Berechnen eines Bildpunktes bei Parallelprojektion: die Kavalierproduktion
|
|
- Werner Haupt
- vor 7 Jahren
- Abrufe
Transkript
1 Matrizen Projektionen: Bei einer Projektion werden Geraden (Projektionsstrahlen) durch die abzubildenden Raumpunkte gezogen und mit der Zeichenebene geschnitten. Die resultierenden Schnittpunkte sind die Bildpunkte der Raumpunkte. Wir haben die Parallelprojektion und die Zentralprojektion als mögliche Projektionsarten kennengelernt. Parallelprojektion Die Projektionsstrahlen verlaufen bei der Parallelprojektion parallel zueinander. Bsp: Schattenbilder durch paralleles Sonnelicht sind Bilder einer Parallelprojektion (Projektionsstrahlen sind hier die Sonnenstrahlen). Berechnen eines Bildpunktes bei Parallelprojektion: die Kavalierproduktion P= (x y z) ->P'=(y+bx z+cx) (a) wobei b und c die Komponenten des Richtungsvektors v = (b) der Projektionsstrahlen sind. (c) Berechnen eines Bildpunktes bei Parallelprojektion: die Axonometrische Abbildung Man stellt ein Schrägbild des Räumlichen Koordinatensystems dar, zeichnet also alle drei Achsen e1, e2, e3 des Raumes in die Zeichnungsebene. Dem Ursprung dieses neuen Koordinatensystems wird ein Ortsvektor w zugeschrieben. (x,y)= w + x*e1 + y*e2 + z*e3 1
2 Zentralprojektion Alle Projektionsstrahlen verlaufen durch ein festes Projektionszentrum. Bsp: Schattenbilder von Glühbirnen (Projektionsstrahlen sind die Lichtstrahlen) Berechnen eines Bildpunktes bei der Zentralprojektion: x' = a*y - b*x a - x y' = a*z - c*x a - x a, b und c sind die Koordinaten des Projektionszentrum Z = (a b c) Begriff der Matrix und lineare Abbildung Unter einer (m,n)-matrix versteht man ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Eine (m,n)-matrix A kann mit einem Vektor p des R ^ n multipliziert werden und das Ergebnis ist ein Vektor p des R^m dabei ist die j-te Komponente des Produkt- Vektors p' = A * p das Skalarprodukt der j-ten Zeile von A mit dem Vektor p Eine lineare Abbildung ist eine Zuordnung, die jedem Punkt P des R^n einen Bildpunkt P' des R^m zuordnet, heisst lineare Abbildung (oder lineare Transformation), wenn es eine (m,n)-matrix A gibt, so dass für die Ortsvektoren p und p' die Beziehung: gilt. Die Matrix A heisst die Abbildungsmatrix der linearen Abbildung. Ihre Elemente sind die Koeffizienten der Abbildungsgleichung. (Bsp. Abbildungsgleichung -> Matrix einfügen) Satz von der Geradentreue Wenn eine Gerade anhand einer linearen Abbildung/Matrix auf eine Ebene projeziert wird, ist ihr Abbild wieder eine Gerade. 2
3 Bedeutung der Einheitsvektoren und erstellen einer allgemeinen Matrix. Voraussetzung: Abbildung ist additiv und homogen Die Bilder der Einheitsvektoren e1, e2, e3 sind die Spalten der Abbildungsmatrix. Das rührt daher, dass man das Bild v' eines Vektors v aus der Linearkombination der Bilder e1', e2', e3' der Einheitsvektoren e1, e2, e3 von v erhält. Beispiel: Ein Punkt im Raum soll um die z-achse mit dem Drehwinkel φ gedreht werden. Berechne die Matrix. Lösung: Man untersucht bei den Einheitsvektoren, welche Funktion auf jede Komponente angewendet wird. y(φ) = sin (φ) x(φ) = cos (φ) z(φ) = z (1) (cos(φ)) e1= (0) Drehung um z-achse mit φ e1' = (sin(φ)) (siehe Kreisgleichung) (0) (0) (0) ((-sin(φ)) e2= (1) Drehung um z-achse mit phi e2' = ( cos(φ)) (siehe Kreisgleichung) (0) (0) (0) (0) e3= (0) Drehung um z-achse mit φ e1' = (0) (siehe Kreisgleichung) (1) (1) Nach obiger Theorie zur Bedeutung der Einheitsvektoren kann man jetzt die Einheitsvektoren in das Raster einer Matrix einfüllen: ( cos(φ) sin(φ) 0 ) M= ( -sin(φ)) cos(φ) 0 ) ( ) Abbildungsverkettung und Matrizenmultiplikation 3
4 Eine Verkettung zweier Matrizen heisst, auf einen Punkt im Raum zwei oder mehrere Projektionen nacheinander anzuwenden. Die gesamte Transformation des Punktes kann dann wieder in einer Matrix zusammengefasst werden, indem beide verketteten Matrizen miteinander multipliziert werden. Matrizenmultiplikation: Man will die Matrix B mit der Matrix A multiplizieren und erhält die Matrix C=A*B. Es ist dabei wichtig, welche Matrix vorne und welche hinten steht, jene die hinten steht wird nämlich zuerst auf den Punkt angewandt, das wäre in diesem Fall also B. Wenn man jede Spalte der hinteren Matrix als Vektor auffasst, kann man die beiden Matrizen so wie bei der Multiplikation einer Matrix mit einem Vektor Multiplizieren. Jede Spalte von B wird also als Vektor einmal mit der gesamten Matrix A multipliziert. Die jeweilige Zeile von A gibt dabei die Zeile von C und die jeweilige Spalte von B die Spalte von C an, in welcher das Skalarprodukt (Resultat aus A-Zeile * B-Spalte) eingetragen wird. 4
5 a21 * b13 + a22 * b23 + a23 * b33 + a24 * b43 + a25 * b53 = c23 Inverse Matrizen Ist C eine quadratische Matrix, dann ist C^-1 die umgekehrte, man sagt die Inverse Matrix für die gilt: C*C^-1=E. E ist hierbei die Einheitsmatrix. Berechnen der inversen Matrix: Die Matrix M wird mit geeigneten Zeilenumformungen in die Einheitsmatrix (auf allen Diagonalfeldern 1 und überall sonst 0) umgeformt. Parallel werden dieselben Umformungen an einer ursprünglichen Einheitsmatrix vorgenommen. Das Resultat ist dann die inverse Matrix M -1. Beispiel: M E Vertausche die erste und die dritte Zeile Subtrahiere das Doppelte der ersten Zeile von der zweiten Subtrahiere das Dreifache der ersten Zeile von der dritten Vertausche die zweite und die dritte Zeile und multipliziere diese mit -1 5
6 Subtrahiere das Doppelte der zweiten Zeile von der ersten Addiere das Achtfache der dritten Zeile zur ersten Subtrahiere das Fünffache der dritten Zeile von der zweiten = E = M -1 Berechne zur Probe M M -1 : a b c d e f g h i a = = 1 b = = 0 c = = 0 d = = 0 e = = 1 6
7 f = = 0 g = = 0 h = = 0 i = = 1 Geometrie der Matrizen - Fixgeraden von (2,2)-Matrizen Richtungsvektoren von Fixgeraden bleiben fix wenn eine Matrix auf sie angewendet wird. Für diese Vektoren gilt also A * v = b * v'. A * u = k * u A ist die Matrix, u nennt man den Eigenvektor, k den Eigenwert der Matrix. Geometrie der (2,2)-Matrizen Jede reguläre (2,2)-Matrix A lässt sich in der Form A=T*D darstellen, wobei D eine Drehmatrix ist und T eine Matrix mit zwei orthogonalen Eigenvektoren. Eigenwerte und Eigenvektoren von (3,3) - Matrizen Berechnen der Eigenwerte und Eigenvektoren, gezeigt an einem Beispiel: (1,5 1,5 0) (1,5 1,5 0) (x) (x) (x) (2,5 0,5 0) * u=u * k ; (2,5 0,5 0) * (y) = (y) *k (0 2 4) (0 2 4) (z) (z) (z) A (1.5k -k)*x+ 1.5*y =0 *2.5 B 2.5*x+(0.5-k)*y =0 *(1,5-k) C 2*y+(4-k)*z =0 (2.5*x*(1,5-k)+(0.5-k)*y*(1,5-k) - ((1.5k-k)*2.5x + 1.5*2.5*y) = (0.5y-k*y)*(1,5-k) - 1.5*2.5*y = 0.75y-2y*k+k*k*y = 0 B-A A (1.5k -k)*x+ 1.5*y =0 B-A (0.75-2k+k*k)*y =0 C 2*y+(4-k)*z =0 k herauslesen: Wenn B-A stimmt wenn (0.75-2k+k*k)=0, und z wird eliminiert, falls k=4. Zur Ermittlung von k wird darum folgende Gleichung aufgestellt: (k*k-2k+0.75)*(4-k) = 0 7
8 k=4, k=0.5, k=1.5 Für k=0.5 und k=1.5 resultiert ein Nullvektor, deshalb gilt nur k=4. Nun kann man k ins Gleichungssystem einsetzen, und man erhält x, y, z, die Komponenten des Eigenvektors: (0) k=4: u1= (0) (1) Markoff-Ketten Markoff-Ketten beschreiben stochastische Prozesse der folgenden Art: Endlich viele Zustände, die eine Anfangswahrscheinlichkeit und Übergangswahrscheinlichkeiten besitzen. Mit Prozessdiagrammen lassen sich solche Markoff-Ketten darstellen: In einem Prozessdiagramm gilt: -Summe der Wahrscheinlichkeiten für die abgehenden Pfeile bei einem Zustand =1 -Endzustände (Prozess ist da fertig) sind durch einen Ringpfeil (geht vom Zustand aus und zeigt wieder auf ihn selbst) mit der Wahrscheinlichkeit 1 gekennzeichnet -Ein Durchgang eines Experiments wird im Diagramm als Pfad gekennzeichnet. Die Pfadwahrscheinlichkeit berechnet sich, indem man alle Wahrscheinlichkeiten entlang des Pfades miteinander multipliziert. Anhand des Beispiels oben: Wahrscheinlichkeit für wäre also: P= 1/6 * 5/6 * 1/6 * 1/6 * 1/6 * 1/6 * 5/6 * 5/6 Übergangsmatrizen (Markoff-Ketten) Erste Beobachtung: Die Zustände Z1, Z2, Z3 haben die Wahrscheinlichkeiten v1, v2, v3. Diese Wahrscheinlichkeiten schreibt man als Vektor, um dann die Übergangsmatrix darauf anwenden zu können. Die Übergangsmatrix stellt die Projektion dar, anhand 8
9 derer die Wahrscheinlichkeiten der Zustände der zweiten (also späteren) Beobachtung berechnet werden: Beispiel ist obige Grafik, 1 ist Z1, 2 ist Z2, 3 ist Z3 (nach obigen Ausführungen); U*v=v (5/6 5/6 5/6) (125/216) (835/1296) (1/6 0 1/6) * (1/36) = (161/1296) (0 1/6 0) (1/6) (1/216) berechnen der Übergangsmatrix, erklärt anhand des Beispiels: von Z1 Z2 Z3 nach 5/6,5/6,5/6 Z1 U= 1/6,0,1/6 Z2 0,1/6,0 Z3 Die Übergangswahrscheinlichkeiten von Z1 nach Z1, Z2 nach Z1 und Z3 nach Z1 kommen in die erste Zeile der Matrix, die Übergangswahrscheinlichkeiten von Z1 nach Z2, Z2 nach Z2 und Z3 nach Z2 kommen in die zweite Zeile, die Übergangswahrscheinlichkeiten von Z1 nach Z3, Z2 nach Z3und Z3 nach Z23kommen in die dritte Zeile. Absorptionswahrscheinlichkeiten (Markoff-Ketten) Zustände, die nach dem Erreichen nicht mehr verlassen werden, nennt man absorbierend. Die ganze Markoff-Kette nennt man dann absorbierend, wenn sie mindestens einen absorbierenden Zustand besitzt, und jeder absorbierende Zustand von jedem inneren Zustand aus erreichbar ist. Bei solchen Markoff-Ketten interessiert man sich für die Wahrscheinlichkeit, mit denen die Endzustände erreicht werden. Hierfür gibt es zwei rechenmöglichkeiten: Iteration Die Übergangsmatrix U wird mit dem Zustandsvektor v (Vektor, dessen Komponenten die Wahrscheinlichkeiten der Zustände enthalten) multipliziert. Das Resultat U*v=v wird abermals mit der Matrix multipliziert. Dieser Prozess wird so lange durchgeführt, bis die gewünschte Genauigkeit erreicht wurde. Gleichungs-Verfahren (Mittelwertsregel) Bei der Mittelwertsregel werden Wahrscheinlichkeiten von jedem inneren Zustand zu den absorbierenden Zuständen errechnet. Die Mittelwertregel lautet: Absorptionswahrscheinlichkeit a = a1 *u(1i)+a2*u2i+a3*u3i+...+a(n)*u(ni) i: Matrix-Spaltenzahl ; 1,2,...,n: Matrix-Zeilenzahl 9
10 Beispiel Ein Käfer krabbelt auf der folgenden Abbildung. In den Zuständen A und B wird er von einem Vogel gefressen (absorbierende Zustände). a) Mit welcher Wahrscheinlichkeit erfolgt die Absorption in A, mit welcher in B? b) Wie lange dauert es im Mittel bis zur Absorption? a) Lösung: Iteration a =U*a ( ) ( ) U= ( ) ( ) ( ) ( ) (1/20) ( ) (1/10) ( ) * (1/2) = a ( ) (1/4) ( ) (1/8) 10
11 ( ) ( ) ( ) * a = a ( ) ( ). b) Lösung: Mittelwertregel. Das Gleichungssystem sieht folgendermassen aus: a1 = a1 * 0 + a2*0.2 + a3*0.8 a3 = 0.5*a *a1 + a3 * 0 a2 = a1*0.2 + a3* a2 * 0 + 1/8 11
12 b1 = 0.2 * b * b2 + b1 * 0 b2 = 0.25 * b * b b2 * 0 b3 = * b * b1 + b3 * 0 Die Gleichungen kann man also aufstellen, indem man alle Wege von einem inneren Zustand zum absorbierenden Zustand zusammenzählt. Diese Summe entspricht dann der unbekannten direkten Wahrscheinlichkeit von diesem inneren Zustand zu einem von den absorbierenden Zuständen. P(A) = a1 = a2*0.2 + a3 * 0.8 a3 = 0.5*a *a1 a2 = a1*0.2 + a3 * ⅛ I. a3 = 0.5*a * (a2*0.2 + a3 * 0.8) a2 = * a3 II. a2 = (a2*0.2 + a3 * 0.8) * a3 * ⅛ a3 * ⅛ = 0.96 * a2 a1 = 0.18 a3 = 0.17 a2 = 0.24 P(A) = a1 + a2 + a3 = 0.59 (gerundet) P(B) = b1 = 0.2 * b * b2 b2 = 0.25 * b * b
13 b3 = * b * b1 I * b2 = 0.55 * b b2 = 0.65 * b II * b3 = * b2 b3 = 0.20 b2 = 0.40 b1 = 0.30 P(B)= 0.9 (gerundet) 13
4 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
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
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...
MehrAffine Abbildungen. * Übersicht * Kompakte Zusammenstellung der Ergebnisse. mit Verweisen auf die Quellen in den ausführlichen einzelnen Thementexte.
Affine Abbildungen * Übersicht * Kompakte Zusammenstellung der Ergebnisse mit Verweisen auf die Quellen in den ausführlichen einzelnen Thementexte. Datei Nr. 3 Stand 9 August 5 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK
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
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
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
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
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
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
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
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 5 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
MehrMathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und
MehrEinleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7
Sonja Hunscha - Koordinatensysteme 1 Inhalt Einleitung 2 1 Koordinatensysteme 2 1.1 Kartesisches Koordinatensystem 2 1.2 Polarkoordinaten 3 1.3 Zusammenhang zwischen kartesischen und Polarkoordinaten 3
MehrXIII Geometrische Abbildungen und Matrizen
XIII Geometrische Abbildungen und Matrizen Geometrische Abbildungen und Abbildungsgleichungen 0 8 k= R' 6 S' R S P' Q' Q x P Z=O 6 8 0 Fig. Bei einer zentrischen Streckung wird von einem Punkt, dem Zentrum,
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner SS 0 Blatt 9 9060 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach Lösungsvorschlag a Die gegebene Matrix
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
Mehra ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung
MehrI) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n
I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i
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
MehrMischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.
Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen
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)
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
MehrAnalytische Geometrie Seite 1 von 6. Die Addition von Vektoren kann veranschaulicht werden durch das Aneinanderhängen von Pfeilen.
Analytische Geometrie Seite 1 von 6 1. Wichtige Formeln AB bezeichnet den Vektor, der die Verschiebung beschreibt, durch die der Punkt A auf den Punkt B verschoben wird. Der Vektor, durch den die Verschiebung
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
MehrExkurs: Eigenwertproblem
1 von 7 29.11.2008 16:09 Exkurs: Eigenwertproblem Bei der Faktorenanalyse tritt das Eigenwertproblem auf. Man spricht von einem Eigenwertproblem wenn das Produkt zwischen einer Matrix und einem Vektor
Mehr2.3.4 Drehungen in drei Dimensionen
2.3.4 Drehungen in drei Dimensionen Wir verallgemeinern die bisherigen Betrachtungen nun auf den dreidimensionalen Fall. Für Drehungen des Koordinatensystems um die Koordinatenachsen ergibt sich 1 x 1
MehrIn Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden = = 83 79
Matrixpotenzen n Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden. a) terative Berechnung = 2 = 2 2 2 5 = 7 = 2 2 2 2 = 5 4 4 5 = 5 4 4 5 5 = 29 25 = 5 4 4 5 2 3 = 4 2 3
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 6 Vektoren Aufgabe 6 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
Mehreine vom Nullvektor verschiedene Lösung hat. r heisst in diesem Fall Eigenvektor der Matrix A zum Eigenwert λ.
Eigenwert, Eigenvektor In der Regel hat bei einer linearen Abbildung das Bild eines Vektors eine andere Richtung als das Original r. Bei der Untersuchung der geometrischen Eigenschaften von linearen Abbildungen
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester Aufgabenskript zur Vorlesung Lineare Algebra 7 Vektoren Aufgabe 7 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und ihre
MehrAufgabenskript. Lineare Algebra
Dr Udo Hagenbach FH Gießen-Friedberg Sommersemester 9 Aufgabenskript zur Vorlesung Lineare Algebra 6 Vektoren Aufgabe 6 Gegeben sind die Vektoren a =, b =, c = Berechnen Sie die folgenden Vektoren und
MehrTutorium zur Vorlesung Lineare Algebra und analytische Geometrie II Bearbeitungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner SS 08 Blatt 9.06.08 Tutorium zur Vorlesung Lineare Algebra und analytische Geometrie II Bearbeitungsvorschlag 33. a Es ist cos ϕ sin ϕ cos
MehrGrundlegende Definitionen aus HM I
Grundlegende Definitionen aus HM I Lucas Kunz. März 206 Inhaltsverzeichnis Vektorraum 2 2 Untervektorraum 2 Lineare Abhängigkeit 2 4 Lineare Hülle und Basis 5 Skalarprodukt 6 Norm 7 Lineare Abbildungen
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben /3 Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
MehrLösungsvorschlag zum zweiten Übungsblatt
Lösungsvorschlag zum zweiten Übungsblatt Aufgabe Wir zeigen, daß die Drehung um den Ursprung um 9 und die Spiegelung an der x-achse nicht kommutieren. Die Matrix für die Drehmatrix lautet in diesem Fall
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
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
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
MehrGeometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:
Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:
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?
MehrMathematik I für MB und ME
Mathematik I für MB und ME Fachbereich Grundlagenwissenschaften Prof Dr Viola Weiÿ Wintersemester 28/29 Übungsaufgaben Serie 4: Lineare Unabhängigkeit, Matrizen, Determinanten, LGS Prüfen Sie, ob die folgenden
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
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrB =(b1,1. + b 1,2. + b 1,3 1,3. + b 2,4 + b 3,1. + b 2,2. + b 2,3. + b 3,2. + b 3,3
Matrizen Matrizen sind zunächst einmal einfach eine rechteckige Anordnung von Zahlen, Elementen oder mathematischen Operationen, die lineare Zusammenhänge zwischen verschiedenen Größen übersichtlich darstellen.
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
MehrLänge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren
Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System a 11 x 1 + a 12 x 2 + + a 1n x n = b 1 ( ) a 21 x 1 + a 22 x 2 + + a 2n x n = b 2 a m1 x 1 + a
MehrAnalytische Geometrie
Der fx-991 DE X im Mathematik- Unterricht Analytische Geometrie Station 1 Schnittgerade zweier Ebenen Da der Taschenrechner nur eindeutige Lösungen eines Gleichungssystems liefert, kann er nur Schnittpunkte
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
Mehr4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo
Fachbereich Mathematik Prof. J. Lehn Hasan Gündoğan, Nicole Nowak Sommersemester 8 4./5./8. April 4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI, AngGeo Gruppenübung Aufgabe G9 (Multiple Choice Bei
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
MehrHilfsblätter Lineare Algebra
Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,
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
MehrProseminar über multimediale Lineare Algebra und Analytische Geometrie Wintersemester 2008/2009
Proseminar über multimediale Lineare Algebra und Analytische Geometrie Wintersemester 008/009 Aufgabe 6: Projektion einer Kreisbahn im R in die (x,y)-ebene Seminarleitung: Dr. M. Kaplan Ausarbeitung: Günther
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
Mehr++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen dx+ey+f = 0 1.1
Hauptachsentransformation. Einleitung Schneidet man den geraden Kreiskegel mit der Gleichung = + und die Ebene ++ + = 0 so erhält man eine quadratische Gleichung mit zwei Variablen +2 + +dx+ey+f = 0. Die
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
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
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
MehrDefinition, Rechenoperationen, Lineares Gleichungssystem
Bau und Gestaltung, Mathematik, T. Borer Aufgaben / Aufgaben Matrizen Definition, Rechenoperationen, Lineares Gleichungssystem Lernziele - die Bezeichnung der Matrixelemente kennen und verstehen. - den
MehrHerzlich willkommen zur Demo der mathepower.de Aufgabensammlung
Herzlich willkommen zur der Um sich schnell innerhalb der ca. 5. Mathematikaufgaben zu orientieren, benutzen Sie unbedingt das Lesezeichen Ihres Acrobat Readers: Das Icon finden Sie in der links stehenden
MehrBrückenkurs Mathematik
Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt
MehrBesteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)
Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.
MehrDefinition, Abbildungsmatrix, Spiegelung, Projektion
Bau und Gestaltung, Mathematik 2, T. Borer Aufgaben 5-2/ Aufgaben 5 Lineare Abbildungen Definition, Abbildungsmatrix, Spiegelung, Projektion Lernziele - beurteilen können, ob eine gegebene Abbildung linear
Mehr05. Lineare Gleichungssysteme
05 Lineare Gleichungssysteme Wir betrachten ein System von m Gleichungen in n Unbestimmten (Unbekannten) x 1,, x n von der Form a 11 x 1 + a 12 x 2 + a 13 x 3 + + a 1n x n = b 1 a 21 x 1 + a 22 x 2 + a
MehrD-CHAB Frühlingssemester 2018
D-CHAB Frühlingssemester 2018 Grundlagen der Mathematik II Dr Marcel Dettling Lösung 4 1) Nur für die folgenden Wahlen kann man das Produkt bilden: A A mit Dimension (2, 2) (2, 2) (2, 2): 1 2 A Y mit Dimension
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
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
Mehr1 Lineare Gleichungssysteme und Matrizen
1 Lineare Gleichungssysteme und Matrizen Das Studium linearer Gleichungssysteme und ihrer Lösungen ist eines der wichtigsten Themen der linearen Algebra. Wir werden zunächst einige grundlegende Begriffe
Mehr8. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 8. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS / 6..-.. Aufgabe G (Matrixinversion mit Gauß-Algorithmus
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
MehrEine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:
5 Zur Geometrie euklidischer Bewegungen 5.1 Bewegungen Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:
MehrMathematik Zusammenfassung JII.1 #1
Mathematik Zusammenfassung JII.1 #1 Ableiten Definition Eine Ableitung zeigt die Steigung einer Funktion an einer bestimmten Stelle x an. Hier sind die Funktion und ihre Ableitung dargestellt. Möchte ich
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
MehrA Geometrische Abbildungen und Matrizen. B Prozesse und Matrizen
A Geometrische Abbildungen und Matrizen Seite Geometrische Abbildungen und Abbildungsgleichungen... 4 Affine Abbildungen... 6 3 Affine Abbildungen durch Matrizen... 0 4 Spezielle Kongruenz- und Ähnlichkeitsabbildungen...
MehrIV. Affine Abbildungen
IV. Affine IV. Abbildungen Affine Abbildungen 2 22 IV. Af ne Abbildungen. Kongruenzabbildungen Bei einer Kongruenzabbildung wird jedem Punkt P( der zweidimensionalen Ebene R 2 in eindeutiger Weise ein
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
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
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrLineare (affine) Abbildung
Lineare affine Aildung A e 2 a e Wir üerziehen die Eene neen dem vertrauten Quadrat-Gitternetz, das durch die Basisvektoren e und e 2 festgelegt ist, mit einem Parallelogramm-Gitternetz, dessen Maschen
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
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
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
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
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
Mehr