Der Graßmannsche Farbraum

Größe: px
Ab Seite anzeigen:

Download "Der Graßmannsche Farbraum"

Transkript

1 Der Graßmannsche Farbraum Philipp Mungenast Mat-Nr Universität Koblenz, Studiengang Computervisualistik

2 1 Einleitung Will man Farben mit dem Computer erfassen und bearbeiten, so steht man zunächst vor der grundlegenden Frage, wie dieser überhaupt mit Farben umgehen kann. Wir Menschen nehmen Farben als visuellen Reiz war, der Computer hingegen kann nur mit diskreten Werten arbeiten. Zudem müssen die physikalischen Gesetz wie etwa die der Farbmischung eingehalten werden, diese müssen also auch für den Computer formuliert werden. Es stellt sich damit also die allgemeine Frage, wie mit Farben gerechnet werden kann. Dazu muss ein mathematisches Modell entwickelt werden, in dem Farben exakt über eine endliche (und am besten möglichst kleine) Anzahl von Werten definiert sind. Dieses Modell muss außerdem Operationen ermöglichen, die etwa die Mischung von Farben repräsentieren. Bereits vor 150 Jahren wurde ein solches mathematisches Modell von dem deutschen Mathematiker Hermann Günther Graßmann entwickelt. 2 Biografie Hermann Graßmann wird am in Stettin geboren. Er ist das dritte Kind der Familie, neun weitere Geschwister werden noch folgen. Der Vater Justus Günther Graßmann ist Professor für Mathematik an einem Gymnasium. Graßmann besucht zunächst eine Privatschule und später das Stadtgymnasium. Das Interesse an der Mathematik ist nach Abschluss der Schule noch nicht sehr ausgeprägt und so studiert Graßmann zusammen mit seinem Bruder in Berlin Theologie. Nebenbei beschäftigt er sich auch mit der Philologie und der altgriechischen Sprache (vornehmlich autodidaktisch) [6, S. 8]. Mit der Mathematik beschäftigt sich Graßmann zum ersten Mal während der Vorbereitung auf die Lehramtsprüfung im Jahr Er studiert intensiv Mathematik (besonders Geometrie in Verbindung mit Arithmetik) und kombiniert sie mit Physik und Naturgeschichte [6, S. 13]. Danach befasst er sich mit Kombinationslehre und der Infinitisemalrechnung. Schon hier zeigt sich die Besonderheit Graßmanns, die mathematische Teilgebiete miteinander zu verbinden und vor allem die reine Mathematik auch in anderen Disziplinen (wie später der Farbenlehre) zu verwenden. Graßmann besteht 1831 die Lehramtsprüfung und beginnt mit der Lehrtätigkeit, studiert aber nebenbei weiter Mathematik. Es folgen Tätigkeiten an verschiedenen Schulen und intensive Beschäftigung mit der Chemie verfasst Graßmann Die Wissenschaft der extensiven Grössen oder die Ausdehnungslehre, die aber zu dieser Zeit aufgrund ihrer Komplexität noch wenig Beachtung findet [6, S.17ff]. Er ist mit diesem Werke aber der eigentliche Begründer der Vektorund Tensorrechnung. Die Theorie der Farbmischung veröffentlicht Graßmann Weitere Beschäftigungsfelder sind Sprach- und Sanskritstudien [6, S.51ff], die

3 Vokaltheorie sowie Musik und Tonhöhen. Nach dem Tode seines Vaters wird er dessen Nachfolger am Gymnasium und erhält den Titel des Professors. Hermann Günther Graßmann stirbt am Vorarbeit Vor Hermann Graßmann befasste sich bereits eine ganze Reihe von Wissenschaftlern mit der Farbwahrnehmung, darunter etwa Sir Isaac Newton, Thomas Young und Hermann von Helmholtz. In seinem Artikel bezieht sich Graßmann konkret auf die von Isaac Newton formulierte Theorie der Farbmischung und eine Arbeit von Helmholtz, durch die letztlich zur Beschäftigung mit den Farben angeregt wurde. Helmholtz hatte sich in seiner Arbeit mit den Komplementärfarben beschäftigt, aber nur die Farben Gelb und Indigo als solche identifizieren können. Er bevorzugte zudem die Auffassung, man müsse mindestens drei Spektralfarben mischen um Weiß zu erhalten und bezeichnete Newtons Theorie als in den wesentlichsten Punkten irrig [2, S. 69, Z. 5] Von Isaac Newton stammt die erste Theorie der Farben. Er entdeckte als Erster, dass sich das weiße Licht der Sonne aus verschiedenen unterscheidbaren Spektralfarben zusammensetzt. Zudem erkannte er, dass zu jeder Farbe ein bestimmter Brechungsindex gehört und umgekehrt auch zu jedem Brechungsindex eine Farbe gefunden werden kann. Als Spektralfarben definierte er die Farben, die nicht mehr weiter zerlegt werden können, folgerte aber fälschlicherweise, es gebe nur sieben unterschiedliche. Aus seinen Erkenntnissen formulierte Newton zwei Gesetze der Farbmischung (vgl. [4]): 1. Farben lassen sich durch Komposition erzeugen, gleiche Farben können dabei auf unterschiedliche Weise erreicht werden. Je mehr Komponenten zu einer Farbe gemischt werden, desto entsättigter ist diese Farbe. Es lassen sich auch Farben erzielen, die nicht den Spektralfarben entsprechen. 2. Weiß und Grau lassen sich aus Farben mischen, dazu werden nicht zwingend alle Primärfarben benötigt. Trotz einer Fülle von folgenden wissenschaftlichen Arbeiten gab es zu Graßmanns Zeiten noch keine vollständige formale Theorie der Farbmischung bzw. ein Modell das Berechnungen zuließ.

4 4 Theorie der Farbmischung - Begriffe und die Graßmannschen Gesetze 4.1 Begriffe Um eine Theorie der Farbmischung aufzustellen, ist es zunächst wichtig, Begriffe zu finden mit den sich Farben klar und eindeutig beschreiben lassen. Graßmann verwendet, wie bereits Helmholtz, drei Grundbegriffe um Farben zu beschreiben (vgl. [2, S. 70f]): die Grundfarbe: Rot, Gelb, Blau oder Grün (Spektralfarben) die Intensität der Farbe die Intensität des Weißtons oder die Helligkeit Zusätzlich werden noch zwei weitere Größen eingeführt (vgl. [1, S. 5, unten]): die Totalintensität die sich aus der Summe der Farb- und der Weißintensität ergibt die Sättigung, die sich aus der Division von Farbintensität durch Totalintensität ergibt 4.2 Die Graßmannschen Gesetze Graßmanns Theorie stützt sich vorrangig auf eigene Experimente und Beobachtungen. Er formuliert aus diesen die Grundsätze seiner Theorie, die vier Graßmannschen Gesetze. 1. Jeder Farbeindruck wird von drei Grundgrößen vollständig beschrieben: Grundfarbe, Farbintensität und Weißintensität [2, S. 70] Dieses Gesetz geht auf Newtons Erkenntnis zurück, nach der jede Farbe als eine Mischung von Spektralfarben zusammen einem bestimmten Weißheits- oder Helligkeitsgrad beschrieben werden kann [1, S. 6]. Newton wie Graßmann ordnen die nicht mehr zerlegbaren Spektralfarben auf einem Spektralkreis an. Neben den von Graßmann bevorzugten Werten Grundfarbe, Farbintensität und Weißintensität ist auch die Darstellung über drei Farbwerte möglich. Voraussetzung ist dabei, dass diese nicht untereinander darstellbar sind, wie etwa Rot, Grün und Blau. 2. Verändert man einen Farbton stetig und vermischt diesen mit einer zweiten Farbe, die aber unverändert bleibt, so ändert sich auch der Farbton, der daraus durch additive Farbmischung entsteht, stetig. [2, S. 72]

5 Unter der stetigen Änderung der Grundfarbe versteht Graßmann die Veränderung der Wellenlänge. Zudem befinden sich die Farben stets auf dem Spektralkreis, das heißt, Violett geht wieder in Rot über und umgekehrt. Für den Betrachter ist dieser Übergang zwar stetig, physikalisch existiert er aber nicht. Dieser Fehler macht Graßmanns Theorie aber nicht ungültig (siehe auch [1, S. 6]. Für alle drei Werte gilt, dass sie sich auch nicht ändern dürfen. Graßmann geht zudem auf den Fall ein, in dem die Farbintensität gleich Null ist. In diesem verändert sich der Farbeindruck bei Veränderung der Weißintensität auch dann stetig, wenn die Grundfarbe zwischen verschiedenen Werten springt (also sich nicht-stetig verändert) [2, S. 72]. 3. Der Farbton einer durch additive Farbmischung entstandenen Farbe hängt nur vom Farbeindruck der Ausgangsfarben, nicht jedoch von deren physikalischen bzw. spektralen Zusammensetzungen ab. [2, S. 78] Das dritte Gesetz erlaubt es, von den physikalischen Eigenschaften der Farben zu abstrahieren und den Farbeindruck als Grundgröße zu verwenden. Die Mischung von zwei Farben ist damit nur die Summe ihrer Farbeindrücke. Graßmann kann so metamere Farben erklären, Farben die zwar für den Betrachter gleich aussehen, aber unterschiedliche Spektrallinien - und damit eine unterschiedliche physikalische Zusammensetzung - haben. 4. Die Totalintensität einer additiven Farbmischung ist die Summe der Totalintensitäten der an ihr beteiligten Farben. [2, S. 82] Graßmanns viertes Gesetz ist auch als Additivität der Helligkeit und Abneysches Gesetz bekannt. Diese Annahme wird heute für die Definition der Luminanz verwendet. Allerdings existiert die von Graßmann definierte Totalintensität (also die Summe von Farbintensität und Helligkeit) nach David L. MacAdam nur bei Punktquellen und nicht bei ausgedehnten Farbflächen.[1, S. 8] Graßmann selbst merkte zu seiner Aussage an, sie sei [...] nicht als eine so wohl begründete zu betrachten, wie die früheren [...]. [2, Seite 82] 5 Die Graßmann-Struktur Aus Graßmanns Gesetzen und Beobachtungen lässt sich nun ein mathematischer Farbraum formulieren, die sogenannte Graßmann-Struktur. Wie jede algebraische Struktur besteht diese aus einer Menge von Werten und Operationen auf diesen Werten. Die Menge A, auf der alle Operationen des Farbraums ausgeführt werden, ist die Menge aller Farben bzw. Farbreize. Jeder dieser Farbreize wird dabei gemäß Graßmanns erstem Gesetz durch drei Werte eindeutig beschrieben. Der Farbraum ist damit dreidimensional. Auf dieser Menge von Farben erlaubt die Graßmann-Struktur drei Operationen:

6 5.1 Addition Zwei oder mehr Farben lassen sich additiv mischen (etwa durch übereinander projizieren). Alle so entstehenden Farben sind selbstverständlich wieder Teil der Menge aller Farben und somit Teil des Farbraums. Die Struktur (A, +) ist damit abgeschlossen. Die Operation ist zudem kommutativ und assoziativ. Die (additive) Mischung von Grün und Rot ergibt ebenso Gelb wie die Mischung von Rot und Grün (siehe Abb. 5.1). Abb. 1. Beispiel zur Kommutativität der Addition Es spielt auch keine Rolle, ob zunächst Grün und Blau zu Cyan gemischt werden und dieses dann mit Rot zu Weiß oder als erstes Rot und Grün zu Gelb und dieses dann mit Blau zu Weiß (Abb. 5.1). Abb. 2. Beispiel für die Assoziativität der Addition Die Mischung zweier Farben ist zudem offensichtlich eindeutig - Rot und Grün z.b. ergeben immer Gelb und nie einen anderen Farbton. In der algebraischen Formulierung (vgl. [3]): Addition: Gegeben (A, ). Für alle a, b, c A gilt: 1. a b A (Abgeschlossenheit) 2. (a b) c = a (b c) (Assoziativität) 3. aus a c = b c folgt a = b (Eindeutigkeit) 4. a b = b a (Kommutativität) Gleichheit bedeutet hier, dass es sich um dieselbe Farbe handelt (also identische physikalische Zusammensetzung). Die Metamerie wird noch durch eine weitere

7 Operation abgedeckt. (A, ) ist eine kommutative Halbgruppe mit Aufhebungseigenschaften. 5.2 Multiplikation Durch Veränderung des Weißanteils einer Farbe aus A lässt sich die Helligkeit dieser Farbe verändern. Es spielt dabei keine Rolle, ob man den Weißanteil nacheinander um zwei Faktoren verändert oder diese beiden Faktoren erst multipliziert und den Weißanteil dann um diesen Faktor verändert. Abbildung 5.2 zeigt dies am Farbton Rot: die nacheinander ausgeführte Multiplikation mit den Werten 0,2 (ergibt ein sehr dunkles Rot) und 3 (die Helligkeit entspricht danach etwa der Hälfte des ursprünglichen Rottons) entspricht der Multiplikation mit dem Wert 0,6. Die Assoziativität gilt damit auch für die Multiplikation. Abb. 3. Beispiel für die Assoziativität der Multiplikation Für die Multiplikation gilt zudem die Distributivität: anstatt eine Farbe um den Wert t aufzuhellen oder abzudunkeln, können auch ihre Komponenten getrennt um t aufgehellt und anschließend addiert werden. So kann etwa die Helligkeit eines Gelbtons direkt um die Hälfte gesenkt werden. Alternativ können zwei Farbwerte, die addiert den ursprünglichen Gelbton ergeben mit dem Wert 0,5 multipliziert und danach addiert werden (siehe Abb. 5.2). Abb. 4. Beispiel für die Distributivität der Multiplikation Ist t die Summe zweier reellen Zahlen, so ergibt etwa die Aufhellung eines Grüntons um diese Summe t den gleichen Farbwert, wie die zweifache getrennte

8 Aufhellung des Grüntons und der anschließenden Addition der beiden gewonnenen Grüntöne (Abb. 5.2). Abb. 5. Beispiel für die Distributivität der Multiplikation Bei der Multiplikation mit dem Wert 1 erhält man wieder die Ausgangsfarbe, 1 ist damit das neutrale Element. Multiplikation: * ist eine skalare Multiplikation auf (A, ). Für alle a, b A und t, u R + gilt: 1. t * a A (Abgeschlossenheit) 2. t * (u * a) = (t * u) * a (Assoziativität) 3. t * (a b) = (t * a) (t * b) (Distributivität) 4. (t u) * a = (t * a) (u * a) (Distributivität) 5. (1 * a) = a (neutrales Element) (vgl. [3]) 5.3 Äquivalenz Die letzte Operation des Farbraums ist die Äquivalenz. Zwei Farben sind äquivalent, wenn sie beim Betrachter den gleichen Farbreiz hervorrufen. Der Farbraum deckt damit auch metamere Farben ab. Natürlich ist jede Farbe ihr eigenes Äquivalent. Ebenso offensichtlich sind Symmetrie und Transitivität. Äquivalenz: ist eine eine binäre Relation. Für alle a, b, c A gilt: 1. a a (Reflexivität) 2. wenn a b, dann b a (Symmetrie) 3. wenn a b und b c, dann a c (Transitivität) (vgl. [3])

9 5.4 Verträglichkeit von Äquivalenz und Addition bzw. Multiplikation Um sowohl die Verträglichkeit von Addition und Äquivalenz als auch von Multiplikation und Äquivalenz zu gewährleisten, gelten für die Graßmann-Struktur folgende Gesetze: Gesetz der Additivität Für alle a, b, c A gilt: a b gdw. a c b c Die Äquivalenz zweier Farben bleibt also auch erhalten, wenn zu beiden eine dritte Farbe addiert wird. Es handelt sich hierbei um das dritte Graßmannsche Gesetz in der algebraischen Formulierung [1, S. 16]. Im Beispiel unten (Abb. 6) sind die Farben C1 und C1 sowie C2 und C2 jeweils äquivalent bzw. metamer. Sie sehen für den Betrachter gleich aus, setzen sich aber aus anderen Farben zusammen. Die Mischungen von C1 und C2 bzw. C1 und C2 ergeben wieder einen metameren Farbton (vgl. [1, S. 16]). Die Metamerie bleibt gemäß Graßmanns drittem Gesetz erhalten. Abb. 6. Beispiel zum Gesetz der Additivität, Quelle [1, S. 16] Gesetz der skalaren Multiplikation Für alle a, b A und r R + gilt: wenn a b, dann r * a r * b Wird die Intensität zweier äquivalenter Farben um den gleichen Betrag verringert oder erhöht, so bleibt die Äquivalenz erhalten. Auch dies besagt das dritte Graßmannsche Gesetz.

10 5.5 Gesetze der Trichromazität 1. Gesetz Zu allen a 0, a 1, a 2, a 3 A existieren r 0, r 1, r 2, r 3, u 0, u 1, u 2, u 3 R + mit r i u i für wenigstens ein i {0, 1, 2, 3}, sodass gilt: 3 i=0 r i a i 3 i=0 u i a i Werden also dieselben vier Farben in unterschiedlichen Verhältnissen gemischt, so lassen sich immer verschiedene Mischungsverhältnisse finden, die den gleichen Farbeindruck hervorrufen. Ein Farbton kann also mit vier Grundfarben nicht eindeutig definiert werden - es werden sich immer mehrere Mischungsverhältnisse für die Farbe finden lassen. Fasst man die Farben als Vektoren mit drei Elementen auf, so wird zudem klar, dass es sogar unendliche viele Mischungsverhältnisse geben muss. Vier Vektoren können in R 3 nicht linear unabhängig sein, damit lässt sich sich jeder der Farbvektoren als Funktion der übrigen und der Ergebnisfarbe darstellen. Das Beispiel in Abb. 5.5 verwendet die Farben Rot, Grün, Blau und Grau (= 1/2 * [Rot Grün Blau]). Der Farbton CR lässt sich dabei mit unendlich vielen Mischungsverhältnissen erreichen (vgl. [1, S. 17]). Abb. 7. Beispiel zum 1. Gesetz der Trichromazität, Quelle [1, S. 17] 2. Gesetz Es existieren beliebige Reize a 0, a 1, a 2 A, sodass für beliebige r 0, r 1, r 2, u 0, u 1, u 2 R + unter der Bedingung 2 i=0 r i a i 2 i=0 u i a i folgt, dass r 0 = u 0, r 1 = u 1, r 2 = u 2 Bei nur drei Farbreizen lässt sich Metamerie nur bei gleichem Mischungsverhältnis erzeugen. Es gibt also bei drei Farben nur eine einzige Möglichkeit, sie so zu mischen, dass der entstandene Farbton zu einem bestimmten anderen metamer ist. Eine Menge {a 0, a 1, a 2 } A, die die oben genannte Bedingung erfüllt, nennt man Basis oder auch Menge der Primärfarben. Jeder Farbreiz lässt sich als Mischung dieser drei Farben eindeutig darstellen. Mathematisch formuliert sind

11 die drei Basisvektoren linear unabhängig und spannen damit einen eindeutigen dreidimensionalen (Farb-)Raum auf. Das untere Beispiel (Abb. 5.5) verwendet die Farben Rot, Grün und Blau als Primärfarben. Die Farbe CR lässt sich aus diesen Primärfarben nur mit dem angegebenen Mischungsverhältnis gewinnen, sie ist also eindeutig definiert. Graßmann legt damit die Grundlage für den RGB-Farbraum (vgl. [1, S. 18]). Abb. 8. Beispiel für das 2. Gesetz der Trichromazität, Quelle [1, S. 18] 5.6 Repräsentations- und Eindeutigkeitssatz Repräsentationssatz Sei (A,, *, ) eine Graßmann-Struktur. Dann existieren ein Vektorraum V über R, ein konvexer Kegel C V und eine Abbildung φ von A nach C, sodass für alle a, b A, r R + und v V gilt: 1. φ(a b) = φ(a) + φ(b) 2. φ(r * a) = r φ(a) 3. a b genau dann, wenn φ(a) = φ(b) 4. es existieren c, d A, sodass v = φ(c) - φ(d) Die Abbildung φ ist damit ein Homomorphismus der Graßmann-Struktur (A,, *, ) auf (C, +,, =), wobei C ein konvexer Kegel ist. Die Graßmann-Struktur lässt sich also auf einen konvexen Kegel projizieren. Punkt 4 stellt dabei sicher, dass es sich um einen minimalen Kegel handelt [1, S. 12]. Somit stellt die Graßmann-Struktur auch die Grundlage für den HSV- Farbraum dar. Eindeutigkeitssatz Sei (A,, *, ) eine Graßmann-Struktur mit zwei Homomorphismen φ, φ auf konvexen Kegeln C, C in den Vektorräumen V, V, die die Bedingungen 1-4 des Repräsentationssatzes erfüllen. Dann existiert eine invertierbare Abbildung T von V auf V, sodass für alle a A gilt: T(φ(a)) = φ (a) Die Abbildung φ ist damit eindeutig bis auf invertierbare lineare Transformationen. Zwischen zwei Kegeln lässt sich also eine Abbildung finden, so dass man den einen Kegel als lineare Transformation des anderen darstellen kann. Einfach formuliert gibt es demnach einen eindeutigen Kegel, der die Graßmann-Struktur repräsentiert.

12 6 Fazit Die Fähigkeit der modernen Computer, Farben zu verarbeiten und darzustellen, geht letztlich auf ein vor etwa 150 Jahren entwickeltes Modell zurück. Dieses Modell ist vor allem Graßmanns, für seine Zeit ungewöhnlicher, Vorgehensweise zu verdanken, auch in fachfremden Gebieten mathematische Methoden zu verwenden. Literatur 1. Daniel Göring, Hermann Günther Grassmann - Leben und die Grassmannschen Gesetze 2. Zur Theorie der Farbenmischung - Poggendorffs Annalen der Physik und Chemie, S , Rainer Zwisler, Die Grassmann schen Gesetze, am Rainer Zwisler, Visuelle Wahrnehmung, SECTION am Friedrich Engel, Grassmann, Gesammelte Werke, Dritter Band, Zweiter Teil, Victor Schlegel, Hermann Grassmann: Sein Leben und seine Werke, 1878

Hermann Günther Grassmann - Leben und die Grassmannschen Gesetze

Hermann Günther Grassmann - Leben und die Grassmannschen Gesetze Hermann Günther Grassmann Die Grassmannschen Gesetze Seite: 1/20 Hermann Günther Grassmann - Leben und die Grassmannschen Gesetze Gliederung: 1. Lebenslauf 1.1. Kindheit 1.2. Jugendjahre 1.3. Berufliche

Mehr

Der dreidimensionale Farbraum

Der dreidimensionale Farbraum Der dreidimensionale Farbraum Der dreidimensionale Farbraum - ein Thema für den Physikunterricht? Übersicht: 1. Vorüberlegungen 2. Ein anschauliches Modell für den Farbraum 3. Licht und Farbe 4. Der Farbraum

Mehr

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie

Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende

Mehr

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Grundlagen)

Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Grundlagen) WS 2014/15 Diskrete Strukturen Kapitel 5: Algebraische Strukturen (Grundlagen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_14

Mehr

Axiomatische Beschreibung der ganzen Zahlen

Axiomatische Beschreibung der ganzen Zahlen Axiomatische Beschreibung der ganzen Zahlen Peter Feigl JKU Linz peter.feigl@students.jku.at 0055282 Claudia Hemmelmeir JKU Linz darja@gmx.at 0355147 Zusammenfassung Wir möchten in diesem Artikel die ganzen

Mehr

Logische Grundlagen der Mathematik, WS 2014/15

Logische Grundlagen der Mathematik, WS 2014/15 Logische Grundlagen der Mathematik, WS 2014/15 Thomas Timmermann 26. November 2014 Was kommt nach den natürlichen Zahlen? Mehr als die natürlichen Zahlen braucht man nicht, um einige der schwierigsten

Mehr

Vektoren, Vektorräume

Vektoren, Vektorräume Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGEBRA Ferienkurs Hanna Schäfer Philipp Gadow INHALT 1 Grundbegriffe 1 1.1 Aussagen und Quantoren 1 1.2 Mengen 2 1.3 Gruppen 3 1.4 Körper 4 1.5 Vektorräume 5 1.6 Basis und Dimension 7 Aufgaben

Mehr

HM II Tutorium 1. Lucas Kunz. 24. April 2018

HM II Tutorium 1. Lucas Kunz. 24. April 2018 HM II Tutorium 1 Lucas Kunz 24. April 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Körper...................................... 2 1.2 Gruppen..................................... 2 1.3 Vektorraum...................................

Mehr

Konstruktion reeller Zahlen aus rationalen Zahlen

Konstruktion reeller Zahlen aus rationalen Zahlen Konstruktion reeller Zahlen aus rationalen Zahlen Wir nehmen an, daß der Körper der rationalen Zahlen bekannt ist. Genauer wollen wir annehmen: Gegeben ist eine Menge Q zusammen mit zwei Verknüpfungen

Mehr

Farbtechnik und Raumgestaltung/EDV

Farbtechnik und Raumgestaltung/EDV Abb. 1 Das RGB-Farbmodell Über die additive Farbmischung werden durch die 3 Grundfarben Rot, Grün und Blau alle Farben erzeugt. Im RGB Modell werden ihre Werte je von 0 bis 1 festgelegt. R = G = B = 1

Mehr

Literatur und Videos. ISM WS 2017/18 Teil 4/Algebren

Literatur und Videos. ISM WS 2017/18 Teil 4/Algebren Literatur und Videos [4-1] http://www.iti.fh-flensburg.de/lang/krypto [4-2] Forster, Otto: Algorithmische Zahlentheorie. 2. Auflage, Springer, 2015 [4-3] Teschl, Gerald; Teschl, Susanne: Mathematik für

Mehr

Über die algebraische Struktur physikalischer Größen

Über die algebraische Struktur physikalischer Größen Über die algebraische Struktur physikalischer Größen Alois Temmel Juni 2001 c 2001, A. Temmel Inhaltsverzeichnis 1 Physikalische Größen 3 1.1 Das internationale Einheitensystem............... 3 1.2 Die

Mehr

Ajdovic/Mühl Farbmodelle FARBMODELLE

Ajdovic/Mühl Farbmodelle FARBMODELLE FARBMODELLE Grundlagen: Gegenstände, die von einer Lichtquelle beleuchtet werden, reflektieren und absorbieren jeweils einen Teil des Lichts. Dabei wird das von den Gegenständen reflektierte Licht vom

Mehr

IT-Sicherheitsmanagement. Teil 4: Einführung in algebraische Strukturen

IT-Sicherheitsmanagement. Teil 4: Einführung in algebraische Strukturen IT-Sicherheitsmanagement Teil 4: Einführung in algebraische Strukturen 19.09.18 1 Literatur und Videos [4-1] http://www.iti.fh-flensburg.de/lang/krypto [4-2] Forster, Otto: Algorithmische Zahlentheorie.

Mehr

Übersicht Kapitel 9. Vektorräume

Übersicht 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

Mehr

IT-Security. Teil 9: Einführung in algebraische Strukturen

IT-Security. Teil 9: Einführung in algebraische Strukturen IT-Security Teil 9: Einführung in algebraische Strukturen 08.05.17 1 Literatur und Videos [9-1] http://www.iti.fh-flensburg.de/lang/krypto [9-2] Forster, Otto: Algorithmische Zahlentheorie. 2. Auflage,

Mehr

Übung: Teilmengen. Beweis: Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge)

Übung: Teilmengen. Beweis: Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge) 15 Übung: Teilmengen seien Mengen. Zu zeigen ist: wenn Beweis: dann auch Für alle Elemente einer Menge, die Teilmenge einer Menge ist, gilt, dass auch Element von ist. (Definition der Teilmenge) für alle

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

4 Kongruenz und Modulorechnung

4 Kongruenz und Modulorechnung 1 4 Kongruenz und Modulorechnung In unserer Zeitrechnung haben wir uns daran gewöhnt, nur mit endlich vielen Zahlen zu rechnen. Es ist gerade 3 Uhr und in 50 Stunden muss ich abreisen. Wie spät ist es

Mehr

Licht und Farben. Andreas Spillner. Computergrafik, WS 2018/2019

Licht und Farben. Andreas Spillner. Computergrafik, WS 2018/2019 Licht und Farben Andreas Spillner Computergrafik, WS 2018/2019 Farbwahrnehmung des Menschen im Auge Das Verständnis, wie Farbeindrücke entstehen, ist ein wesentlicher Bestandteil der Computergrafik. Der

Mehr

seit Jahrhunderten Thema von Physikern, Physiologen, Psychologen und Philosophen bis heute nicht vollständig verstanden und durchdrungen

seit Jahrhunderten Thema von Physikern, Physiologen, Psychologen und Philosophen bis heute nicht vollständig verstanden und durchdrungen Farbe seit Jahrhunderten Thema von Physikern, Physiologen, Psychologen und Philosophen bis heute nicht vollständig verstanden und durchdrungen Meilensteine der geschichtlichen Entwicklung unserer Vorstellungen

Mehr

Seminar zur Darstellungstheorie von Köchern HS08. Erste Definitionen und der Satz von Gabriel

Seminar zur Darstellungstheorie von Köchern HS08. Erste Definitionen und der Satz von Gabriel Seminar zur Darstellungstheorie von Köchern HS08 Erste Definitionen und der Satz von Gabriel Autoren: Nicoletta Andri Claude Eicher Reto Hobi Andreas Pasternak Professorin: Prof. K. Baur Assistent: I.

Mehr

1. Gruppen. 1. Gruppen 7

1. Gruppen. 1. Gruppen 7 1. Gruppen 7 1. Gruppen Wie schon in der Einleitung erläutert wollen wir uns in dieser Vorlesung mit Mengen beschäftigen, auf denen algebraische Verknüpfungen mit gewissen Eigenschaften definiert sind.

Mehr

FARBE UND FARBWAHRNEHMUNG

FARBE UND FARBWAHRNEHMUNG FARBE UND FARBWAHRNEHMUNG 535.6 EINFÜHRUNG IN DAS STUDIUM DER FARBREIZE UND FARBEMPFINDUNGEN MIT 113 ABBILDUNGEN, 15 TABELLEN UND EINEM ANHANG VO N DR. P. J. BOUMA f PHILIPS FORSCHUNGSLABORATORIUM BEARBEITET

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen Inhaltsverzeichnis Teil II: Gruppen 2 3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen.................. 2 3.1.1 Gruppen.......................................... 2 3.1.2 Untergruppen.......................................

Mehr

Lösungen zu Kapitel 8

Lösungen zu Kapitel 8 Lösungen zu Kapitel 8 Lösung zu Aufgabe 1: M offenbar Wir setzen A = M\ A. Für A, B P (M) gilt wegen A, B A B = (A\B) (B\A) = A B + A B, wobei + die disjunkte Vereinigung der beteiligten Mengen bedeutet.

Mehr

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015

Formale Methoden 2. Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 Formale Methoden 2 Gaetano Geck Lehrstuhl I Logik in der Informatik WS 2014/2015 1 Mengen 2 Relationen 3 Abbildungen 4 Algebraische Strukturen Verknüpfungen Monoide Beispiel: Restklassen Exkurs: Formale

Mehr

Das Sehen des menschlichen Auges

Das Sehen des menschlichen Auges Das Sehen des menschlichen Auges Der Lichteinfall auf die lichtempfindlichen Organe des Auges wird durch die Iris gesteuert, welche ihren Durchmesser vergrößern oder verkleinern kann. Diese auf der Netzhaut

Mehr

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen)

Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) WS 2016/17 Diskrete Strukturen Kapitel 2: Grundlagen (Mengen) Hans-Joachim Bungartz Lehrstuhl für wissenschaftliches Rechnen Fakultät für Informatik Technische Universität München http://www5.in.tum.de/wiki/index.php/diskrete_strukturen_-_winter_16

Mehr

KAPITEL Füllmethoden von Ebenen 493. Zebra.tif

KAPITEL Füllmethoden von Ebenen 493. Zebra.tif 31 Füllmethoden von Ebenen KAPITEL 31 Bisher haben Sie sich bei der Verwendung von Ebenen ganz auf die richtige Reihenfolge und auf die Ebenenmasken verlassen. Alles, was über einer Ebene liegt, verdeckt

Mehr

Vorlesung 1. (April 11, 2008)

Vorlesung 1. (April 11, 2008) Vorlesung 1. (April 11, 2008) Einführung: Visualisierung 1) eine Verbindung zwischen einem abstrakten (mathematischen) Objekt und einem Gegenstand der realen Welt 2) wesentliche Vorstufe der Interpretation

Mehr

Robert Klaßen. Photoshop Elements 5. für digitale Fotos. Zusatzkapitel Füllmethoden

Robert Klaßen. Photoshop Elements 5. für digitale Fotos. Zusatzkapitel Füllmethoden Robert Klaßen Photoshop Elements 5 für digitale Fotos Zusatzkapitel Füllmethoden Photoshop Elements 5 für digitale Fotos Füllmethoden Um die verschiedenen Füllmethoden besser nachvollziehen zu können,

Mehr

Objekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung

Objekterkennung durch Vergleich von Farben. Videoanalyse Dr. Stephan Kopf HWS2007 Kapitel 5: Objekterkennung Objekterkennung durch Vergleich von Farben 48 Farbräume (I) Definitionen: Farbe: Sinnesempfindung (keine physikalische Eigenschaft), falls Licht einer bestimmten Wellenlänge auf die Netzhaut des Auges

Mehr

4.2 Quotientenvektorräume

4.2 Quotientenvektorräume 306 LinAlg II Version 1 6. Juni 2006 c Rudolf Scharlau 4.2 Quotientenvektorräume Zum Verständnis der folgenden Konstruktion ist es hilfreich, sich noch einmal den Abschnitt 1.4 über Restklassen vom Beginn

Mehr

Lösungen zur Mathematik für Informatiker I

Lösungen zur Mathematik für Informatiker I Lösungen zur Mathematik für Informatiker I Wintersemester 00/03 Prof Dr H Lenzing Blatt 7 Sei M Ihre Matrikelnummer mit den Ziffern m, m, m 3, m 4, m 5, m 6, m 7 Aufgabe 6 ( Bonuspunkt): Wir betrachten

Mehr

1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen

1. Grundlagen. Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen 1. Grundlagen Gliederung 1.1 Was ist Analysis? 1.2 Aussagen und Mengen 1.3 Natürliche Zahlen 1.4 Ganze Zahlen, rationale Zahlen Peter Buchholz 2016 MafI 2 Grundlagen 7 1.1 Was ist Analysis? Analysis ist

Mehr

1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen

1. Grundlagen. 1.1 Was ist Analysis? 1.2 Aussagen und Mengen . Grundlagen Gliederung. Was ist Analysis?.2 Aussagen und Mengen.3 Natürliche Zahlen.4 Ganze Zahlen, rationale Zahlen. Was ist Analysis? Analysis ist neben der linearen Algebra ein Grundpfeiler der Mathematik!

Mehr

Algebraische Kurven. Holger Grzeschik

Algebraische Kurven. Holger Grzeschik Algebraische Kurven Holger Grzeschik 29.04.2004 Inhaltsübersicht 1.Einführung in die Theorie algebraischer Kurven 2.Mathematische Wiederholung Gruppen, Ringe, Körper 3.Allgemeine affine Kurven 4.Singuläre

Mehr

Lineare Algebra. 1 Lineare Abbildungen

Lineare 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

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.

Mehr

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

Mehr

Farbmodelle. Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen. Alle Farbeindrücke simulierbar durch drei Farben

Farbmodelle. Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen. Alle Farbeindrücke simulierbar durch drei Farben Farbmodelle Erinnerung an Einführung: Farbsehen durch drei Arten von Zäpfchen Alle Farbeindrücke simulierbar durch drei Farben Oliver Deussen Farbmodelle 1 RGB-Farbmodell für additive Farbmischung (Bildschirm)

Mehr

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele: L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit 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"

Mehr

Farbe in der Computergraphik

Farbe in der Computergraphik Farbe in der Computergraphik 1 Hernieder ist der Sonnen Schein, die braune Nacht fällt stark herein. 2 Gliederung 1. Definition 2. Farbwahrnehmung 3. Farbtheorie 4. Zusammenfassung 5. Quellen 3 1. Definition

Mehr

Vektorräume. Lineare Algebra I. Kapitel Juni 2012

Vektorräume. Lineare Algebra I. Kapitel Juni 2012 Vektorräume Lineare Algebra I Kapitel 9 12. Juni 2012 Logistik Dozent: Olga Holtz, MA 378, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de Assistent: Sadegh

Mehr

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität).

Analysis 1, Woche 2. Reelle Zahlen. 2.1 Anordnung. Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). Analysis 1, Woche 2 Reelle Zahlen 2.1 Anordnung Definition 2.1 Man nennt eine Anordnung für K, wenn: 1. Für jeden a K gilt a a (Reflexivität). 2. Für jeden a, b K mit a b und b a gilt a = b (Antisymmetrie).

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

Mehr

Das beidäugige Gesichtsfeld umfaßt etwa 170 Bogengrad.

Das beidäugige Gesichtsfeld umfaßt etwa 170 Bogengrad. 3 Farben 3.1 Licht 3.2 Farbwahrnehmung 3.3 RGB-Modell 3.4 CIE-Modell 3.5 YCrCb-Modell Licht: Als Licht sieht man den Teil des elektromagnetischen Spektrums zwischen etwa 400 nm bis 750 nm Wellenlänge an.

Mehr

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen.

Gegeben sei eine Menge V sowie die Verknüpfung der Addition und die skalare Multiplikation der Elemente von V mit reellen Zahlen. 1. Der Vektorraumbegriff...1 2. Unterräume...2. Lineare Abhängigkeit/ Unabhängigkeit... 4. Erzeugendensystem... 5. Dimension...4 6. Austauschlemma...5 7. Linearität von Abbildungen...6 8. Kern und Bild

Mehr

D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen

D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld. Clicker Fragen D-Math/Phys Lineare Algebra I HS 2017 Dr. Meike Akveld Clicker Fragen Frage 1 Die Aussage Dieser Satz ist falsch ist wahr falsch Dies ist die einfachste Form des Lügner-Paradoxes ist der folgende selbstbezügliche

Mehr

Multimediatechnik / Video

Multimediatechnik / Video Multimediatechnik / Video Licht und Farbe http://www.nanocosmos.de/lietz/mtv Inhalt Was ist Farbe? Lichtwellen Farbspektrum Farbmodelle Licht und Farbe Licht = Elektromagnetische Welle Farbton = Wellenlänge/Frequenz

Mehr

Geraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3.

Geraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3. Geraden in 3 Dimensionen in Form von 2 linearen Gleichungen in den 3 Unbekannten x 1, x 2, x 3. In Analogie zu einer Geraden kann man eine Ebene durch einen Punkt in der Ebene (mit Ortsvektor r 0 ) und

Mehr

Skriptum EINFÜHRUNG IN DIE ALGEBRA

Skriptum EINFÜHRUNG IN DIE ALGEBRA Skriptum EINFÜHRUNG IN DIE ALGEBRA 1 Günter Lettl SS 2016 1. Algebraische Grundbegriffe 1.1 Verknüpfungen Definition 1. Es sei M eine nicht leere Menge. a) Eine Verknüpfung (oder (binäre) Operation) auf

Mehr

Vektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42

Vektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42 Vektoren Jörn Loviscach Versionsstand:. April 29, 23:42 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen mit Pfeilen schon kennen gelernt. Addition und Subtraktion klappen in drei wie

Mehr

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen Kapitel 2 Die reellen Zahlen Die reellen Zahlen werden zunächst und vorübergehend als Dezimalzahlen eingeführt. Die wichtigsten Eigenschaften werden aus dieser Darstellung hergeleitet, mit denen dann die

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

Das Buch der Natur ist mit mathematischen Symbolen geschrieben. Galileo Galilei

Das Buch der Natur ist mit mathematischen Symbolen geschrieben. Galileo Galilei TO Rechenmethoden Wise 2012-2013 Jan von Delft 16.10.2012 http://homepages.physik.uni-muenchen.de/~vondelft/lehre/12t0/ Das Buch der Natur ist mit mathematischen Symbolen geschrieben. Galileo Galilei Das

Mehr

Digitale Bildverarbeitung (DBV)

Digitale Bildverarbeitung (DBV) Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung

Mehr

Gruppe. Unter einer Gruppe (G, ) versteht man eine Menge G, auf der eine binäre Operation definiert ist:

Gruppe. Unter einer Gruppe (G, ) versteht man eine Menge G, auf der eine binäre Operation definiert ist: Gruppe Unter einer Gruppe (G, ) versteht man eine Menge G, auf der eine binäre Operation definiert ist: : G G G, d.h. jedem Elementepaar (a, b): a, b G ist ein Element a b G zugeordnet. Gruppe 1-1 Gruppe

Mehr

KAPITEL 1. Einleitung

KAPITEL 1. Einleitung KAPITEL 1 Einleitung Als Einstieg in die Vorlesung möchte ich zunächst zeigen, dass aus den Grundvorlesungen schon eine ganze Fülle von Beispielen algebraischer Strukturen bekannt sind. Von diesen Beispielen

Mehr

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018

HM II Tutorium 5. Lucas Kunz. 22. Mai 2018 HM II Tutorium 5 Lucas Kunz 22. Mai 2018 Inhaltsverzeichnis 1 Theorie 2 1.1 Wiederholung Lineare Gleichungsysteme................... 2 1.2 Wiederholung: Kern einer Abbildung..................... 3 1.3

Mehr

Übungen zu Geometrie und Lineare Algebra für das Lehramt

Übungen zu Geometrie und Lineare Algebra für das Lehramt Übungen zu Geometrie und Lineare Algebra für das Lehramt zusammengestellt von Stefan Haller Sommersemester 2019 (UE250163) 2. Übungsblatt für die Woche vom 11. bis 15. März 2019 Aufgabe 2.1. Wiederhole

Mehr

WS 20013/14. Diskrete Strukturen

WS 20013/14. Diskrete Strukturen WS 20013/14 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws1314

Mehr

Modulprüfung BA 04 Mathematik: Grundlagen der Mathematik C: Geometrie, Elementare Algebra und Zahlentheorie

Modulprüfung BA 04 Mathematik: Grundlagen der Mathematik C: Geometrie, Elementare Algebra und Zahlentheorie FB 3: Mathematik/Naturwissenschaften Prof. Dr. R. Frank/ Dr. D. Habeck Modulprüfung BA 04 Mathematik: Grundlagen der Mathematik C: Geometrie, Elementare Algebra und Zahlentheorie 11.04.2013 LÖSUNG Name:

Mehr

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya

Lineare Abhängigkeit und Unabhängigkeit. 1-E Ma 1 Lubov Vassilevskaya Lineare Abhängigkeit und Unabhängigkeit -E Ma Lubov Vassilevskaya Eindimensionaler Raum Abb. -: Zwei nicht gleiche Vektoren auf der gleichen Gerade Jeden Vektor, der auf einer Geraden liegt, kann man durch

Mehr

Farblehre. Was ist Farbe und wie nehmen wir sie wahr? Licht und Farbempfindung. Die 8 Grundfarben. Additive Farbmischung. Subtraktive Farbmischung

Farblehre. Was ist Farbe und wie nehmen wir sie wahr? Licht und Farbempfindung. Die 8 Grundfarben. Additive Farbmischung. Subtraktive Farbmischung Farblehre Was ist Farbe und wie nehmen wir sie wahr? Licht und Farbempfindung Die 8 Grundfarben Additive Farbmischung Subtraktive Farbmischung Simultankontrast Harmonische Farbgestaltungen Farbkontrast

Mehr

Rendering-Intents gibt es Unterschiede?

Rendering-Intents gibt es Unterschiede? Rendering-Intents gibt es Unterschiede? Für Farbumrechnungen mit ICC-Colormanagement stehen vier verschiedene Rendering-Intents zur Auswahl. Wie sich welcher Rendering Intent bei der Anwendung auswirkt

Mehr

5. Gruppen, Ringe, Körper

5. Gruppen, Ringe, Körper 5. Gruppen, Ringe, Körper 5.1. Gruppen Die Gruppentheorie, als mathematische Disziplin im 19. Jahrhundert entstanden, ist ein Wegbereiter der modernen Mathematik. Beispielsweise folgt die Gruppe, die aus

Mehr

Diskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018

Diskrete Strukturen. Vorlesung 3: Naive Mengenlehre. 30. Oktober 2018 Diskrete Strukturen Vorlesung 3: Naive Mengenlehre 30. Oktober 2018 2 Organisation Prüfung: vorauss. am Freitag, den 22. Februar 2019 von 10 11 Uhr im AudiMax, HS 3, HS 9 Abmeldungen noch bis zum 12. Januar

Mehr

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:

L2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele: L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: Masse, Volumen, Energie, Arbeit, Druck, Temperatur 2) Vektoren: vollständig

Mehr

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19

Übersichtsblatt Hertrampf/Bahrdt. 1 Mathematische Aussagen. Theoretische Informatik I WS2018/19 Theoretische Informatik I WS2018/19 Übersichtsblatt Hertrampf/Bahrdt Institut für Formale Methoden der Informatik Theoretische Informatik Universität Stuttgart 1 Mathematische Aussagen Um mathematische

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Halbgruppen, Gruppen, Ringe

Halbgruppen, Gruppen, Ringe Halbgruppen-1 Elementare Zahlentheorie Einige Bezeichnungen Halbgruppen, Gruppen, Ringe Die Menge N 0 der natürlichen Zahlen 0, 1, 2, Die Menge N = N 1 der von Null verschiedenen natürlichen Zahlen Die

Mehr

Die Wahrnehmung von Durchsichtigkeit. Referentin: Carina Kogel Seminar: Visuelle Wahrnehmung Dozent: Dr. Alexander C. Schütz

Die Wahrnehmung von Durchsichtigkeit. Referentin: Carina Kogel Seminar: Visuelle Wahrnehmung Dozent: Dr. Alexander C. Schütz Die Wahrnehmung von Durchsichtigkeit Referentin: Carina Kogel Seminar: Visuelle Wahrnehmung Dozent: Dr. Alexander C. Schütz Die Wahrnehmung von Durchsichtigkeit Ein Mosaik aus undurchsichtigen Farbflächen

Mehr

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch.

i) ii) iii) iv) i) ii) iii) iv) v) gilt (Cauchy-Schwarz-Ungleichung): Winkel zwischen zwei Vektoren : - Für schreibt man auch. Abbildungen Rechnen Matrizen Rechnen Vektoren Äquivalenzrelation Addition: Skalarmultiplikation: Skalarprodukt: Länge eines Vektors: Vektorprodukt (im ): i ii i ii v) gilt (Cauchy-Schwarz-Ungleichung):

Mehr

2 Zahlbereichserweiterungen I

2 Zahlbereichserweiterungen I 2 Zahlbereichserweiterungen I Obwohl wir in den vergangenen Kapiteln schon andere Zahlen als die natürlichen Zahlen benutzt haben, wollen wir auch auf diese noch einmal einen grundsätzlichen Blick werfen.

Mehr

Musterlösung zu Blatt 6, Aufgabe 2

Musterlösung zu Blatt 6, Aufgabe 2 Musterlösung zu Blatt 6, Aufgabe 2 I Aufgabenstellung Es sei F = R N der Raum aller reellen, mit N induzierten Folgen. Weiter bezeichne N alle Nullfolgen, K alle konvergenten Folgen und B alle beschränkten

Mehr

Subtraktive Farbmischung (Artikelnr.: P )

Subtraktive Farbmischung (Artikelnr.: P ) Lehrer-/Dozentenblatt Subtraktive Farbmischung (Artikelnr.: P066500) Curriculare Themenzuordnung Fachgebiet: Physik Bildungsstufe: Klasse 7-0 Lehrplanthema: Optik Unterthema: Farbenlehre Experiment: Subtraktive

Mehr

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit

Mathematik I. Vorlesung 11. Lineare Unabhängigkeit Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 11 Lineare Unabhängigkeit Definition 11.1. Es sei K ein Körper und V ein K-Vektorraum. Dann heißt eine Familie von Vektoren v i, i I,

Mehr

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

Rationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik

Rationale, irrationale und reelle Zahlen. 4-E Vorkurs, Mathematik Rationale, irrationale und reelle Zahlen 4-E Vorkurs, Mathematik Rationale Zahlen Der Grund für die Einführung der rationalen Zahlen ist der, dass wir mit ihnen auch Gleichungen der Form q x = p lösen

Mehr

Überabzählbarkeit der reellen Zahlen

Überabzählbarkeit der reellen Zahlen Überabzählbarkeit der reellen Zahlen Mathematik M4 Dozentin: Dr. Regula Krapf Jan Lukas Schallenberg Matr. Nr.: 214202241 November 2017 1 Inhaltsverzeichnis 1 Dedekindsche Schnitte 3 2 Addition und Multiplikation

Mehr

Operationen. auch durch. ausgedrückt. ist die Trägermenge der Operation. Mathematik I für Informatiker Algebren p.1/21

Operationen. auch durch. ausgedrückt. ist die Trägermenge der Operation. Mathematik I für Informatiker Algebren p.1/21 Operationen Eine Operation auf einer Menge ist eine Abbildung ist dabei die Menge aller -Tupel mit Einträgen aus. Man nennt auch durch die Stelligkeit der Operation ; dies wird ausgedrückt. Die Menge ist

Mehr

Grundkurs Mathematik I

Grundkurs Mathematik I Prof. Dr. H. Brenner Osnabrück WS 2016/2017 Grundkurs Mathematik I Vorlesung 11 Kultur ist Reichtum an Problemen. Egon Friedell Axiomatik Wir haben schon für die intuitiv bekannten natürlichen Zahlen ein

Mehr

2 Algebraische Grundstrukturen

2 Algebraische Grundstrukturen 30 2 Algebraische Grundstrukturen Definition. Eine Verknüpfung auf einer Menge G ist eine Abbildung : G G G (a, b) a b. Schreibweise. a b, a b, ab, a + b. Beispiele. (i) G = N : N N N (a, b) a + b. G =

Mehr

Konstruktion der reellen Zahlen 1 von Philipp Bischo

Konstruktion der reellen Zahlen 1 von Philipp Bischo Konstruktion der reellen Zahlen 1 von Philipp Bischo 1.Motivation 3 1.1. Konstruktion von R im allgemeine 3 2.Voraussetzung 3 2.1Die Menge Q zusammen mit den beiden Verknüpfungen 3 2.2Die Rationalen Zahlen

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen TEIL II: GRUPPEN In der modernen Algebra versucht man die Zahlen (Z, Q, R, ) durch die Konzentration auf Rechenoperationen (+,,... ), oder allgemeiner auf strukturelle Eigenschaften dieser Operationen,

Mehr

Eine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb.

Eine Relation R in einer Menge M ist eine Teilmenge von M x M. Statt (a,b) R schreibt man auch arb. 4. Relationen 4.1 Grundlegende Definitionen Relation R in einer Menge M: Beziehung zwischen je 2 Elementen von M. Beispiel

Mehr

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen

Da diese Zahlenmenge nicht unter Subtraktion abgeschlossen ist, erweitert man sie zur Menge der ganzen Zahlen Kapitel 2 Die reellen Zahlen Die reellen Zahlen werden zunächst und vorübergehend als Dezimalzahlen eingeführt. Die wichtigsten Eigenschaften werden aus dieser Darstellung hergeleitet, mit denen dann die

Mehr

Vorlesung Mathematik 2 für Informatik

Vorlesung 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

Mehr

Kurze Geschichte der linearen Algebra

Kurze Geschichte der linearen Algebra Kurze Geschichte der linearen Algebra Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Entwicklung Die Historische Entwicklung

Mehr