egenverdier for 2 2 matriser

4.4 Koordinatsystemer

Oppgaver som illustrerer alle teknikkene i 1.4 og 1.5

UNIVERSITETET I OSLO

=,,,,, = 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

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

MAT1120 Notat 1 Tillegg til avsnitt 4.4

Egenverdier og egenvektorer

Løsningsforslag øving 7

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Oppgaver MAT2500. Fredrik Meyer. 29. august 2014

6.4 (og 6.7) Gram-Schmidt prosessen

Lineær algebra-oppsummering

MAT1120 Repetisjon Kap. 1

MAT1120 Notat 1 Tillegg til avsnitt 4.4

12 Lineære transformasjoner

Lineærtransformasjoner

MAT1120 Notat 2 Tillegg til avsnitt 5.4

Anvendt Robotteknikk Konte Sommer 2019 EKSAMEN HARIS JASAREVIC

Høgskolen i Oslo og Akershus. x 1 +3x 2 +11x 3 = 6 2x 2 +8x 3 = 4 18x 1 +5x 2 +62x 3 = 40

Seksjonene : Vektorer

EMNE 4. Determinanter

Komplekse tall og komplekse funksjoner

Seksjonene : Vektorer

Oppgaver MAT2500 høst 2011

15 Hovedprinsippet for vektorrom med et indre produkt

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.

4.2 Nullrom, kolonnerom og lineære transformasjoner

Løsningsforslag øving 6

Eksamensoppgave MAT juni 2010 (med løsningsforslag)

Geometri R2, Prøve 2 løsning

Høgskolen i Oslo og Akershus. c) Et annet likningssystem er gitt som. t Bestem parametrene s og t slik at likningssystemet blir inkonsistent.

Algoritmer og datastrukturer Kapittel 2 - Delkapittel 2.1

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

Geometri Mona Røsseland Nasjonalt senter for matematikk i Opplæringen Leder i LAMIS Lærebokforfatter, MULTI Geometri i skolen Geometri etter 4.

I Katalog velger du: Ny eksamensordning i matematikk våren 2015

Oppgavesett. Kapittel Oppgavesett 1

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

TMA4115 Matematikk 3 Vår 2017

Lineære likningssett.

7.4 Singulærverdi dekomposisjonen

R2 2011/12 - Kapittel 2: 19. september 19. oktober 2011

HØGSKOLEN I SØR-TRØNDELAG

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

8 Vektorrom TMA4110 høsten 2018

7 Egenverdier og egenvektorer TMA4110 høsten 2018

Leksjon G2: Transformasjoner

R2 - Vektorer i rommet

Eksamen R1, Våren 2015

QED Matematikk for grunnskolelærerutdanningen. Bind 2. Fasit kapittel 3 Geometri

6.5 Minste kvadraters problemer

Norges Informasjonstekonlogiske Høgskole

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

5.5 Komplekse egenverdier

Computers in Technology Education

Lineære ligningssystemer og gausseliminasjon

UNIVERSITETET I OSLO

EKSAMEN RF5100, Lineær algebra

Anvendt Robotteknikk Konte Sommer FASIT EKSAMEN HARIS JASAREVIC

4 Matriser TMA4110 høsten 2018

MAT3010. Rapport - skoleprosjekt Gruppe R 3. Figur 1: Slik kan en elev oppfatte lærerens skriblerier på tavlen under en mattetime.

x 1 x 2 x = x n b 1 b 2 b = b m Det kan være vanskelig (beregningsmessig) og bearbeide utrykk som inneholder

GeoGebraøvelser i geometri

Forelesningsnotater SIF8039/ Grafisk databehandling

DEL 1. Uten hjelpemidler. Oppgave 1 (2 poeng) Oppgave 2 (4 poeng) Oppgave 3 (4 poeng) I er en konstant. Deriver funksjonene

( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) ( ) 2.9 Løsningsforslag til oppgavene i avsnitt Løsningsforslag. a. b.

Arbeidsoppgaver i vektorregning

Løsningsforslag eksamen STE 6038 Geometrisk modellering 9/8 1995

Forelesning 10 Cramers regel med anvendelser

16 Ortogonal diagonalisering

Notat2 - MAT Om matriserepresentasjoner av lineære avbildninger

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

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

EKSAMEN. Informasjon om eksamen. Emnekode og -navn: ITD37018 Anvendt Robotteknikk. Dato og tid: , 3 timer. Faglærer: Haris Jasarevic

Lineære likningssystemer

Øving 3 Determinanter

Løsningsforslag. a) Løs den lineære likningen (eksakt!) 11,1x 1,3 = 2 7. LF: Vi gjør om desimaltallene til brøker: x =

Lineære ligningssystemer og gausseliminasjon

Vektorligninger. Kapittel 3. Vektorregning

Eksamen R2 høst 2011, løsning

Løsningsforslag, midtsemesterprøve MA1103, 2.mars 2010

Løsningsforslag. og B =

Transkript:

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 hvert element x i i mengden X til y 3 et unikt element y i i mengden Y, dvs. X kalles domenet til funksjonen f, og Y kalles codomenet. En lineær transformasjon er en spesiell funksjon hvor både inngang og utgang er vektorer. I stedet for f brukes gjerne T. R m T Funksjonen T er her en regel som R n knytter hver vektor til en vektor, dvs. Funksjonen T er ikke nødvendigvis lineær. Det behøves noen tilleggskriterier. Definisjon 1: En funksjon T fra R m til R n kalles en lineær transformasjon hvis det finnes en ( n m )-matrise A slik at: for alle Definisjon 2: En transformasjon T fra R m til R n er lineær hvis og bare hvis: 1) for alle R m og 2) for alle R m og R (skalar) ( De 2 definisjonene er likeverdige )

Ved å jamføre de 2 definisjonene, kan vi også sette for en lineær transformasjon at: og Merk! Vi har allerede støtt på flere lineære transformasjoner (for eksempel lineære likningssett av type ). Eksempel 1 (grafisk) La for alle R 2, dvs. funksjonen T dobler lengden av hver vektor den opererer på. Vi ser at dette er en lineær transformasjon iht. def. 2, siden: Ut i fra def.1 kunne vi også satt Her Eksempel 2 Gitt. Er dette en lineær transformasjon? Svar: Nei! Bevis: La k være en skalar ( R ) Det gir, mens Altså har vi Transformasjonen er derfor ikke lineær iht. def. 2

Eksempel 3 Gitt en lineær transformasjon fra R 3 til R 3 hvor. For en vilkårlig vektor kan vi sette. Bestem transformasjonsmatrisen A. Svar: Vi har, men det kan skrives, og dermed: Mye enklere, vi kan sette opp A direkte! : Eksempel 4 Gitt en lineær transformasjon fra R 2 til R 3 hvor Finn transformasjonsmatrisen A. Svar: Her finner vi ikke A direkte som i eks.3, men vi kan bruke samme prinsipp. Her: og dermed:

Geometriske transformasjoner Emne 6. Lineære transformasjoner. Del 2 Med den litt upresise overskriften menes lineære transformasjoner i R 2 eller R 3 av type speiling, rotasjon, skalering, projeksjon, etc. Hvordan ser disse operasjonene ut uttrykt med transformasjonsmatriser (A)? Rotasjon i R 2 Vi skal rotere en vilkårlig vektor, hvor A er en ( 2 2 ) matrise. Dette er en lineær transformasjon, dvs. v v 2 j v 1 u i Resultatet vi ønsker å komme fram til kan utledes på mange måter, men anta at begge enhetsvektorene i og j roteres (samme vinkel). Da har vi iht. figuren:, men også Dermed må (jamfør eks. 3):, men også Denne transformasjonsmatrisen har vi sett før (Emne 3). Setter vi inn en positiv vinkel altså produktet gi en rotasjon mot urviser av vektoren., vil Med en negativ vinkel får vi rotasjon med urviser. Det må bety at ( Rotasjon, deretter bringer oss tilbake til utgangspunktet, ergo ) Transformasjonen er altså invertibel,

Rotasjon i R 3 Rotasjon om z-aksen: Kun x og y-koordinatene endres, z=konstant. Da kan vi bruke resultatet fra R 2, dvs. Tilsvarende : Rotasjon om y-aksen: Om x-aksen: Skalering: Dette så vi på i eksempel 1., dvs., hvor Nærmere bestemt: gir forstørrelse (dilasjon) av vektoren, mens gir forminsking (kontraksjon). Det er ikke vanskelig å se at transformasjonsmatrisen blir, siden Denne transformasjonen er også invertibel,, og vi innser lett at

Projeksjon og speiling i R 2 Dette har vi sett på flere ganger allerede (Emne 2, Vektoralgebra), men hvordan uttrykke det med transformasjonsmatriser? 1) Projeksjon og speiling om x-aksen y 1 y Ved projeksjon og speiling endres kun y-koordinaten. Vi finner transformasjonsmatrisene direkte av figuren: x 1 x -y 1 Tilsvarende om y-aksen må gi transformasjonsmatrisene: Merk! I likhet med rotasjon og skalering er speiling en invertibel prosess, men det er ikke projeksjon. Det finnes en unik projeksjonsvektor for hver, dvs., men vi har uendelig mange for hver. y y 2 y 1 x 1 x 2) Projeksjon og speiling om en linje L gjennom origo. (Innebærer at origo er et punkt på linjen) y L Fra tidligere (Emne 2) vet vi at : Men siden dette er en lineær transformasjon vet vi også at: x Med en liten omskrivning: Projeksjonsmatrisen kan altså skrives:

Speiling finner vi med vektoraddisjon : Speilingsmatrisen kan altså skrives: Eksempel 5 Foreta projeksjon og speiling om linjen Svar: Her må åpenbart være en retningsvektor for linja, og da har vi en tilhørende enhetsvektor: Det gir: Projeksjonsmatrise: Speilingssmatrise: Med for eksempel, får vi og. Resultatet stemmer overens med figuren! Kommentar: Matrisene i 2) dekker selvsagt også tilfellene i 1). For eksempel speiling om x-aksen betyr bare at, dvs. som gir

Projeksjon og speiling i R 3 Emne 6. Lineære transformasjoner. Del 3 Projeksjon og speiling om et plan gjennom origo. e N d z u v y Plan (P) e N = enhets-normalvektor til planet u = vilkårlig valgt vektor d = projeksjonen av u ned på e N v = projeksjonen av u ned på planet w x w = speiling av u om planet Egentlig samme sak som linjen i R 3, men vi må gå via vektoren d. Fra tidligere: Som jamført forrige side kan omskrives til: Projeksjon på planet gir da (vha. vektoraddisjon): Og speiling: Eksempel 6 Finn projeksjonen og speilingen av om xy-planet. Svar: Vi innser (intuitivt) at og Men vi kan kontrollere likningene vi kom fram til. Siden z-aksen står vinkelrett på xy-planet må, som gir, og dermed. som forventet!

Affine transformasjoner Eksempel 7 Translasjon (forskyvning) Gitt en figur F. Denne kan beskrives på matriseform, f.eks. vha. hjørnekoordinatene. Det vil si, hjørnepunktet kolonnevektoren, osv. tilsvarer Med 4 hjørnepunkter gir det (moturs) : I neste omgang ønsker vi å finne sammenhengen mellom F og G. Vi ser at figurene er formlike, men hvert punkt på G er forskjøvet med en avstand som tilsvarer vektoren (Dette kalles translasjon). Vi kunne derfor satt: Problemet er at dette ikke er en lineær transformasjon, dvs. det finnes ingen (2 2)-matrise A slik at Men vi kan omgjøre til en lineær transformasjon ved å innføre en 3.dimensjon Vi kan sette og Kontroll: Merk 1! Vi gjenkjenner forskyvningen i siste kolonne av translasjonsmatrisen A Merk 2! 3.rad i F og G angir ikke z-koordinaten til figurene, men er bare en dummy,. Vi ser derfor helt bort fra raden når vi skal tolke sluttresulatet, de 2 første radene angir koordinatene.

Resultatet i eksempel 7 kan enkelt utvides til R 3 ved å innføre en 4.dimensjon, og kan også brukes på rotasjon, skalering, etc. For eksempel Translasjon:, hvor gir ønsket forskyvning Rotasjon om z-aksen: Skalering :, Speiling om yz-planet : Dette virker sikkert unødvendig tungvint, det blir jo bare mer arbeid å regne med (4 4)-matriser i stedet for (3 3)-matriser. Fordelen er at alle geometriske transformasjoner, inklusive translasjon kan utføres som en lineær transformasjon, dvs. at det finnes en transformasjonsmatrise A som gjør jobben for oss.