Forberedelse#
Som forberedelse til projektet bør I læse op på de matematiske emner fra Matematik 1a og Matematik 1b, der bruges i projektet.
PCA i mikrobiomstudier#
Egenværdier, egenvektorer og diagonalisering: afsnit 12.1-12.3 Matematik 1a
Diagonalisérbare matricer, spektralsætningen, projektioner: afsnit 2.7-2.10 Matematik 1b
Tema 2: Data-matricer og dimensionsreduktion, Tema 2: Data-matricer og Dimensionsreduktion, specielt Ekstra Frivillig Opgave: PCA på Iris-datasættet (4D)
Selvkørende biler og konvojdynamik#
Egenværdier og egenvektorer, Kapitel 12 i Matematik 1a
Systemer af differentialligninger særligt tilfældet med komplekse egenværdier, Kapitel 13 i Matematik 1a
Evt spektralsætningen fra kapitel 2 i Matematik 1b
Endelige Elementers Metode (FEM)#
-
Kap. 6 - Lineære ligningssystemer og Gauss-elimination
Kap. 7 - Vektorer og matricer
Kap. 10 - Vektorrum og basis
-
Kap. 2 - Indre produktrum og ortogonalitet
Kap. 6 - Integration og integrationsmetoder
GPS#
Vektorer og koordinater i 2D og 3D (Matematik 1a, kapitel 1–2)
Lineære ligningssystemer og matrix-ligninger \(A\mathbf{x} = \mathbf{b}\) (Matematik 1a, kapitel 3)
Symmetrisk matrix, positiv definit matrix (Matematik 1a, kapitel 4)
Taylor-udvikling af funktioner af flere variable (Matematik 1a, kapitel 6)
Endelig kan man med fordel også læse mere om mindste kvadraters metode og normalligningerne \(A^T A \mathbf{x} = A^T \mathbf{b}\) her: https://data.math.au.dk/interactive/lt/mindstekvadrater.html. Metoden er måske allerede kendt fra lineær regression.
PageRank#
Egenværdier og egenvektorer, , Kapitel 12 i Matematik 1a
Evt spektralsætningen fra kapitel 2 i Matematik 1b
Vektoranalyse i elektromagnetismen#
Gauss’ og Stokes’ sætninger. Følgende sider fra “Matematisk Analyses 2” af P.W. Karlsson og V.L. Hansen: https://01002.compute.dtu.dk/_assets/matematisk_analyse_2.pdf
Kapitel 7 i https://01002.compute.dtu.dk/_assets/textbook_mat1b_en.pdf, specielt fladeintegral og flux.
Opgaverne fra Uge 9: Closure i Uge 9: Afrunding