Fundamentalräume einer Matrix

Slides:



Advertisements
Ähnliche Präsentationen
3. 3D-Betrachtungstransformationen
Advertisements

13. Transformationen mit Matrizen
Die Laue-Gleichungen und der Begriff der „Netzebene“
Seminar „Extrapolationsmethoden für zufällige Felder“
3.2 und 3.2.1: Räumliches Sehen und Koordinaten und Vektoren
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Die Geometrie der Ebene
Lösung linearer Gleichungssysteme
Schwierigkeitsgrad III 6 X - 7 = X
Astronomisch, Physikalische und Mathematische Geodäsie II
Isostatische Modelle Vorlesung vom 23. November 2006
Entwurf von CamCarpets mit Projektionsmatrizen
§14 Basis und Dimension (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Tutorium
Generalisierte additive Modelle
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
§17 Produkte und Quotienten von Vektorräumen
Ausgleichung ohne Linearisierung
§24 Affine Koordinatensysteme
Vektoren Grundbegriffe für das Information Retrieval
Skalare, Vektoren.
Effiziente Algorithmen
Zeit: 13h-15h Datum: Raum: IFW B42
Regionalisierte Variablen und Kriging
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Skalare, Vektoren.
Geometrie : Rekonstruktion
Ausgleichungsrechnung
Regression und Kollokation
Inhalt Vorbemerkung Vorstellung einer Unterrichtssequenz Kritik
Generalisiertes Vektorraummodell (Generalized Vector Space Model, GSVM) Karin Haenelt
Multivariate Statistische Verfahren
Numerische Integration
SINUS-Transfer NRW Projekt 2 Klaus Gerber
Skalare, Vektoren.
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Testtheorie (Vorlesung 4: ) Wiederholung/Zusammenfassung
Testtheorie (Vorlesung 5: ) Wiederholung/Zusammenfassung  Reduktion von Gleichungen:
Vortrag Relative Orientierung
Graphische Datenverarbeitung
8. Vektoren. 8. Vektoren Ortsvektor oder Polarvektor.
RFAG-Mathematik KT Bergische Region1 Flächensätze Korrelationskoeffizient präsentiert von Michael Spielmann Das Skalarprodukt in Geometrie und Statistik.
Torsten Mayer-Gürr Satellitengeodäsie Kugelfunktionen (Teil 2) Torsten Mayer-Gürr Satellitengeodäsie Kugelfunktionen (Teil 2) Torsten Mayer-Gürr.
/ SES.125 Parameterschätzung
Wahrscheinlichkeitstheorie
Satellitengeodäsie Kugelfunktionen Torsten Mayer-Gürr
Ausgleich nach der Methode der kleinsten Quadrate
Varianzfortpflanzung
Effiziente Lösungen für das Gauß-Markoff Modell
Ausgleich nach der Methode der kleinsten Quadrate
Ebenen im Raum 1. Koordinatengleichung einer Ebene
Approximation (Teil 2) / SES.125 Parameterschätzung
Fundamentalräume einer Matrix
Lineare Algebra II (MAVT)
Lineare Algebra II (MAVT)
Kapitel IV. Matrizen Inhalt:
§17 Produkte und Quotienten von Vektorräumen
§23 Basiswechsel und allgemeine lineare Gruppe
Abstandsbestimmungen
Pflichtteil 2016 Aufgabe 6: Gegeben ist die Gerade
Das Vektorprodukt Wir definieren erneut eine Multiplikation zwischen zwei Vektoren, das Vektorprodukt, nicht zu verwechseln mit dem Skalarprodukt. Schreibe.
Kapitel I. Vorspann zum Begriff Vektorraum
§19 Matrizen als lineare Abbildungen
Schnitt Ebene/Ebene Voraussetzungen Die Ebenen
Abstand Punkt – Ebene Gesucht ist der Abstand des Punktes
 Präsentation transkript:

Fundamentalräume einer Matrix 521.202 / SES.125 Parameterschätzung Fundamentalräume einer Matrix Torsten Mayer-Gürr

Freie Stationierung Beobachtungen: Gemessene Strecken Gesucht: Koordinaten des Standpunkts Wie lauten die Beobachtungsgleichungen? 28.10.2015

Tafel: Nicht-lineare Beobachtungsgleichungen 28.10.2015

Nicht-lineares Gauß-Markoff Modell 1. Nicht lineare Beobachtungsgleichungen 5. Lösung: 2. Näherungswerte 6. Probe für die Güte der Linearisierung: 3. Taylorentwicklung sonst weiter bei 2. 7. Schätzung der Gewichtseinheitsvarianz: mit 4. Linearisiertes Gauß-Markoff Modell 8. Kovarianzmatrix der Parameter: 28.10.2015

Tafel: Gewichtete Beobachtungen 28.10.2015

Änderung des mittleren Meeresspiegels 28.10.2015

Tafel: Richtungsmessungen 28.10.2015

Matrixraum

Matrix und Vektoren In Matrix Schreibweise: Als Vektor Linearkombination: 28.10.2015

Matrix und Vektoren Definition: Eine Menge von Vektoren bezeichnet man als linear unabhängig, wenn für die Gleichung nur eine eindeutige Lösung existiert: Die einzelnen Vektoren lassen sich nicht als Linearkombination der anderen Vektoren darstellen Definition: m linear unabhängige Vektoren spannen den Unterraum Vm auf. Diese Vektoren bilden eine Basis des Vektorraums Vm (Beispiel: Zwei Vektoren im R3 spannen eine Ebene auf.) 28.10.2015

Approximation

Approximation Linearkombination von Basisvektoren Approximation eines Vektors Bedingung: Differenzvektor muss senkrecht (normal) auf allen Basisvektoren stehen für 28.10.2015

Approximation Bedingung: Differenzvektor muss senkrecht (normal) auf allen Basisvektoren stehen für Nornalgleichungssystem: m Gleichungen mit m Unbekannten 28.10.2015

Approximation Nornalgleichungssystem: m Gleichungen mit m Unbekannten Normalgleichungssystem 28.10.2015

Approximation Die Spaltenvektoren von spannen den Spaltenraum von A auf Der geschätzte Residuenvektor steht senkrecht auf allen Spaltenvektoren Der Beobachtungsvektor l wird in den Spaltenraum von A projiziert Mit der orthogonalen Projektionsmatrix Die Projektion des Beobachtungsvektors l in den Komplementärraum von A ergibt den geschätzten Residuenvektor Projektionsmatrix in den orthogonalen Komplementärraum: 28.10.2015