Erikoistekniikoita. Moiré - shadow-moiré - projection-moiré. Rasterifotogrammetria - yhden juovan menetelmä - monen juovan menetelmä

Save this PDF as:
 WORD  PNG  TXT  JPG

Koko: px
Aloita esitys sivulta:

Download "Erikoistekniikoita. Moiré - shadow-moiré - projection-moiré. Rasterifotogrammetria - yhden juovan menetelmä - monen juovan menetelmä"

Transkriptio

1 Erikoistekniikoita Moiré - shadow-moiré - projection-moiré Rasterifotogrammetria - yhden juovan menetelmä - monen juovan menetelmä Tomografia - periaate Hologrammetria - periaate Motografia

2 Moiré-tekniikka Päällekkäisten viivastojen interferenssi: +

3 Moiré-tekniikka Shadow-moiré: -kohdetta valaistaan ja tarkastellaan saman viivaston läpi -kohteeseen muodostuu intensiteettikuvioita, joiden muodot ovat riippuvaisia valonlähteen ja tarkastelijan paikasta, viivaston tiheydestä ja kappaleen pinnanmuodosta - viivaston on oltava melko lähellä kuvattavaa kohdetta

4 Moiré-tekniikka Projection-moiré: - sekä projektorissa että kamerassa on oma viivastonsa (G1 ja G2), joiden perusteella interferenssikuviot syntyvät - viivastojen (G1 ja G2) ei tarvitse olla lähellä kohdetta kuten shadow-moiré -tekniikassa

5 Moiré-tekniikka Topografian määritys: - muodostuneet interferenssikuviot (fringe) ovat riippuvaisia valonlähteen ja tarkastelijan paikasta, viivaston tiheydestä ja sen sijainnista mitattavan kappaleen suhteen sekä kappaleen pinnanmuodosta - kappaleen pinnanmuotojen määrittäminen vaatii em. kuvausgeometrian tuntemista ja interferenssikuvioiden järjestyksen selvittämistä (eli onko kyseessä ylämäki vai alamäki ) - sopivalla kuvaugeometrialla voidaan erottaa jopa millimetrin murto-osien suuruisia korkeuseroja Kuva:

6 Moiré-tekniikka Topografian määritys (shadow-moiré): - jos valonlähde ja tarkastelija (kamera) ovat yhtä kaukana (e) viivastosta, niiden välimatka d on tunnettu ja viivaston aukkojen välimatka s on tunnettu, saadaan interferenssikuvioiden korkeudet hn seuraavasti: ne hn=, d / s n jossa n on 0, 1, 2,... vaaleille juoville ja ½, 3/2, 5/2,... tummille juoville

7 Moiré-tekniikka Topografian määritys (projection-moiré): - jos viivastot G1 ja G2 ovat samansuuntaiset ja kuvausgeometria on muuten samanlainen kuin edellisessä tapauksessa, saadaan korkeudet hn suhteessa sovittuun vertaustasoon seuraavasti: hn= ne, d / sm n jossa taas n on 0, 1, 2,... vaaleille juoville ja ½, 3/2, 5/2,... tummille juoville

8 Moiré-tekniikka Topografian määritys (projection-moiré): hn= ne d / sm n - termi m on vertaustason ja kameran viivaston välien suhde (m=s'/s)

9 Moiré-tekniikka Topografian määritys: - mikäli kuvausgeometria on monimutkaisempi kuin aiemmissa esimerkeissä on topografian laskeminen hieman hankalampaa - jotta topografia saadaan ratkaistua pitää myös intensiteettikuvioiden järjestys selvittää (onko kyseessä kuoppa vai kukkula, vrt. SAR-interferometrian vaiheenpurku ) - järjestyksen selvittäminen voidaan hoitaa esim. kohteeseen tuotetuilla varjoilla (kts. kuva) - erikoisjärjestelyin voidaan myös tuottaa interferenssikuvasta stereopari, josta kukkulat ja kuopat voidaan tulkita Kuva: H. Takasaki.

10 Moiré-tekniikka Topografian määritys: - myös tavallisen intensiteettikuvan yhdistäminen interferenssikuvaan auttaa järjestyksen määrittämisessä (esim. siten että alamäki on tietyissä valaistusolosuhteissa varjonpuolella ja vastaavasti ylämäki on valaistu) -- edellyttää etukäteistietoa valaistuksesta - jos kohteesta tuotetaan kaksi tai useampia interferenssikuvioita siten, että sen etäisyyttä viivastosta muutetaan, voidaan kukkulat ja kuopat erottaa interferenssikuvioiden muutosten perusteella -- jos kohdetta tuodaan lähemmäs ja interferenssirenkaan koko kasvaa, on kyseessä kukkula ja päinvastoin - edellämainittujen lisäksi on olemassa joukko muitakin menetelmiä, joita on kuvattu H. M. Kararan kirjassa Non-Topographic Photogrammetry sivuilla

11 Moiré-tekniikka Tyypillinen (shadow-moiré) laitteisto: - valonlähteen ja kameran muodostama kanta on kohtisuorassa viivastoa vastaan (viivasto voi olla myös pystysuorassa jolloin kameran ja valonlähteen muodostama kanta kannattaa asettaa vaakatasoon) - viivojen välit ovat parin millimetrin luokkaa -- viivat voivat olla läpinäkyvälle kalvolle tulostettuja tai esim. pingotettuja lankoja - oleellinen osa laitteistoa on myös analysointiohjelmisto, jolla tuotetuista interferenssikuvioista jalostetaan haluttu data Kuva: D. Haack et al.

12 Moiré-tekniikka - moiré-tekniikkaa on käytetty esim. tasomaisuuden tutkimiseen jo 1920luvulta lähtien - nykyisin runsaasti sovelluksia lääketieteessä (esim. skolioositutkimukset) ja mekaniikassa (muodonmuutokset, värähtelyt) - siirtyminen digitaalisiin kuviin on tuonut mahdolliseksi myös on-line- sovellukset (laadunvalvonta)

13 Rasterifotogrammetria - jos kohteen muotoa mitataan yhdellä kameralla ja kuvioita heijastavalla projektorilla puhutaan rasterifotogrammetriasta - kuvio voi olla piste, viiva, viivasto tai muu tekstuuri - laajasti ajateltuna myös moiré-tekniikka voidaan lukea kuuluvaksi rasterifotogrammetriaan Kuva: E. Hierholzer.

14 Rasterifotogrammetria Yhden valojuovan järjestelmä: - kirjallisuudessa menetelmästä käytetään nimitystä light striping, optical contouring, light cutting tai light sectioning - mittaaminen tapahtuu pyyhkimällä valojuovalla kohdetta, jolloin siitä saadaan joukko poikkileikkauksia

15 Rasterifotogrammetria Yhden valojuovan järjestelmä: - ennen mittaamista on selvitettävä joko kameran ja valojuovan määräämän tason sijainti toisiinsa nähden tai kuvatason ja valojuovan määräämän tason välinen projektiivinen muunnos, joka on muotoa x 1= ax 2 by 2 c gx 2 hy 2 i y 1= dx 2 ey 2 f gx 2 hy 2 i missä x1 ja y1 ovat pisteen koordinaatit valojuovan määräämällä tasolla ja x2 ja y2 vastaavan pisteen koordinaatit kuvatasolla ja a, b, c, d, e, f, g, h sekä i ovat muunnosparametreja - jakamalla yllä olevien lausekkeiden osoittajat ja nimittäjät esim. i:llä saadaan yhtälöt, joissa on kahdeksan tuntematonta - koska jokainen piste antaa kaksi yhtälöä, tarvitaan muunnosparametrien ratkaisemiseen vähintään neljän vastinpisteparin koordinaatit

16 Rasterifotogrammetria Yhden juovan järjestelmä: - muunnoksen määrittämistä varten voidaan valojuovan määrittämään tasoon asettaa toinen taso jossa on tunnettu pisteistö (kuvat a ja b) - toinen vaihtoehto on käyttää muodoltaan tunnettua kappaletta (kuvat c ja d)

17 Rasterifotogrammetria Yhden juovan järjestelmä: - jos mitattava kohde ei ole tasomainen ei yhdellä kameralla yleensä nähdä kohteesta kuin vain toinen puoli - alla on esitetty järjestelmä miten kahden kameran kuvaamat poikkileikkaukset saadaan liitettyä toisiinsa

18 Rasterifotogrammetria Yhden juovan järjestelmä (esimerkki): - kaksi ylintä kuvaa esittävät alkuperäisiä kuvia - kohdetta valaistiin laserjuovalla ja kamerassa käytettiin suodinta, joka päästi läpin käytetyn laserin aallonpituutta - kuvilta on haettu juoviin kuuluvat pisteet ja ne on muunnettu laserjuovan määrittämään tasoon (alemmat kuvat)

19 Rasterifotogrammetria Yhden juovan järjestelmä (esimerkki): - vasemmalla ylhäällä on esitetty yhdistelmä kahden kameran näkymistä - oikealla ylhäällä on esitetty kaikki kohteesta kuvatut poikkileikkaukset - alla mitattu kohde

20 Rasterifotogrammetria Yhden juovan järjestelmä: - menetelmä on yksinkertaisuutensa vuoksi hyvin suosittu monissa mittaussovelluksissa Kuva: Kuva: Kuva:

21 Rasterifotogrammetria Useamman juovan järjestelmä: - kohteeseen heijastetaan eri paksuisia viivoja, joiden sijainti (ykoordinaatti) projektorin kuvatasolla tunnetaan - lisäksi kohteessa on pisteitä joiden 3D-koordinaatit tunnetaan likimäärin - em. pisteiden koordinaatit mitataan kuvalta ja niiden y-koordinaatit projektorin kuvatasolla interpoloidaan viivaston avulla Kuva: E. Hierholzer

22 Rasterifotogrammetria Useamman juovan järjestelmä: - kun kuvalta mitattuja pisteitä ja projektorin kuvatasolle laskettujen virtuaalipisteiden y-koordinaatteja on riittävästi, voidaan perinteisin fotogrammetrisin menetelmin laskea kameran ja projektorin asema ja kalibrointi - kohteen mittaus tapahtuu eteenpäinleikkaamalla -- kuvapiste määrittää suoran ja projektorin juova tason

23 Tomografia - kulkiessaan väliaineessa röntgensätely vaimenee yhtälön I =I 0 e s mukaisesti, missä I0 on alkuperäisen säteilyn intensiteetti, on vaimennuskerroin ja s on säteilyn kulkema matka - vieressä oleva kuvaaja esittää säteilyn vaimenemista :n ar volla 2 ja I0:n arvolla 3

24 Tomografia - tomografialla saadaan selvitettyä pinnanmuotojen lisäksi myös kappaleen sisäinen rakenne - jos säteily etenee alla olevassa kuvassa olevan kappaleen läpi, vaimenee lähetetty säteily I0 seuraavasti: I =I 0 e 1 s 1 e 2 s 2 e 3 s 3 =I 0 e 1s 1 2 s 2 3 s 3 - jakamalla yllä oleva yhtälö puolittain I0:lla ja ottamalla puolittain loga ritmi saadaan I ln = 1 s 1 2 s 2 3 s 3 I0

25 Tomografia - vaimennuskerroin on riippuvainen kappaleen tiheydestä - säteilyttämällä kappaletta riittävän monesta suunnasta ja mittaamalla läpi menneen säteilyn intensiteetti voidaan kappaleen vaimennuskertoimet eri kohdissa laskea - tätä varten kappale jaetaan hilaksi, ja hila-alkioiden oletetaan sisältävän homogeenista ainetta - nyrkkisääntö on, että jos kappale on jaettu nxn:ään hila-alkioon, sitä tulee säteilyttää vähintään n:stä eri suunnasta (n projektiota, joissa jokaisessa vähintään n mittausta, vrt. seuraava sivu), jotta kappale saadaan rekonstruoitua

26 Tomografia - jos hila-alkion sivun pituus on yksi, saadaan alla esitetyistä projektioista aikaiseksi seuraavat yhtälöt: ln ln I1 I0 I2 I0 = = ln I6 I0 = 1 2 3

27 Tomografia - vastaavasti diagonaalisille projektioille saadaan seuraavat yhtälöt: ln ln ln I9 I0 I8 I0 I7 I0 = 2 1 = = ln I 16 I0 = 2 3

28 Tomografia - edellä esitetyistä yhtälöt voidaan kirjoittaa myös matriisimuotoon y =Ax missä vektori y16x1 sisältää mittaukset (-ln(in/i0)), matriisi A16x9 sisältää vaimennuskertoimien kertoimet ja x9x1 tuntemattomat vaimennuskertoimet - koska mittaukset eivät kuitenkaan ole virheettömiä, kannattaa turvautua pns-ratkaisuun, joka on tuttua muotoa x = A T A 1 A T y - kun vaimennuskertoimien voimakkuudet esitetään hilassa esim. eri harmaasävyillä, on yksi viipale kappaleesta valmis

29 Alkuperäinen kuva: Neljästä projektiosta muodostettu kuva. Viidesta projektiosta muodostettu kuva.

30 Hologrammetria Hologrammin luonti: - koherentti valonsäde jaetaan kahteen osaan, joista toisella valaistaan kohdetta ja toinen ohjataan kohteesta heijastuneeseen säteeseen - hologrammi muodostuu näiden säteiden peittoalueelle (kts. kuva) - hologrammi voidaan luoda myös valaisemalla kohdetta hologrammilevyn läpi, jolloin kohteesta heijastuneet säteet yhdessä alkuperäisen säteen kanssa luovat hologrammin Kuva: R. J. Pryputniewicz

31 Hologrammetria Hologrammin katselu: - valaisemalla hologrammilevyä koherentilla säteellä saadaan kohde näkyviin (vaikka se siis ei enää olekaan kyseisessä paikassa) - kohteen muutoksia voidaan seurata valottamalla kohdetta useampaan kertaan, jolloin kohteen muutokset näkyvät interferenssikuvioina hologrammissa Kuva: R. J. Pryputniewicz

32 Motografia - liikkeen taltioimista kuvalle - pitkä tai moninkertainen valotus (suotimet ylivalotuksen estämiseen) - hyödynnetään ergonomian tutkimuksessa, urheilulääketieteessä, värähtelyn analysoinnissa jne. Kuva: Luhmann et. al, Close-Range Photogrammetry, Principles, Methods and Applications. Vasemmalla jatkuvalla valotuksella ja oikealla moninkertaisella valotuksella aikaansaatu motografia.

Maa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP

Maa-57.260. Kameran kalibrointi. TKK/Fotogrammetria/PP Kameran kalibrointi Kameran kalibroinnilla tarkoitetaan sen kameravakion, pääpisteen paikan sekä optiikan aiheuttamien virheiden määrittämistä. Virheillä tarkoitetaan poikkeamaa ideaalisesta keskusprojektiokuvasta.

Lisätiedot

y=-3x+2 y=2x-3 y=3x+2 x = = 6

y=-3x+2 y=2x-3 y=3x+2 x = = 6 MAA Koe, Arto Hekkanen ja Jussi Tyni 5.5.015 Loppukoe LASKE ILMAN LASKINTA. 1. Yhdistä kuvaaja ja sen yhtälö a) 3 b) 1 c) 5 d) Suoran yhtälö 1) y=3x ) 3x+y =0 3) x y 3=0 ) y= 3x 3 5) y= 3x 6) 3x y+=0 y=-3x+

Lisätiedot

3D-kuvauksen tekniikat ja sovelluskohteet. Mikael Hornborg

3D-kuvauksen tekniikat ja sovelluskohteet. Mikael Hornborg 3D-kuvauksen tekniikat ja sovelluskohteet Mikael Hornborg Luennon sisältö 1. Optiset koordinaattimittauskoneet 2. 3D skannerit 3. Sovelluskohteet Johdanto Optiset mittaustekniikat perustuvat valoon ja

Lisätiedot

Luento 2 Stereokuvan laskeminen. 2008 Maa-57.1030 Fotogrammetrian perusteet 1

Luento 2 Stereokuvan laskeminen. 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Luento 2 Stereokuvan laskeminen 2008 Maa-57.1030 Fotogrammetrian perusteet 1 Aiheet Stereokuvan laskeminen stereokuvan piirto synteettisen stereokuvaparin tuottaminen laskemalla stereoelokuva kollineaarisuusyhtälöt

Lisätiedot

Ratkaisu: Maksimivalovoiman lauseke koostuu heijastimen maksimivalovoimasta ja valonlähteestä suoraan (ilman heijastumista) tulevasta valovoimasta:

Ratkaisu: Maksimivalovoiman lauseke koostuu heijastimen maksimivalovoimasta ja valonlähteestä suoraan (ilman heijastumista) tulevasta valovoimasta: LASKUHARJOITUS 1 VALAISIMIEN OPTIIKKA Tehtävä 1 Pistemäinen valonlähde (Φ = 1000 lm, valokappaleen luminanssi L = 2500 kcd/m 2 ) sijoitetaan 15 cm suuruisen pyörähdysparaboloidin muotoisen peiliheijastimen

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 2 Lisää osamurtoja Tutkitaan jälleen rationaalifunktion P(x)/Q(x) integrointia. Aiemmin käsittelimme tapauksen, jossa nimittäjä voidaan esittää muodossa Q(x) = a(x x

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Jatkuvuus Jatkuvan funktion määritelmä Tarkastellaan funktiota f x) jossakin tietyssä pisteessä x 0. Tämä funktio on tässä pisteessä joko jatkuva tai epäjatkuva. Jatkuvuuden

Lisätiedot

Maa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry)

Maa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry) Maa-57.260 Fotogrammetrian erikoissovellutukset (Close-Range Photogrammetry) -luennot: --ti 12-14 M5, to 12-14 M5 --Henrik Haggrén (HH), Petteri Pöntinen (PP) 1. Johdanto ja teoreettisia perusteita I,

Lisätiedot

10.2. Säteenjäljitys ja radiositeettialgoritmi. Säteenjäljitys

10.2. 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

Lisätiedot

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö

3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö 3.3 Paraabeli toisen asteen polynomifunktion kuvaajana. Toisen asteen epäyhtälö Yhtälön (tai funktion) y = a + b + c, missä a 0, kuvaaja ei ole suora, mutta ei ole yhtälökään ensimmäistä astetta. Funktioiden

Lisätiedot

Syötteen ainoalla rivillä on yksi positiivinen kokonaisluku, joka on alle 1000000000000 = 10 12. Luvussa ei esiinny missään kohtaa numeroa 0.

Syötteen ainoalla rivillä on yksi positiivinen kokonaisluku, joka on alle 1000000000000 = 10 12. Luvussa ei esiinny missään kohtaa numeroa 0. A Alkulukuosat Tehtävänä on laskea annetusta kokonaisluvusta niiden osajonojen määrä, joita vastaavat luvut ovat alkulukuja. Esimerkiksi luvun 123 kaikki osajonot ovat 1, 2, 3, 12, 23 ja 123. Näistä alkulukuja

Lisätiedot

3. Optiikka. 1. Geometrinen optiikka. 2. Aalto-optiikka. 3. Stokesin parametrit. 4. Perussuureita. 5. Kuvausvirheet. 6. Optiikan suunnittelu

3. Optiikka. 1. Geometrinen optiikka. 2. Aalto-optiikka. 3. Stokesin parametrit. 4. Perussuureita. 5. Kuvausvirheet. 6. Optiikan suunnittelu 3. Optiikka 1. Geometrinen optiikka 2. Aalto-optiikka 3. Stokesin parametrit 4. Perussuureita 5. Kuvausvirheet 6. Optiikan suunnittelu 3.1 Geometrinen optiikka! klassinen optiikka! Valoa kuvaa suoraan

Lisätiedot

Matematiikan tukikurssi

Matematiikan 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

Lisätiedot

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio:

Ei välttämättä, se voi olla esimerkiksi Reuleaux n kolmio: Inversio-ongelmista Craig, Brown: Inverse problems in astronomy, Adam Hilger 1986. Havaitaan oppositiossa olevaa asteroidia. Pyörimisestä huolimatta sen kirkkaus ei muutu. Projisoitu pinta-ala pysyy ilmeisesti

Lisätiedot

Luento 9: Yhtälörajoitukset optimoinnissa

Luento 9: Yhtälörajoitukset optimoinnissa Luento 9: Yhtälörajoitukset optimoinnissa Lagrangen kerroin Oletetaan aluksi, että f, g : R R. Merkitään (x 1, x ) := (x, y) ja johdetaan Lagrangen kerroin λ tehtävälle min f(x, y) s.t. g(x, y) = 0 Olkoon

Lisätiedot

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A)

Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 2017 Insinöörivalinnan matematiikan koe , Ratkaisut (Sarja A) Diplomi-insinööri- ja arkkitehtikoulutuksen yhteisvalinta 017 Insinöörivalinnan matematiikan koe 30..017, Ratkaisut (Sarja A) 1. a) Lukujen 9, 0, 3 ja x keskiarvo on. Määritä x. (1 p.) b) Mitkä reaaliluvut

Lisätiedot

RATKAISUT: 16. Peilit ja linssit

RATKAISUT: 16. Peilit ja linssit Physica 9 1 painos 1(6) : 161 a) Kupera linssi on linssi, jonka on keskeltä paksumpi kuin reunoilta b) Kupera peili on peili, jossa heijastava pinta on kaarevan pinnan ulkopinnalla c) Polttopiste on piste,

Lisätiedot

Fysiikan laboratoriotyöt 2, osa 2 ATOMIN SPEKTRI

Fysiikan laboratoriotyöt 2, osa 2 ATOMIN SPEKTRI Fysiikan laitos, kevät 2009 Fysiikan laboratoriotyöt 2, osa 2 ATOMIN SPEKTRI Valon diffraktioon perustuvia hilaspektrometrejä käytetään yleisesti valon aallonpituuden määrittämiseen. Tätä prosessia kutsutaan

Lisätiedot

Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa.

Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. Laskuharjoitus 1A Mallit Tässä dokumentissa on ensimmäisten harjoitusten malliratkaisut MATLABskripteinä. Voit kokeilla itse niiden ajamista ja toimintaa MATLABissa. 1. tehtävä %% 1. % (i) % Vektorit luodaan

Lisätiedot

MS-C1340 Lineaarialgebra ja

MS-C1340 Lineaarialgebra ja MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt QR-hajotelma ja pienimmän neliösumman menetelmä Riikka Kangaslampi Kevät 2017 Matematiikan ja systeemianalyysin laitos Aalto-yliopisto PNS-ongelma PNS-ongelma

Lisätiedot

H5 Malliratkaisut - Tehtävä 1

H5 Malliratkaisut - Tehtävä 1 H5 Malliratkaisut - Tehtävä Eelis Mielonen 30. syyskuuta 07 a) 3a (ax + b)3/ + C b) a cos(ax + b) + C a) Tässä tehtävässä päästään harjoittelemaan lukiosta tuttua integrointimenetelmää. Ensimmäisessä kohdassa

Lisätiedot

Luento 6: 3-D koordinaatit

Luento 6: 3-D koordinaatit Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 Luento 6: 3-D koordinaatit AIHEITA (Alkuperäinen luento: Henrik Haggrén, 16.2.2003, Päivityksiä: Katri Koistinen 5.2.2004

Lisätiedot

Ristitulolle saadaan toinen muistisääntö determinantin avulla. Vektoreiden v ja w ristitulo saadaan laskemalla determinantti

Ristitulolle 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

Lisätiedot

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1

A B = (1, q, q 2 ) (2, 0, 2) = 2 2q q 2 = 0 q 2 = 1 q = ±1 A(±1) = (1, ±1, 1) A(1) A( 1) = (1, 1, 1) (1, 1, 1) = A( 1) A(1) A( 1) = 1 Mapu I Viikko 4 tehtävä malli Millä q:n arvoilla vektori A(q) (, q, q ) on kohtisuora vektorin B (, 0, ) kanssa? Ovatko A:n eri ratkaisut keskenään kohtisuoria? Jos eivät, määrää niiden välinen kulma!

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt ja pienimmän neliösumman menetelmä Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 18 R. Kangaslampi QR ja PNS PNS-ongelma

Lisätiedot

9. Polarimetria. Havaitsevan tähtitieteen peruskurssi I, Syksy 2017 Thomas Hackman (Kalvot JN, TH, MG & VMP)

9. Polarimetria. Havaitsevan tähtitieteen peruskurssi I, Syksy 2017 Thomas Hackman (Kalvot JN, TH, MG & VMP) 9. Polarimetria Havaitsevan tähtitieteen peruskurssi I, Syksy 2017 Thomas Hackman (Kalvot JN, TH, MG & VMP) 1 9. Polarimetria 1. Stokesin parametrit 2. Polarisaatio tähtitieteessä 3. Polarisaattorit 4.

Lisätiedot

Röntgentomografia. Tommi Markkanen LuK-seminaari Matemaattis-luonnontieteellinen tiedekunta

Röntgentomografia. Tommi Markkanen LuK-seminaari Matemaattis-luonnontieteellinen tiedekunta Röntgentomografia Tommi Markkanen LuK-seminaari Matemaattis-luonnontieteellinen tiedekunta Mitä on tomografia? Leikekuvantamista Sovellettavia ilmiöitä Röntgensäteily Raakadatana läpivalaisukuvat eri Positroniemissio

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 5. viikolle / MS-A8 Differentiaali- ja integraalilaskenta, V/7 Differentiaali- ja integraalilaskenta Ratkaisut 5. viikolle / 9..5. Integroimismenetelmät Tehtävä : Laske osittaisintegroinnin avulla a) π x sin(x) dx,

Lisätiedot

Epäyhtälöt 1/7 Sisältö ESITIEDOT: yhtälöt

Epäyhtälöt 1/7 Sisältö ESITIEDOT: yhtälöt Epäyhtälöt 1/7 Sisältö Epäyhtälö Epäyhtälöllä tarkoitetaan ehtoa, missä kahdesta lausekkeesta toinen on suurempi tai mahdollisesti yhtä suuri kuin toinen: f(x) < g(x), f(x) g(x).merkit voidaan luonnollisesti

Lisätiedot

Yhtälön oikealla puolella on säteen neliö, joten r. = 5 eli r = ± 5. Koska säde on positiivinen, niin r = 5.

Yhtälön 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

Lisätiedot

Kuten aaltoliikkeen heijastuminen, niin myös taittuminen voidaan selittää Huygensin periaatteen avulla.

Kuten aaltoliikkeen heijastuminen, niin myös taittuminen voidaan selittää Huygensin periaatteen avulla. FYS 103 / K3 SNELLIN LAKI Työssä tutkitaan monokromaattisen valon taittumista ja todennetaan Snellin laki. Lisäksi määritetään kokonaisheijastuksen rajakulmia ja aineiden taitekertoimia. 1. Teoriaa Huygensin

Lisätiedot

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017

MATEMATIIKKA. Matematiikkaa pintakäsittelijöille. Ongelmanratkaisu. Isto Jokinen 2017 MATEMATIIKKA Matematiikkaa pintakäsittelijöille Ongelmanratkaisu Isto Jokinen 2017 SISÄLTÖ 1. Matemaattisten ongelmien ratkaisu laskukaavoilla 2. Tekijäyhtälöt 3. Laskukaavojen yhdistäminen 4. Yhtälöiden

Lisätiedot

Teoreettisia perusteita I

Teoreettisia perusteita I Teoreettisia perusteita I - fotogrammetrinen mittaaminen perustuu pitkälti kollineaarisuusehtoon, jossa pisteestä heijastuva valonsäde kulkee suoraan projektiokeskuksen kautta kuvatasolle - toisaalta kameran

Lisätiedot

Derivointiesimerkkejä 2

Derivointiesimerkkejä 2 Derivointiesimerkkejä 2 (2.10.2008 versio 2.0) Parametrimuotoisen funktion erivointi Esimerkki 1 Kappale kulkee pitkin rataa { x(t) = sin 2 t y(t) = cos t. Määritetään raan suuntakulma positiiviseen x-akseliin

Lisätiedot

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla:

A = a b B = c d. d e f. g h i determinantti on det(c) = a(ei fh) b(di fg) + c(dh eg). Matriisin determinanttia voi merkitä myös pystyviivojen avulla: 11 Determinantti Neliömatriisille voidaan laskea luku, joka kertoo muun muassa, onko matriisi kääntyvä vai ei Tätä lukua kutsutaan matriisin determinantiksi Determinantilla on muitakin sovelluksia, mutta

Lisätiedot

Kahden suoran leikkauspiste ja välinen kulma (suoraparvia)

Kahden suoran leikkauspiste ja välinen kulma (suoraparvia) Kahden suoran leikkauspiste ja välinen kulma (suoraparvia) Piste x 0, y 0 on suoralla, jos sen koordinaatit toteuttavat suoran yhtälön. Esimerkki Olkoon suora 2x + y + 8 = 0 y = 2x 8. Piste 5,2 ei ole

Lisätiedot

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33

Numeeriset menetelmät TIEA381. Luento 6. Kirsi Valjus. Jyväskylän yliopisto. Luento 6 () Numeeriset menetelmät / 33 Numeeriset menetelmät TIEA381 Luento 6 Kirsi Valjus Jyväskylän yliopisto Luento 6 () Numeeriset menetelmät 4.4.2013 1 / 33 Luennon 6 sisältö Interpolointi ja approksimointi Polynomi-interpolaatio: Vandermonden

Lisätiedot

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen

Lisätiedot

Integrointi ja sovellukset

Integrointi ja sovellukset Integrointi ja sovellukset Tehtävät:. Muodosta ja laske yläsumma funktiolle fx) x 5 välillä [, 4], kun väli on jaettu neljään yhtä suureen osaan.. Määritä integraalin x + ) dx likiarvo laskemalla alasumma,

Lisätiedot

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle /

Differentiaali- ja integraalilaskenta 1 Ratkaisut 2. viikolle / MS-A008 Differentiaali- ja integraalilaskenta, V/207 Differentiaali- ja integraalilaskenta Ratkaisut 2. viikolle / 8. 2.4. Jatkuvuus ja raja-arvo Tehtävä : Määritä raja-arvot a) 3 + x, x Vihje: c)-kohdassa

Lisätiedot

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Luento 5 Mittakuva. fotogrammetriaan ja kaukokartoitukseen Luento 5 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen

Lisätiedot

d sinα Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila

d sinα Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila Fysiikan laboratoriotyöohje Tietotekniikan koulutusohjelma OAMK Tekniikan yksikkö TYÖ 8: SPEKTROMETRITYÖ I Optinen hila Optisessa hilassa on hyvin suuri määrä yhdensuuntaisia, toisistaan yhtä kaukana olevia

Lisätiedot

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä)

Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe Ratkaisuehdotus. 1. (35 pistettä) Lineaarialgebra ja matriisilaskenta I, HY Kurssikoe 26.10.2017 Ratkaisuehdotus 1. (35 pistettä) (a) Seuraavat matriisit on saatu eräistä yhtälöryhmistä alkeisrivitoimituksilla. Kuinka monta ratkaisua yhtälöryhmällä

Lisätiedot

Ensimmäisen ja toisen asteen yhtälöt

Ensimmäisen ja toisen asteen yhtälöt Ensimmäisen ja toisen t nimittäjien poistaminen sieventäminen ensimmäisen identtinen yhtälö yhtälö verranto toisen asteen yhtälö korkeamman ristiin kertominen suhde täydellinen toisen ratkaisukaava vaillinainen

Lisätiedot

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Julkaiseminen sallittu vain koulun suljetussa verkossa.

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Julkaiseminen sallittu vain koulun suljetussa verkossa. 3 Derivaatta. a) Vastaus: Merenpinta nousee aikavälillä 00:00-06:00 ja :30-7:30. Merenpinta laskee aikavälillä 06:00-:30 ja 7:30-3:00. b) Merenpinta nousi 0,35 cm ( 0,) cm = 0,55 cm tuona aikana. Merenpinta

Lisätiedot

Pinta-alojen ja tilavuuksien laskeminen 1/6 Sisältö ESITIEDOT: määrätty integraali

Pinta-alojen ja tilavuuksien laskeminen 1/6 Sisältö ESITIEDOT: määrätty integraali Pinta-alojen ja tilavuuksien laskeminen 1/6 Sisältö ESITIEDOT: Tasoalueen pinta-ala Jos funktio f saa välillä [a, b] vain ei-negatiivisia arvoja, so. f() 0, kun [a, b], voidaan kuvaajan y = f(), -akselin

Lisätiedot

Derivaatan sovellukset (ääriarvotehtävät ym.)

Derivaatan sovellukset (ääriarvotehtävät ym.) Derivaatan sovellukset (ääriarvotehtävät ym.) Tehtävät: 1. Tutki derivaatan avulla funktion f kulkua. a) f(x) = x 4x b) f(x) = x + 6x + 11 c) f(x) = x4 4 x3 + 4 d) f(x) = x 3 6x + 1x + 3. Määritä rationaalifunktion

Lisätiedot

OPTIIKAN TYÖ. Fysiikka 1-2:n/Fysiikan peruskurssien harjoitustyöt (mukautettu lukion oppimäärään) Nimi: Päivämäärä: Assistentti:

OPTIIKAN TYÖ. Fysiikka 1-2:n/Fysiikan peruskurssien harjoitustyöt (mukautettu lukion oppimäärään) Nimi: Päivämäärä: Assistentti: Fysiikka 1-2:n/Fysiikan peruskurssien harjoitustyöt (mukautettu lukion oppimäärään) Nimi: Päivämäärä: Assistentti: OPTIIKAN TYÖ Vastaa ensin seuraaviin ennakkotietoja mittaaviin kysymyksiin. 1. Mitä tarkoittavat

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A3/A5 Matriisilaskenta Laskuharjoitus 2 / vko 45 Tehtävä (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 2i = 2, b) z 2i < 2, c) /z

Lisätiedot

Työn tavoitteita. 1 Teoriaa

Työn tavoitteita. 1 Teoriaa FYSP103 / K3 BRAGGIN DIFFRAKTIO Työn tavoitteita havainnollistaa röntgendiffraktion periaatetta konkreettisen laitteiston avulla ja kerrata luennoilla läpikäytyä teoriatietoa Röntgendiffraktio on tärkeä

Lisätiedot

Esimerkki - Näkymätön kuu

Esimerkki - Näkymätön kuu Inversio-ongelmat Inversio = käänteinen, päinvastainen Inversio-ongelmilla tarkoitetaan (suoran) ongelman ratkaisua takaperin. Arkipäiväisiä inversio-ongelmia ovat mm. lääketieteellinen röntgentomografia

Lisätiedot

MAA4 Abittikokeen vastaukset ja perusteluja 1. Määritä kuvassa olevien suorien s ja t yhtälöt. Suoran s yhtälö on = ja suoran t yhtälö on = + 2. Onko väittämä oikein vai väärin? 2.1 Suorat =5 +2 ja =5

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 3 Supremum ja infimum Tarkastellaan aluksi avointa väliä, ) = { : < < }. Tämä on joukko, johon kuuluvat kaikki reaaliluvut miinus yhdestä yhteen. Kuitenkaan päätepisteet

Lisätiedot

Tekijä Pitkä matematiikka

Tekijä Pitkä matematiikka K1 Tekijä Pitkä matematiikka 5 7..017 a) 1 1 + 1 = 4 + 1 = 3 = 3 4 4 4 4 4 4 b) 1 1 1 = 4 6 3 = 5 = 5 3 4 1 1 1 1 1 K a) Koska 3 = 9 < 10, niin 3 10 < 0. 3 10 = (3 10 ) = 10 3 b) Koska π 3,14, niin π

Lisätiedot

5 Lineaariset yhtälöryhmät

5 Lineaariset yhtälöryhmät 5 Lineaariset yhtälöryhmät Edellisen luvun lopun esimerkissä päädyttiin yhtälöryhmään, jonka ratkaisemisesta riippui, kuuluuko tietty vektori eräiden toisten vektorien virittämään aliavaruuteen Tämäntyyppisiä

Lisätiedot

Vektorien pistetulo on aina reaaliluku. Esimerkiksi vektorien v = (3, 2, 0) ja w = (1, 2, 3) pistetulo on

Vektorien 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

Lisätiedot

Luento 6 Mittakuva. fotogrammetriaan ja kaukokartoitukseen

Luento 6 Mittakuva. fotogrammetriaan ja kaukokartoitukseen Luento 6 Mittakuva 1 Aiheita Mittakuva Muunnokset informaatiokanavassa. Geometrisen tulkinnan vaihtoehdot. Stereokuva, konvergentti kuva. Koordinaatistot. Kuvien orientoinnit. Sisäinen orientointi. Ulkoinen

Lisätiedot

25 INTERFEROMETRI 25.1 Johdanto

25 INTERFEROMETRI 25.1 Johdanto 5 INTERFEROMETRI 5.1 Johdanto Interferometrin toiminta perustuu valon interferenssiin. Interferenssillä tarkoitetaan kahden tai useamman aallon yhdistymistä yhdeksi resultanttiaalloksi. Kuvassa 1 tarkastellaan

Lisätiedot

Tampereen yliopisto Tietokonegrafiikka 2013 Tietojenkäsittelytiede Harjoitus

Tampereen 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)

Lisätiedot

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45

MS-A0003/A0005 Matriisilaskenta Laskuharjoitus 2 / vko 45 MS-A0003/A0005 Matriisilaskenta Laskuharjoitus / vko 5 Tehtävä 1 (L): Hahmottele kompleksitasoon ne pisteet, jotka toteuttavat a) z 3 =, b) z + 3 i < 3, c) 1/z >. Yleisesti: ehto z = R, z C muodostaa kompleksitasoon

Lisätiedot

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi

MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi MS-A0202 Differentiaali- ja integraalilaskenta 2 (SCI) Luento 4: Ketjusäännöt ja lineaarinen approksimointi Antti Rasila Aalto-yliopisto Syksy 2015 Antti Rasila (Aalto-yliopisto) MS-A0202 Syksy 2015 1

Lisätiedot

Malleja ja menetelmiä geometriseen tietokonenäköön

Malleja ja menetelmiä geometriseen tietokonenäköön Malleja ja menetelmiä geometriseen tietokonenäköön Juho Kannala 7.5.2010 Johdanto Tietokonenäkö on ala, joka kehittää menetelmiä automaattiseen kuvien sisällön tulkintaan Tietokonenäkö on ajankohtainen

Lisätiedot

Teledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet

Teledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet Teledyne Optech Titan -monikanavalaser ja sen sovellusmahdollisuudet Jan Biström TerraTec Oy TerraTec-ryhmä Emoyhtiö norjalainen TerraTec AS Liikevaihto 2015 noin 13 miljoonaa euroa ja noin 90 työntekijää

Lisätiedot

Interferenssi. Luku 35. PowerPoint Lectures for University Physics, Twelfth Edition Hugh D. Young and Roger A. Freedman. Lectures by James Pazun

Interferenssi. Luku 35. PowerPoint Lectures for University Physics, Twelfth Edition Hugh D. Young and Roger A. Freedman. Lectures by James Pazun Luku 35 Interferenssi PowerPoint Lectures for University Physics, Twelfth Edition Hugh D. Young and Roger A. Freedman Lectures by James Pazun Johdanto Interferenssi-ilmiö tapahtuu, kun kaksi aaltoa yhdistyy

Lisätiedot

Luento 7: Fotogrammetrinen mittausprosessi

Luento 7: Fotogrammetrinen mittausprosessi 7Maa-57.300 Fotogrammetrian perusteet Luento-ohjelma 1 2 3 4 5 6 7 8 9 10 11 12 13 (Alkuperäinen luento: Henrik Haggrén, 7.2.2003, Päivityksiä: Katri Koistinen, 5.2.2004 ) Luento 7: Fotogrammetrinen mittausprosessi

Lisätiedot

Luento 3: 3D katselu. Sisältö

Luento 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

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Ojalammi MS-A0203 Differentiaali- ja integraalilaskenta 2, kevät 2016 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

PANK-4113 PANK PÄÄLLYSTEEN TIHEYS, DOR -MENETELMÄ. Asfalttipäällysteet ja massat, perusmenetelmät

PANK-4113 PANK PÄÄLLYSTEEN TIHEYS, DOR -MENETELMÄ. Asfalttipäällysteet ja massat, perusmenetelmät Asfalttipäällysteet ja massat, perusmenetelmät PANK-4113 PANK PÄÄLLYSTEEN TIHEYS, DOR -MENETELMÄ PÄÄLLYSTEALAN NEUVOTTELUKUNTA Hyväksytty: Korvaa menetelmän: 13.05.2011 17.04.2002 1. MENETELMÄN TARKOITUS

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kertausluento 2. välikokeeseen Toisessa välikokeessa on syytä osata ainakin seuraavat asiat:. Potenssisarjojen suppenemissäde, suppenemisväli ja suppenemisjoukko. 2. Derivaatan

Lisätiedot

Ratkaisuehdotukset LH 7 / vko 47

Ratkaisuehdotukset 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 [

Lisätiedot

Luento 7: 3D katselu. Sisältö

Luento 7: 3D katselu. Sisältö Tietokonegrafiikka / perusteet Tik-.3/3 4 ov / 2 ov Luento 7: 3D katselu Lauri Savioja /4 3D katselu / Sisältö Koorinaattimuunnokset Kameran ja maailmankoorinaatiston yhteys Perspektiivi 3D katselu / 2

Lisätiedot

MS-A0004 - Matriisilaskenta Laskuharjoitus 3

MS-A0004 - Matriisilaskenta Laskuharjoitus 3 MS-A0004 - Matriisilaskenta Laskuharjoitus 3 atkaisut Tehtävä Merkitään matriisin rivejä, 2 ja 3. Gaussin eliminoinnilla saadaan 3 5 4 7 3 5 4 7 3 2 4 2+ 0 3 0 6 6 8 4 3+2 2 0 3 0 6 3 5 4 7 0 3 0 6 3+

Lisätiedot

Matemaattinen Analyysi

Matemaattinen Analyysi Vaasan yliopisto, 009-010 / ORMS1010 Matemaattinen Analyysi 7 harjoitus 1 Määritä seuraavien potenssisarjojen suppenemissäteet a) k k x 5)k b) k=1 k x 5)k = k k 1) k ) 1) Suppenemissäteen R käänteisarvo

Lisätiedot

Tekijä Pitkä matematiikka Pisteen (x, y) etäisyys pisteestä (0, 2) on ( x 0) Pisteen (x, y) etäisyys x-akselista, eli suorasta y = 0 on y.

Tekijä Pitkä matematiikka Pisteen (x, y) etäisyys pisteestä (0, 2) on ( x 0) Pisteen (x, y) etäisyys x-akselista, eli suorasta y = 0 on y. Tekijä Pitkä matematiikka 5 7..017 37 Pisteen (x, y) etäisyys pisteestä (0, ) on ( x 0) + ( y ). Pisteen (x, y) etäisyys x-akselista, eli suorasta y = 0 on y. Merkitään etäisyydet yhtä suuriksi ja ratkaistaan

Lisätiedot

Matematiikan johdantokurssi, syksy 2017 Harjoitus 8, ratkaisuista

Matematiikan johdantokurssi, syksy 2017 Harjoitus 8, ratkaisuista Matematiikan johdantokurssi, sks 07 Harjoitus 8, ratkaisuista. Olkoot f ja g reaalifunktioita. Mitä voidaan sanoa hdistetstä funktiosta g f, jos a) f tai g on rajoitettu? b) f tai g on jaksollinen? Ratkaisu.

Lisätiedot

Lineaarialgebra ja matriisilaskenta II. LM2, Kesä /141

Lineaarialgebra 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.

Lisätiedot

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5.

Yhtälöryhmä matriisimuodossa. MS-A0004/A0006 Matriisilaskenta. Tarkastellaan esimerkkinä lineaarista yhtälöparia. 2x1 x 2 = 1 x 1 + x 2 = 5. 2. MS-A4/A6 Matriisilaskenta 2. Nuutti Hyvönen, c Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 5.9.25 Tarkastellaan esimerkkinä lineaarista yhtälöparia { 2x x 2 = x + x 2

Lisätiedot

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos

Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Aalto-yliopiston perustieteiden korkeakoulu Matematiikan ja systeemianalyysin laitos Malinen/Vesanen MS-A0205/6 Differentiaali- ja integraalilaskenta 2, kevät 2017 Laskuharjoitus 4A (Vastaukset) alkuviikolla

Lisätiedot

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä

, c) x = 0 tai x = 2. = x 3. 9 = 2 3, = eli kun x = 5 tai x = 1. Näistä Pitkä matematiikka 8.9.0, ratkaisut:. a) ( x + x ) = ( + x + x ) 6x + 6x = + 6x + 6x x = x =. b) Jos x > 0, on x = + x x = + x. Tällä ei ole ratkaisua. Jos x 0, on x = + x x = + x x =. c) x = x ( x) =

Lisätiedot

1) Maan muodon selvittäminen. 2) Leveys- ja pituuspiirit. 3) Mittaaminen

1) Maan muodon selvittäminen. 2) Leveys- ja pituuspiirit. 3) Mittaaminen 1) Maan muodon selvittäminen Nykyään on helppo sanoa, että maa on pallon muotoinen olet todennäköisesti itsekin nähnyt kuvia maasta avaruudesta kuvattuna. Mutta onko maapallomme täydellinen pallo? Tutki

Lisätiedot

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu

k=0 saanto jokaisen kolmannen asteen polynomin. Tukipisteet on talloin valittu LIS AYKSI A kirjaan Reaalimuuttujan analyysi 1.6. Numeerinen integrointi: Gaussin kaavat Edella kasitellyt numeerisen integroinnin kaavat eli kvadratuurikaavat Riemannin summa, puolisuunnikassaanto ja

Lisätiedot

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt

MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt MS-C1340 Lineaarialgebra ja differentiaaliyhtälöt Matriisinormi, häiriöalttius Riikka Kangaslampi Matematiikan ja systeemianalyysin laitos Aalto-yliopisto 2015 1 / 14 R. Kangaslampi matriisiteoriaa Matriisinormi

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 4 Supremum ja inmum Tarkastellaan aluksi avointa väliä, Tämä on joukko, johon kuuluvat kaikki reaaliluvut miinus yhdestä yhteen Kuitenkaan päätepisteet eli luvut ja

Lisätiedot

JUHTA - Julkisen hallinnon tietohallinnon neuvottelukunta

JUHTA - Julkisen hallinnon tietohallinnon neuvottelukunta JHS 197 EUREF-FIN -koordinaattijärjestelmät, niihin liittyvät muunnokset ja karttalehtijako Liite 6: EUREF-FIN:n ja KKJ:n välinen kolmiulotteinen yhdenmuotoisuusmuunnos ja sen tarkkuus Versio: 1.0 / 3.2.2016

Lisätiedot

π( f (x)) 2 dx π(x 2 + 1) 2 dx π(x 4 + 2x 2 + 1)dx ) = 1016π 15

π( f (x)) 2 dx π(x 2 + 1) 2 dx π(x 4 + 2x 2 + 1)dx ) = 1016π 15 BMA58 Integraalilaskenta ja sovellukset Harjoitus, Kevät 7 Vaikka useissa tehtävissä pyydetään vain lauseketta, ratkaisua tehdessäsi hahmottele aina kuva ja merkitse näkyviin myös lausekkeen osien geometriset

Lisätiedot

Matematiikan tukikurssi

Matematiikan tukikurssi Matematiikan tukikurssi Kurssikerta 6 varuusintegraali iemmin laskimme yksiulotteisia integraaleja b a f (x)dx, jossa integrointialue on x-akselin väli [a, b]. Lisäksi laskimme kaksiulotteisia integraaleja

Lisätiedot

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa

Vektoreiden A = (A1, A 2, A 3 ) ja B = (B1, B 2, B 3 ) pistetulo on. Edellisestä seuraa Viikon aiheet Pistetulo (skalaaritulo Vektorien tulot Pistetulo Ristitulo Skalaari- ja vektorikolmitulo Integraalifunktio, alkeisfunktioiden integrointi, yhdistetyn funktion derivaatan integrointi Vektoreiden

Lisätiedot

5.2 Ensimmäisen asteen yhtälö

5.2 Ensimmäisen asteen yhtälö 5. Ensimmäisen asteen ytälö 5. Ensimmäisen asteen yhtälö Aloitetaan antamalla nimi yhtälön osille. Nyt annettavat nimet eivät riipu yhtälön tyypistä tai asteesta. Tarkastellaan seuraavaa yhtälöä. Emme

Lisätiedot

Maisema-arkkitehtuurin perusteet 1B, kevät 2017 TILANRAJAUS

Maisema-arkkitehtuurin perusteet 1B, kevät 2017 TILANRAJAUS Maisema-arkkitehtuurin perusteet 1B, kevät 2017 TILANRAJAUS TILAVAIKUTELMA, TILAN HAHMOTTAMINEN Oleellista: havainnoitsijan ja tilan rajan välinen etäisyys, silmänkorkeuden ja tilaa rajaavan elementin

Lisätiedot

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Vastaus: Määrittelyehto on x 1 ja nollakohta x = 1.

Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty Vastaus: Määrittelyehto on x 1 ja nollakohta x = 1. Juuri 6 Tehtävien ratkaisut Kustannusosakeyhtiö Otava päivitetty 4..6 Kokoavia tehtäviä ILMAN TEKNISIÄ APUVÄLINEITÄ. a) Funktion f( ) = määrittelyehto on +, eli. + Ratkaistaan funktion nollakohdat. f(

Lisätiedot

Vektoreiden virittämä aliavaruus

Vektoreiden virittämä aliavaruus Vektoreiden virittämä aliavaruus Määritelmä Oletetaan, että v 1, v 2,... v k R n. Näiden vektoreiden virittämä aliavaruus span( v 1, v 2,... v k ) tarkoittaa kyseisten vektoreiden kaikkien lineaarikombinaatioiden

Lisätiedot

Lyhyt, kevät 2016 Osa A

Lyhyt, kevät 2016 Osa A Lyhyt, kevät 206 Osa A. Muodostettu yhtälö, 2x 2 + x = 5x 2 Kaikki termit samalla puolla, 2x 2 4x + 2 = 0 Vastaus x = x:n derivaatta on x 2 :n derivaatta on 2x f (x) = 4x + derivoitu väärää funktiota,

Lisätiedot

Differentiaali- ja integraalilaskenta

Differentiaali- ja integraalilaskenta Differentiaali- ja integraalilaskenta Opiskelijan nimi: DIFFERENTIAALILASKENTA 1. Raja-arvon käsite, derivaatta raja-arvona 1.1 Raja-arvo pisteessä 1.2 Derivaatan määritelmä 1.3 Derivaatta raja-arvona

Lisätiedot

5. Optiikka. Havaitsevan tähtitieteen pk I, luento 5, Kalvot: Jyri Näränen ja Thomas Hackman. HTTPK I, kevät 2012, luento 5

5. Optiikka. Havaitsevan tähtitieteen pk I, luento 5, Kalvot: Jyri Näränen ja Thomas Hackman. HTTPK I, kevät 2012, luento 5 5. Optiikka Havaitsevan tähtitieteen pk I, luento 5, 16.2. 2012 Kalvot: Jyri Näränen ja Thomas Hackman 1 5. Optiikka 1. Geometrinen optiikka 2. Peilit ja linssit 3. Perussuureita 4. Kuvausvirheet 5. Aalto-optiikka

Lisätiedot

Dierentiaaliyhtälöistä

Dierentiaaliyhtälöistä Dierentiaaliyhtälöistä Markus Kettunen 4. maaliskuuta 2009 1 SISÄLTÖ 1 Sisältö 1 Dierentiaaliyhtälöistä 2 1.1 Johdanto................................. 2 1.2 Ratkaisun yksikäsitteisyydestä.....................

Lisätiedot

10. Polarimetria. 1. Polarisaatio tähtitieteessä. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria

10. Polarimetria. 1. Polarisaatio tähtitieteessä. 2. Stokesin parametrit. 3. Polarisaattorit. 4. CCD polarimetria 10. Polarimetria 1. Polarisaatio tähtitieteessä 2. Stokesin parametrit 3. Polarisaattorit 4. CCD polarimetria 10.1 Polarisaatio tähtitieteessä Polarisaatiota mittaamalla päästään käsiksi moniin fysikaalisiin

Lisätiedot