Gå til innhold
🎄🎅❄️God Jul og Godt Nyttår fra alle oss i Diskusjon.no ×

Matte 3- Hva er det godt for?


thomaskk

Anbefalte innlegg

Videoannonse
Annonse
Gjest Slettet+5132

Tja, kommer litt an på hva du skal jobbe med. I spillgrafikk, og generell i 3D-grafikk, er matriser helt essensielt. Enkelt forklart gir matriser, sammen med en translasjon (altså såkalte affinavbildninger) en måte å flytte kameraet rundt på. Du kan lese litt om det her (har ikke lest nøye igjennom selv, så vet ikke om det er godt forklart). Her vil du også ofte trenge inversmatrisen. I samme baner vil du trenge matriser når du vil flytte på objekter, for eksempel i animasjoner.

 

Ellers blir matriser brukt i masse forskjellige øyemed. Jeg vet ikke helt hva du kan tenke deg å jobbe med, men ting som bildeanalyse / bildebehandling, videoredigering / komprimering, fysikkberegning (enten for virkelige simulering eller spill), og så videre.

 

Og sist, men ikke minst, kunstig intelligens i form av maskinlæring. Et "Dypt nevralt nettverk" (deep neural network) er bare masse matriser og vektorer komponert sammen med en ikke-lineær funksjon i mellom. Altså lønner det seg å ha grunnkunnskapen i orden også der.

Endret av Slettet+5132
Lenke til kommentar

Uff, du store enfold :nei: . Det fins knapt noen viktigere byggesten i anvendt matematikk enn lineær algebra. Et hvert problem som går ut på å løse likninger har en plass i lin.alg universet. Fra wiki:

 

 

 

Linear algebra is central to almost all areas of mathematics. For instance, linear algebra is fundamental in modern presentations of geometry, including for defining basic objects such as linesplanes and rotations. Also, functional analysis may be basically viewed as the application of linear algebra to spaces of functions. Linear algebra is also used in most sciences and engineering areas, because it allows modeling many natural phenomena, and efficiently computing with such models. For nonlinear systems, which cannot be modeled with linear algebra, linear algebra is often used as a first-order approximation.
Endret av Marcus Halberstram
  • Liker 1
Lenke til kommentar

Opprett en konto eller logg inn for å kommentere

Du må være et medlem for å kunne skrive en kommentar

Opprett konto

Det er enkelt å melde seg inn for å starte en ny konto!

Start en konto

Logg inn

Har du allerede en konto? Logg inn her.

Logg inn nå
  • Hvem er aktive   0 medlemmer

    • Ingen innloggede medlemmer aktive
×
×
  • Opprett ny...