8. Morfologinen kuvanprosessointi 8.1. Perusteita
|
|
- Jukka-Pekka Ranta
- 4 vuotta sitten
- Katselukertoja:
Transkriptio
1 8. Morfologinen kuvanprosessointi 8.1. Perusteita Sana morfologia viittaa muotoon ja rakenteeseen eri tieteenaloilla. Kuvanprosessoinnissa se tarkoittaa matemaattista keinoa, jolla irrotetaan kuvasta kiinnostavia osia näiden ollessa hyödyllisiä alueiden muodon esityksessä. Tämä luku on melko suppea, koska ao. menetelmät koskevat lähinnä binäärikuvia, joiden kuva-alkiot (pikselit) ovat joukosta Z 2. Sinänsä monet menetelmistä ovat yleistettävissä n-ulotteiseen euklidiseen avaruuteen. Matemaattisen morfologian kieli on joukkoteoria. Tämä tarjoaa useita keinoja kuvanprosessoinnin ongelmiin. Kuvan sisältämät kohteet edustavat joukkoja. Joukot käsittävät kaksiulotteisen avaruuden Z 2 alkioita (luku 2.4.), jotka ovat monikkoja (kaksiulotteisia vektoreita). Näiden koordinaatit ovat (x,y)-pareja ja arvot valkoisen (tai mustan) pikselin arvoja. Harmaasävyt voidaan esittää joukkoina, joiden komponentit kuuluvat avaruuteen Z 3 kolmannen komponentin ollessa intensiteettiarvo. Suurempiulotteiset avaruudet voivat käsittää värikomponentit ja ajan. Morfologinen kuvanprosessointi 415
2 Joukon B peilikuva määritellään seuraavasti. B w w b, kun b Jos B on kuvan kohteen pikselien joukko, niin sen peilikuva on yksinkertaisesti B:n pisteiden (x,y) joukko, jossa koordinaatit on muutettu muotoon (-x,-y). Kuvassa 8.1.(b) on (a):n peilikuva. B Joukon B translaatio eli siirto pisteeseen z=(z 1,z 2 ) määritellään seuraavalla kaavalla. ( B) z c c b z, kun b B Tässä, kuten kuvassa 8.1.(c), B:n koordinaatit korvataan koordinaateilla (x+z 1,y+z 2 ). Morfologinen kuvanprosessointi 416
3 b a c Kuva 8.1.(a) Pikselien joukko on esitetty sävytettynä kuviona, (b) joukon peilikuva ja (c) z:n suuruinen translaatio. Morfologinen kuvanprosessointi 417
4 Peilikuvaa ja translaatiota käytetään muodostettaessa rakennealkioiden operaatioita, joille muodostetaan pieniä osajoukkoja (kuvan osia) kuvan muokkaamiseksi tai testaamiseksi. Määritellään, mitkä alkiot ovat rakennealkiossa mukana, ja lisäksi, mikä on sen origo (yleensä asetetaan keskipisteeseen, vaikka tämä on pohjimmiltaan sovelluskohtainen kysymys). Origo merkitään pisteellä, mutta rakennealkion kuvion ollessa symmetrinen origon oletetaan sijaitsevan keskipisteessä, kun sitä ei ole merkitty. Kuva 8.2. esittää esimerkin. Kuva 8.3. osoittaa, miten rakennealkioita käytetään morfologiassa. Kuvat 8.3.(a) ja (b) sisältävät joukon ja rakennealkion. Tausta tehdään riittävän laajaksi suorakulmioksi, jotta se sisältää joukon A. Morfologinen kuvanprosessointi 418
5 Kuva 8.2. Ylärivillä on rakennealkioista esimerkkejä. Alarivissä rakennealkiot on asetettu suorakulmiotaulukoihin. Piste on rakennealkion keskipisteessä. Morfologinen kuvanprosessointi 419
6 Kuva 8.3.(a) Joukko A, (b) rakennealkio, (c) joukon sivuille on lisätty tausta-alkioita suorakulmion muotoon, (d) rakennealkio 3 3- taulukkona ja (e) rakennealkiolla prosessoitu joukko. Morfologinen kuvanprosessointi 420
7 Määritellään esimerkkiä varten joukolle A rakennealkiota B käyttävä operaatio, joka muodostaa uuden joukon ajamalla B yli joukon A B:n origon käydessä jokaisessa A:n paikassa (pikselissä). Mikäli B sisältyy tällöin kokonaan A:han, merkitään nykyinen paikka mukaan tulosjoukkoon, muuten tämän ulkopuolelle. Tulosjoukko on kuvassa 8.3.(e). Kyseinen operaatio on eroosio. Eroosion muodostamaan joukkoon kuuluvat vain ne pikselit, joissa A:n ja B:n alkiot menivät täysin päällekkäin. Morfologinen kuvanprosessointi 421
8 8.2. Eroosio ja dilaatio Eroosio (syövyttäminen) ja dilaatio (laajennus) ovat morfologian perusoperaatiot, joihin monet muut operaatiot perustuvat. Olkoot A ja B joukkoja avaruudessa Z 2. A:n eroosio B:llä merkitään ja määritellään seuraavasti. A B z ( B ) Kyseessä on siis pisteiden z joukko, jossa z:lla siirretyt pikselit kuuluvat joukkoon A. Kun rakennealkion B on kuuluttava joukkoon A, edellinen lause on ekvivalentti sen kanssa, että B:llä ei ole yhteisiä pikseleitä taustan kanssa, ts. A B z Ø jossa A c on joukon A komplementti ja Ø tyhjä joukko (luku 2.6.). Kuvassa 8.4. on esimerkki. z A c z ( B) A, Morfologinen kuvanprosessointi 422
9 Kuva 8.4.(a) Joukko A, (b) neliönmuotoinen rakennealkio B, (c) A:n eroosio B:llä (sävytettynä), (d) venytetty rakennealkio, (e) A:n eroosio tällä. Pisteviivoilla on merkitty selvyyden vuoksi rajatut alueet eli joukon A rajat. Morfologinen kuvanprosessointi 423
10 Kuva 8.5. esittää esimerkin eroosion soveltamisesta. Siinä kuvaa 8.5.(a) prosessoidaan eroosiolla, jossa rakennealkion koko on pikseliä. Tulos nähdään kuvassa 8.5.(b), jossa enimmät säteet katosivat ja sakarat ohentuivat, mutta eivät kadonneet kokonaan. Alkuperäisessä kuvassa sakarat olivat leveämmät kuin 11 pikseliä. Muuttamalla rakennealkion kooksi saadan kuvan 8.5.(c) tulos (vaihtoehtoisesti voitaisiin ajaa toistamiseen 11 11). Rakennealkion kokoa edelleen suurentamalla kokoon pyyhkäistään sakarat kokonaan pois. Eroosio kutisti tai ohensi binäärikuvan kohteita. Näin sitä voidaan käyttää morfologisessa suodatuksessa. Morfologinen kuvanprosessointi 424
11 a b c d Kuva 8.5.(a) Alkuperäinen binäärikuva kooltaan pikseliä sekä (b) maskilla 11 11, (c) ja (d) ajettu eroosio. Morfologinen kuvanprosessointi 425
12 Joukkojen A ja B ollessa Z 2 :ssa A:n dilaatio B:llä määritellään seuraavalla tavalla. Ø (1) A B z B Tässä otetaan B:n peilikuva origon suhteen ja sitten siirretään se z:n verran (kuva 8.1.). Tällöin A:n dilaatio B:llä on kaikkien z-siirtojen joukko B:n ja A:n mennessä päällekkäin vähintään yhden pikselin kohdalla. Täten kaava (1) on kirjoitettavissa ekvivalentisti näin. A B z B Jälleen A oli kuva ja B rakennealkio. B voidaan mieltää konvoluutiomaskina. Sen käyttö on analogista spatiaalisen maskin kanssa (luku 3.4.). Dilaatio perustuu kuitenkin joukko-operaatioihin, joten se on epälineaarinen toisin kuin lineaarinen konvoluutio. z z A A A Morfologinen kuvanprosessointi 426
13 Eroosioon verrattuna vastakkaisena operaationa dilaatio kasvattaa tai vahventaa binäärikuvan kohteita. Tätä vahventamista määrittää rakennealkion muoto. Kuva 8.6.(a) esittää saman joukon kuin kuva 8.4. Kuva 8.6.(b) esittää rakennealkion (nyt peilikuva kuvan 8.4. tilanteelle). Kuvan 8.6.(c) katkoviiva käsittää vertailun vuoksi alkuperäisen kuvan ja kiinteä viiva rajan, jonka yli menevät B:n peilikuvan z-siirrot tekisivät B:n peilikuvan ja A:n leikkauksesta tyhjän. Näin ollen kaikki rajan sisäpuolella tai rajalla olevat pisteet määrittävä kyseisen dilaation. Kuva 8.6.(d) käsittää rakennealkion, joka tuottaa suuremman dilaation pysty- kuin vaakasuunnassa. Kuva 8.6.(e) on tämän tulos. Morfologinen kuvanprosessointi 427
14 a b c e d Kuva 8.6.(a) Joukko A, (b) neliönmuotoinen rakennealkio, (c) B:n dilaatio A:lle, (d) pidennetty rakennealkio ja (e) tällä aikaansaatu dilaatio. Morfologinen kuvanprosessointi 428
15 Dilaatiota käytetään aukkojen paikkaamiseen kuvassa. Kuva 8.7.(a) on esimerkki, josta tiedetään suurimpien katkosten olevan kaksi pikseliä. Kuva 8.7.(b) esittää, miten rakennealkiolla korjataan katkokset. Sävytyksen sijasta tässä on käytetty 1:siä rakennealkiossa ja 0:ia taustassa. Kuva 8.7.(c) antaa dilaation tuloksen, jossa aukot on paikattu. Morfologinen kuvanprosessointi 429
16 a c b Kuva 8.7.(a) Kehnon resoluution tekstiä, jossa on katkenneita merkkejä (ks. suurennettu kuvan osa), (b) rakennealkio ja (c) dilaation tulos, jossa katkenneet segmentit on yhdistetty. Morfologinen kuvanprosessointi 430
17 Eroosio ja dilaatio ovat duaalisia toisilleen. Ne voidaan muodostaa toisistaan komplementin avulla. c A B c A c A B c A B B Duaalisuus on hyödyllinen erityisesti, kun rakennealkio on symmetrinen origon suhteen kuten tavallista, jolloin joukko B on yhtä kuin sen peilikuva. Silloin kuvan B:n mukainen eroosio saadaan suorittamalla dilaatio taustalle (dilaatio A c :lle) samalla rakennealkiolla. Sama idea pätee myös dilaation suorittamiselle. Muita hyödyllisiä operaatioita ovat avaus (opening) ja sulku (closing). Edellinen soveltuu kohteen ääriviivojen tasoitukseen ja ulkonemien poistamiseen. Sulku sulauttaa katkoja ja pitkiä kapenemia sekä hävittää reikiä. Morfologinen kuvanprosessointi 431
18 8.3. Morfologisia perusalgoritmeja Edeltävillä perusoperaatioilla voidaan helposti muodostaa binäärikuvien käsittelyä varten erilaisia menetelmiä, joista esitetään muutama keskeinen. Rajan irrottaminen (boundary extrcation) on usein esiintyvä tehtävä. Joukon A raja (A) saadaan ensin suorittamalla B-eroosio A:lle ja sitten laskemalla erotus A:n ja tämän eroosion välillä. B on asianmukainen rakennealkio. ( A ) A A B Kuva 8.8. havainnollistaa tehtävän suorittamista. Kuva 8.9. esittää esimerkin, jossa on käytetty 1-rakennealkiota kokoa 3 3. Tässä 1:set esitetään valkoisina (myös rakennealkiossa) ja 0:t mustina. Kyseisen rakennealkion muodon takia kuvassa 8.8. rajasta tuli yhden pikselin vahvuinen. Morfologinen kuvanprosessointi 432
19 a b c d Kuva 8.8.(a) Joukko A, (b) rakennealkio B, (c) B-eroosio A:lle ja (d) A:n ja tämän eroosion muodostama raja. Morfologinen kuvanprosessointi 433
20 (a) (b) Kuva 8.9.(a) Binäärikuva (1:set edustavat valkoisia) ja (b) sille laskettu yhden pikselin vahvuinen raja. Morfologinen kuvanprosessointi 434
21 Reikä määritellään tausta-alueena, jota ympäröi yhtenäinen edustapikselien raja-alue. Soveltaen dilaatiota, komplementtia ja leikkausta kuvan reikiä voidaan täyttää. Tehtävänä on täyttää kuvan reikä 1:sillä, kun on annettu reiän sisäinen aloituspiste. Aloitetaan muodostamalla 0:ien taulukko X 0, joka on samaa kokoa kuin reikäisen kohteen sisältävä joukko A. Reiän aloituskohtaan asetetaan kuitenkin 1. Seuraava proseduuri täyttää reiän 1:sillä. Jos reikiä on useita toimitaan samoin jokaisen osalta. X k c X B A, 1,2,... k k 1 B on tässä symmetrinen rakennealkio (kuva 8.10.(c)). Algoritmin suoritus päättyy iteraatiolla k, jos X k = X k-1. Tällöin X k sisältää kaikki täytetyt reiät. Joukkojen X k ja A unioni käsittää sekä täytetyt reiät että rajan. (2) Morfologinen kuvanprosessointi 435
22 a b c Kuva Reiän täyttäminen: (a) Joukko A (sävytettynä), (b) tämän komplementti, (c) rakennealkio B (d) rajan sisäinen aloituspiste, (e) -(h) iteraatiot ja (i) lopputulos kohtien (a) ja (h) unioni). d e f g h i Morfologinen kuvanprosessointi 436
23 Kaavan (2) dilaatio täyttäisi koko alueen, ellei tilannetta tarkistettaisi. Kunkin iteraation leikkaus komplementin A c kanssa rajoittaa kuitenkin tuloksen kiinnostusalueen sisäpuolelle. Täten kyseessä on ehdollinen dilaatio. Vaikka esimerkissä oli vain yksi reikä, menetelmä käy yhtä hyvin monireikäisille, kunhan jokaisen reiän sisältä on annettu aloituspiste. Kuva esittää esimerkin, jossa on täytetty valkoisten renkaiden mustat sisäosat. Kuvasta 8.11.(a) on valittu yksi rengas, joka on täytetty kuvassa 8.11.(b). Kuvassa 8.11.(c) ovat kaikki renkaat täytettyjä. Muita morfologisia tehtäviä ovat yhdistettyjen komponenttien irrottaminen, konveksin peitteen (convex hull) laskenta, ohentaminen, vahvistaminen, rangan laskenta, karsiminen ja morfologinen rekonstruktio. Morfologinen kuvanprosessointi 437
24 Kuva 8.10.(a) Binäärikuva, jossa on valkoisia renkaita eli reiällisiä kohteita, (b) yksi niistä täytetty valkoisella ja (c) kaikki täytetty. Morfologinen kuvanprosessointi 438
Ratkaisu: a) Kahden joukon yhdisteseen poimitaan kaikki alkiot jotka ovat jommassakummassa joukossa (eikä mitään muuta).
Matematiikan laitos Johdatus Diskreettiin Matematiikaan Harjoitus 1 03.11.2010 Ratkaisuehdotuksia Aleksandr Nuija 1. Tarkastellaan joukkoja A = {1,3,4}, B = {2,3,7,9} ja C = {2, 5, 7}. Määritä joukot (a)
Lisätiedot811120P Diskreetit rakenteet
811120P Diskreetit rakenteet 2016-2017 4. Joukot, relaatiot ja funktiot Osa 1: Joukot 4.1 Joukot Matemaattisesti joukko on mikä tahansa hyvin määritelty kokoelma objekteja, joita kutsutaan joukon alkioiksi
LisätiedotOsoita, että kaikki paraabelit ovat yhdenmuotoisia etsimällä skaalauskuvaus, joka vie paraabelin y = ax 2 paraabelille y = bx 2. VASTAUS: , b = 2 2
8. Geometriset kuvaukset 8.1. Euklidiset kuvaukset 344. Esitä muodossa x = Ax + b se avaruuden E 3 peilauskuvaus, jonka symmetriatasona on x 1 3x + x 3 = 6. A = 1 3 6 6 3, b = 1 1 18. 3 6 6 345. Tason
Lisätiedot10. Esitys ja kuvaus
10. Esitys ja kuvaus Kun kuva on ensin segmentoitu alueisiin edellisen luvun menetelmin, segmentoidut pikselit kootaan esittämään ja kuvaamaan kohteita muodossa, joka sopii hyvin jatkokäsittelyä varten.
LisätiedotJohdatus matemaattiseen päättelyyn
Johdatus matemaattiseen päättelyyn Maarit Järvenpää Oulun yliopisto Matemaattisten tieteiden laitos Syyslukukausi 2015 1 Merkintöjä 2 Todistamisesta 2 3 Joukko-oppia Tässä luvussa tarkastellaan joukko-opin
LisätiedotEllipsoidimenetelmä. Samuli Leppänen Kokonaislukuoptimointi. S ysteemianalyysin Laboratorio
Ellipsoidimenetelmä Kokonaislukuoptimointi Sovelletun matematiikan lisensiaattiseminaari Kevät 2008 / 1 Sisällys Ellipsoidimenetelmän geometrinen perusta ja menetelmän idea Formaali ellipsoidimenetelmä
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
LisätiedotTehtävä 1. Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja.
Tehtävä 1 Arvioi mitkä seuraavista väitteistä pitävät paikkansa. Vihje: voit aloittaa kokeilemalla sopivia lukuarvoja. 1 Jos 1 < y < 3, niin kaikilla x pätee x y x 1. 2 Jos x 1 < 2 ja y 1 < 3, niin x y
Lisätiedot10.2. Säteenjäljitys ja radiositeettialgoritmi. Säteenjäljitys
10.2. Säteenjäljitys ja radiositeettialgoritmi Säteenjäljitys Säteenjäljityksessä (T. Whitted 1980) valonsäteiden kulkema reitti etsitään käänteisessä järjestyksessä katsojan silmästä takaisin kuvaan valolähteeseen
LisätiedotKurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten
Todennäköisyys Kurssilla esitetään lyhyt katsaus niihin todennäköisyyden ja satunnaisprosessien peruskäsitteisiin ja -ominaisuuksiin, joita tarvitaan digitaalisten tietoliikennejärjestelmien ymmärtämisessä
Lisätiedot4.3. Matemaattinen induktio
4.3. Matemaattinen induktio Matemaattinen induktio: Deduktion laji Soveltuu, kun ominaisuus on osoitettava olevan voimassa luonnollisilla luvuilla. Suppea muoto P(n) : Ominaisuus, joka joka riippuu luvusta
Lisätiedot8 Joukoista. 8.1 Määritelmiä
1 8 Joukoista Joukko on alkoidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukkooppi aksiomaattisesti. Näin ei tässä tehdä
Lisätiedot12. Derivointioperaattoreista geometrisissa avaruuksissa
12. Derivointioperaattoreista geometrisissa avaruuksissa 12.1. Gradientti, divergenssi ja roottori 328. Laske u, kun u on vektorikenttä a) (z y)i + (x z)j + (y x)k, b) e xyz (i + xlnyj + x 2 zk), c) (x
Lisätiedot6.6. Tasoitus ja terävöinti
6.6. Tasoitus ja terävöinti Seuraavassa muutetaan pikselin arvoa perustuen mpäristön pikselien ominaisuuksiin. Kuvan 6.18.a nojalla ja Lukujen 3.4. ja 3.5. harmaasävjen käsittelssä esitellillä menetelmillä
LisätiedotSovellettu todennäköisyyslaskenta B
Sovellettu todennäköisyyslaskenta B Antti Rasila Kalvoissa käytetään materiaalia P. Palon vuoden 2005 kurssista. 07.09.2007 Antti Rasila () SovTodB 07.09.2007 07.09.2007 1 / 24 1 Todennäköisyyslaskennan
Lisätiedot1. Otetaan perusjoukoksi X := {0, 1, 2, 3, 4, 5, 6, 7}. Piirrä seuraaville kolmelle joukolle Venn-diagrammi ja asettele alkiot siihen.
Joukko-oppia Matematiikan mestariluokka, syksy 2010 Harjoitus 1, vastaukset 20.2.2010 1. Otetaan perusjoukoksi X := {0, 1, 2, 3, 4, 5, 6, 7}. Piirrä seuraaville kolmelle joukolle Venn-diagrammi asettele
LisätiedotX R Matematiikan johdantokurssi, syksy 2016 Harjoitus 5, ratkaisuista
Matematiikan johdantokurssi, syksy 06 Harjoitus, ratkaisuista. Olkoon perusjoukkona X := {,,,, } ja := {(, ), (, ), (, ), (, )}. Muodosta yhdistetyt (potenssi)relaatiot,,,. Entä mitä on yleisesti n, kun
Lisätiedot110. 111. 112. 113. 114. 4. Matriisit ja vektorit. 4.1. Matriisin käsite. 4.2. Matriisialgebra. Olkoon A = , B = Laske A + B, 5 14 9, 1 3 3
4 Matriisit ja vektorit 4 Matriisin käsite 42 Matriisialgebra 0 2 2 0, B = 2 2 4 6 2 Laske A + B, 2 A + B, AB ja BA A + B = 2 4 6 5, 2 A + B = 5 9 6 5 4 9, 4 7 6 AB = 0 0 0 6 0 0 0, B 22 2 2 0 0 0 6 5
LisätiedotReaalilukuvälit, leikkaus ja unioni (1/2)
Luvut Luonnolliset luvut N = {0, 1, 2, 3,... } Kokonaisluvut Z = {..., 2, 1, 0, 1, 2,... } Rationaaliluvut (jaksolliset desimaaliluvut) Q = {m/n m, n Z, n 0} Irrationaaliluvut eli jaksottomat desimaaliluvut
LisätiedotJoukot. Georg Cantor ( )
Joukot Matematiikassa on pyrkimys määritellä monimutkaiset asiat täsmällisesti yksinkertaisempien asioiden avulla. Tarvitaan jokin lähtökohta, muutama yleisesti hyväksytty ja ymmärretty käsite, joista
LisätiedotKanta ja dimensio 1 / 23
1 / 23 Kuten ollaan huomattu, saman aliavaruuden voi virittää eri määrä vektoreita. Seuraavaksi määritellään mahdollisimman pieni vektorijoukko, joka virittää aliavaruuden. Jokainen aliavaruuden alkio
LisätiedotDuaalisuus kokonaislukuoptimoinnissa. Mat , Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki
Duaalisuus kokonaislukuoptimoinnissa Mat-2.4191, Sovelletun matematiikan tutkijaseminaari, kevät 2008, Janne Karimäki Sisältö Duaalisuus binäärisissä optimointitehtävissä Lagrangen duaalisuus Lagrangen
LisätiedotJAKSO 2 KANTA JA KOORDINAATIT
JAKSO 2 KANTA JA KOORDINAATIT Kanta ja dimensio Tehtävä Esittele vektoriavaruuden kannan määritelmä vapauden ja virittämisen käsitteiden avulla ja anna vektoriavaruuden dimension määritelmä Esittele Lause
LisätiedotSolmu 3/2001 Solmu 3/2001. Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä:
Frégier n lause Simo K. Kivelä Kevään 2001 ylioppilaskirjoitusten pitkän matematiikan kokeessa oli seuraava tehtävä: Suorakulmaisen kolmion kaikki kärjet sijaitsevat paraabelilla y = x 2 ; suoran kulman
Lisätiedot4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen
4.5 Kaksivaiheinen menetelmä simplex algoritmin alustukseen Käypä kantaratkaisu löytyy helposti, esimerkiksi tapauksessa Ax b, b 0 x 0 jolloin sen määräävät puutemuuttujat. Tällöin simplex-menetelmän alustus
LisätiedotJoukot metrisissä avaruuksissa
TAMPEREEN YLIOPISTO Pro gradu -tutkielma Saara Lahtinen Joukot metrisissä avaruuksissa Informaatiotieteiden yksikkö Matematiikka Elokuu 2013 Sisältö 1 Johdanto 1 2 Metriset avaruudet 1 2.1 Tarvittavia
LisätiedotMS-A0402 Diskreetin matematiikan perusteet
MS-A040 Diskreetin matematiikan perusteet Osa : Relaatiot ja funktiot Riikka Kangaslampi 017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto Relaatiot Relaatio Määritelmä 1 Relaatio joukosta A
LisätiedotVapaus. Määritelmä. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee:
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
LisätiedotHavainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin. w w = ( 4) 2 + ( 3) 2 = 25 = 5. v = ( 3) = 13. v = v.
Havainnollistuksia: Merkitään w = ( 4, 3) ja v = ( 3, 2). Tällöin w = w w = ( 4) 2 + ( 3) 2 = 25 = 5 v = v v = ( 3) 2 + 2 2 = 13. w =5 3 2 v = 13 4 3 LM1, Kesä 2014 76/102 Normin ominaisuuksia I Lause
LisätiedotTampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus
Tampereen yliopisto Tietokonegrafiikka 201 Tietojenkäsittelytiede Harjoitus 6 1..201 1. Tarkastellaan Gouraudin sävytysmallia. Olkoon annettuna kolmio ABC, missä A = (0,0,0), B = (2,0,0) ja C = (1,2,0)
LisätiedotABHELSINKI UNIVERSITY OF TECHNOLOGY
Todennäköisyyslaskennan käsitteitä Satunnaisuus ja deterministisyys Deterministisessä ilmiössä alkutila määrää lopputilan yksikäsitteisesti. Satunnaisilmiö puolestaan arpoo - yhdestä alkutilasta voi päätyä
LisätiedotValitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti.
Joukon määritelmä Joukko on alkioidensa kokoelma. Valitsemalla sopivat alkiot joudutaan tämän määritelmän kanssa vaikeuksiin, jotka voidaan välttää rakentamalla joukko oppi aksiomaattisesti. Näin ei tässä
LisätiedotMatematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto
Matematiikan ja tilastotieteen laitos Algebra I - Kesä 2009 Ratkaisuehdoituksia harjoituksiin 8 -Tehtävät 3-6 4 sivua Heikki Koivupalo ja Rami Luisto 3. Oletetaan, että kunnan K karakteristika on 3. Tutki,
LisätiedotKannan vektorit siis virittävät aliavaruuden, ja lisäksi kanta on vapaa. Lauseesta 7.6 saadaan seuraava hyvin käyttökelpoinen tulos:
8 Kanta Tässä luvussa tarkastellaan aliavaruuden virittäjävektoreita, jotka muodostavat lineaarisesti riippumattoman jonon. Merkintöjen helpottamiseksi oletetaan luvussa koko ajan, että W on vektoreiden
LisätiedotSoudabeh Moradi Kappaleiden skeletonin etsiminen binäärikuvista. Kandidaatintyö
Soudabeh Moradi Kappaleiden skeletonin etsiminen binäärikuvista Kandidaatintyö Tarkastaja: Lehtori Heikki Huttunen Jätetty tarkastettavaksi 24. toukokuuta 2010 II TIIVISTELMÄ TAMPEREEN TEKNILLINEN YLIOPISTO
LisätiedotKonformigeometriaa. 5. maaliskuuta 2006
Konformigeometriaa 5. maaliskuuta 006 1 Sisältö 1 Konformigeometria 1.1 Viivan esitys stereograasena projektiona............ 1. Euklidisen avaruuden konformaalinen malli........... 4 Konformikuvaukset
LisätiedotSuora. Määritelmä. Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko. { p + t v t R},
Määritelmä Suora Oletetaan, että n = 2 tai n = 3. Avaruuden R n suora on joukko { p + t v t R}, missä p, v R n ja v 0. Tässä p on suoran jonkin pisteen paikkavektori ja v on suoran suuntavektori. v p LM1,
LisätiedotRistitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti
14 Ristitulo Avaruuden R 3 vektoreille voidaan määritellä pistetulon lisäksi niin kutsuttu ristitulo. Pistetulosta poiketen ristitulon tulos ei ole reaaliluku vaan avaruuden R 3 vektori. Ristitulosta on
LisätiedotLause 5. (s. 50). Olkoot A ja B joukkoja. Tällöin seuraavat ehdot ovat
jen Kahden joukon A ja B samuutta todistettaessa kannattaa usein osoittaa, että A on B:n osajoukko ja että B on A:n osajoukko. Tällöin sovelletaan implikaation ja ekvivalenssin yhteyttä. Lause 5. (s. 50).
LisätiedotVastauksia. Topologia Syksy 2010 Harjoitus 1
Topologia Syksy 2010 Harjoitus 1 (1) Olkoon X joukko ja (T j ) j J perhe X:n topologioita. Osoita, että T = {T j : j J} on X:n topologia. (2) Todista: Välit [a, b) muodostavat R 1 :n erään topologian kannan.
LisätiedotVektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on
13 Pistetulo Avaruuksissa R 2 ja R 3 on totuttu puhumaan vektorien pituuksista ja vektoreiden välisistä kulmista. Kuten tavallista, näiden käsitteiden yleistäminen korkeampiulotteisiin avaruuksiin ei onnistu
LisätiedotSuorat ja tasot, L6. Suuntajana. Suora xy-tasossa. Suora xyzkoordinaatistossa. Taso xyzkoordinaatistossa. Tason koordinaattimuotoinen yhtälö.
Suorat ja tasot, L6 Suora xyz-koordinaatistossa Taso xyz-koordinaatistossa stä stä 1 Näillä kalvoilla käsittelemme kolmen laisia olioita. Suora xyz-avaruudessa. Taso xyz-avaruudessa. Emme nyt ryhdy pohtimaan,
LisätiedotJohdatus matematiikkaan
Johdatus matematiikkaan Luento 6 Mikko Salo 6.9.2017 Sisältö 1. Kompleksitaso 2. Joukko-oppia Kompleksiluvut Edellisellä luennolla huomattiin, että toisen asteen yhtälö ratkeaa aina, jos ratkaisujen annetaan
LisätiedotVastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa.
Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus 1. Lasketaan joukkojen alkiot, ja todetaan, että niitä on 3 molemmissa. Vastaus 2. Vertaillaan
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 7 1 Useamman muuttujan funktion raja-arvo Palautetaan aluksi mieliin yhden muuttujan funktion g(x) raja-arvo g(x). x a Tämä raja-arvo kertoo, mitä arvoa funktio g(x)
LisätiedotMiten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }?
Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Miten perustella, että joukossa A = {a, b, c} on yhtä monta alkiota kuin joukossa B = {d, e, f }? Vastaus
LisätiedotAvaruuden R n aliavaruus
Avaruuden R n aliavaruus 1 / 41 Aliavaruus Esimerkki 1 Kuva: Suora on suljettu yhteenlaskun ja skalaarilla kertomisen suhteen. 2 / 41 Esimerkki 2 Kuva: Suora ei ole suljettu yhteenlaskun ja skalaarilla
LisätiedotAlgoritmit 2. Luento 6 To Timo Männikkö
Algoritmit 2 Luento 6 To 28.3.2019 Timo Männikkö Luento 6 B-puun operaatiot Nelipuu Trie-rakenteet Standarditrie Pakattu trie Algoritmit 2 Kevät 2019 Luento 6 To 28.3.2019 2/30 B-puu 40 60 80 130 90 100
LisätiedotYhtälön oikealla puolella on säteen neliö, joten r. = 5 eli r = ± 5. Koska säde on positiivinen, niin r = 5.
Tekijä Pitkä matematiikka 5 7..017 31 Kirjoitetaan yhtälö keskipistemuotoon ( x x ) + ( y y ) = r. 0 0 a) ( x 4) + ( y 1) = 49 Yhtälön vasemmalta puolelta nähdään, että x 0 = 4 ja y 0 = 1, joten ympyrän
LisätiedotVapaus. Määritelmä. jos c 1 v 1 + c 2 v c k v k = 0 joillakin c 1,..., c k R, niin c 1 = 0, c 2 = 0,..., c k = 0.
Vapaus Määritelmä Oletetaan, että v 1, v 2,..., v k R n, missä n {1, 2,... }. Vektorijono ( v 1, v 2,..., v k ) on vapaa eli lineaarisesti riippumaton, jos seuraava ehto pätee: jos c 1 v 1 + c 2 v 2 +
LisätiedotTarkastelemme ensin konkreettista esimerkkiä ja johdamme sitten yleisen säännön, joilla voidaan tietyissä tapauksissa todeta kielen ei-säännöllisyys.
Ei-säännöllisiä kieliä [Sipser luku 1.4] Osoitamme, että joitain kieliä ei voi tunnistaa äärellisellä automaatilla. Tulos ei sinänsä ole erityisen yllättävä, koska äärellinen automaatti on äärimmäisen
LisätiedotMatematiikan johdantokurssi, syksy 2016 Harjoitus 11, ratkaisuista
Matematiikan johdantokurssi, syksy 06 Harjoitus, ratkaisuista. Valitse seuraaville säännöille mahdollisimman laajat lähtöjoukot ja sopivat maalijoukot niin, että syntyy kahden muuttujan funktiot (ks. monisteen
LisätiedotLineaarialgebra ja matriisilaskenta II Syksy 2009 Laskuharjoitus 1 ( ) Ratkaisuehdotuksia Vesa Ala-Mattila
Lineaarialgebra ja matriisilaskenta II Syksy 29 Laskuharjoitus (9. - 3..29) Ratkaisuehdotuksia Vesa Ala-Mattila Tehtävä. Olkoon V vektoriavaruus. Todistettava: jos U V ja W V ovat V :n aliavaruuksia, niin
LisätiedotMatemaatiikan tukikurssi
Matemaatiikan tukikurssi Kurssikerta 1 1 Funktiot Funktion määritelmä Funktio on sääntö, joka liittää kahden eri joukon alkioita toisiinsa. Ollakseen funktio tämän säännön on liitettävä jokaiseen lähtöjoukon
Lisätiedoty x1 σ t 1 = c y x 1 σ t 1 = y x 2 σ t 2 y x 2 x 1 y = σ(t 2 t 1 ) x 2 x 1 y t 2 t 1
1. Tarkastellaan funktiota missä σ C ja y (y 1,..., y n ) R n. u : R n R C, u(x, t) e i(y x σt), (a) Miksi funktiota u(x, t) voidaan kutsua tasoaalloksi, jonka aaltorintama on kohtisuorassa vektorin y
LisätiedotRatkaisuehdotukset LH 7 / vko 47
MS-C34 Lineaarialgebra, II/7 Ratkaisuehdotukset LH 7 / vko 47 Tehtävä : Olkoot M R symmetrinen ja positiividefiniitti matriisi (i) Näytä, että m > ja m > (ii) Etsi Eliminaatiomatriisi E R siten, että [
LisätiedotMatematiikan tukikurssi, kurssikerta 1
Matematiikan tukikurssi, kurssikerta 1 1 Joukko-oppia Matematiikassa joukko on mikä tahansa kokoelma objekteja. Esimerkiksi joukkoa A, jonka jäseniä ovat numerot 1, 2 ja 5 merkitään A = {1, 2, 5}. Joukon
LisätiedotOnko kuvaukset injektioita? Ovatko ne surjektioita? Bijektioita?
Matematiikkaa kaikille, kesä 2017 Avoin yliopisto Luentojen 2,4 ja 6 tehtäviä Päivittyy kurssin aikana 1. Olkoon A = {0, 1, 2}, B = {1, 2, 3} ja C = {2, 3, 4}. Luettele joukkojen A B, A B, A B ja (A B)
Lisätiedot1 Kertaus. Lineaarinen optimointitehtävä on muotoa:
1 Kertaus Lineaarinen optimointitehtävä on muotoa: min c 1 x 1 + c 2 x 2 + + c n x n kun a 11 x 1 + a 12 x 2 + + a 1n x n b 1 a 21 x 1 + a 22 x 2 + + a 2n x n b 2 (11) a m1 x 1 + a m2 x 2 + + a mn x n
Lisätiedot802320A LINEAARIALGEBRA OSA II
802320A LINEAARIALGEBRA OSA II Tapani Matala-aho MATEMATIIKKA/LUTK/OULUN YLIOPISTO SYKSY 2016 LINEAARIALGEBRA 1 / 64 Sisätuloavaruus Määritelmä 1 Olkoon V reaalinen vektoriavaruus. Kuvaus on reaalinen
LisätiedotLineaarikuvauksen R n R m matriisi
Lineaarikuvauksen R n R m matriisi Lauseessa 21 osoitettiin, että jokaista m n -matriisia A vastaa lineaarikuvaus L A : R n R m, jolla L A ( v) = A v kaikilla v R n. Osoitetaan seuraavaksi käänteinen tulos:
Lisätiedot1 Sisätulo- ja normiavaruudet
1 Sisätulo- ja normiavaruudet 1.1 Sisätuloavaruus Määritelmä 1. Olkoon V reaalinen vektoriavaruus. Kuvaus : V V R on reaalinen sisätulo eli pistetulo, jos (a) v w = w v (symmetrisyys); (b) v + u w = v
LisätiedotSatunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos
Satunnaisalgoritmit Topi Paavilainen Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Helsinki, 23. helmikuuta 2014 1 Johdanto Satunnaisalgoritmit ovat algoritmeja, joiden
Lisätiedot1 Kannat ja kannanvaihto
1 Kannat ja kannanvaihto 1.1 Koordinaattivektori Oletetaan, että V on K-vektoriavaruus, jolla on kanta S = (v 1, v 2,..., v n ). Avaruuden V vektori v voidaan kirjoittaa kannan vektorien lineaarikombinaationa:
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. Olkoot A 2 := AA =
3 3 Olkoot 9 8 B 7 6 ja A 5 4 [ 3 4 Nyt A + B, AB ja BB eivät ole mielekkäitä (vastaavilla lineaarikuvauksilla menisivät dimensiot solmuun tällaisista yhdistelmistä) Kuitenkin voidaan laskea BA ja 9( )
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 9 1 Implisiittinen derivointi Tarkastellaan nyt yhtälöä F(x, y) = c, jossa x ja y ovat muuttujia ja c on vakio Esimerkki tällaisesta yhtälöstä on x 2 y 5 + 5xy = 14
Lisätiedot8. Morfologinen kuvanprosessointi 8.1. Perusteita. = kun
8. Morfologinen kuvnprosessointi 8.1. Perusteit Sn morfologi viitt muotoon j rkenteeseen eri tieteenloill. Kuvnprosessoinniss se trkoitt mtemttist keino, joll irrotetn kuvst kiinnostvi osi näiden olless
LisätiedotKuvauksista ja relaatioista. Jonna Makkonen Ilari Vallivaara
Kuvauksista ja relaatioista Jonna Makkonen Ilari Vallivaara 20. lokakuuta 2004 Sisältö 1 Esipuhe 2 2 Kuvauksista 3 3 Relaatioista 8 Lähdeluettelo 12 1 1 Esipuhe Joukot ja relaatiot ovat periaatteessa äärimmäisen
LisätiedotF dr = F NdS. VEKTORIANALYYSI Luento Stokesin lause
91 VEKTORIANALYYI Luento 13 9. tokesin lause A 16.5 tokesin lause on kuin Gaussin lause, mutta yhtä dimensiota alempana: se liittää toisiinsa kentän derivaatasta pinnan yli otetun integraalin ja pinnan
Lisätiedot6 Vektoriavaruus R n. 6.1 Lineaarikombinaatio
6 Vektoriavaruus R n 6.1 Lineaarikombinaatio Määritelmä 19. Vektori x œ R n on vektorien v 1,...,v k œ R n lineaarikombinaatio, jos on olemassa sellaiset 1,..., k œ R, että x = i v i. i=1 Esimerkki 30.
LisätiedotHarjoitus 3 (3.4.2014)
Harjoitus 3 (3..) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i, j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
LisätiedotTäydellisyysaksiooman kertaus
Täydellisyysaksiooman kertaus Luku M R on joukon A R yläraja, jos a M kaikille a A. Luku M R on joukon A R alaraja, jos a M kaikille a A. A on ylhäältä (vast. alhaalta) rajoitettu, jos sillä on jokin yläraja
LisätiedotHarjoitus 3 (31.3.2015)
Harjoitus (..05) Tehtävä Olkoon kaaren paino c ij suurin sallittu korkeus tieosuudella (i,j). Etsitään reitti solmusta s solmuun t siten, että reitin suurin sallittu korkeus pienimmillään olisi mahdollisimman
LisätiedotLineaarinen optimointi. Harjoitus 6-7, Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän. c T x = min!
Lineaarinen optimointi Harjoitus 6-7, 016. 1. Olkoon A R m n, x, c R ja b R m. Osoita, että LP-tehtävän c T x = min! (T) Ax b x 0 duaalitehtävän duaali on tehtävä (T). Ratkaisu. (P) c T x = min! Ax b x
LisätiedotLaskuharjoitus 2A ( ) Aihepiiri: Raja-arvot etc. Adams & Essex, 8th Edition, Chapter 12. z = f(x, 0) = x2 a z = f(0, y) = 02 a 2 + y2
Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Korte / Lindfors MS-A0207 Dierentiaali- ja integraalilaskenta 2 (CHEM), kevät 2017 Laskuharjoitus 2A (9.10.1.) Aihepiiri:
LisätiedotLineaarialgebra ja matriisilaskenta II. LM2, Kesä /141
Lineaarialgebra ja matriisilaskenta II LM2, Kesä 2012 1/141 Kertausta: avaruuden R n vektorit Määritelmä Oletetaan, että n {1, 2, 3,...}. Avaruuden R n alkiot ovat jonoja, joissa on n kappaletta reaalilukuja.
LisätiedotMonikulmiot 1/5 Sisältö ESITIEDOT: kolmio
Monikulmiot 1/5 Sisältö Monikulmio Monikulmioksi kutsutaan tasokuviota, jota rajaa perättäisten janojen muodostama monikulmion piiri. Janat ovat monikulmion sivuja, niiden päätepisteet monikulmion kärkipisteitä.
LisätiedotLineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus
Lineaarikombinaatio, lineaarinen riippuvuus/riippumattomuus 1 / 51 Lineaarikombinaatio Johdattelua seuraavaan asiaan (ei tarkkoja määritelmiä): Millaisen kuvan muodostaa joukko {λv λ R, v R 3 }? Millaisen
Lisätiedota k+1 = 2a k + 1 = 2(2 k 1) + 1 = 2 k+1 1. xxxxxx xxxxxx xxxxxx xxxxxx
x x x x x x x x Matematiikan johdantokurssi, syksy 08 Harjoitus, ratkaisuista Hanoin tornit -ongelma: Tarkastellaan kolmea pylvästä A, B ja C, joihin voidaan pinota erikokoisia renkaita Lähtötilanteessa
LisätiedotLineaarikuvausten. Lineaarikuvaus. Lineaarikuvauksia. Ydin. Matriisin ydin. aiheita. Aiheet. Lineaarikuvaus. Lineaarikuvauksen matriisi
Lineaarikuvaukset aiheita ten ten 1 Matematiikassa sana lineaarinen liitetään kahden lineaariavaruuden väliseen kuvaukseen. ten Määritelmä Olkoon (L, +, ) ja (M, ˆ+, ˆ ) reaalisia lineaariavaruuksia, ja
Lisätiedot7.4 PERUSPISTEIDEN SIJAINTI
67 7.4 PERUSPISTEIDEN SIJAINTI Optisen systeemin peruspisteet saadaan systeemimatriisista. Käytetään seuraavan kuvan merkintöjä: Kuvassa sisäänmenotaso on ensimmäisen linssin ensimmäisessä pinnassa eli
LisätiedotLuento 3: 3D katselu. Sisältö
Tietokonegrafiikan perusteet T-.43 3 op Luento 3: 3D katselu Lauri Savioja Janne Kontkanen /27 3D katselu / Sisältö Kertaus: koordinaattimuunnokset ja homogeeniset koordinaatit Näkymänmuodostus Kameran
LisätiedotTehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua.
HY / Avoin yliopisto Johdatus yliopistomatematiikkaan, kesä 2015 Harjoitus 2 Ratkaisuehdotuksia Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, 15-17
LisätiedotJohdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma
Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten Ratkaisuehdotelma Tehtävä 1 1. Etsi lukujen 4655 ja 12075 suurin yhteinen tekijä ja lausu se kyseisten lukujen lineaarikombinaationa ilman laskimen
LisätiedotBM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016
BM20A5800 Funktiot, lineaarialgebra ja vektorit Harjoitus 4, Syksy 2016 1. Hahmottele karkeasti funktion f : R R 2 piirtämällä sen arvoja muutamilla eri muuttujan arvoilla kaksiulotteiseen koordinaatistoon
LisätiedotÄärellisten mallien teoria
Äärellisten mallien teoria Harjoituksen 4 ratkaisut Tehtävä 1. Määritä suurin aste k, johon saakka kuvan verkot G ja G ovat osittaisesti isomorfisia: Ratkaisu 1. Huomataan aluksi, että G =4 G : Ehrenfeucht-Fraïssé
Lisätiedotverkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari
Tehtävä 9 : 1 Merkitään kirjaimella G tehtäväpaperin kuvan vasemmanpuoleista verkkoa sekä kirjaimella H tehtäväpaperin kuvan oikeanpuoleista verkkoa. Kuvan perusteella voidaan havaita, että verkko G on
LisätiedotDiskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9
Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9 Tuntitehtävät 9-10 lasketaan alkuviikon harjoituksissa ja tuntitehtävät 13-14 loppuviikon harjoituksissa. Kotitehtävät 11-12 tarkastetaan loppuviikon
LisätiedotVastaavasti, jos vektori kerrotaan positiivisella reaaliluvulla λ, niin
1 / 14 Lukiossa vektori oli nuoli, jolla oli suunta ja suuruus eli pituus. Tarkastellaan aluksi tason vektoreita (R 2 ). Siirretään vektori siten, että sen alkupää on origossa. Tällöin sen kärki on pisteessä
Lisätiedot(2n 1) = n 2
3.5 Induktiotodistus Induktiota käyttäen voidaan todistaa luonnollisia lukuja koskevia väitteitä, jotka ovat muotoa väite P (n) on totta kaikille n =0, 1, 2,... Tässä väite P (n) riippuu n:n arvosta. Todistuksessa
LisätiedotTekijä Pitkä matematiikka Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4).
Tekijä Pitkä matematiikka 4 9.12.2016 212 Suoran pisteitä ovat esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4). Vastaus esimerkiksi ( 5, 2), ( 2,1), (1, 0), (4, 1) ja ( 11, 4) 213 Merkitään pistettä
Lisätiedot802118P Lineaarialgebra I (4 op)
802118P Lineaarialgebra I (4 op) Tero Vedenjuoksu Oulun yliopisto Matemaattisten tieteiden laitos 2012 Lineaarialgebra I Yhteystiedot: Tero Vedenjuoksu tero.vedenjuoksu@oulu.fi Työhuone M206 Kurssin kotisivu
Lisätiedot3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset. 3.2 Matriisien laskutoimitukset
32 Idea: Lineaarikuvausten laskutoimitusten avulla määritellään vastaavat matriisien laskutoimitukset Vakiolla kertominen ja summa Olkoon t R ja A, B R n m Silloin ta, A + B R n m ja määritellään ta ta
LisätiedotApprobatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.
Approbatur 3, demo 1, ratkaisut 1.1. A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat. Käydään kaikki vaihtoehdot läpi. Jos A on rehti, niin B on retku, koska muuten
Lisätiedot2.1. Tehtävänä on osoittaa induktiolla, että kaikille n N pätee n = 1 n(n + 1). (1)
Approbatur 3, demo, ratkaisut Sovitaan, että 0 ei ole luonnollinen luku. Tällöin oletusta n 0 ei tarvitse toistaa alla olevissa ratkaisuissa. Se, pidetäänkö nollaa luonnollisena lukuna vai ei, vaihtelee
LisätiedotOminaisarvot ja ominaisvektorit 140 / 170
Ominaisarvot ja ominaisvektorit 140 / 170 Seuraavissa luvuissa matriisit ja vektori ajatellaan kompleksisiksi, ts. kertojakuntana oletetaan olevan aina kompleksilukujoukko C Huomaa, että reaalilukujoukko
Lisätiedot30A02000 Tilastotieteen perusteet
30A02000 Tilastotieteen perusteet Kertaus 1. välikokeeseen Lauri Viitasaari Tieto- ja palvelujohtamisen laitos Kauppatieteiden korkeakoulu Aalto-yliopisto Syksy 2019 Periodi I-II Sisältö Välikokeesta Joukko-oppi
Lisätiedot811312A Tietorakenteet ja algoritmit , Harjoitus 2 ratkaisu
811312A Tietorakenteet ja algoritmit 2017-2018, Harjoitus 2 ratkaisu Harjoituksen aiheena on algoritmien oikeellisuus. Tehtävä 2.1 Kahvipurkkiongelma. Kahvipurkissa P on valkoisia ja mustia kahvipapuja,
LisätiedotYhtälöryhmät 1/6 Sisältö ESITIEDOT: yhtälöt
Yhtälöryhmät 1/6 Sisältö Yhtälöryhmä Yhtälöryhmässä on useita yhtälöitä ja yleensä myös useita tuntemattomia. Tavoitteena on löytää tuntemattomille sellaiset arvot, että kaikki yhtälöt toteutuvat samanaikaisesti.
LisätiedotMatematiikan tukikurssi
Matematiikan tukikurssi Kurssikerta 8 1 Suunnattu derivaatta Aluksi tarkastelemme vektoreita, koska ymmärrys vektoreista helpottaa alla olevien asioiden omaksumista. Kun liikutaan tasossa eli avaruudessa
Lisätiedot