Shodnostní Helmertova transformace

Podobné dokumenty
Definice 13.1 Kvadratická forma v n proměnných s koeficienty z tělesa T je výraz tvaru. Kvadratická forma v n proměnných je tak polynom n proměnných s

2D transformací. červen Odvození transformačního klíče vybraných 2D transformací Metody vyrovnání... 2

AVDAT Vektory a matice

Základy maticového počtu Matice, determinant, definitnost

Vektory a matice. Obsah. Aplikovaná matematika I. Carl Friedrich Gauss. Základní pojmy a operace

11. Skalární součin a ortogonalita p. 1/16

Funkce v ıce promˇ enn ych Extr emy Pˇredn aˇska p at a 12.bˇrezna 2018

Vlastní (charakteristická) čísla a vlastní (charakteristické) Pro zadanou čtvercovou matici A budeme řešit maticovou

Matematika (CŽV Kadaň) aneb Úvod do lineární algebry Matice a soustavy rovnic

PROSTORY SE SKALÁRNÍM SOUČINEM. Definice Nechť L je lineární vektorový prostor nad R. Zobrazení L L R splňující vlastnosti

0.1 Úvod do lineární algebry

MATICE. a 11 a 12 a 1n a 21 a 22 a 2n A = = [a ij]

9.1 Definice a rovnice kuželoseček

Základy matematiky pro FEK

Vlastní číslo, vektor

Otázku, kterými body prochází větev implicitní funkce řeší následující věta.

9. přednáška 26. listopadu f(a)h < 0 a pro h (0, δ) máme f(a 1 + h, a 2,..., a m ) f(a) > 1 2 x 1

0.1 Úvod do lineární algebry

Operace s maticemi

Úvod do lineární algebry

Lineární zobrazení. 1. A(x y) = A(x) A(y) (vlastnost aditivity) 2. A(α x) = α A(x) (vlastnost homogenity)

Parametrická rovnice přímky v rovině

[1] Motivace. p = {t u ; t R}, A(p) = {A(t u ); t R} = {t A( u ); t R}

Vektorový prostor. Př.1. R 2 ; R 3 ; R n Dvě operace v R n : u + v = (u 1 + v 1,...u n + v n ), V (E 3 )...množina vektorů v E 3,

5. Lokální, vázané a globální extrémy

Symetrické a kvadratické formy

Kapitola 11: Vektory a matice:

Všechno, co jste kdy chtěli vědět o maticích, ale báli jste se zeptat

2. prosince velikosti symboly a, b, je b ω a b = a b cosω (1) a. ω pro ω π/2, π platí a b = b a a (3) a b = a 1 b 1 + a 2 b 2 + a 3 b 3 (5)

Matematika B101MA1, B101MA2

Nelineární optimalizace a numerické metody (MI NON)

Aplikovaná numerická matematika - ANM

Matice lineárních zobrazení

VEKTORY. Obrázek 1: Jediný vektor. Souřadnice vektoru jsou jeho průměty do souřadných os x a y u dvojrozměrného vektoru, AB = B A

Operace s maticemi. 19. února 2018

5. Statika poloha střediska sil

8.3). S ohledem na jednoduchost a názornost je výhodné seznámit se s touto Základní pojmy a vztahy. Definice

Analýza napjatosti PLASTICITA

(Cramerovo pravidlo, determinanty, inverzní matice)

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

MENDELOVA UNIVERZITA V BRNĚ LDF MT MATEMATIKA VEKTORY, MATICE

Momenty setrvačnosti a deviační momenty

Matematika II, úroveň A ukázkový test č. 1 (2018) 1. a) Napište postačující podmínku pro diferencovatelnost funkce n-proměnných v otevřené

EUKLIDOVSKÉ PROSTORY

1 Projekce a projektory

příkladů do cvičení. V textu se objeví i pár detailů, které jsem nestihl (na které jsem zapomněl) a(b u) = (ab) u, u + ( u) = 0 = ( u) + u.

Maticí typu (m, n), kde m, n jsou přirozená čísla, se rozumí soubor mn veličin a jk zapsaných do m řádků a n sloupců tvaru:

Úlohy nejmenších čtverců

y = 2x2 + 10xy + 5. (a) = 7. y Úloha 2.: Určete rovnici tečné roviny a normály ke grafu funkce f = f(x, y) v bodě (a, f(a)). f(x, y) = x, a = (1, 1).

ANALYTICKÁ GEOMETRIE V ROVINĚ

1 0 0 u 22 u 23 l 31. l u11

Poznámka. V některých literaturách se pro označení vektoru také používá symbolu u.

označme j = (0, 1) a nazvěme tuto dvojici imaginární jednotkou. Potom libovolnou (x, y) = (x, 0) + (0, y) = (x, 0) + (0, 1)(y, 0) = x + jy,

Uspořádanou n-tici reálných čísel nazveme aritmetický vektor (vektor), ā = (a 1, a 2,..., a n ). Čísla a 1, a 2,..., a n se nazývají složky vektoru

Matematika 2 (2016/2017)

Co je obsahem numerických metod?

maticeteorie 1. Matice A je typu 2 4, matice B je typu 4 3. Jakých rozměrů musí být matice X, aby se dala provést

stránkách přednášejícího.

z = a bi. z + v = (a + bi) + (c + di) = (a + c) + (b + d)i. z v = (a + bi) (c + di) = (a c) + (b d)i. z v = (a + bi) (c + di) = (ac bd) + (bc + ad)i.

Vlastní čísla a vlastní vektory

Požadavky k písemné přijímací zkoušce z matematiky do navazujícího magisterského studia pro neučitelské obory

1 Determinanty a inverzní matice

Učební texty k státní bakalářské zkoušce Matematika Skalární součin. študenti MFF 15. augusta 2008

Dnešní látka Opakování: normy vektorů a matic, podmíněnost matic Jacobiova iterační metoda Gaussova-Seidelova iterační metoda

Lingebraické kapitolky - Analytická geometrie

Dnešní látka: Literatura: Kapitoly 3 a 4 ze skript Karel Rektorys: Matematika 43, ČVUT, Praha, Text přednášky na webové stránce přednášejícího.

Aplikovaná numerická matematika

Co jsme udělali: Au = f, u D(A)

VĚTY Z LINEÁRNÍ ALGEBRY

Kvantová fyzika atomárních soustav letní semestr VIII. KOTLÁŘSKÁ 23. DUBNA 2014

1 Linearní prostory nad komplexními čísly

Matematika 1 MA1. 1 Analytická geometrie v prostoru - základní pojmy. 4 Vzdálenosti. 12. přednáška ( ) Matematika 1 1 / 32

vyjádřete ve tvaru lineární kombinace čtverců (lineární kombinace druhých mocnin). Rozhodněte o definitnosti kvadratické formy κ(x).

Determinanty. Obsah. Aplikovaná matematika I. Pierre Simon de Laplace. Definice determinantu. Laplaceův rozvoj Vlastnosti determinantu.

5. cvičení z Matematiky 2

Extrémy funkce dvou proměnných

Lineární algebra - I. část (vektory, matice a jejich využití)

Derivace funkcí více proměnných

Obsah. Matematika. Obsah. Ljapunovova metoda. Volba LF

DERIVACE FUNKCE KOMPLEXNÍ PROMĚNNÉ

( ) ( ) ( ) ( ) Skalární součin II. Předpoklady: 7207

2.6. VLASTNÍ ČÍSLA A VEKTORY MATIC

1 Vektorové prostory.

13. cvičení z Matematické analýzy 2

Množinu všech matic typu m n nad tělesem T budeme označovat M m n (T ), množinu všech čtvercových matic stupně n nad T pak M n (T ).

Derivace goniometrických. Jakub Michálek,

VI. Maticový počet. VI.1. Základní operace s maticemi. Definice. Tabulku

Vybrané kapitoly z matematiky

VYBRANÉ PARTIE Z NUMERICKÉ MATEMATIKY

Kapitola 11: Vektory a matice 1/19

a počtem sloupců druhé matice. Spočítejme součin A.B. Označme matici A.B = M, pro její prvky platí:

Četba: Texty o lineární algebře (odkazy na webových stránkách přednášejícího).

Hledáme lokální extrémy funkce vzhledem k množině, která je popsána jednou či několika rovnicemi, vazebními podmínkami. Pokud jsou podmínky

1 Báze a dimenze vektorového prostoru 1

2. Schurova věta. Petr Tichý. 3. října 2012

Lineární algebra Operace s vektory a maticemi

Dnešní látka Variačně formulované okrajové úlohy zúplnění prostoru funkcí. Lineární zobrazení.

EXTRÉMY FUNKCÍ VÍCE PROMĚNNÝCH

3. ANTAGONISTICKÉ HRY

Transkript:

Shodnostní Helmertova transformace Toto pojednání ukazuje, jak lze určit transformační koeficienty Helmertovy transformace za požadavku, aby představovaly shodnostní transformaci. Pro jednoduchost budeme zpočátku přepokládat, že souřadnice identických bodů v obou souřadnicových soustavách byly redukovány k jejich těžišti. ˆx T... souřadnice těžiště identických bodů v cílové souřadnicové soustavě ˆx T... souřadnice těžiště identických bodů v místní souřadnicové soustavě ˆx i... souřadnice i-tého identického bodu v cílové souřadnicové soustavě ˆx i... souřadnice i-tého identického bodu v místní souřadnicové soustavě n... počet identických bodů, n N. ˆx T := ˆx T := n ˆx i i=1 n n ˆx i i=1 n,, ˆx i := [ˆx i, ŷ i T, ˆx i := [ˆx i, ŷ i T, i { 1, 2,..., n }, 1 Klasická Helmertova transformace (podobnostní) 1.1 Formulace Transformační rovnice pro libovolný podrobný bod P s redukovanými souřadnicemi x P = ˆx P ˆx T, x P = ˆx P ˆx T mají jednoduchý tvar: x P = H x P. Matice [ hx, h H = Y h Y, představuje rotaci souřadnicových os kolem těžiště spolu se změnou měřítka. h X 1

Zprostředkující rovnice: A Ah = x + v (1) [ x... matice typu 2n 2 složená z bloků i, y i y i, x, i i { 1, 2,..., n } x i, y i... souřadnice i-tého identického bodu v místní soustavě, h... koeficienty podobnostní transformace, h R 2, h := [h X, h Y T, x... vektor (sloupcový) souřadnic identických bodů v cílové soustavě, x R 2n, x := [x 1, y 1, x 2, y 2,... x n, y n T, v... opravy souřadnic identických bodů v cílové soustavě, v R 2n, Podmínka MNČ: v T v min v T v = min h R 2(Ah x)t (Ah x) (2) 1.2 Řešení Normální rovnice: A T Ah = A T x, (3) h = ( A T A ) 1 A T x. (4) 2 Upravená Helmertova transformace (shodnostní) 2.1 Formulace Transformační rovnice pro libovolný podrobný bod P s redukovanými souřadnicemi x P, x P : Matice R = x P = R x P. [ rx, r Y r Y, tzv. matice rotace, představuje rotaci souřadnicových os kolem těžiště. Z transformačních koeficientů r X, r Y utvoříme dvojrozměrný vektor r X r = [ r X, r Y T. Zprostředkující rovnice s podmínkou: Ar = x + v,, r T r = 1, (5) 2

Podmínka MNČ: přičemž množinou K je kružnice 2.2 Řešení v T v = min r K (Ar x)t (Ar x), (6) K := {r R 2 r T r = 1}. Podmínka (6) zahrnuje podmínku MNČ (2) současně s podmínkou (5). Jejího splnění lze dosáhnout minimalizací tzv. Lagrangeovy funkce Ω. Ω(r) := (Ar x) T (Ar x) + (r T r 1) k, (7) kde k R je Lagrangeova násobná konstanta (koreláta), jejíž existence je zaručena větou o vázaném extrému. Funkce Ω nabude svého minima, pokud bude platit a pokud matice Ω r = o (8) [ 2 Ω r i r j (i, j { 1, 2 }) bude positivně definitní. 2.2.1 Vlastní vyrovnání Po roznásobení (7) Ω(r) = r T A T Ar 2r T A T x + x T x) + (r T r 1) k a derivaci funkce Ω vznikne rovnice pro r, k: (9) Ω r = 2AT Ar 2A T x + 2rk = o (10) Vynásobením obou stran předchozí rovnice zleva vektorem 1 2. rt ji lze upravit pro vyjádření koreláty k pomocí vektoru r. r T A T Ar r T A T x + r T rk = o Vzhledem k (5) lze pak snadno určit korelátu k po jejímž dosazení do (10) k = r T (A T Ar A T x), (11) Ω r = A T Ar A T x rr T (A T Ar A T x) = = (I rr T )(A T Ar A T x) = (I r r T )(A T Ar A T Ah) = = (I rr T )A T A(r h) = (I r r T )(r h) c. (12) 3

vznikne rovnice pro r: o = (I r r T )(r h) c. (13) Matice I je jednotková matice řádu 2 a c je reálná konstanta, která se vyskytuje na obou diagonálních pozicích matice A T A, jež je navíc díky redukci k těžišti diagonální. To znamená: A T A = c I, (14) takže poslední úprava v (12) je oprávněná. Hodnotu konstanty c lze jednoduše zjistit prostým vynásobením matic A T, A v (14), po němž vyjde c = x T x. (15) Hodnota konstanty c je však zatím nepodstatná, v tuto chvíli je důležité jen to, že je nenulová a je možno jí dělit obě strany rovnice (13). Tato rovnice se po provedení naznačeného násobení dále zjednoduší na tvar: Platí tedy: Tedy o = r rr T r h + rr T h = h + rr T h (díky (5)) h = rr T h h T h = h T rr T h = (h T r) (r T h) = (h T r) 2. (h T h) = = ±h T r h T r = ±1. To znamená, že skalární součin vektorů h, r je 1 nebo 1. Skalární součin libovolných dvou vektorů a, b je přímo úměrný kosinu úhlu mezi nimi, tj.: a T b = a b cos(α(a, b)), kde α(a, b) je úhel vektorů a, b. Oba vektory h, r jsou jednotkové, takže jejich skalární součin je přímo roven kosinu úhlu jimi sevřeného, tj.: Úhel α(h, r) vektorů h, r je tudíž nulový nebo přímý (0g nebo 200 g ). Hledaný vektor r má tedy s vektorem však také stejnou velikost, takže platí cos(α(h, r)) = ht r = ±1. h stejnou nebo opačnou orientaci. Mají r = ± h. (16) 4

2.2.2 Diskuze o typu extrému Nyní je třeba rozhodnout, které z obou řešení odpovídá minimu funkce Ω. K tomu je třeba určit matici druhých parciálních derivací (9). Opětným derivováním vektorové funkce (10) dostaneme matici: [ 2 Ω r i r j = A T A + Ik. Ta je positivně definitní tehdy, jestliže pro každý vektor u R 2 platí: u T (A T A + Ik )u > 0 Vzhledem k (14) a k (11) lze tuto nerovnost dále upravit: 0 < u T (Ic + Ik )u = (c + k)u T u 0 < c + k = c r T (A T Ar A T x) = c r T (Ic)r + r T A T Ah. Poslední úpravu jsme si mohli dovolit díky rovnici (3). Opětovným využitím podmínky (5) a rovnosti (14) konečně dostaneme požadavek positivní definitnosti v jednoduchém tvaru: c r T h > 0. Nyní je třeba si připomenout, že konstanta c je nejen nenulová, ale i kladná, což plyne z (15). Platí proto: r T h > 0, což může být splněno jen při volbě kladného znaménka v (16). Tím je vektor r již jednoznačně určen. 3 Vyrovnané transformační koeficienty shodnostní transformace 3.1 Prvky matice rotace Vzhledem k (16) a výsledku podkapitoly 2.2.2 jsou transformační koeficienty r shodnostní transformace vyrovnané za podmínky MNČ dány přesným vztahem: r = h Vektor h obsahuje transformační koeficienty podobnostní transformace vypočtené podle (4). 5

3.2 Výpočet posunu Pro původní, neredukované souřadnice ˆx P, ˆx P libovolného podrobného bodu P platí ˆx P ˆx T = R (ˆx P ˆx T ). (17) Tuto rovnost lze vyjádřit v obvyklejším tvaru ˆx P = t + R ˆx P, kde t je posun počátků obou souřadnicových systémů t = ˆx T R ˆx T Lubomír Soukup 6