MATLAB Indledning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005.

Slides:



Advertisements
Lignende præsentationer
VEKTORER AM 2006.
Advertisements

XM med GeoGebra Ib Michelsen.
Reduktion AM 2009.
3D modellering på den nye bane København-Ringsted
Design Via Frequency Response
Exploring design and use of transparent and tailorable IT in local government, beyond Web 2.0 Susanne Bødker.
IT i byggeriet Kristian Birch Sørensen
Oplæg og øvelser, herunder frugt og vand
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Gennem vores undersøgelser af zoo.dk har vi fundet ud af sitets tre største usability problemer:
Kender du det? Hvordan kommer jeg i gang med at skrive?
Nu er vi ved DEL 2 Modeller … er svaret vi laver modeller af hvordan vi tror information behandles ud fra hvad vi ved om virkningerne, dvs hvordan vi ved.
Algoritmer og Datastrukturer 2 Gerth Stølting Brodal.
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.
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.
Learning Objectives 5 Steps of a Significance Test Assumptions
Jesper Brandt Institut for Miljø, Samfund og Rumlig udvikling (ENSPAC) Roskilde Universitet Dansk Landskabsøkologisk Forenings 20. årsmøde København, 25.
Nyt fra forskningen – med fokus på kvalitet og kvalitetssikring Lone Kørnøv ’Miljøvurderingsdag 2014’, august /14Lone Kørnøv, DCEA.
Agenda 1.Informationer 1.Excel i fb.m. projekt 2 2.Reserver tid til projekt 2 3.Øvelse: a / b = c 2.Opsamling fra sidst 3.Estimation (konfidensintervaller)
Uligheder.
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
1 Unified Expression Language Copyright © Lund & Bendsen A/S Unified Expression Language.
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.
Kristine Kousholt, post doc, ph.d.
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)
GIS - kort og dog mere end kort
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.
Tek-Nat BÅ - IT&ED - E041 Projektenhedskursus (PE): Studiets metoder (SME) Informatik og datateknik (IT & ED) Kursusholder: Lars Peter Jensen.
Erhvervsøkonomi / Managerial Economics
MATLAB Programplanlægning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2003 >>mit_program(‘ind.txt’.`ud.txt´) myconstants.m function.
Evolution.
GIS Geografiske Informations Systemer. 2 GIS Defineres som IT-systemer til indsamling, opbevaring, vedligeholdelse og analyse af geografiske data samt.
Statistik for geografer
Statistik for geografer
Økonometri – lektion 8 Multipel Lineær Regression
Algoritmer Gerth Stølting Brodal Institut for Datalogi Aarhus Universitet MasterClass i Matematik, 10. april 2014, Aarhus Universitet.
Talforståelse og regneregler
Økonometri – lektion 4 Multipel Lineær Regression Model Estimation Inferens.
Usability ITU, forår 2008 Usability ITU Forår 2008 ’Teori 2’ 3. kursusgang, 14. februar 2008.
Evolution.
Algoritmer og Datastrukturer 2 Del-og-kombiner [CLRS, kapitel , , 28
Lektion 2. Definitioner En stikprøve (sample) Vi ønsker at generalisere ud fra en stikprøve Stikprøvefejls (samplings-error) Tilfældige fejl Systematikse.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 15. februar 2006.
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 2002.
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.
Økonometri 1: Den multiple regressionsmodel1 Økonometri 1 Den multiple regressionsmodel 17. september 2004.
Centre for IT-Intelligent Energy Systems for Cities Årsmøde CLEAN 22. Maj 2015 (Al)Fred Heller Vice Centerleder CITIES Lektor DTU Byg
Er samarbejde med virksomheder og universiteter afgørende for at sikre interessen og relevansen i gymnasiets undervisning? Anvendelsesorientering i de.
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.
ITERATIV PLANLÆGNING AF LETBANEN PÅ RING 3
Algoritmer og Datastrukturer 2
Delprøve i M2CAL2 efterår 2017
Reduktion AM 2009.
Thesis Critique Københavns Universitet er én institution – men det er langt fra en ensartet institution. De mange forskningsområder og forskellige uddannelser.
VEKTORER AM 2006.
Algoritmer og Datastrukturer 2
Algoritmer og Datastrukturer 2 Dynamisk Programmering [CLRS 15]
Præsentationens transcript:

MATLAB Indledning Anders P. Ravn Institut for Datalogi Aalborg Universitet Forår 2005

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 andengrads-polynomium ?

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

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

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']

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] = ?

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”

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

Og nu … ØVELSER!