MATLAB Indledning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2002.

Slides:



Advertisements
Lignende præsentationer
Lineær funktioner.
Advertisements

XM med GeoGebra Ib Michelsen.
Alexander V. Breum, Emil Rotzler og Christian Peter Berg.
Velkommen til matematikkonference 7/3-13
Reduktion AM 2009.
Funktioners parametre Beviser
Parabler – toppunkt og rødder
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Dette program kan lave et portræt af dit ansigt, baseret på de information du giver... Tryk her.
FORSIDE 1 Præsentationens undertitel Skriv dit navn /titel /andet.
Koordinatsystemet Y-aksen 2. aksen X-aksen 1. aksen.
Differentalkvotient af cos(x) og sin(x) og tan(x)
Opgave 4 og 1 Kristina og Anna
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal.
Lineære Funktioner Buch og Adam
MATLAB Programplanlægning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2003 >>mit_program(`ud.txt´) myconstants.m function mit_program(iud)
MATLAB Afslutning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005.
Reduktion AM 2009.
Overordnet anbefales: Der henvises i den enkelte opgave/opgavesættet til anvendt IT- værktøj. Hvis der veksles mellem flere i de enkelte opgaver, skal.
Size matters TexPoint fonts used in EMF: AAAAA Fra individer  population  økosystem.
Algoritmer og Datastrukturer 2 Dynamisk Programmering [CLRS, kapitel 15] Gerth Stølting Brodal Aarhus Universitet.
Mundtlig eksamen Mat B Spørgsmålene til den mundtlige prøve skal offentliggøres i god tid inden prøven Eksaminationstiden er 30 minutter pr. eksaminand.
Learning Objectives 5 Steps of a Significance Test Assumptions
Uligheder.
2. gradsligning.
Andengradspolynomier
MATLAB Programmering Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005 d = size(s); for k = 1:d(1), for n = 1:d(2), if (s(k,n) < 0) r(k,n)
Learning Objectives 5 Steps of a Significance Test Assumptions
DIN KARRIERE – DIN FREMTID ”Min røv er helt ødelagt. Fuldstændig. Den er rød med blå mærker over det hele.” Maria-Louise Beuchert.
Lærer-møde April 19, 2007 Dias 1 I.G. Bearden, Niels Bohr Institute ICT og aktivering i undervisning Ian G. Bearden, Prof. MSO Niels Bohr Institutet.
Algoritmer og Datastrukturer 2 Dynamisk Programmering [CLRS 15] Gerth Stølting Brodal.
Begrebskort for lineære differentialligningsmodeller
MATLAB Programmering Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2003 d = size(s); for k = 1:d(1), for n = 1:d(2), if (s(k,n) < 0) r(k,n)
Delprøve i kurset ”Calculus og indledende lineær algebra” 29. oktober 2014 Delprøve i M2CAL2 29. oktober A. B. A. 1x1 + 1x4 + 1x(-1) = 4 B. 1x4 =
Delprøve (reduceret) i kurset ”Calculus og indledende lineær algebra” den 7. maj 2014 Delprøve i M2CAL2, Betragt matricen til højre. Hvilket.
MATLAB Programplanlægning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2003 >>mit_program(‘ind.txt’.`ud.txt´) myconstants.m function.
Personal Leadership Bachelor of Leisure Management.
GIS Geografiske Informations Systemer. 2 GIS Defineres som IT-systemer til indsamling, opbevaring, vedligeholdelse og analyse af geografiske data samt.
Statistik for geografer
Økonometri – lektion 8 Multipel Lineær Regression
TITEL PÅ PRÆSENTATION Præsentationens undertitel Skriv dit navn /titel /andet.
PD – kursusgang 3 Introduktion til Java Script. Mål Viden om hvordan JavaScripts indlejres i HTML dokumenter Viden om programmering i JavaScript  Erklæring.
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
Usability ITU, forår 2008 Usability ITU Forår 2008 ’Teori 2’ 3. kursusgang, 14. februar 2008.
Kjeld Svidt  Institut for Byggeri og Anlæg  Aalborg Universitet IT i Byggeriet Semester 6, kursusgang Databaser (1) Kjeld Svidt
OPERATIONEL ANALYSE AF WEBADFÆRD OAW – LEKTIONSGANG 11.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Agenda Introduktion Interfacet –Interfacet –Metaforer (Peter) Emotional branding –Gobé The ten commandments –Thyssen (Vigdis) Æstetik og nydelse –Jordan.
1. Geometric transformations 2. Cameras, projections and viewing 3. Clipping, visual surface detection and textures 4. Illumination models 5. Point processing.
MATLAB Indledning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005.
MATLAB Repetition og Udførelse af programmer Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005 >>mit_modul minf.m … minf(a) … mit_modul.m.
MATLAB Indledning II Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005.
MATLAB Programplanlægning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005 >>mit_program(‘ind.txt’.`ud.txt´) myconstants.m function.
IT i Byggeriet Semester kursusgang Computergrafik Kjeld Svidt Kjeld Svidt  Institut for Bygningsteknik  Aalborg Universitet.
Database Some walk through lv/ Figures & some text from: © Pearson Education Limited 1995,
Delprøve forår 2015 i kurset ”Calculus og indledende lineær algebra” Delprøve i M2CAL2 forår A. B. A. -3 B. 7 C. 1D. 4 Til højre er angivet.
Ændr 2. linje i overskriften til AU Passata Light 24. OKTOBER 2015 BJÖRN ANDRESEN AARHUS UNIVERSITET AU EPTSYS – ENERGY SYSTEM STABILITY (EN) ENERGI SYSTEM.
HEADER: ARIAL 24/24 PT bold Bullet 1: brødtekst: arial 16/16 Bullet 2
Kjeld Svidt  Institut for Bygningsteknik  Aalborg Universitet
Algoritmer og Datastrukturer 2
Delprøve i M2CAL2 efterår 2017
Matematik Quiz! Eksempler på hvad matematik kan!.
Algoritmer og Datastrukturer 2 Dynamisk Programmering [CLRS 15]
Skriv titel på præsentation
Her er plads til undertitel
Præsentationens undertitel
Det lydløse terningekast
Algoritmer og Datastrukturer Dynamisk Programmering [CLRS 15]
Præsentationens transcript:

MATLAB Indledning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2002

Et værktøj til tekniske beregninger Analyse og modellering af data Simulering af modeller Eksempler: Fiskeskivers størrelse Beregning af Ukrudtstæthed Simulering af dynamisk system Simulering af forbrænding

Fiskeskivers størrelse Skiverne skal pakkes i pakker af ca. samme vægt. Hvad er vægten af de næste skiver?

Målte Data Skivevægt (gram) for Fisk1: Skivevægt (gram) for Fisk2:

Graf

En bedre graf Kan vi tilnærme med et andengradspolynomium ?

Det ser da ikke så galt ud

Ukrudtstæthed

Styring

Forbrænding Et kulpartikel brænder: - Nogle dele er dækket af en askeflage - Andre dele er glød Hvordan udvikler det sig ?

Og nu til … HVORDAN ?

MATLAB Hovedvindue

Demo

Helpdesk

Matricen Et rektangulært talsæt: A = » A = [1 2 3; 4 5 6; 7 8 9] Dimensioner: Antal rækker x Antal søjler » size(A) ans = 3 3

Talværdier reelle tal komplekse tal » B = [1 2.1 pi; 3E1-2i j-1 6] B = i i » size(B)

Vektor Rækkevektor – 1 x n Søjlevektor – n x 1 » C = [1 2 3]; D = [1;2;3] C = D = 1 2 3

Skalar Hvad er en vektor af længde 1? En 1 x 1 matrice » a = 5 a = 5 » size(a) 1 1 » length(a) 1

Hvor er matricen ? Skiverne skal pakkes i pakker af ca. samme vægt. Hvad er vægten af de næste skiver?

Hvor er matricen ? Skivevægt (gram) for Fisk1: Skivevægt (gram) for Fisk2:

Hvor er Matricen ? Et kulpartikel brænder: - Nogle dele er dækket af en askeflage - Andre dele er glød Hvordan udvikler det sig ?

En model function Pnext = step(P,f) % Simulering af forbrænding: emne % er matrix P % med glød = 1 % aske = 0

Delmatricer A(2:3,1:2) A(2,2) A(1,:) A(1:2:3,1:2:3) A(pi,pi) A = » A(2:3,1:2) » A(2,2)5 » A(1,:)1 2 3 » A(1:2:3,1:2:3) » A(pi,pi) Warning: Subscript indices must be integer values. 9

Hvor er matricen ?

Billedbehandling » Udsnit = B(101:104, 301:304, :) Rød Grøn Blå

Transponering Transponering af A A’ Ombytter rækker og søjler » D = [ ; ] D = » D' » A'

Specielle Matricer Nulmatrix Enhedsmatrix Etmatrix Tom matrix Tilfældige tal … Se help elmat » zeros(2,3) » eye(2,3) » ones(2,3) » A = [] » size(A) 0 0 » rand(2,3)

Bygning af Matricer a = » A = [a ; a] » B = [A, [4 ;4]] » C = [A ; a] » D = [A, a] ??? All matrices on a row in the bracketed expression must have the same number of rows. » D = [A, a'] ??? All matrices on a row in the bracketed expression must have the same number of rows. » D = [C, a']

Hvor er Matricen ?

Kinematik p = [x, y]’ w 1 = [a,b] ‘ A = [ cos(theta) sin(theta) ; -sin(theta) cos(theta) ] w l GLOBAL = (p + A * w 1 )’

Og nu … + - * / …

Addition og Subtraktion A = B = A+B = ? A-B = ? A+B’ = ? ??? Error using ==> + Matrix dimensions must agree. B’ =

Multiplikation A = B = A.* B = ? A * B = ? A * B’ = ? ??? Error using ==> * Inner matrix dimensions must agree B’ =

Skalarprodukt a = b = a * b = ? 10 + * * * +

Matrix-multiplikation A = A * B’ = A * B = ? A(1,:) * B(:,1) A(1,:) * B(:,2) A(2,:) * B(:,1) A(2,:) * B(:,2) [m x n] * [n x k] = [m x k] B’ = ??? Error using ==> * Inner matrix dimensions must agree.

Lidt gymnastik A = [1 2 3] A* A’ = ? A’* A = ? [A; A ] * A’= ? A * [ A; A; A] = ?

Hvordan bruges det ? p = [x, y] w 1 = [a,b] -- lokalt A = [ cos(theta) sin(theta) -sin(theta) cos(theta) ] w l GLOBAL = (p’ + A * w 1 ’)’

Division A = B = A./ B = ? A / B = ? A \ B = ?

Matrix-Division X = A / B betyder at X * B = A Y = A \ B betyder at A * Y = B » X = A/B X = » X*B » Y = » A*Y \ “op i”

Hvordan bruges det ? p = [x, y] w 1 = [a,b] -- lokalt A = [ cos(theta) sin(theta) -sin(theta) cos(theta) ] w l GLOBAL = (p’ + A * w 1 ’)’ w 1 ‘ = A \ (w l GLOBAL ‘ – p’)

Et eksempel p =[p1,p2] q =[q1,q2] Hvad er ligningen for linjen ? y = ax + b – find a og b [p2 ; q2] = [p1 1 ; q1 1] * [a ; b] [p1 1; q1 1] \ [p2 ; q2] = [a ; b]

En løsning [p1 1; q1 1] \ [p2 q 2]’ = [a b]’ » p = [0 0]; q = [1 1]; » A = [p(1) 1; q(1) 1]; a = [p(2) q(2)]; » x = A\a' x = 1 0 findlinje.m » p = [1 1]; q = [3,4]; » findlinje x = » p = [1 1]; q = p; findlinje Warning: Matrix is singular to working precision. x = Inf

Overbestemthed p =[p1,p2] q =[q1,q2] Find den bedste løsning ! y = ax + b [p2; q2; r2] = [p1 1 ; q1 1; r1 1] * [a ; b] r =[r1,r2]

Bedste løsning [p1 1; q1 1; r1 1] \ [p2; q2; r2] = [a ;b] » p = [0 0]; q = [1 1]; r = [2 1] » A = [p(1) 1; q(1) 1; r(1) 1]; a = [p(2) q(2) r(2)]; » x = A\a' x =

Polynomier [a n a n-1 a n-2 … a 1 a 0 ] * [x n x n-1 x n-2 … x 1 ]’ » roots([1 -2 1]) ans = 1 » roots([ ]) ans = i i » roots([ ]) ans = i i

» p2 = [1 -2 1]; » p3 = [ ]; » p4 = [ ]; » x = 0.6:0.05:1.4; » plot(x,polyval(p2,x), x, polyval(p3,x), x,polyval(p4,x), x,polyval([0],x) ) Undersøgelse

Og så er der skalering A* 5 A/3 A + 5 A

Andre Operationer » A^2» A*A » hilb(2) » A * hilb(2) == hilb(2) *A » A * hilb(2) » hilb(2) * A

Næste gang … Programmer: FOR …, IF …