Lineare Algebra und Computer Grafik
|
|
- Herbert Albert
- vor 5 Jahren
- Abrufe
Transkript
1 Lineare Algebra und Computer Grafik Kurze Zusammenfassung (Stand: 3 Juli 2) Prof Dr V Stahl Copyright 28 by Volker Stahl All rights reserved
2 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 2 4ptpt Vektoren Ein n-stelliger Vektor ist ein n-tupel reeler Zahlen, dh ein Element von R n Vektoren werden mit Pfeil gekennzeichnet um sie von reellen Zahlen (Skalaren) zu unterscheiden Funktionen auf Vektoren Vektor Addition + R n R n R n y + y 2 = x n y n + y + y 2 x n + y n Der Pfeil vom Anfang von x zum Ende von y wenn x und y hintereinander gesetzt werden Vektor Subtraktion R n R n R n y y 2 = x n y n y y 2 x n y n Der Pfeil vom Ende von y zum Ende von x wenn x und y den selben Anfang haben Skalare Multiplikation R R n R n a x n = a a ax n Den Pfeil x um Faktor a strecken Wenn a negativ ist, kehrt sich dabei die Richtung um Skalarprodukt R n R n R y y 2 = y + y x n y n x n y n Länge (Euklidische Norm): R n R x = + x x2 n = x x
3 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 3 Normierter Richtungsvektor e = x x Vektor mit gleicher Richtung wie x aber Länge Winkel zwischen Vektoren cos(α) = x y x y Die arccos-funktion liefert den inneren Winkel Kreuzprodukt R 3 R 3 R 3 y y 2 y 3 = Vektor orthogonal zu x und y Rechengesetze für Vektoren Rechengesetze für Skalare Multiplikation Rechengesetze für Skalarprodukt x y a( x + y) = a x + a y (a + b) x = a x + b x (ab) x = a(b x) a x = a x = y x ( x + y) z = ( x z) + ( y z) a( x y) = (a x) y x x Rechengesetze für Kreuzprodukt Relationen auf Vektoren y 3 y 2 y y 3 y 2 y x x = genau dann wenn x = x ( x y) = y ( x y) = x y = y x x y = x y sin(α) x und y heißen kollinear wenn x, y R n \ { } und y = a x für ein a R In diesem Fall haben sie gleiche (a > ) oder entgegengesetzte (a < ) Richtung und y ist a mal so lang wie x Kollinear ist reflexiv auf R n \{ }, symmetrisch und transitiv x und y heißen orthogonal genau dann wenn x y = In diesem Fall stehen die Pfeile x und y senkrecht zueinander
4 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 4 2 Geraden Definitionen Eine Menge G heißt Ursprungsgerade wenn r R n \ { } G = {a r a R} Eine Menge G heißt (affine) Gerade wenn r R n \ { } p R n G = { p + a r a R} Orts- und Richtungsvektor In og Darstellung heißt r Richtungsvektor und p Ortsvektor der Geraden Eine Gerade lässt sich durch unterschiedliche Orts- und Richtungsvektoren darstellen: Sei G = { p + a r a R} Dann ist falls q G und s kollinear zu r Zwei Punkte Form G = { q + a s a R} Durch zwei Punkte x, y R n mit x y gibt es genau eine affine Gerade G = { x + a( y x) a R} 3 Ebenen Definitionen Eine Menge E heißt Ursprungsebene wenn r, s R 3 \ { } kollinear( r, s) E = {a r + b s a,b R} Eine Menge E heißt (affine) Ebene wenn r, s R 3 \ { } p R 3 kollinear( r, s) E = { p + a r + b s a,b R} Orts- und Richtungsvektor In og Darstellung heißen r und s Richtungsvektoren und p Ortsvektor der Ebene Eine Ebene lässt sich durch unterschiedliche Orts- und Richtungsvektoren darstellen: Sei E = { p + a r + b s a,b R} Dann ist falls q E und L( r, s) = L( u, v) E = { q + a u + b v a,b R}
5 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 5 Drei Punkte Form Durch drei Punkte x, y, z, die nicht auf einer gemeinsamen Geraden liegen, gibt es genau eine Ebene Normalenvektor einer Ebene E = { x + a( y x) + b( z x) a,b R} Ein Vektor n R 3 \ { }, der senkrecht zu einer Ebene E steht, heißt Normalenvektor von E: x, y E n ( x y) = n ist Normalenvektor von E = { p + a r + b s a,b R} genau dann wenn n orthogonal zu r und s ist Damit lässt sich ein Normalenvektor durch n = r s berechnen Ist n ein Normalenvektor, dann auch alle Vektoren, die kollinear zu n sind Zu jeder Ebene gibt es genau zwei normierte Normalenvektoren mit entgegengesetzter Richtung Hessesche Normalform Ist p E und n Normalenvektor zu E dann ist E = { x ( x p) n = } Diese Darstellung von E heißt Hessesche Normalform, wobei zusätzlich gefordert wird, dass n normiert ist Umrechnung von parametrischer in Hessesche Normalform: Den Ortsvektor p kann man übernehmen Den Normalenvektor berechnet man durch Kreuzprodukt der Richtungsvektoren mit anschließender Normierung Umrechnung von Hessescher Normalform in parametrische Form: Zwei nicht kollineare Vektoren r, s wählen, die orthogonal zu n sind Hier gibt s viele Möglichkeiten, da man jeweils nur eine Gleichung mit drei Unbekannten hat Der Ortsvektor p kann übernommen werden Implizite Form Zu jeder Ebene E gibt es a,b,c,d R wobei a,b,c nicht gleichzeitig Null sind so dass E = { x a + b + c = d} Diese Darstellung von E heißt implizite Form Mit impliziter und Hessescher Normalform ist der Test x E besonders einfach Umrechnen von Hessescher Normalform in implizite Form: Hier muss man nur ( x p) n = umformen, wobei x =
6 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 6 Umrechnen von impliziter in Hessesche Normalform: Einen Normalenvektor erhält man durch a n = b, c den man noch normieren muss Um einen Punkt p auf der Ebene zu finden, muss man nur eine Lösung der Gleichung a + b + c = d wählen 4 Spannräume Definitionen Eine Linearkombination von a, a 2,, a n R m ist eine gewichtete Summe dieser Vektoren, dh a + a x n a n für beliebige Gewichte,,,x n Die Menge aller Linearkombinationen von a, a 2,, a n heißt Spannraum von a, a 2,, a n : L( a, a 2,, a n ) = { a + a x n a n,,,x n R} Ursprungsgeraden und Ursprungsebenen sind Spannräume, die von einem bzw zwei Vektoren erzeugt werden Ein besonders einfacher Spannraum ist R n, der von den n kanonischen Basisvektoren erzeugt wird e =, e 2 =,, e = Spannräume sind abgeschlossen unter Addition und skalarer Multiplikation Ist M ein Spannraum, dann gilt für alle x, y M und für alle a R, dass x + y M und a x M Ein Vektor b heißt linear abhängig von a, a 2,, a n wenn In diesem Fall gilt b L( a, a 2,, a n ) L( a, a 2,, a n ) = L( b, a, a 2,, a n ), dh wenn man b zu den erzeugenden Vektoren dazunimmt, wird der Spannraum nicht größer Die Vektoren a, a 2,, a n heißen linear unabhängig, wenn keiner von ihnen Linearkombination der anderen ist
7 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 7 Eigenschaften von Spannräumen Folgende Aussagen sind äquivalent: a, a 2,, a n sind linear unabhängig Wenn man einen erzeugenden Vektor weglässt, wird der Spannraum echt kleiner, dh L( a, a 2, a l, a n ) L( a, a 2, a l, a n ) für alle l n Der Nullvektor hat eine eindeutige Darstellung: Aus a + a x n a n = folgt = = = x n = Die Funktion f R n L( a, a 2, a n ), f(,,,x n ) = a + a x n a n ist bijektiv, dh für jeden Vektor b L( a, a 2, a n ) existiert genau ein Satz von Koeffizienten,,x n R so dass a + a x n a n = b Austauschsatz Ist b = a + a 2 ++x n a n mit x l, dann kann man a l durch b ersetzen, dh L( a, a 2,, a l,, a n ) = L( a, a 2,, b,, a n ) Dimension und Basis Eine Basis für einen Spannraum M ist ein linear unabhängiges Tupel ( a, a 2,, a n ) von Vektoren so dass M = L( a, a 2,, a n ) Durch wiederholte Anwendung des Austauschsatzes kann man zeigen, dass jede Basis von M gleich viele Vektoren hat Die Anzahl von Basisvektoren eines Spannraums heißt Dimension des Spannraums Ursprungsgeraden haben Dimension eins, Ursprungsebenen Dimension zwei, der Spannraum R n hat Dimension n Ist M ein Spannraum der Dimension n, dann bildet jedes n-tupel von linear unabhängigen Vektoren aus M eine Basis von M 5 Lineare Funktionen Definitionen Eine Funktion f R n R m heißt linear wenn für alle x, y R n und alle a R gilt f( x + y) = f( x) + f( y) f(a x) = af( x)
8 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 8 Eigenschaften lineare Funktionen Jede lineare Funktion lässt sich in der Form f( x) = a + a x n a n für bestimmte Vektoren a, a 2,, a n darstellen Umgekehrt ist auch jede Funktion in dieser Form linear Die Vektoren a, a 2,, a n sind dabei die Bilder der kanonischen Basisvektoren: a = f( e ), a 2 = f( e 2 ),, a n = f( e n ) Die Menge der linearen Funktionen ist abgeschlossen unter Summe, skalarem Vielfachen, Komposition und Inversion 6 Matrizen Jede lineare Funktion f R n R m kann durch Vektoren a, a 2,, a n R m mit f( x) = a + a x n a n dargestellt werden Diese Vektoren kann man zu einer m n Matrix a a 2 a n a 2 a 22 a 2n A = ( a a 2 a n ) = Rm n a m a m2 a mn zusammenfassen Zu jeder linearen Funktion f R n R m existiert somit genau eine Matrix A R m n, deren Spalten a i = f( e i ) die Bilder der kanonischen Basisvektoren von f sind R m n ist die Menge aller Matrizen mit m Zeilen und n Spalten Bei den Einträgen in der Matrix steht der erste Index für die Zeile und der zweite Index für die Spalte Matrix Vektor Multiplikation Ist A R m n und x R n, dann ist A x R m und kann auf zwei Weisen berechnet werden: Zeile mal Spalte Regel (Skalarprodukte) a a 2 a n a 2 a 22 a 2n a m a m2 a mn x n = a + a a n x n a 2 + a a 2n x n a m + a m2 + + a mn x n
9 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 9 Linearkombination der Spalten a a 2 a n a 2 a 22 a 2n a m a m2 a mn a a 2 + a m a 2 a 22 a m2 x n = + + x n a n a 2n a mn Ist A R m n Matrix der linearen Funktion f R n R m, dann gilt für alle x R n f( x) = A x Matrix Addition und skalare Multiplikation Die Addition und skalare Multiplikation von Matrizen ist komponentenweise definiert Ist A Matrix von f und B Matrix von g, dann ist A + B Matrix von f + g und ca Matrix von cf, dh Matrix Matrix Multiplikation (f + g)( x) = (A + B) x (cf)( x) = (ca) x Ist A R m k und B R k n, dann ist AB R m n Dabei ist (AB) ij das Skalarprodukt aus der i-ten Zeile von A und der j-ten Spalte von B, dh (AB) ij = a i b j + a i2 b 2j + + a ik b kj Die Matrix Multiplikation ist assoziativ aber nicht kommutativ Sie ist distributiv über der Matrix Addition und der skalaren Multiplikation Ist A Matrix von f und B Matrix von g, dann ist AB Matrix von f g, dh f(g( x)) = (AB) x Jeder Vektor x R n kann als n Matrix interpretiert werden Die Matrix Vektor Multiplikation ist somit ein Spezialfall der Matrix Matrix Multiplikation Inverse Matrix Eine Matrix B R n n heißt inverse Matrix von A R n n wenn AB = E (Einheitsmatrix) Die Matrix B = ( b b2 b n ) kann spaltenweise berechnet werden durch Lösen der n linearen Gleichungssysteme A b = e, A b 2 = e 2,, A b n = e n
10 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite Da alle Gleichungssysteme die selbe Koeffizientenmatrix A haben, kann Rechenaufwand gespart werden Zu jeder Matrix A R n n existiert höchstens eine inverse Matrix, die mit A bezeichnet wird Invertierbare Matrizen heißen regulär, nicht invertierbare heißen singulär A ist genau dann invertierbar wenn die Spalten von A linear unabhängig sind, was wiederum genau dann der Fall ist wenn die Zeilen von A linear unabhängig sind Ist f R n R n eine bijektive lineare Funktion mit Matrix A, dann ist A regulär und A ist die Matrix von f, dh f ( x) = A x Transponierte Matrix Für A R m n ist die transponierte Matrix A T R n m definiert durch A T ij = A ji Bei der Transposition werden also lediglich Zeilen und Spalten vertauscht Orthogonale Matrizen (A T ) T = A (A + B) T = A T + B T (ca) T = ca T (AB) T = B T A T (A ) T = (A T ) Eine Matrix A R n n heißt orghogonal wenn die Spalten von A paarweise orthogonal und normiert sind Der Witz bei orthogonalen Matrizen ist, dass die Inversion einfach ist Ist A eine orthogonale Matrix, dann ist A regulär und A = A T Weitere Eigenschaften orthogonaler Matrizen sind A x = x (A x, A y) = ( x, y) 7 Geometrische Transformationen Streckung mit Streckfaktor a: f( x) = a x Linear, bijektiv für a Punktspiegelung am Koordinatenursprung: f( x) = x Linear, bijektiv
11 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite Translation (Verschiebung) um Vektor a: Nicht linear für a, bijektiv f( x) = x + a Orthogonalprojektion auf xy-ebene: x f y = z Linear, nicht bijektiv Perspektivische Projektion auf Ebene z = d, Pupille im Ursprung: x f y = d x y z z z Nicht linear, nicht bijektiv Rotation um konstanten Winkel α im Sinne einer Rechtsschraube im rechtshändigen Koordinatensystem umd die x-, y- und z-achse (Matrix Darstellung): cos α sin α sinα cos α Linear, bijektiv, x y cos α sin α sin α cos α, cos α sin α sinα cos α 8 Homogene Koordinaten Die Translation und die perspektivische Projektion sind nicht linear und daher nicht durch Matrizen darstellbar Dies macht viele Berechnungen umständlich Homogene Koordinaten bieten hier einen Ausweg Definitionen Sei Dann ist für alle w R \ {} x = x y z x = w R 3 x y z
12 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 2 eine Darstellung von x in homogenen Koordinaten Die Menge aller homogener Darstellungen eines Vektors x ist eine Ursprungsgerade mit Richtungsvektor x ohne den Nullvektor Die einfachste Darstellung erhält man für w = mit Ist x = x = a b c w x y z, w eine Darstellung eines Vektors in homogenen Koordinaten, dann ist a/w x = b/w c/w der zugehörige Vektor in normalen Koordinaten Der homogene Vektor a x = b c kann als Punkt im Unendlichen in Richtung a r = b c interpretiert werden In der Computer Grafik werden Lichtquellen oft im Unendlichen positioniert, da dann ihre Lichtstrahlen parallel eintreffen Homogene Matrizen Jede Matrix A = kann zu einer homogenen Matrix A = a a 2 a 3 a 2 a 22 a 23 a 3 a 32 a 33 a a 2 a 3 a 2 a 22 a 23 a 3 a 32 a 33 erweitert werden Multipliziert man eine beliebige homogene Darstellung eines Vektors x mit A und enthomogenisiert das Ergebnis, kommt A x heraus Alle linearen Funktionen lassen sich daher durch homogene Matrizen realisieren
13 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 3 Translation in homogenen Koordinaten Auch die (nicht lineare) Translation lässt sich durch die homogene Matrix A = f( x) = x + b b b 2 b 3 realisieren Es gilt A x = = w b b 2 b 3 + b + b 2 + b 3 w Enthomogenisieren liefert x + b Perspektivische Projektion in homogenen Koordinaten Weiterhin kann man auch die (nicht lineare) perspektivische Projektion durch die homogene Matrix berechnen Es gilt A x = A = f( x) = d /d /d = w /d w
14 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 4 Um diesen Vektor zu enthomogenisieren muss man die ersten drei Komponenten (w,w,w )durch die letzte (w /d) dividieren und erhält die perspektivische Projektion x d 9 Koordinatensysteme Umrechnung ins Weltkoordinatensystem Ein Koordinatensystem im Raum ist gegeben durch drei Vektoren, deren Richtungen und Längen die Achsen und deren Einheiten festlegen, sowie durch einen Punkt für den Ursprung Wir gehen davon aus, dass ein festes Koordinatensystem gegeben ist, in dem alle Berechnungen durchgeführt werden Dieses Koordinatensystem hat den pathetischen Namen Weltkoordinatensystem In der Computer Grafik müssen häufig komplexe Objekte im Raum positioniert und ausgerichtet werden Da es mühsam ist, jeden einzelnen Punkt des Objekts zu verarzten, befestigt man ein Koordinatensystem K am Objekt und gibt die Koordinaten der Objekt Punkte bzgl K an (Objektkoordinaten) Wenn man nun K durch die Gegend schiebt, wandert das Objekt mit und die Objektkoordinaten der Punkte bleiben daher immer gleich Kennt man die Position und Orientierung von K sowie die Objektkoordinaten eines Punktes, kann man dessen Koordinaten bzgl des Weltkoordinatensystems berechnen und den Punkt zeichnen Angenommen das Koordinatensystem K habe die Achsen a, a 2, a 3 und seinen Ursprung bei b Betrachten wir einen Punkt x des Objektes, dessen Objektkoordinaten x K seien Um zu dem Punkt x zu gelangen, muss man daher von b ausgehend x K Einheiten auf der a Achse, x K 2 Einheiten auf der a 2 Achse und x K 3 Einheiten auf der a 3 Achse laufen Anders ausgedrückt sind die Weltkoordinaten des Punkes gegeben durch x = b + x K a + x K 2 a 2 + x K 3 a 3 Fasst man nun a, a 2, a 3 und b zu einer homogenen Matrix a a 2 a 3 b K = a 2 a 22 a 23 b 2 a 3 a 32 a 33 b 3 zusammen, erhält man die einfache Umrechnungsvorschrift x = K x K Umrechnung zwischen Koordinatensystemen Genauso wie man von einem Koordinatensystem K ins Weltkoordinatensystem umrechnen kann, kann man auch die Koordinaten zwischen zwei Koordinatensystemen K und K 2 ineinander umrechnen Gehen wir also von Koordinatensystem K aus und zeichnen darin K 2 ein Die Achsen und der Ursprung von
15 V Stahl Lineare Algebra und Computer Grafik Zusammenfassung Seite 5 K 2 sind bzgl K gegeben durch a K, ak 2, ak 3 und b K Das Koordinatensystem K 2 lässt sich bzgl K mit einer homogenen Matrix darstellen: T = a K a K 2 a K 3 b K a K 2 a K 22 a K 23 b K 2 a K 3 a K 32 a K 33 b K 3 Sei x ein Punkt mit K 2 Koordinaten x K2 und K Koordinaten x K, dh x = K x K = K 2 x K2 Wenn man die K 2 Koordinaten von x kennt, kann man die K Koordinaten erhalten, indem man von b K ausgehend x K2 Einheiten auf der a K Achse, x K2 2 Einheiten auf der a K 2 Achse und x K2 3 Einheiten auf der a K 3 Achse läuft, dh Aus folgt damit x K = T x K2 K x K = K 2 x K2 K T x K2 = K 2 x K2 Da dies für alle Vektoren x K2 gilt, folgt K T = K 2 Wenn man also in der Computer Grafik ausgehend vom Weltkoordinatensystem K die Transformationen T,T 2,,T n nacheinander bzgl des jeweils aktuellen Koordinatensystems ausführt, gilt Das heißt, dass man mit der Matrix K T = K K T T 2 = K 2 K T T 2 T n = K n T T 2 T n von Objektkoordinaten auf Weltkoordinaten umrechnen kann Diese Matrix heißt in OpenGL Model View Matrix So bewirkt der Befehl lediglich, dass die Matrix gltranslatef(x, y, z) x y z rechts an die aktuelle Model View Matrix multipliziert wird
Vektoren und Matrizen
Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden
MehrStellen Sie diese Operation grafisch durch Pfeile in einem zweidimensionalen Koordinatensystem dar. + R n R n R n. + R R R
Vektoren Aufgabe Berechnen Sie 2 + 0 Aufgabe 2 Beweisen Sie das ausführlich das Assoziativgesetz der Vektoraddition + R n R n R n Sie dürfen dabei alle Gesetze der reellen Addition + R R R verwenden machen
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem x y + z 1 x + y
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrComputergrafik Universität Osnabrück, Henning Wenke,
Computergrafik Universität Osnabrück, Henning Wenke, 2012-05-30 Korrektur: Kugelkoordinaten II r und θ konstant: Rand einer Kreisscheibe parallel zur xy Ebene z θ fest y θ konstant, r R : Kegel, ausgehend
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrLineare Funktionen. Aufgabe 1. Sei f R 2 R definiert durch. x 1 + 3x Beweisen Sie ausführlich, dass f linear ist.
Lineare Funktionen Aufgabe. Sei f R R definiert durch x f = x x + 3x. Beweisen Sie ausführlich, dass f linear ist. Aufgabe. Die Funktionen (nicht erschrecken sind definiert durch + ( (R n R m (R n R m
Mehr3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrKapitel 2. Matrixalgebra. Josef Leydold Mathematik für VW WS 2017/18 2 Matrixalgebra 1 / 49
Kapitel 2 Matrixalgebra Josef Leydold Mathematik für VW WS 207/8 2 Matrixalgebra / 49 Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS.
MehrMatrixalgebra. Kapitel 2. Ein sehr einfaches Leontief-Modell. Matrix. Ein sehr einfaches Leontief-Modell. Vektor. Spezielle Matrizen I
Ein sehr einfaches Leontief-Modell Eine Stadt betreibt die Unternehmen ÖFFENTLICHER VERKEHR, ELEKTRIZITÄT und GAS Kapitel 2 Matrixalgebra Technologiematrix und wöchentliche Nachfrage (in Werteinheiten):
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
Mehr= 9 10 k = 10
2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrMathematische Grundlagen
Kapitel 2 Mathematische Grundlagen In diesem Kapitel werden die mathematischen Grundlagen dargelegt, die für die Darstellung von dreidimensionalen Objekten notwendig sind. 2. 3D-Koordinatensystem Weit
MehrMathematik Analytische Geometrie
Mathematik Analytische Geometrie Grundlagen:. Das -Dimensionale kartesische Koordinatensystem: x x x. Vektoren und Ortsvektoren: a x = x x ist ein Vektor, der eine Verschiebung um x -Einheiten in x-richtung,
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
Mehry x x y ( 2x 3y + z x + z
Matrizen Aufgabe Sei f R R 3 definiert durch ( ) x 3y x f = x + y y x Berechnen Sie die Matrix Darstellung von f Aufgabe Eine lineare Funktion f hat die Matrix Darstellung A = 0 4 0 0 0 0 0 Berechnen Sie
MehrVorlesung Mathematik 2 für Informatik
Vorlesung Mathematik für Informatik Inhalt: Lineare Algebra Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare Abbildungen Eigenwerte und Eigenvektoren Literatur
Mehr2 Die Algebra der Matrizen
Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
Mehrbzw. eine obere Dreiecksmatrix die Gestalt (U: upper)
bzw. eine obere Dreiecksmatrix die Gestalt (U: upper) U = u 11 u 12 u 1n 1 u nn 0 u 22 u 2n 1 u 2n 0......... 0 0 u n 1n 1 u n 1n 0 0 0 u nn Eine nicht notwendig quadratische Matrix A = (a ij ) heißt obere
MehrGrundwissen Abitur Geometrie 15. Juli 2012
Grundwissen Abitur Geometrie 5. Juli 202. Erkläre die Begriffe (a) parallelgleiche Pfeile (b) Vektor (c) Repräsentant eines Vektors (d) Gegenvektor eines Vektors (e) Welcher geometrische Zusammenhang besteht
MehrFormelsammlung Mathematik Grundkurs Inhalt
Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrLernunterlagen Vektoren in R 2
Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 2: Der Euklidische Raum Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 30. Oktober 2007) Vektoren in R n Definition
Mehr35 Matrixschreibweise für lineare Abbildungen
35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrSkript Lineare Algebra
Skript Lineare Algebra sehr einfach Erstellt: 2018/19 Von: www.mathe-in-smarties.de Inhaltsverzeichnis Vorwort... 2 1. Vektoren... 3 2. Geraden... 6 3. Ebenen... 8 4. Lagebeziehungen... 10 a) Punkt - Gerade...
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil
MehrGrundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015
Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 2: Vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 19. Oktober 2011) Vektoren in R n Definition 2.1
MehrAnalytische Geometrie, Vektorund Matrixrechnung
Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
MehrDieses Skript ist urheberrechtlich geschützt. Ich behalte mir alle Rechte vor. Eine Vervielfältigung ist nicht gestattet und strafbar.
Dieses Skript ist urheberrechtlich geschützt. Ich behalte mir alle Rechte vor. Eine Vervielfältigung ist nicht gestattet und strafbar. 1 2 Hinweise zum Skript Grundlagen der Wirtschaftsmathematik und Statistik
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrLineare Algebra. Inhalt. Hauptbestandteil der Vorlesung Mathematik 2 Literatur: Teschl/Teschl, Band 1, Kap. 9-14
Lineare Algebra Hauptbestandteil der Vorlesung Mathematik Literatur: Teschl/Teschl, Band, Kap. 9-4 Inhalt Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare
MehrC A R L V O N O S S I E T Z K Y. Transformationen. Johannes Diemke. Übung im Modul OpenGL mit Java Wintersemester 2010/2011
C A R L V O N O S S I E T Z K Y Transformationen Johannes Diemke Übung im Modul OpenGL mit Java Wintersemester 2010/2011 Motivation Transformationen Sind Grundlage vieler Verfahren der Computergrafik Model-
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil
MehrMatrizen. Aufgabe 1. Sei f R 2 R 3 definiert durch. x y x Berechnen Sie die Matrix Darstellung von f. Lösung von Aufgabe 1.
Matrizen Aufgabe Sei f R R 3 definiert durch ( x 3y x f x + y y x Berechnen Sie die Matrix Darstellung von f Lösung von Aufgabe ( f ( f 3 Die Matrix Darstellung von f ist somit A 3 Aufgabe Eine lineare
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 7 11. Mai 2010 Kapitel 8. Vektoren Definition 76. Betrachten wir eine beliebige endliche Anzahl von Vektoren v 1, v 2,..., v m des R n, so können
MehrTransformation Allgemeines Die Lage eines Punktes kann durch einen Ortsvektor (ausgehend vom Ursprung des Koordinatensystems
Transformation - 1 1. Allgemeines 2. Zwei durch eine Translation verknüpfte gleichartige Basissysteme 3. Zwei durch eine Translation verknüpfte verschiedenartige Basissysteme (noch gleiche Orientierung)
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
Mehr13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN
13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrDefinition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h.
8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrVektorrechnung. 10. August Inhaltsverzeichnis. 1 Vektoren 2. 2 Grundlegende Rechenoperationen mit Vektoren 3. 3 Geometrie der Vektoren 5
Vektorrechnung 0. August 07 Inhaltsverzeichnis Vektoren Grundlegende Rechenoperationen mit Vektoren 3 3 Geometrie der Vektoren 5 4 Das Kreuzprodukt 9 Vektoren Die reellen Zahlen R können wir uns als eine
MehrTransformation - 3. Für "übliche" Anwendungen in der Geometrie ist es sinnvoll, bei Transformationen eine gleiche
Transformation - 3 Wiederholung und spezielle Angaben im Zusammenhang mit Kreis-Berechnungen 1. Problemstellung Im Zusammenhang mit der Berechnung von Schnittflächen kann es sinnvoll sein, die Berechnung
MehrZusammenfassung der Analytischen Geometrie
Zusammenfassung der Analytischen Geometrie 1. Rechnen mit Vektoren (Addition, Subtraktion, S-Multiplikation, Linearkombinationen) 1. Gegeben sind die Punkte A(2-6 ) und B(-1 14-4), 4 4 sowie die Vektoren
Mehr8. Elemente der linearen Algebra 8.1 Der euklidische Raum R n
8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x
Mehr5. Geraden und Ebenen im Raum 5.1. Lineare Abhängigkeit und Unabhängigkeit von Vektoren
5 Geraden und Ebenen im Raum 5 Lineare Abhängigkeit und Unabhängigkeit von Vektoren Definition: Die Vektoren a,a,,a n heißen linear abhängig, wenn mindestens einer dieser Vektoren als Linearkombination
Mehr1 Vorlesungen: und Vektor Rechnung: 1.Teil
1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg
MehrKapitel I: Vektorrechnung 2: Vektoren im Raum
WS 1/14 - Prof Dr Manfred Leitz 2 Vektoren im Raum A Grundbegriffe B Rechnen mit Vektoren C Der euklidische Betrag D Das euklidische Skalarprodukt E Vektorprodukt und Spatprodukt F Geraden und Ebenen im
Mehr1 Vektoren, Vektorielle analytische Geometrie der Ebene
Geometrie Geometrie W. Kuhlisch Brückenkurs 208. Vektoren, Vektorrechnung und analytische Geometrie der Ebene 2. Vektorrechnung und analytische Geometrie des Raumes 3. Anwendungen in der Geometrie, Lagebeziehungen
MehrMathematik LK 12 M1, 4. Kursarbeit Matrizen und Stochastik Lösung )
Aufgabe 1: Berechne die Determinante und die Transponierte der folgenden Matrizen: 0 1 1.1 M =( 0 4 1 4 det M =0 4 1 4= 4 M T =( 5 3 3 1.2 1 1 3 A=( =( A T 3 0 1 5 1 3 3 1 0 3 3 1 4 4 det M = 5 1 1+3 3
MehrEXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME
EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME In diesem Abschnitt wiederholen wir zunächst grundlegende Definitionen und Eigenschaften im Bereich der Matrizenrechnung, die wahrscheinlich bereits in Ansätzen
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrÜbersicht Kapitel 9. Vektorräume
Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrLineare Algebra 1. Roger Burkhardt
Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2008/09 4 Einführung Vektoren und Translationen
MehrDenition 6.1 Eine Gerade ist die Menge aller Losungen (x; y) einer linearen Gleichung. y = A B x + C B : Ax + By = C mit 6= 0
6 Der Vektorraum R n In den folgenden Wochen wenden wir uns der Linearen Algebra zu, die man als eine abstrakte Form des Rechnens mit Vektoren auassen kann. Ein zentrales Thema werden lineare Raume (=
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrZüchtungslehre - Einführung in Lineare Algebra Peter von Rohr
Züchtungslehre - Einführung in Lineare Algebra Peter von Rohr 04-09-2016 Einführung in Lineare Algebra Aus der linearen Algebra brauchen wir für diese Vorlesung nur das Rechnen mit Vektoren und Matrizen.
Mehr~ v 2. Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k 1. i=1. v k = w k
v 1 v 1 v 2 v 2 W 2 -v (v, v ) 1 1 2 Abbildung 3: Zweiter Schritt des Gram-Schmidt-Verfahrens. k. Schritt: Subtraktion der Komponenten von ṽ k in Richtung von v 1,v 2,...,v k 1 und Normierung von w k auf
MehrVEKTOREN. Allgemeines. Vektoren in der Ebene (2D)
VEKTOREN Allgemeines Man unterscheidet im Schulgebrauch zwischen zweidimensionalen und dreidimensionalen Vektoren (es kann aber auch Vektoren geben, die mehr als 3 Komponenten haben). Während zweidimensionale
MehrKapitel 2: Mathematische Grundlagen
[ Computeranimation ] Kapitel 2: Mathematische Grundlagen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 2. Mathematische Grundlagen
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
MehrGeometrie. 1 Vektoren, Vektorielle analytische Geometrie der Ebene
Geometrie Geometrie W. Kuhlisch Brückenkurs 207. Vektoren, Vektorrechnung und analytische Geometrie der Ebene 2. Vektorrechnung und analytische Geometrie des Raumes 3. Anwendungen in der Geometrie, Lagebeziehungen
MehrMatrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle
2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
MehrZusammenfassung zum Thema Vektor- und Matrizenrechnung
Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,
MehrVorkurs Mathematik B
Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein
Mehrd 2 b 2 c 2 d 3 b 3 c 3 , D a 1 d 1 c 1 v 3 Definiton (Verbindungsvektor): Zwei Punkte A(a 1 a 2 a 3 ) und B(b 1 b 2 b 3 ) legen den Vektor b 1 a 1
2008/2009 Das Wichtigste in Kürze Klasse 3 Lineare Gleichungssysteme und Determinanten Definiton (Lineare Gleichungssysteme: Lineare Gleichungssysteme löst man entweder mit dem Gauß-Algorithmus oder nach
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
Mehr1 Lineare Unabhängigkeit Äquivalente Definition Geometrische Interpretation Vektorräume und Basen 6
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik Dr. Thomas Zehrt Vektorräume und Rang einer Matrix Inhaltsverzeichnis Lineare Unabhängigkeit. Äquivalente Definition.............................
Mehr