Projektive Geometrie
|
|
- Dominic Waltz
- vor 7 Jahren
- Abrufe
Transkript
1 Projektive Geometrie
2 Einleitung Was ist projektive Geometrie? eine alternative algebraische Repräsentation von geometrischen Objekten (Punkt, Gerade,...) und Transformationen (Translation, Rotation,...) Wozu projektive Geometrie? die projektive Geometrie ist zur Beschreibung der Zentralprojektion besser geeignet als die euklidische Geometrie, die Gleichungen werden wesentlich vereinfacht Bemerkungen die geometrischen Verhältnisse ändern sich nicht durch die Wahl der Repräsentation, nur das Formelwerk ist praktischer alle Berechnungen sind auch in euklidischer Darstellung möglich (und wurden in der Photogrammetrie lange so durchgeführt) die übersichtliche Notation hat wichtige Fortschritte ermöglicht
3 Einführung Geschichtliche Entwicklung ca. 340: erste Erwähnung projektiver Zusammenhänge durch Pappus von Alexandria ca. 600: Johannes Kepler und Gerard Desargues entwicklen unabhängig die Idee des Fernpunkts 83: Jean-Victor Poncelet erarbeitet erstmals systematisch die fundamentale Theorie 965: in der Computergrafik nutzt Larry Roberts die projektive Schreibweise für die Perspektivprojektion 97: in der Photogrammetrie beschreiben Y. I. Abdel- Aziz und H. M. Karara die projektive Abbildung zwischen Bild- und Objektkoordinaten 98: in der Computer Vision entwickelt Christopher Longuet-Higgins die relative Orientierung in projektiver Notation ~000: in der Photogrammetrie beginnt sich die projektive Darstellung allgemein zu verbreiten
4 Homogene Koordinaten Definition Die Repräsentation q eines geometrischen Objekts ist homogen, wenn q und λq dasselbe Objekt darstellen (wobei λ 0). D Punkt D Gerade 3 3 u wx x = 4v 5 = 4wy5 w w l = 3 a 4b5 ax + by + c =0 c
5 Homogene Koordinaten Euklidische Normalisierung apple x y = apple u/w v/w apple nx n y = p a + b apple a b, d = c p a + b
6 Geometrische Operationen Rechnen mit homogenen Objekten Punkt auf einer Geraden Schnitt zweier Geraden x > l = l > x = x l =0 au + bv + cw = w(ax + by + c) =0 x = l m Gerade durch zwei Punkte l = x y
7 Geometrische Operationen Rechnen mit homogenen Objekten Schnitt zweier Geraden - Probe x = l m y ax + by = c x + y =5 x y = x l = m = x = =
8 Homogene Koordinaten Unendlich entfernte Objekte homogene Koordinaten erlauben die explizite Darstellung von unendlich fernen Objekten 3 3 x = direktes Rechnen im Unendlichen alle Fernpunkte liegen auf der Ferngeraden Schnitt paralleler Geraden u 4v5 l = 0 x > l =0 3 3 a a bd 4b5 4b5 = 4ac c d ab bc u ad5 = 4v5 ab 0
9 Homogene Koordinaten Varianzfortpflanzung Übergang euklidisch homogen: der projektive Massstab (Länge des Vektors) hat keine Unsicherheit 3 3 µ x = Übergang homogen euklidisch: lineare Fehlerfortpflanzung apple µu /µ µ xx = J > x = w (µ x ) xx J(µ x ) µ v /µ w 4 µ x µ y 5 xx = 4 x xy 0 xy y J > (x) = x x = w apple w 0 u 0 w v eine entsprechende Konstruktion ist auch für andere geometrische Objekte möglich
10 Homogene Koordinaten Interpretation der Varianzen nur euklidische Kovarianzmatrizen sind als Ergebnisse sinnvoll (der projektive Raum ist nicht metrisch) homogene Kovarianzmatrizen entstehen bei Berechnungen mit homogenen Koordinaten - sie sind beliebig skaliert - sie enthalten die Varianz der Skalierung, die keine geometrische Bedeutung hat (d.h. sie haben vollen Rang)
11 Homogene Koordinaten 3D Punkt X = 6 4 Ebene 3 3 A N x A = 6B 7 4C5 = D 6N y 7 S 4N z 5 D S 3D Gerade (Plücker-Koordinaten) U V W T = T 3 X 6Y 7 4Z 5 AX + BY + CZ + D =0 L 6 = apple Xh Y 0 Y h X 0 X 0 Y 0 mit X = apple X0 X h
12 Homogene Koordinaten Unendlich entfernte Objekte Fernpunkte (Raumrichtungen) 3 U V X = Fernebene A = 6 4 W
13 Transformationen Eine projektive Transformation (Projektivität, Homographie) ist eine umkehrbare lineare Abbildung x 0 n = M n n x n Hauptsatz der projektiven Geometrie: jede eindeutige geradentreue Abbildung eines projektiven Raums P n auf sich apple n< selbst ist eine Projektivität, für Folge: alle eindeutigen geradentreuen Transformationen sind in homogenen Koordinaten linear Anmerkung: wie die projektiven Objekte können auch die Transformationsmatrizen beliebig skaliert werden x 0 =( M)x = M( x) x 0 ' x 0
14 Transformationen Wichtige Tranformationen Beispiel: Transformationen in P 3 (analog in P ) allgemeine projektive Abbildung Translation 3 Parameter Rotation 3 Parameter X 0 = M 4 4 X M = M = apple I T 0 > apple R 0 0 > I 3 3 = 0 3 =
15 Wiederholung - 3D Rotation Orthonormale Matrix mit positiver Determinante Zeilen/Spalten normiert und untereinander orthogonal R x ()= 4 R > R = I R = R > det(r) =...Rotation, det(r) =...Rotation und Spiegelung Aufbau aus 3 Rotationen um Koordinatenachsen cos sin sin cos 3 5 R y ( )= 4 cos sin sin cos 3 5 cos apple R z (apple)= 4sin apple sin apple cos apple 3 5 R = R z (apple)r y ( )R x ()
16 Transformationen Ähnlichkeitstransformation 7 Parameter (3 Translation, 3 Rotation, Massstab) apple mr T M = 0 > Affintransformation Parameter (3 Translation, 3 Rotation, 3 Massstab, 3 Scherung) M = apple A T 0 >
17 Transformationen Kombination von Transformationen Verkettung erfolgt durch Matrizenmultiplikation nicht kommutativ - Reihenfolge beachten Inversion X A = AX X AB = BX A X AB = BAX die umgekehrte Transformation (falls existent) ergibt sich durch Inversion der Transformationsmatrix X A = AX X = A X A
18 Transformationen Projektive (geradentreue) Transformationen in D
19 Homogene Gleichungen Parameterschätzung in homogenen Koordinaten Schätzung führt meist auf Gleichungssysteme oder ohne Redundanz Ay = 0 beide Versionen haben die triviale Lösung min y (w > w), w = Ay y = 0 um diese auszuschliessen muss der projektive Massstab festgelegt werden (beliebig 0) dazu fügt man eine Bedingungsgleichung hinzu kyk =
20 Homogene Gleichungen Lösung eines homogenen Systems min(y > A > Ay) y s.t. kyk = Kochrezept Singulärwertzerlegung (SVD) von A A m n = USV >, s s... s n der Lösungsvektor ist die letzte Spalte von V y = V :,n Bemerkung: aufgrund der Eigenschaften der SVD numerisch sehr stabil
21 Homogene Gleichungen Beweis Singulärwertzerlegung von A A m n = U m n S n n V > n n = wobei U > U = V > V = I n n daher nx > s i u i v i i= y > A > Ay = y > VSU > USV > y = y > VS V > y = y > vi sind orthogonal zueinander, daher minimal bei ŷ = v n, ŷ > A > Aŷ = s n S = diag(s,s,...,s n ) n X i= s i v i v i > y
Lineare 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:
Mehrgeschlossene Schachtel mit einem kleinen Loch
Kameramodellierung Lochkamera Kamerakonstante Kamerazentrum geschlossene Schachtel mit einem kleinen Loch ideale Kamera: Loch hat keine Ausdehnung die Strahlen sind ein Büschel von Geraden Abbildung erfolgt
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
Mehr3 Systeme linearer Gleichungen
3 Systeme linearer Gleichungen Wir wenden uns nun dem Problem der Lösung linearer Gleichungssysteme zu. Beispiel 3.1: Wir betrachten etwa das folgende System linearer Gleichungen: y + 2z = 1 (1) x 2y +
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
Mehr47 Singulärwertzerlegung
47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar
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
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
Mehrgegeben: G sei endliche Gruppe, jede Untergruppe von G sei ein Normalteiler zu zeigen: je zwei Elemente teilerfremder Ordnung kommutieren
Stefan K. 4.Übungsblatt Algebra I Aufgabe 1 gegeben: G sei endliche Gruppe, jede Untergruppe von G sei ein Normalteiler von G zu zeigen: je zwei Elemente teilerfremder Ordnung kommutieren Beweis: Seien
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
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
MehrErweiterte Koordinaten
Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 5 Punkte Ebenen im Raum Dualismus im Raum Die unendlich ferne Ebene Parametrische Darstellung (Span) Die Gerade im Raum -
Mehr8 Die Riemannsche Zahlenkugel
8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2
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
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrProjektive Abbildungen, Beziehung zwischen anen und projektiven Räumen, Projektive Unabhängigkeit.
Projektive Abbildungen, Beziehung zwischen anen und projektiven Räumen, Projektive Unabhängigkeit. Agnieszka Wenska 2008-02-19 1 Wir wissen bereits: Was projektive Räume und Unterräume sind Wie man die
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
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
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
MehrSingulärwert-Zerlegung
Singulärwert-Zerlegung Zu jeder komplexen (reellen) m n-matrix A existieren unitäre (orthogonale) Matrizen U und V mit s 1 0 U AV = S = s 2.. 0.. Singulärwert-Zerlegung 1-1 Singulärwert-Zerlegung Zu jeder
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
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
Mehr6. Vektor- und Koordinaten-Geometrie.
6. Vektor- und Koordinaten-Geometrie. Jeder endlichen Menge, etwa der Menge kann man durch M = {,,, }. R 4 (M) = { a 1 + a 2 + a 3 + a 4 a i R } die Menge der formalen Linearkombinationen zuordnen. Es
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-
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
MehrDie Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K
Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und
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
Mehr1 Fraktale Eigenschaften der Koch-Kurve
Anhang Inhaltsverzeichnis Fraktale Eigenschaften der Koch-Kurve iii. Einführung.................................. iii.2 Defintion.................................... iii.3 Gesamtlänge der Koch-Kurve........................
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
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
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
MehrLernbuch Lineare Algebra und Analytische Geometrie, 2. Auflage 2012
Lernbuch Lineare Algebra und Analytische Geometrie, 2 Auflage 22 Korrekturen 8 statt y M lies y N 2 statt m + n = m +(n )=m +(n ) lies m + n = m +(n ) 2 statt #P(M) lies #P (M) 4 7 statt Beispiel c) lies
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
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
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
MehrLineare Algebra. 9. Übungsstunde. Steven Battilana.
Lineare Algebra 9. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 2, 26 Erinnerung Sei x, y 2 E n, 2 E, danngilt: hx, yi = kxkkyk cos( ). Ist m eine beliebige natürliche Zahl, apple i,
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
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
Mehr12 Übungen zu Gauß-Algorithmus
Aufgaben zum Vorkurs B S. 2 Übungen zu Gauß-Algorithmus 2x x 2 = 7x +, 5x 2 = 7 Aufgabe 6: Aufgabe 7: Aufgabe 8: Aufgabe 9: 2x x 2 = x +2x 2 = 2 2x x 2 = 7x +, 5x 2 =, 5 x 2x 2 = x +x 2 = 5 2x +x 2 = 4
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Epipolargeometrie Die Fundamentalmatrix Korrelation Schätzung der Fundamentalmatrix Homographie infolge einer Ebene Sonderfälle
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 5 Quadriken Polarität Transformationen Klassifikation von Quadriken Geraden in Regelquadriken Die kubische Wendelinie (twisted
MehrGeometrische Form des Additionstheorems
Geometrische Form des Additionstheorems Jae Hee Lee 29. Mai 2006 Zusammenfassung Der Additionstheorem lässt sich mithilfe des Abelschen Theorems elegant beweisen. Dieser Beweis und die Isomorphie zwischen
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
MehrVektoren, 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
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
Mehr12 Der Abstand eines Punktes von einer Geraden Seite 1 von Der Abstand eines Punktes von einer Geraden
12 Der Abstand eines Punktes von einer Geraden Seite 1 von 5 12 Der Abstand eines Punktes von einer Geraden Die Bestimmung des Abstands eines Punktes von einer Geraden gehört zu den zentralen Problemen
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
MehrZusammenfassung. 2.7 Eigenwerte und Eigenvektoren 53. in 2.1: Lösung eines linearen Gleichungssystems
7 Eigenwerte und Eigenvektoren 53 Zusammenfassung in : Lösung eines linearen Gleichungssystems Formalisierung: a x + a x + + a n x n b a x + a x + + a n x n b a m x + a m x + + a mn x n b m A x b Lösungsmethode:
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrProjektion. Ebene geometrische Projektionen
Projektion - 1 - Ebene geometrische Projektionen Die ebenen geometrischen Projektionen sind dadurch charakterisiert, daß mit Projektionsstrahlen konstanter Richtung, d.h. entlang von Geraden, auf Ebenen
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
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
Mehr44 Orthogonale Matrizen
44 Orthogonale Matrizen 44.1 Motivation Im euklidischen Raum IR n haben wir gesehen, dass Orthonormalbasen zu besonders einfachen und schönen Beschreibungen führen. Wir wollen das Konzept der Orthonormalität
MehrInhaltsverzeichnis. I Lineare Gleichungssysteme und Matrizen 1. Vorwort
Vorwort V I Lineare Gleichungssysteme und Matrizen 1 1 Der Begriff des Körpers 3 1.1 Mengen 3 1.2 Köiperaxiome 3 1.3 Grundlegende Eigenschaften von Körpern 5 1.4 Teilkörper 7 1.5 Aufgaben 8 1.5.1 Grundlegende
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
MehrD-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den
D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes
Mehr15ab 21bc 9b = 3b 5a 7c 3
4 4.1 Einführung Haben alle Summanden einer algebraischen Summe einen gemeinsamen Faktor, so kann man diesen gemeinsamen Faktor ausklammern. Die Summe wird dadurch in ein Produkt umgewandelt. Tipp: Kontrolle
Mehr2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!
Studiengang: PT/LOT/PVHT Semester: WS 9/ lgebra Serie: 2 Thema: Matrizen, Determinanten. ufgabe Gegeben sind die Matrizen = µ 2 3 2 µ 3 2 4, B = 2 Berechnen Sie: a) 2 + 3B b) B 2 c) B T d) B T e) T B f)
Mehr(x 1. Vektoren. g: x = p + r u. p r (u1. x 2. u 2. p 2
Vektoren Mit der Vektorrechnung werden oft geometrische Probleme gelöst. Wenn irgendwelche Aufgabenstellungen geometrisch darstellbar sind, z.b. Flugbahnen oder Abstandsberechnungen, dann können sie mit
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrAffine und projektive Räume
Affine und projektive Räume W. Kühnel Literatur hierzu: G.Fischer, Analytische Geometrie, 7. Aufl., Vieweg 2001 Zur Motivation: Wenn man in einem Vektorraum die Elemente nicht als Vektoren, sondern als
MehrLineare Algebra I (WS 13/14)
Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 22.10.2013 Alexander Lytchak 1 / 16 Wiederholung des Beispiels 3x 6 + x 7 = 2 2x 2 + 4x 4 + 6x 5 + 5x 7 = 3 2x 2 + x
MehrLineare Algebra und analytische Geometrie
Lineare Algebra und analytische Geometrie von Günther Eisenreich Mit 107 Abbildungen und 2 Tabellen 3., erweiterte und berichtigte Auflage Akademie Verlag Inhaltsverzeichnis A. Allgemeine Vorbemerkungen
Mehrβ 1 x :=., und b :=. K n β m
44 Lineare Gleichungssysteme, Notations Betrachte das lineare Gleichungssystem ( ) Sei A = (α ij ) i=,,m j=,n α x + α x + + α n x n = β α x + α x + + α n x n = β α m x + α m x + + α mn x n = β m die Koeffizientenmatrix
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Einführung in die Matrizenrechnung
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 006/07 en Blatt 3.0.006 Einführung in die Matrizenrechnung Zentralübungsaufgaben
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
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
MehrAnalytische Geometrie I
Analytische Geometrie I Rainer Hauser Januar 202 Einleitung. Geometrie und Algebra Geometrie und Algebra sind historisch zwei unabhängige Teilgebiete der Mathematik und werden bis heute von Laien weitgehend
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
MehrVortrag 20: Kurze Vektoren in Gittern
Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
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
Mehr6. Vorlesung. Rechnen mit Matrizen.
6. Vorlesung. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
MehrStichwortliste zur Vorlesung. Lineare Algebra II. Gabriela Weitze-Schmithüsen. Saarbrücken, Sommersemester 2016
Stichwortliste zur Vorlesung Lineare Algebra II Gabriela Weitze-Schmithüsen Saarbrücken, Sommersemester 2016 Kapitel I Jordansche Normalform Ziel: Wir möchten Matrizen bis aus Ähnlichkeit klassifizieren.
MehrPotenzen der Linearen Algebra
Potenzen der Linearen Algebra Stufen der Verallgemeinerung und ihre didaktische Umsetzung in der Lehre Fakultät für Ingenieurwissenschaften Prof. Dr. Dieter Schott E-Post: dieter.schott@hs-wismar.de www.et.hs-wismar.de/schott
MehrDas Gruppengesetz auf elliptischen Kurven: Assoziativität
Ausarbeitung des Seminarvortrags Das Gruppengesetz auf elliptischen Kurven: Assoziativität Seminar Kryptographie, TU Kaiserslautern Sommersemester 2011 Pablo Luka Version vom 14. 05. 2011 Inhaltsverzeichnis
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
MehrLineare Abbildungen und Matrizen
Lineare Abbildungen und Matrizen Seien V und W K-Vektorräume mit dimv = n und dimw = m Im folgenden wollen wir jeder m n Matrix eine lineare Abbildung V W zuordnen, und umgekehrt jeder linearen Abbildung
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
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
MehrDEUTSCHE SCHULE MONTEVIDEO BIKULTURELLES DEUTSCH-URUGUAYISCHES ABITUR ( AUF SPANISCH )
Grundlegende Bemerkungen : Der Begriff des Vektors wurde in den vergangenen Jahren im Geometrieunterricht eingeführt und das mathematische Modell des Vektors wurde vor allem auch im Physikunterricht schon
MehrGruppen von geometrischen Transformationen Die euklidische und die projektive Gruppe
Gruppen von geometrischen Transformationen Die euklidische und die projektive Gruppe Seminar Geometrie (SoSe 2011) - Prof Dr L Schwachhöfer Maximilian Wahner 04 Mai 2011 Inhaltsverzeichnis 1 Die euklidische
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrKapitel 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
Mehr1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von
1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von
MehrKapitel V. Affine Geometrie
Kapitel V Affine Geometrie 1 Affine Räume Betrachte ein lineares Gleichungssystem Γ : 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 m2 x 2 + + a mn x n = b
MehrWie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden?
Wie kann man die Normalform (bzgl. Affinen Transformationen) bestimmen, ohne die affine Abbildung bzw. Isometrie zu finden? Antwort in Dim 2: Sei Q eine Quadrik in R 2 gegeben durch a 11... a 1n x 1 x
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
Mehr= 11 ± 5, also k 1 = 3 und k 2 = 8.
Stroppel Musterlösung.8.5, 8min Aufgabe (6 Punkte) Gegeben sei die Funktion f: R R: x x e x. (a) Zeigen Sie durch vollständige Induktion, dass für alle x R und alle k N gilt: f (k) (x) = ( ) k (x kx+(k
Mehr