2D-Punkt-Transformationen
|
|
- Hannah Dresdner
- vor 5 Jahren
- Abrufe
Transkript
1 Zur Erinnerung Drehung eines beliebigen Punktes B um den Winkel θ um den Koordinaten-Ursprung zum Punkt B : x B r cosα y B r sin α [r, α: Hilfsgrößen ] x B r cos(α+θ) r (cosα cosθ sinα sinθ) x B cosθ y B. sinθ y B r sin(α+θ) r (sinα cosθ + cosα sinθ) x B sinθ + y B cosθ In Matrizen-Schreibweise: x B y B cosθ -sinθ sinθ cosθ x B y B y B r B y B B r θ α x B x B sin(α±β) sinα cosβ ± cosα sinβ cos(α±β) cosα cosβ Ŧ sinα sinβ
2 x B x B x C y B y B y C x B x B. cosθ y B. sinθ y B x B. sinθ + y B. cosθ x B s x. (x B + x C ) y B s y. (y B + y C ) In Matrizen-Schreibweise: Verallgemeinerung: Rotation eines beliebigen Punktes B um den Winkel θ um einen beliebigen Punkt C zum Punkt B. Skalierung des Ergebnisses mit den Faktoren s x und s y. y B y B s x s y B θ y C C y B B θ x C x B B x B B x B x B y B s x 0 0 s y x C y C x B cosθ -sinθ + sinθ cosθ y B x C y C
3 Erweiterung um eine Dimension ermöglicht die Darstellung der Translation (Verschiebung) als Matrizen-Produkt: x B x B x C y B y B y C homogene Koordinaten, homogene Punkt-Darstellung x B y B 0 -x C 0 -y C 0 0 x B y B Rotation eines Punktes B um θ um bel. Punkt C nach B und Skalierung mit s x, s y in homogenen Koordinaten: x B y B s x s y x C cosθ -sinθ 0 0 -x C 0 y C sinθ cosθ 0 0 -y C x B y B Grafik-Pipeline : Verarbeitungsschritte von den Objekt-Daten bis zur Bild-Erzeugung
4 Implementierungshinweis zum Matrizenprodukt C A B: A: (p x n); B: (n x q); C: (p x q) f2* B... B s... B q... B n... B ns... B nq C zs A z B s A zi B is +... A... A C n... C s... C q + A zn B ns f* A z... A C zn z... C zs... C zq *f*f A p... A pn C p... C ps... C pq C[z][s] 0.;//Initialisierg for (i;i<n;i++) C[z][s] + A[z][i]*B[i][s];
5 Codierungshinweis zum Matrizenprodukt A B in C/C++: A: (p x n); B: (n x q) ); C: (p x q) Matrizen-Deklaration darf max. Dimension offen lassen: #define COL 3 float matrix[][col];//.index(v.li.)offen Größere Flexibilität mit eindimensionalen Feldern und Umschreibung: C[z][s] C[z*q+s]
6 Zur Erinnerung einige Rechenregeln d. Matrizenrechnung*: A + B B + A A (B + C) A B + A C [Kommutativgesetz d. Matrizenaddition] [Distributivgesetz] (A B ) C A (B C) [Assoziativgesetz] A B B A [Matrizenprodukt ist nicht kommutativ!] A B 0 < > B 0 A 0! A I I A A [I: neutrales Element d.m.-multiplikation] A A - A - A I A x b A - b A - A x x (falls A invertierbar!) (falls A invertierbar!) (A B) - B - A - (falls A, B invertierbar!) (A B) T B T A T Wichtiger Spezialfall: Rotationsmatrizen sind orthogonal, d.h. O - O T (*) unter d. Voraussetzung geeigneter Dimensionierung beteiligter Matrizen
7 Verkettung von Punkt-Transformationen und ihren Inversen: Translation (Verschiebung): 0 -x C 0 -y C x C 0 y C x C -x C 0 y C -y C Skalierung: Rotation (Drehung): /s x /s y 0 s x s y cos(-θ) -sin(-θ) 0 cosθ -sinθ 0 sin(-θ) cos(-θ) 0 sinθ cosθ Spiegelung ist ein Spezialfall der Skalierung! cos(-θ) cosθ sin(-θ) sinθ -cos(-θ) sinθ sin(-θ) cosθ 0 sin(-θ) cosθ+cos(-θ) sinθ -sin(-θ) sinθ+cos(-θ) cosθ 0 0 0
8 Beobachtungen an der Rotationsmatrix: (vor allem an der o./li. 2x2-Untermatrix) R cosθ -sinθ 0 sinθ cosθ Jede Zeile u. jede Spalte ist ein Einheitsvektor (Länge) Sowohl die Zeilen- als auch die Spaltenvektoren stehen jeweils senkrecht aufeinander (Skalarprodukte 0) R ist orthogonal: R. R T R T. R I ( T :Transposition; I: Einheitsmatrix) Werden die Einheitsvektoren der Hauptachsen (x,y) mit R transformiert, so ergeben sie die Spaltenvektoren von R. Werden die Zeilenvektoren von R mit R transformiert, so ergeben sie die Einheitsvektoren der Hauptachsen (x,y). Möglichkeit, aus dem Rotationsergebnis auf die Rotationsmatrix zu schließen!
9 Weitere 2D-Transformation: Scherung (engl. shear) Scherung entlang einer Achse verändert dazugehörige Punkt-Koordinaten proportional zur jeweils anderen Koordinate: Scherung eines Einheitsquadrats entlang der x-achse verändert jeden Punkt [x, y, ] T zu [x+ay, y, ] T mit: a 0 -a 0 Inverse: Scherung des Einheitsquadrats entlang der y-achse verändert jeden Punkt [x, y, ] T zu [x, bx+y, ] T mit: x-y-kombination als Verkettung! 0 0 b Inverse: b y +b y +a x x
10 Window-Viewport-Transformation Alte Begriffe der Computergrafik: (World-Coordinate-) Window heißt ein rechteckiger (Szene-, Welt-) Ausschnitt, der abgebildet werden soll; darf nicht mit dem (Window-Manager-) Window des Sw- Fenstersystems verwechselt werden. Viewport nennt man den rechteckigen Ausschnitt der Geräte-Ausgabefläche (Bildschirm, Plotter), in dem die Ausgabe erfolgen soll. Im allgemeinen Fall besteht die Window-Viewport-Transform. aus einer Translation des Window an den Ursprung des Welt- Koordinatensystems, einer Skalierung auf die Größe des Viewport und einer Translation an die Lage des Viewport.
11 Übung Übung: Erstellung einer Analog-Uhr aus ASCII-Zeichen der Größe 8x2: (i) Zeichnung und Positionierung der Zeiger als Linien; (ii) Realitätsnahe Animation. Durch entsprechende Skalierung ist die Uhr auf eine kreisrunde Form zu bringen. BresenClock.exe
Kapitel 3: Geometrische Transformationen
[ Computeranimation ] Kapitel 3: Geometrische Transformationen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 3. Geometrische Transformationen
MehrAffine Koordinatentransformationen
Affine Koordinatentransformationen Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 017/18 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen
Mehr3D-Sicht, Projektionen
Transformationen, deren Matrix als letzte Zeile nicht die Form: [... ] hat, gehören zur allgemeineren Klasse der perspektivischen Transformationen. Perspektivische Projektion von Punkten (,,z i ) auf (
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
MehrKapitel 3. Transformationen
Oyun Namdag Am 08.11.2007 WS 07/08 Proseminar Numerik: Mathematics for 3D game programming & computer graphics Dozenten: Prof. Dr. V. Schulz, C. Schillings Universität Trier Kapitel 3 Transformationen
MehrHerbstsemester ist es.
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Gegeben seien: Dann gilt: (i)
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
MehrVektoren 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
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrComputer graphics. Vektoren und Matrizen. Dr. Ernst Kruijff. Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences
Computer graphics Vektoren und Matrizen Dr. Ernst Kruijff Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences 3 Dm group Einführung Transformationen Sources Online:
Mehr3.1 Motivation. - Mit (mehreren) Koordinatentransformationen wird das Objektsystem in das Gerätesystem transformiert.
3.1 Motivation Wichtige Grundlage der Bildwiedergabe auf dem Bildschirm oder anderen Ausgabegeräten sind Koordinatensysteme und Koordinatentransformationen im IR 2 und IR 3. Im allgemeinen unterscheidet
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
MehrRepräsentation und Transformation von geometrischen Objekten
Repräsentation und Transformation von geometrischen Objekten Inhalt: Grundlagen Überblick Einfache Transformationen in der Ebene Homogene Koordinaten Einfache Transformationen in der Ebene mit homogenen
MehrComputergrafik 1 Transformationen
Computergrafik 1 Transformationen Kai Köchy Sommersemester 2010 Beuth Hochschule für Technik Berlin Überblick Repräsentationen, Primitiven Transformationen in 2D Skalierung Translation Rotation Scherung
MehrMathematische Grundlagen
Mathematische Grundlagen Oliver Deussen Mathematische Grundlagen 1 Affine Räume um Zeichenebene bzw. Raum zu beschreiben, muß vorher ein Koordinatensystem festgelegt werden durch geometrische Fragestellungen
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-
Mehr3D-Transformationen. Kapitel Translation Skalierung
Kapitel 3 3D-Transformationen Wie im weidimensionalen Fall, werden die Definitionspunkte der Objekte als Spaltenvektoren mit homogener Koordinate geschrieben. Die notwendigen Transformationen werden wieder
MehrMathematiklabor 2. Übungsblatt
Dr. Jörg-M. Sautter 3.4.7 Mathematiklabor. Übungsblatt Aufgabe : (Wiederholung) Laden Sie die Dateien mlintro?.m herunter und gehen Sie diese Schritt für Schritt durch. Aufgabe : (Matrix- und Vektoroperationen,
Mehr-dimensionale Darstellungen
1.9 2 1 2 -dimensionale Darstellungen Auf einer Fläche F (2 dimensional) wird eine Operation ausgeführt Zum Beispiel wir eine Verschiebung um den Vektor t durchgeführt. Gemeint ist der Körper, der überstrichen
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
Mehr3D-Transformationen. Kapitel Translation Skalierung
Kapitel 13 3D-Transformationen Wie im weidimensionalen Fall, werden die Definitionspunkte der Objekte als Spaltenvektoren mit homogener Koordinate geschrieben. Die notwendigen Transformationen werden wieder
MehrLineare Transformationen und Determinanten. 10-E Ma 1 Lubov Vassilevskaya
Lineare Transformationen und Determinanten 10-E Ma 1 Lubov Vassilevskaya Lineare Transformation cc Definition: V und W sind zwei Vektorräume. Eine Funktion T nennt man eine lineare Transformation von V
MehrMatrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =
Matrizen Eine m nmatrix ist ein rechteckiges Zahlenschema mit m Zeilen und n Spalten der Form a 11 a 12 a 1n A = a ij = a 21 a 22 a 2n a m1 a m2 a mn Dabei sind m und n natürliche und die Koezienten a
MehrLineare (affine) Abbildung
Lineare affine Abbildung A e 2 b a e Wir überziehen die Ebene neben dem vertrauten Quadrat-Gitternetz, das durch die Basisvektoren e und e 2 festgelegt ist, mit einem Parallelogramm-Gitternetz, dessen
MehrMatrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25
Matrizen Jörn Loviscach Versionsstand: 14. April 2009, 00:25 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten (typischerweise Zahlen) heißt Matrix (Mehrzahl: Matrizen) [matrix, matrices].
MehrLineare Algebra und Computer Grafik
Lineare Algebra und Computer Grafik Kurze Zusammenfassung (Stand: 3 Juli 2) Prof Dr V Stahl Copyright 28 by Volker Stahl All rights reserved V Stahl Lineare Algebra und Computer Grafik Zusammenfassung
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)
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
MehrMatrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.
Matrizen Jörn Loviscach Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten
MehrHerbstsemester a b 1. c d. e 0 f B = (iii) e = 0 (iv) ) 2 + ( 1. Das Skalarprodukt des ersten und zweiten Spaltenvektors muss null ergeben:
Dr V Gradinaru D Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5 Multiple Choice: Online abzugeben Gegeben sei die orthogonale Matrix
MehrMatrizen. Jörn Loviscach
Matrizen Jörn Loviscach Versionsstand: 7. April 2010, 14:27 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach 1 Matrix Ein
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 4. Aufgabe 4.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 4 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Wir betrachten
MehrTransformationen im 3D-Raum
Thomas Jung Repräsentation von 3D-Oberflächen Aufbau von Szenen Transformationen im 3D-Raum Projektionstranformationen Anwendung in OpenGL Geometrietransformationen bilden die Basis für die Computergrafik
Mehr7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?
Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist
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
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..............................
MehrIn den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha):
3 Matrizen Jörn Loviscach Versionsstand: 20. März 2012, 16:02 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html This work is licensed
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
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
MehrExkurs: Klassifikation orthogonaler 2 2-Matrizen.
Exkurs: Klassifikation orthogonaler 2 2-Matrizen. Aussage: Es gilt: (a) Jede orthogonale 2 2 Matrix A mit det(a) = 1 hat das Aussehen cos(α) sin(α) D(α) = sin(α) cos(α), wobei α [0,2π[. Ist sin(α) 0, so
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
Mehr4. Verzerrungen. Der Abstand von zwei Punkten ändert sich. Der Winkel zwischen drei Punkten ändert sich
4. Verzerrungen Wird ein Körper belastet, so ändert sich seine Geometrie. Die Punkte des Körpers ändern ihre Lage. Sie erfahren eine Verschiebung. Ist die Verschiebung für benachbarte Punkte unterschiedlich,
MehrIn den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha):
3 Matrizen Jörn Loviscach Versionsstand: 28. März 2015, 21:32 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is licensed
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
MehrInhaltsverzeichnis. 1 Hardwaregrundlagen
Inhaltsverzeichnis 1 Hardwaregrundlagen 2.1 Koordinatentransformationen 2.2 Transformationen in der Ebene 2.3 Transformationen im Raum 3 Repräsentation und Modellierung von Objekten 4 Rasterung 5 Visibilität
MehrComputergrafik 1 Übung
Prof. Dr. Andreas Butz Dipl.-Medieninf. Hendrik Richter Dipl.-Medieninf. Raphael Wimmer Computergrafik Übung Wiederholung Lineare Algebra: Vektoren, Matrizen, Transformationen in D und 3D Computergrafik
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
MehrComputergrafik Sommersemester 2004 Übungen
Sommersemester 4 Freiwillige Zusatzübung Aufgabe 6: Transformationen im zweidimensionalen aum Berechnen Sie die Transformationsmatri, die eine Szene zuerst um 3 Grad um den Ursprung dreht und anschließend
MehrWas ist Robotik? Robotik heute:
Grundlagen Was ist Robotik? Das Wort Robot / Roboter entstand 92 in einer Geschichte von Karel Ċapek und geht auf das tschechische Wort robota (rbeit, Fronarbeit) zurück. Dessen Ursprung ist das altkirchenslawische
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:
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
MehrTeil 3 Abbildungen in der Ebene
Vektor-Geometrie für die Mittelstufe (Sekundarstufe 1) Teil 3 Abbildungen in der Ebene Für Realschulen in Bayern! (Prüfungsstoff!) und für moderne Geometrie-Kurse am Gymnasium Auch in der berstufe zur
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
MehrLineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri
Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1
MehrTransformation - Homogene Koordinaten. y + b )
Transformation - Homogene Koordinaten In der "üblichen" Behandlung werden für die Verschiebung (Translation) und die Drehung (Rotation) verschiedene Rechenvorschriften benutzt - einmal Addition von Vektoren
Mehr4 Lineare Abbildungen
17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1
MehrBernhard Strigel Gymnasium Kollegstufe 2009/11 Leistungskurs Mathematik M2 Klemens Schölhorn. Facharbeit
Bernhard Strigel Gymnasium Kollegstufe 2009/11 Memmingen Leistungskurs Mathematik M2 Klemens Schölhorn Facharbeit Das Rechnen mit Matrizen und Anwendungen in der Abbildungsgeometrie (Mathematische Grundlagen
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
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
Mehr3 Koordinatentransformationen
8 MATHEMATISCHE GRUNDLAGEN DER COMPUTERGEOMETRIE 3 Koordinatentransformationen Für die Darstellung von dreidimensionalen Objekten wird grundsätlich eine Reihe von Transformationen ausgeführt, die von den
MehrMatrizen. Stefan Keppeler. 28. November Mathematik I für Biologen, Geowissenschaftler und Geoökologen
Mathematik I für Biologen, Geowissenschaftler und Geoökologen Matrizen 28. November 2007 Summe & Produkt Beispiel: Einwohnerzahlen Beispiel Addition Multiplikation Inverse Addition & Multiplikation Anwendung
MehrÜbungsstunde 5 zu Computergrafik 1
Institut für Computervisualistik Universität Koblenz 19. un 20. November 2012 Inhaltsverzeichnis 1 Transformationen Translation Skalierung Rotation 2 Reihenfolge von Transformationen Beispiele 3 Programmieraufgabe
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg, Gliederung 4 Invarianten Isometrien (Kongruenzen) Ähnlichkeitsabbildungen Affine Transformationen Projektive Transformationen 2 von
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
Mehr13 Lineare Abbildungen
13 Lineare Abbildungen Grob gesprochen sind lineare Abbildungen bei Vektorräumen dasselbe wie Homomorphismen bei Gruppen, nämlich strukturerhaltende Abbildungen. Auch in diesem Kapitel seien V, W Vektorräume.
MehrLineare Algebra & Geometrie 2
Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 2 WINTERSEMESTER 217/18 *#$?!! Kapitel 2 Lineare Algebra & Geometrie 2 Lineare Abbildungen & Matrizen Linearkombinationen x 1 x 2
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
Mehr2. Vektorräume 2.1. Vektoren im R n. Vektoren sind gerichtete Groen, die durch ihre Lange (Betrag, Norm) und Richtung gekennzeichnet sind.
. Vektorräume.. Vektoren im R n. Vektoren sind gerichtete Groen, die durch ihre Lange (Betrag, Norm) und Richtung gekennzeichnet sind. Physikalische Beispiele fur Vektoren: Kraft, Geschwindigkeit, Beschleunigung,
MehrMatrixprodukt und Basiswechsel bei Abbildungen
Matrixprodukt und Basiswechsel bei Abbildungen 1 Erster Teil: Das Matrixprodukt Wie multipliziert man eine Matrix mit einer Matrix? 2 Zur Erinnerung: Wie multipliziert man einen Zeilenvektor mit einem
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
MehrVektoren und Matrizen
Vektoren und Matrizen Die multivariate Statistik behandelt statistische Eigenschaften und Zusammenhänge mehrerer Variablen, im Gegensatz zu univariaten Statistik, die in der Regel nur eine Variable untersucht.
MehrYOUNG SCIENTISTS. 4 dimensionale komplexe Zahlen in der Computergrafik. Bastian Weiß 19. Mai 2017 INSTITUT FÜR ANGEWANDTE GEOMETRIE
YOUNG SCIENTISTS 4 dimensionale komplexe in der Computergrafik Bastian Weiß 19. Mai 2017 INSTITUT FÜR ANGEWANDTE GEOMETRIE Programm Vorbereitung (Wiederholung) Komplexe Vektoren Quaternionen Quaternionen
Mehr6. Groÿübung. 1 QR-Zerlegung. 2 Givens-Rotationen. Grundaufgabe
6. Groÿüung 1 QR-Zerlegung Als QR-Zerlegung wird die Zerlegung A QR der Matrix A R m n in die rechte oere Dreiecksmatrix R R m n und die orthogonale Matrix Q R m m ezeichnet. Die Lösung des Gleichungssystems
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
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
MehrLineare Abbildungen. De nition Seien V, W Vektorräume. Eine Abbildung f : V! W heißt linear, wenn gilt
Lineare Abbildungen Lineare Abbildungen De nition Seien V, W Vektorräume. Eine Abbildung f : V! W heißt linear, wenn gilt (L. ) f ist homogen; d.h. f( ~v) = f(~v) für alle 2 R, ~v 2 V, (L. ) f ist additiv;
MehrKlausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover
Dozent: Prof. Dr. Wolfgang Ebeling Übungsleiter: Dr. Detlef Wille Klausur zur Vorlesung Lineare Algebra B im SS an der Universität Hannover Joachim Selke 9. Februar Lineare Algebra B SS Klausur zur Vorlesung
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
MehrKomplexe Zahlen und Allgemeines zu Gruppen
Komplexe Zahlen und Allgemeines zu Gruppen Die komplexen Zahlen sind von der Form z = x + iy mit x, y R, wobei i = 1 als imaginäre Einheit bezeichnet wird. Wir nennen hierbei Re(z = x den Realteil von
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrEinführung in die Robotik. Jianwei Zhang
- Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 20. April 2010 J. Zhang 63 Gliederung Allgemeine Informationen
MehrMathematische Grundlagen, Räume, Koordinatensysteme, Projektionen
Seminar 3D-Grafik Mathematische Grundlagen, Räume, Koordinatensysteme, Projektionen Hermann Schwarz und Marko Pilop {hschwarz pilop}@informatik.hu-berlin.de http://www.informatik.hu-berlin.de/ pilop/3d-basics
MehrKoordinaten, Transformationen und Roboter
Koordinaten, Transformationen und Roboter Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 48 Einleitung Seit Anbeginn der
Mehrmit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"
Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"
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
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
Mehr1.5 Kongruenz und Ähnlichkeit
19 1.5 Kongruenz und Ähnlichkeit Definition Sei A n der affine Standardraum zum Vektorraum R n. Eine Abbildung F : A n A n heißt Isometrie, falls d(f (X), F (Y )) = d(x, Y ) für alle X, Y A n gilt. Es
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)
Mehr3.5 Transformationen im Raum
3.5 Transformationen im Raum Translation Die Verschiebung eines Punktes (,,) T um den Translationsvektor (t,t,t ) T ergibt den Punkt (,, ) T mit 1 t 1 t 1 t 1 + t + t = = + t 1 1 1 T(t,t,t ) Computergrafik
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrTh. Risse, HSB: MAI WS05 1
Th. Risse, HSB: MAI WS05 1 Einige Übungsaufgaben zur analytischen Geometrie & linearen Algebra viele weitere Übungsaufgaben mit Lösungen z.b. in Brauch/Dreyer/Haacke, Papula, Stingl, Stöcker, Minorski
MehrVektoren und Matrizen
Vektoren und Matrizen Einführung: Wie wir gesehen haben, trägt der R 2, also die Menge aller Zahlenpaare, eine Körperstruktur mit der Multiplikation (a + bi(c + di ac bd + (ad + bci Man kann jedoch zeigen,
MehrGliederung. Gliederung (cont.) Kinematik-Gleichungen - (1) Allgemeine Informationen Einführung Koordinaten eines Manipulators. Kinematik-Gleichungen
- Gliederung Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 20. April 2010 Allgemeine Informationen Einführung
MehrTeil 2. Vektorrechnung
Teil 2 Vektorrechnung 17 18 2.1 Koordinaten Kartesisches Koordinatensystem in der Ebene und im Raum senkrecht schneidende Zahlengeraden (Achsen), orientiert gemäß der Rechten-Hand-Regel Ü ¹ Å ØØ Ð Ò Ö
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 der Computerlinguistik Lineare Algebra
Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen
MehrABC ABC. Affine Abbildungen. Definition und Anwendungsbeispiele. Prof. Dr. Andreas de Vries. Fachhochschule Südwestfalen, Standort Hagen
ABC ABC Affine Abbildungen Definition und Anwendungsbeispiele Prof. Dr. Andreas de Vries Fachhochschule Südwestfalen, Standort Hagen 22. März 2017 1 / 30 Übersicht 1 Einführung Motivation Mathematische
Mehr7. Großübung. Ax =QRx = b Rx =Q 1 b = Q T b. Wir behandeln im Folgenden zwei Verfahren zur Erzeugung der QR-Zerlegung:
7. Großüung 1 QR-Zerlegung Als QR-Zerlegung wird die Zerlegung A QR der Matrix A R m n in die rechte oere Dreiecksmatrix R R m n und die orthogonale Matrix Q R m m ezeichnet. Die Lösung des Gleichungssystems
Mehr