6. Thema: Arbeiten mit Feldern

Slides:



Advertisements
Ähnliche Präsentationen
Simulation komplexer technischer Anlagen
Advertisements

Schnelle Matrizenoperationen von Christian Büttner
13. Transformationen mit Matrizen
11. Matrizen. 11. Matrizen Eine mn-Matrix ist ein Raster aus mn Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (aij)1  i  m, 1.
Seminar Stochastik im WS 02/03
Matlab Einführung Tobias Wunner 16. Oktober 2006.
der Universität Oldenburg
Was wir zur numerischen Lösung von Dglen wissen
Lösung von linearen Gleichungssystemen - Grundlagen
Lösung von linearen Gleichungssystemen - Grundlagen
Dynamische Programmierung (2) Matrixkettenprodukt
WS Algorithmentheorie 08 – Dynamische Programmierung (2) Matrixkettenprodukt Prof. Dr. Th. Ottmann.
Beispiele für Gleichungssysteme
V 12: Systemen partieller Differentialgleichungen
K. Desch - Statistik und Datenanalyse SS05
Mathematik Unterschiede GK / LK R. Redix 2009.
(Ron Rivest, Adi Shamit, Leonard Adleman , 1977)
Eigenwerttechniken Matrixalgebra 7.2 Hauptkomponentenanalyse
ISWeb - Information Systems & Semantic Web Marcin Grzegorzek 5.4 Latent Semantic Indexing und Singulärwertzerlegung Zerlegung von.
DVG Gaußscher Algorithmus1 Gaußscher Algorithmus.
Gaußscher Algorithmus
Quaternionen Eugenia Schwamberger.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
Folie 1 § 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf K nxn ist eine Abbildung (im Falle char(K) ungleich.
§ 29 Determinanten: Eigenschaften und Berechnung
Tutorium
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
Lösungsweg: Satz von Gauß
Effiziente Algorithmen
Matlab Praktikum Dipl.-Math. Zülfü Taskesen.
Arbeit, Energie.
Agenda Motivation Grundlagen der Matrix-Vektor-Multiplikation
5. Erweiterungen der Zahlenmenge
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Zeit: 13h-15h Datum: Raum: IFW B42
Wissenschaftliche Programmierung mit Python - für Meteorologie und Atmosphärenforschung Martin G. Schultz Teil 3: Numpy.
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§3 Allgemeine lineare Gleichungssysteme
Einführung in die Matrizenrechnung
Polynome und schnelle Fourier-Transformation
Feldstärken und Ladungen
Der magnetische Fluss Feldstärke und Raum.
Vektorrechnung in der Schule
Lineare Algebra, Teil 2 Abbildungen
Technische Informatik Reihungen – Felder - Arrays.
Kapitel 10 Multikollinearität
Inhalt Vorbemerkung Vorstellung einer Unterrichtssequenz Kritik
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
Multivariate Statistische Verfahren
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
Statistik – Regression - Korrelation
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)
Lineare Algebra 11. Matrizen Eine m  n-Matrix ist ein Raster aus m  n Koeffizienten, die in m Zeilen und n Spalten angeordnet sind. = (a ij )
Theorie, Anwendungen, Verallgemeinerungen
Prof. Dr. Walter Kiel Fachhochschule Ansbach
Prof. Dr. Walter Kiel Fachhochschule Ansbach
Graphische Datenverarbeitung
Der Winkel zwischen Vektoren
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Independent Component Analysis: Analyse natürlicher Bilder Friedrich Rau.
Physische Geographie Uni Augsburg Variablen-Arrays: mehrere Platzhalter in einer Variable: Ein Array ist eine (Feld-)Variable in der mehr als ein Wert.
1 Matrizenrechnung 1Einführung 2Begriff der Matrix und spezielle Matrizen 3Relationen 4Operationen 1Transponierte Matrix 2Addition (Subtraktion) 3Multiplikation.
Ausgleich nach der Methode der kleinsten Quadrate
ReduSoft Ltd. Kurzbeschreibungen zu einigen Modulen, die im Programm MathProf 5.0 unter dem Themenbereich Algebra implementiert sind. Matrizen.
ReduSoft Ltd. Kurzbeschreibungen zu einigen Modulen, die im Programm MathProf 5.0 unter dem Themenbereich Algebra implementiert sind. Matrizen.
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
Rechenausdrücke (Terme) – Fachbegriffe - Rechenregeln
 Präsentation transkript:

6. Thema: Arbeiten mit Feldern Datenstrukturen 6. Thema: Arbeiten mit Feldern

Was sind Felder? Ein Feld ist eine Datenstruktur, deren Elemente alle von derselben skalaren Datenart sind Elemente sind ein- oder mehrdimensional angeordnet Anordnung in einer Dimension wird durch einen Index beschrieben

Eigenschaften von Feldern: gleichwertige Elemente Länge einer Dimension ist unabhängig vom Wert der Indices in den anderen Dimensionen (keine Lücken)

Unterteilung:

Anlegen von Feldern (per Hand): Matrizen A = [a11 a12 a13; a21 a22 a23] Vektoren - Zeilenvektoren: - b = [a11 a12 a13] - Spaltenvektoren - d = [a11; a21; a31]

Anlegen von Feldern (per Hand): mehrdimensionale Felder Matrix A Matrix B ____________ C(:, :, 1) = A C(:, :, 2) = B

Besondere Funktionen zum Anlegen von Zeilenvektoren c = [Start: Schrittweite: Ende] linspace linspace(-2,+3,50) liefert einen Vektor mit 50 zwischen -2 und +3 äquidistant verteilten Werten. logspace logspace(-2,+2,2000) liefert einen Vektor mit 2000 Werten, die auf einer logarithmisch skalierten Strecke zwischen 1.0e-2 und 1.0e+2 äquidistant verteilt sind.

Besondere Funktionen zum Anlegen von Matrizen Magisches Quadrat A = magic(Länge) Einheitsmatrizen B = eye(Länge (, Länge) ) ones - liefert Felder beliebiger Gestalt, bei denen alle Elemente den Wert 1 haben. zeros - liefert Felder beliebiger Gestalt, bei denen alle Elemente den Wert 0 haben.

Besondere Funktionen zum Anlegen von mehrdimensionalen Feldern Die Matlab-Funktion rand liefert Felder, deren Elemente gleichverteilte Zufallszahlen im Intervall(0,1) sind. rand(1,n) liefert einen Zeilenvektor der Länge n rand(n,1) liefert eine Spaltenvektor der Länge n rand(n) liefert eine quadratische n*n Matrix rand(n,m) liefert eine n*m Matrix rand(n,m,p) liefert ein n*m*p Feld

Besondere Funktionen zum Anlegen von mehrdimensionalen Feldern randn liefert Felder beliebiger Gestalt, bei denen die Elementwerte normalverteilt mit Mittelwert 0 und Standardabweichung 1 sind.

Zugriff auf Feldbereiche Vektoren - a(Index_D1) Matrizen und mehrdimensionale Felder - Elemente: B(Index_D1, Index_D2) - Bereiche: B(Index_D1, b23: b25) - Zeilen: B(Index_D1, :) - Spalten: B(:, Index_D2)

Rechenoperation auf Felder Matrizen transponieren: A‘ Matrizen mit Matrizen oder Vektoren multiplizieren - B * C - D * e Komponentenweise Berechnung - t . * t Inverse einer Matrix: inv(A) Rang rank(A) Determinante det(A) Summe (Differenz) A + B (A - B) p-te Potenz A^p Skalarprodukt zweier Vektoren x‘ * y Äußeres Produkt zweier Vektoren x * y' Multiplikation mit Skalar c c * x Matrix-Vektor Produkt A * x Eine Besonderheit in MATLAB stellt die Matrix-Division dar. Hierbei gilt: X=A\B ist Lösung der Gleichung A*X=B X=B/A ist Lösung der Gleichung X*A=B Wenn bei der Matrix-Division anstelle der Matrix B ein Vektor b verwendet wird, so stell x=A\b gerade die Lösung des linearen Gleichungssystems A*x=b dar; bei der Lösung wird der Gaußsche Algorithmus verwendet. Eigenwerte und Eigenvektoren einer Matrix A können folgendermaßen berechnet werden: Vektor x der Eigenwerte: x=eig(A) Matrix X der Eigenvektoren, Diagonalmatrix D der Eigenwerte: [X,D]=eig(A)

Rechenoperation auf Felder sum(Feld) – Addition aller Spalten sum(Feld‘) – Addition aller Zeilen sum(sum(Feld)) – Addition aller Feld Feldelemente, is auch mit dem Platzhalter ‘:‘ kombinierbar

Rechenoperation auf Felder Cat – Mit Hilfe dieser Funktion kann man aus Feldern solche mit höheren Dimension aufbauen. Bsp.: cat(3, 2.0, 2.2, 2.4) ans(:,:,1) = 2 ans(:,:,2) = 2.2000 ans(:,:,3) = 2.4000