Mathematische Grundlagen
|
|
- Louisa Gerber
- vor 6 Jahren
- Abrufe
Transkript
1 Mathematische Grundlagen Oliver Deussen Mathematische Grundlagen 1
2 Affine Räume um Zeichenebene bzw. Raum zu beschreiben, muß vorher ein Koordinatensystem festgelegt werden durch geometrische Fragestellungen werden Koordinatenachsen und -ursprung eingeführt das mathematische Konzept ist der affine Raum Oliver Deussen Mathematische Grundlagen 2
3 Der affine Raum Eine Menge A n heißt n- dimensionaler affiner Raum, g.d.w. ein n-dimensionaler reeller Vektorraum V n existiert und folgende Bedingungen erfüllt sind: 1. zu jedem geordnetem Paar (p, q) p, q A n gehört ein Vektor v V n, so dass v = ( pq) 2. zu jedem p A n und jedem v V n existiert ein eindeutiges q A n so dass v = ( pq) 3. ist v = ( pq) und w = ( qr), dann gilt: v + w = ( pr) Elemente von A n heißen Punkte Oliver Deussen Mathematische Grundlagen 3
4 Koordinatensysteme Eine Menge (o, e 1, e 2,, e n ) bestehend aus einem Punkt o A n und der Basis (e 1, e 2,, e n ) von A n heißt Koordinatensystem für jeden Punkt p A n ist v = ( op) Ortsvektor von p Komponenten von v heißen Koordinaten bzgl. (e 1, e 2,, e n ) d.h. p besitzt die Koordinaten (x 1, x 2,, x n ) g.d.w: ( op) = v = x 1 e 1 + x 2 e x n e n Punkt o heißt Koordinatenursprung Punkte p i mit ( op i ) = e i heißen Einheitspunkte Oliver Deussen Mathematische Grundlagen 4
5 Affine Unterräume Eine nichtleere Teilmenge B A n heißt r-dimensionaler affiner Unterraum von A n g.d.w ein r- dimensionaler Untervektorraum W von v n existiert und: 1. p, q B w = ( pq) W 2. p B, w W Es gibt ein q B mit ( pq) = w d.h. B ist wieder affiner Raum (n 1) dimensionaler Unterraum von A n heißt Hyperebene Oliver Deussen Mathematische Grundlagen 5
6 Ist p 0 B gegeben, so besteht B aus der Menge aller Punkte, für die ( p 0 p) W ist sei Basis (d 0..d n ) von W, so gilt für alle Punkte p B: ( p 0 p) = λ 1 d 1 + λ 2 d λ r d r (λ i R) mit ( op 0 ) = v 0 und ( op) = v gilt: v = v 0 + λ 1 d 1 + λ 2 d λ r d r seien p i die Punkte mit ( p o p i ) = d i und ( op i ) = v i, so gilt: d i = v i v o (i = 1 r) daraus folgt: v = v o + λ 1 (v 1 v 0 ) + λ 2 (v 2 v o ) + + λ r (v r v o ) = r (1 λ i )v o + λ 1 v 1 + λ 2 v λ r v r i=1 Oliver Deussen Mathematische Grundlagen 6
7 wird λ o = 1 r i=1 λ i so folgt: Definition: v = r i=0 λ i v i Eine Teilmenge X eines Vektorraumes V heißt affiner Unterraum von V, falls es ein v V und einen Untervektorraum W gibt, so dass X = v + V = {u V es gibt ein w W mit u = v + w } eindimensionale Unterräume heißen Geraden sind 2 Punkte p o und p 1 gegeben, so gibt es exakt eine Gerade durch beide Punkte. Oliver Deussen Mathematische Grundlagen 7
8 Ein Punkt P auf der Geraden wird beschrieben durch: ( op) = v = 1 λ i v i = λ o v o + λ 1 v 1 (mit v o = ( op o ) und v 1 = ( op 1 ) i=0 mit λ o = 1 r i=1 λ i folgt: v = (1 λ 1 )v o + λ 1 v 1 Punkte P auf der Strecke P o P 1 werden beschrieben durch: {p ( op) = v = (1 λ)v o + λv 1 } P 0 P P 1 g v o v v 1 0 Oliver Deussen Mathematische Grundlagen 8
9 Affinkombination Gilt: v = n i=0 λ i v i mit n i=0 λ i = 1 und v i = ( op i ) so ist v eine Affinkombination der Vektoren v i bzw. p eine Affinkombination der Punkte p i pa v 1 λ 1 v 1 λ2 v 2 v v 2 Oliver Deussen Mathematische Grundlagen 9
10 Affine Abbildung Eine Abbildung zwischen zwei affinen Räumen A 1 und A 2 ist affin, wenn sie Affinkombinationen enthält: Φ : A 1 A 2 ist affin wenn gilt: Φ( n i=0 für jede endliche Folge λ o... λ n R mit λ i p i ) = n n i=0 i=0 λ i Φ(p i ) λ i = 1 affine Abbildung ist eindeutig durch Abbildung der affinen Basis festgelegt Oliver Deussen Mathematische Grundlagen 10
11 Sind A 1 = w 1 + V 1 und A 2 = w 2 + V 2 affine Unterräume eines Vektorraumes, so lässt sich eine Affine Abbildung Φ : A 1 A 2 schreiben als: Φ(w 1 + v) = Φ(w 1 ) + Ψ(v) d.h.: jede affine Abbildung lässt sich als Zusammensetzung einer linearen Abbildung und einer Translation schreiben deshalb lassen sich affine Abbildungen des 3D-Raumes nicht durch 3x3- Matrizen darstellen Grund: Translation ist nicht linear Oliver Deussen Mathematische Grundlagen 11
12 Projektive Räume Ist V ein reeller Vektorraum, so ist die Menge aller Geraden durch den Ursprung der reelle projektive Raum P (V ) Dimension des projektiven Raumes P (V ): dimp (V ) = dim(v ) 1 ein projektiver Raum der Dimension 1 bzw. 2 heißt projektive Gerade bzw. projektive Ebene Oliver Deussen Mathematische Grundlagen 12
13 Homogene Koordinaten Punkte des dreidimensionalen reellen projektiven Raumes P (R 4 ) sind Geraden durch den Ursprung im R 4 wenn v R 4 (Vektor), so definiert v eine Gerade g durch den Ursprung des R 4 mit: g(α) = αv α R abgekürzt mit : g = Rv Projektiver Punkt R + {0} P (R 4 ) v Rv Oliver Deussen Mathematische Grundlagen 13
14 ist v = (x, y, z, w) 0 R 4, so werden mit [x, y, z, w] = R(x, y, z, w) die homogenen Koordinaten des projektiven Punktes Rv bezeichnet [x, y, z, w] sind homogene Koordinaten eines Punktes im R 4 Die Basis vom P (R 4 ) ist ein 5- Tupel von projektiven Punkten p 0... p 4 wobei jeweils 4 projektive Punkte unabhängig sind, d.h. es gibt linear unabhängige Vektoren v o... v 4 R 4 gibt mit p i = Rv i Oliver Deussen Mathematische Grundlagen 14
15 Zusammenhang zwischen affinen und projektiven Räumen Abbildung vom affinen Raum in den projektiven Raum: i : R 3 P (R 4 ) (x, y, z) [x, y, z, 1] Abbildung vom projektiven Raum in den affinen Raum: i : P (R 4 ) R 3 [x, y, z, w] ( x w, x w, z w ) Oliver Deussen Mathematische Grundlagen 15
16 Projektive Abbildungen eine Abbildung f zwischen projektiven Räumen P (V ) und P (W ) heißt projektiv, wenn es eine injektive lineare Abbildung F : V W gibt, so dass f(rv) = RF (v) für jedes, vom Nullvektor verschiedenes v V gilt projektive Abbildung sind durch ihre Wirkung auf die Basis beschränkt Abbildung lässt sich als 4x4- Matrix schreiben: a 00 a 03 A =... a 30 a 33 Oliver Deussen Mathematische Grundlagen 16
17 für den Punkt p mit den Koordinaten [x, y, z, w] wird daraus: f(p) = [x, y, z, w]a = [a 00 x + + a 30 w,, a 03 x + + a 33 w] Die Abbildung f ist genau denn affin, wenn alle affinen Punkte auf affine Punkte und alle uneigentlichen Punkte auf uneigentliche Punkte abgebildet werden d.h. eine homogene Matrix für eine affine Abbildung sieht wie folgt aus: a 00 a 01 a 02 0 a A = 10 a 11 a 12 0 a 20 a 21 a 22 0 a 30 a 31 a 32 a 33 Oliver Deussen Mathematische Grundlagen 17
18 Transformationen 1. Skalierung S x S y S z x y z w = S x x S y y S z z w 2. Translation T x T y T z x y z w = x + T x w y + T y w z + T z w w Oliver Deussen Mathematische Grundlagen 18
19 3. Rotation um die x-achse cosφ sinφ 0 0 sinφ cosφ x y z w = x cosφy sinφz sinφy + cosφz w x y z z x y Oliver Deussen Mathematische Grundlagen 19
20 4. Rotation um die y-achse M y = cosφ 0 sinφ sinφ 0 cosφ x y z x y z Oliver Deussen Mathematische Grundlagen 20
21 5. Rotation um die z-achse M z = cosφ sinφ 0 0 sinφ cosφ y x z Oliver Deussen Mathematische Grundlagen 21
22 6. Scherung in x-richtung M sx = 1 p q Scherung in y-richtung M sy = p 1 q Oliver Deussen Mathematische Grundlagen 22
23 Rotation um eine beliebige Achse Rotationswinkel sei durch α gegeben Rotations-Achse sei durch einen Punkt (x 1, y 1, z 1 ) und den Richtungsvektor (A, B, C) T gegeben x = Au + x 1, y = Bu + y 1, z = Cu + z 1 u R y B V C φ θ A W Drehachse x V = B 2 + C 2 W = A 2 + B 2 + C 2 sin φ = B V, cos φ = C V sin θ = A W, cos θ = V W z Oliver Deussen Mathematische Grundlagen 23
24 1. Translation der Achse in den Koordinatenursprung T = x y z T 1 = x y z Rotation der Achse in die yz-ebene V/W 0 A/W R y = A/V 0 V/W Oliver Deussen Mathematische Grundlagen 24
25 3. Rotation der Achse auf die z-achse C/V B/V 0 R x = 0 B/V C/V Rotation um z-achse entsprechend Drehwinkel α cos α sin α 0 0 sin α cos α 0 0 R z = Oliver Deussen Mathematische Grundlagen 25
26 insgesamt erhält man die Transformationsmatrix M durch: M = T 1 R 1 y R 1 x R z R x R y T M transformiert alle Koordinaten so, daß sie bzgl. der z-achse um α gedreht werden können, danach werden die Transformationen rückgängig gemacht. Oliver Deussen Mathematische Grundlagen 26
27 Eulerwinkel für eine beliebige Rotation existieren 12 verschiedene Möglichkeiten, sie auf Rotationen um x-, y-, z-achse abzubilden (xyx, xyz, yxy,...) Eulerwinkel: drehe zuerst um z-achse, dann um y-achse, schließlich um x-achse (Bezeichnung: xyz) Die Gesamtmatrix hat folgendes Aussehen: R (α, β, γ) = R x (α) R y (β) R z (γ) = cosβ cosγ cosβ sinγ sinβ sinα sinβ cosγ + cosα sinγ cosα cosγ sinα sinβ sinγ sinα cosβ cosα sinβ cosγ sinα sinγ cosα sinβ sinγ sinα cosγ cosα cosβ Oliver Deussen Mathematische Grundlagen 27
28 Problem: Rückrechnung ist nicht eindeutig: β 1 = arcsin r 13 β 2 = π + arcsin r 13 cosα = r 33 cosβ cosγ = r 11 cosβ sinα = r 23 cosβ sinγ = r 12 cosβ Problem: cosβ = 0 α und β ununterscheidbar Ausweg: γ = 0 cosα = r 22 = r 31 sinα = r 21 = r 32 Oliver Deussen Mathematische Grundlagen 28
29 Sichtbarkeitstransformation im 3D bilden 3D-Szenen auf Bildschirm ab Projektion auf Bildschirmebene Clipping später: hidden surface elimination Oliver Deussen Mathematische Grundlagen 29
30 GKS-Modell 3D-Weltkoordinaten Clipping gegen Sichtkörper Geclippte Weltkoordinaten Projektion auf die Proj.-Ebene Transformation in Viewport-Koordinaten 2D-Device-Koordinaten generelles Modell, relativ rechenaufwendig andere Modelle je nach Anforderung (Hardware-Shading) Oliver Deussen Mathematische Grundlagen 30
31 Der Sichtkörper (View Volume) Sichtkörper: Teil des Raumes (der Welt), der auf die Rißebene (d.h. das Fenster) zu projizieren ist. Zentralprojektion: Sichtkörper ist Pyramide (Projektionszentrum als Spitze, Kanten gehen durch die Ecken des Fensters) Rißebene Front Clipping Plane Back Clipping Plane Oliver Deussen Mathematische Grundlagen 31
32 Planare Projektionen Planare Projektonen Zentralprojektion Ein-Punkt-P. Zwei-Punkt-P. Drei-Punkt-P. Orthogonale P. Grund-,Auf-, Seitenriß Isometrische P. Parallelprojektion Schiefe P. Kabinettp. Kavaliersp. Oliver Deussen Mathematische Grundlagen 32
33 Parallelprojektion y y z Projektion x x Oliver Deussen Mathematische Grundlagen 33
34 Zentralprojektion y y z Projektion x x Oliver Deussen Mathematische Grundlagen 34
35 Ein-Punkt-Projektion y x z Projektionsebene schneidet die Hauptachse Oliver Deussen Mathematische Grundlagen 35
36 Zwei-Punkt-Projektion Oliver Deussen Mathematische Grundlagen 36
37 Drei-Punkt-Projektion Oliver Deussen Mathematische Grundlagen 37
38 Beispiele schiefer Projektionen: Kavaliersprojektion Kabinettprojektion diese Projektionen verzerren visuell, aber man kann gut messen Oliver Deussen Mathematische Grundlagen 38
39 Berechnung einer Zentralprojektion Projektionsebene sei die xy-ebene (x c, y c, z c ) ist das Projektionszentrum Die Projektionsgerade für Punkt (x 1, y 1, z 1 ) erfüllt: x = x c + (x 1 x c ) u y = y c + (y 1 y c ) u z = z c + (z 1 z c ) u aus z=0 folgt u = z c z 1 z c, also x x 2 = x c z 1 x c c z 1 z c = x cz 1 x 1 z c z 1 z c y y 2 = y c z 1 y c c z 1 z c = y cz 1 y 1 z c z 1 z c Oliver Deussen Mathematische Grundlagen 39
40 in homogenen Koordinaten ausgedrückt z c 0 x c 0 0 z c y c z c x 1 y 1 z 1 1 = x c z 1 x 1 z c y c z 1 y 1 z c 0 z 1 z c x 2 y Oliver Deussen Mathematische Grundlagen 40
41 Berechnung einer Parallelprojektion Projektionsebene sei die xy-ebene Projektionsrichtung parallel zur z-achse x 1 y 1 z 1 1 = x 1 y Projektionsrichtung parallel zum Vektor (x p, y p, z p ) T, z p 0 Projektionsgerade für Punkt (x 1, y 1, z 1 ) erfüllt Oliver Deussen Mathematische Grundlagen 41
42 x = x 1 + x p u y = y 1 + y p u z = z 1 + z p u aus z=0 folgt u = z 1 z p, also: x 2 = x 1 z 1 x p z p y 2 = y 1 z 1 y p z p in homogenen Koordinaten: 1 0 x p z p y p z p x 1 y 1 z 1 1 = x 2 y Oliver Deussen Mathematische Grundlagen 42
Planare Projektionen und Betrachtungstransformation. Quelle: Angel (2000)
Planare Projektionen und Betrachtungstransformation Quelle: Angel (2) Gliederung Einführung Parallelprojektionen Perspektivische Projektionen Kameramodell und Betrachtungstransformationen Mathematische
MehrComputergraphik Grundlagen
Computergraphik Grundlagen IV. Koordinatensysteme und geometrische Transformationen Prof. Stefan Schlechtweg Hochschule Anhalt Fachbereich Informatik Inhalt Lernziele 1. Skalare Punkte und Vektoren 2.
MehrDefinition 27 Affiner Raum über Vektorraum V
Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrComputer-Graphik I Transformationen & Viewing
lausthal Motivation omputer-raphik I Transformationen & Viewing Man möchte die virtuelle 3D Welt auf einem 2D Display darstellen. Zachmann lausthal University, ermany zach@in.tu-clausthal.de. Zachmann
MehrComputer Graphik. Mitschrift von www.kuertz.name
Computer Graphik Mitschrift von www.kuertz.name Hinweis: Dies ist kein offizielles Script, sondern nur eine private Mitschrift. Die Mitschriften sind teweilse unvollständig, falsch oder inaktuell, da sie
MehrComputergraphik Grundlagen
Computergraphik Grundlagen V. Die Rendering-Pipeline Prof. Stefan Schlechtweg Hochschule Anhalt Fachbereich Informatik Inhalt Lernziele 1. Der Begriff Rendering 2. Die Rendering-Pipeline Geometrische Modellierung
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten
MehrÜbungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS
Doz.Dr. Norbert Koksch TU DRESDEN Fachrichtung Mathematik, Institut für Analysis Übungsaufgaben LAAG I für Lehramtsstudenten GS, MS, BS Logik: Übungsaufgabe 1. Begründen Sie, ob es sich um eine Aussage
MehrGeometrische Maße oder,... wie kann man quantitative Aussagen über geometrische Objekte erhalten?
In der euklidischen Geometrie der Mittelstufe ging es zumeist um geometrische Konstruktionen und um qualitative Aussagen über geometrische Objekte in Bezug zueinander. Möchte man, insbesondere im dreidimensionalen
MehrBildtransformationen. Geometrische Transformationen Grauwert-Interpolation
Bildtransformationen Geometrische Transformationen Grauwert-Interpolation Transformation Transformation zwei Schritte geometrische Transformation (Trafo der Koordinaten) Neuberechnung der Pielwerte an
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrErinnerung. Arbeitsschritte der Computergraphik. Modellierung. Animation. Rendering. Ausgabemedium. Generierung
Erinnerung Arbeitsschritte der Computergraphik Modellierung Animation Generierung Ausgabemedium Graphik/-Pipeline Wandelt die Beschreibung einer Szene im dreidimensionalen Raum in eine zweidimensionale
MehrTechnische Universität München. Fakultät für Informatik
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Thema: Kameramodelle und Kamerakalibrierung Proseminar: Grundlagen Bildverstehen/Bildgestaltung Michaela
Mehr:= Modellabbildung. Bildsynthese (Rendering) Bildsynthese
Geometrisches Modell bestehend aus Datenstrukturen zur Verknüpfung geometrischer Primitive, welche eine Gesamtszene beschreiben Bildsynthese := Modellabbildung Pixelbasiertes Modell zur Darstellung eines
MehrGegeben ist die Funktion f durch. Ihr Schaubild sei K.
Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrGraphische Datenverarbeitung und Bildverarbeitung
Graphische Datenverarbeitung und Bildverarbeitung Hochschule Niederrhein Clippen in 2D und 3D Graphische DV und BV, Regina Pohle, 19. Clippen in 2D und 3D 1 Einordnung in die Inhalte der Vorlesung Einführung
MehrKapitel 0. Einführung. 0.1 Was ist Computergrafik? 0.2 Anwendungsgebiete
Kapitel 0 Einführung 0.1 Was ist Computergrafik? Software, die einen Computer dazu bringt, eine grafische Ausgabe (oder kurz gesagt: Bilder) zu produzieren. Bilder können sein: Fotos, Schaltpläne, Veranschaulichung
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrH. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
Mehr2. Erfassung und Verarbeitung von Sensordaten
2. Erfassung und Verarbeitung von Sensordaten Lernziele 2. Erfassung und Verarbeitung von Sensordaten Lernziele: Typische in mobilen Geräten enthaltene Sensorarten kennen, Daten von solchen Sensoren empfangen
MehrLineare Algebra und Computer Grafik
Lineare Algebra und Computer Grafik Vorlesung an der Hochschule Heilbronn (Stand: 7 Mai ) Prof Dr V Stahl Copyright 6 by Volker Stahl All rights reserved Inhaltsverzeichnis Vektoren 4 Vektoren und Skalare
Mehr4. Kapitel 3D Engine Geometry
15.11.2007 Mathematics for 3D Game Programming & Computer Graphics 4. Kapitel 3D Engine Geometry Anne Adams & Katharina Schmitt Universität Trier Fachbereich IV Proseminar Numerik Wintersemester 2007/08
MehrLernskript. Technisch-angewandte Informatik. Kerngebiete: Technische Informatik Angewandte Informatik. Vertiefungsgebiet:
Lernskript Technisch-angewandte Informatik Kerngebiete: Technische Informatik Angewandte Informatik Vertiefungsgebiet: A1 (Methoden der Informatik für spezielle Anwendungen) FRAGEN Computergrafik Allgemeines
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrComputergrafik 1 3D Rendering
Computergrafik 3D Rendering Hearn/Baker 5.9-6,7.-9,7. Based on material b Werner Purgathofer and Dieter Schmalstieg Creating an Illusion The environment The imaging process = rendering The camera 2 Rendering
MehrComputer Vision SS 2011. Skript
Computer Vision SS 211 Skript (Work in Progress) Simon Hawe & Martin Kleinsteuber Skript: Manuel Wolf Inhaltsverzeichnis 1 Einführung 1 1.1 Was ist ein Bild?................................. 1 1.2 Wie
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrWorkshop: Einführung in die 3D-Computergrafik. Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar
Workshop: Einführung in die 3D-Computergrafik Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar 1 Organisatorisches Tagesablauf: Vormittags: Theoretische Grundlagen Nachmittags: Bearbeitung
MehrAusgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von
Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,
MehrZwei Aufgaben, die auf windschiefe Regelflächen führen,
Zwei Aufgaben, die auf windschiefe Regelflächen führen, von À. KIEFER (Zürich). (Als Manuskript eingegangen am 25. Januar 1926.) I. Gesucht im Raum der Ort des Punktes, von dem aus die Zentralprojektionen
Mehr( -1 2 ) -2. Gesamtschule Duisburg-Mitte. Abbildungen. Affine Abbildungen. 1. Spiegelung an den Koordinatenachsen A( 1 / 4 ) -> A'( -1 / 5 )
Duisurg-Mitte e/04 Aildungen Im zweidimensionalen Raum werden Figuren durch Rechen- / Aildungsvorschriften auf andere Figuren ageildet. Die ursprünglichen Figuren werden mit Buchstaen A,B,C usw. enannt,
MehrHöhere Mathematik I. 1. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel. Winter 2007/08
Dr. A. App Dr. M. Pfeil. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel Höhere Mathematik I Winter 7/8 Aufgabe P. Binomialkoeffizienten Berechnen Sie ohne Taschenrechner: ( ) (a) x = 5 ( ) ( ) ( ) (b)
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrVektorgeometrie. mathenachhilfe.ch. Version: 28. Dezember 2007 (Bitte nur für den Eigengebrauch verwenden) 1. Mathematische Operationen für Vektoren
Vektorgeometrie Version: 28. Dezemer 2007 Bitte nur für den Eigengerauch verwenden) mathenachhilfe.ch. Mathematische Operationen für Vektoren Addition + a + 3 = a + + + 3 + Sutraktion a 3 = a 3 Skalare
MehrWir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.
2 Ein wenig projektive Geometrie 2.1 Fernpunkte 2.1.1 Projektive Einführung von Fernpunkten Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden
Mehr3D-Model Reconstruction using Vanishing Points
3D-Model Reconstruction using Vanishing Points Seminar: Ausgewä hlte Themen zu "Bildverstehen und Mustererkennung" Dozenten: Prof. Dr. Xiaoyi Jiang, Dr. Da-Chuan Cheng, Steffen Wachenfeld, Kai Rothaus
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt 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
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg,
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg, Literatur Richard Hartle and Andrew Zisserman. Multiple View Geometr in computer vision, Cambridge Universit Press, 2 nd Ed., 23. O.D.
MehrComputergrafik 1. 2D Rendering
Computergrafik 2D Rendering Hearn/Baker 32., 3.4-3.6,5. 5.8, 6. 6.8, 6. Based on material b Werner Purgathofer, Gerhard Reitmar and Dieter Schmalstieg 2D Racasting Inhalt Einfaches Rendering Model 2D Transformationen
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
MehrQuaternionen, Kampfflugzeuge und Computerspiele
Quaternionen, Kampfflugzeuge und Computerspiele Nikolai Nowaczyk http://math.nikno.de/ Lars Wallenborn http://www.wallenborn.net/ 29.06.-05.07. 2012 Inhaltsverzeichnis
MehrEin Modell zur automatischen Bestimmung von Gelenkmittelpunkten anhand von 3D Motion Capture-Daten
Universität Augsburg - Lehrstuhl für Multimedia Computing Bachelorarbeit Ein Modell zur automatischen Bestimmung von Gelenkmittelpunkten anhand von 3D Motion Capture-Daten Moritz Benedikt Laudahn 17. August
MehrSCHIEFE AXONOMETRIE MIT DEM COMPUTER
Mathematica Pannonica 18/2 (2007), xx xx SCHIEFE AXONOMETRIE MIT DEM COMPUTER Abdolrahim David Faroghi Lehrstuhl für Angewandte Mathematik, Montanuniversität Leoben, A-8700 Leoben, Österreich Hans Günther
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrInternal Report 06 01. Inkrementelle Akquisition von 3D-Objektmodellen
Internal Report 06 01 Inkrementelle Akquisition von 3D-Objektmodellen by Lars Heyden Ruhr-Universität Bochum Institut für Neuroinformatik 44780 Bochum IR-INI 06 01 April 2006 ISSN 0943-2752 c 2006 Institut
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade
MehrGrundlagen der Mathematik II
Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für
MehrVorlesung INFORMATIK 2
Prof. Dr. J. Dankert FH Hamburg Vorlesung INFORMATIK 2 2 Inhalt 1 Graphische Darstellung dreidimensionaler Objekte 4 1.1 Homogene Koordinaten 5 1.2 Transformationen 5 1.2.1 Geometrische Transformationen
MehrPrüfungsprotokoll Computergrafik 1 und 2 (1692 & 1693) Prüfer: M. Felten von: Lindig Florian. Dauer: 30 min jeweils. Note: 1.
Prüfungsprotokoll Computergrafik 1 und 2 (1692 & 1693) Prüfer: M. Felten von: Lindig Florian Dauer: 30 min jeweils Note: 1.0 jeweils Alles in allem eine lockere Atmosphäre, man bekommt genug Papier und
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
MehrBeispiel zur Lösung eines Gleichungssystems : 6 y + z = 15 0 6 1. 15 12 x + 3 y 3 z = 15 12 3 3. 15 2 x 3 y = 4 2 3 0.
Beispiel zur Lösung eines Gleichungssystems : 6 y + z = 5 0 6 5 2 x + 3 y 3 z = 5 2 3 3 5 2 x 3 y = 4 2 3 0 4 z2 /3 z : 3 2 x 3 y = 4 2 3 0 4 4 x + y z = 5 4 5 6 y + z = 5 0 6 5 z2 + 2 z 2 x 3 y = 4 2
MehrVorgehen zur Kalibrierung von Kamerabildern
Vorgehen r Kalibrierng von Kamerabildern Prof. Dr.-Ing. Bernhard Lang, 06.04.2013 3 Kalibrierng von Kamerabildern 3.1 Hintergrnd Eine reale Kamera lässt sich geometrisch drch eine Lochkamera modellieren.
MehrPraktikumsversuch. Kamerakalibrierung. S. Rahmann und H. Burkhardt
Praktikumsversuch Kamerakalibrierung S. Rahmann und H. Burkhardt . Inhaltsverzeichnis 1 Kamerakalibrierung 5 1.1 Einleitung............................... 5 1.2 Projektive Geometrie.........................
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrProbestudium der Physik: Mathematische Grundlagen
Probestudium der Physik: Mathematische Grundlagen Ludger Santen 1. Februar 2013 Fachrichtung Theoretische Physik, Universität des Saarlandes, Saarbrücken 1 Einführung Die Mathematik ist die Sprache der
MehrEine solche Anordnung wird auch Fabry-Pérot Interferometer genannt
Interferenz in dünnen Schichten Interferieren die an dünnen Schichten reflektierten Wellen miteinander, so können diese sich je nach Dicke der Schicht und Winkel des Einfalls auslöschen oder verstärken
MehrSCHIEFE AXONOMETRIE MIT DEM COMPUTER
Mathematica Pannonica 18/2 (2007), 229 245 SCHIEFE AXONOMETRIE MIT DEM COMPUTER Abdolrahim David Faroghi Lehrstuhl für Angewandte Mathematik, Montanuniversität Leoben, A-8700 Leoben, Österreich Hans Günther
MehrGrundlagen der Computer-Tomographie
Grundlagen der Computer-Tomographie Quellenangabe Die folgenden Folien sind zum Teil dem Übersichtsvortrag: imbie.meb.uni-bonn.de/epileptologie/staff/lehnertz/ct1.pdf entnommen. Als Quelle für die mathematischen
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrComputer-Graphik 2 Visibility Computations II Culling
lausthal omputer-raphik 2 Visibility omputations II ulling lausthal University, ermany zach@in.tu-clausthal.de Klassifikation (Erinnerung) Problemklassen innerhalb des Bereichs "Visibility omputations":
MehrSO(2) und SO(3) Martin Schlederer. 06. Dezember 2012
SO(2) und SO(3) Martin Schlederer 06. Dezember 2012 Inhaltsverzeichnis 1 Motivation 2 2 Wiederholung 2 2.1 Spezielle Orthogonale Gruppe SO(n)..................... 2 2.2 Erzeuger.....................................
MehrTechnische Universität
Technische Universität München Fakultät für Informatik Forschungs- und Lehreinheit Informatik IX Stereo Vision: Epipolargeometrie Proseminar: Grundlagen Bildverarbeitung/Bildverstehen Alexander Sahm Betreuer:
Mehr2.1 Codes: einige Grundbegriffe
Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen
MehrStudienarbeit Interaktive Visualisierung von 4-dimensionalen Objekten
Studienarbeit Interaktive Visualisierung von 4-dimensionalen Objekten vorgelegt von Andreas Mosig Matrikelnummer 200210251 Betreuer: Prof. Dr. Stefan Müller Koblenz, im April 2005 Inhaltsverzeichnis 1
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrQuelle/Referenz für dieses Kapitel: Springborn [2, Lectures 28/29] hx a,vi
8 Möbiusgeometrie Quelle/Referenz für dieses Kapitel: Springborn [2, Lectures 28/29] 17.+21. Juni 2013 8.1 Spiegelung an einer Sphäre Jede Hyperebene H R n kann in der Form H = {x 2 R n : hx werden, wobei
MehrDefinition und Eigenschaften Finiter Elemente
Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:
MehrArbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II
Arbeitsblätter zum Thema Papierfalten und Algebra für den Unterricht Hochbegabter in der Sekundarstufe II Robert Geretschläger Graz, Österreich, 2009 Blatt 1 Lösen quadratischer Gleichungen mit Zirkel
Mehrbilinear interpoliert ideal interpoliert
Bildverarbeitung und Objekterkennung Privatdozent (PD) Dr.-Ing. habil. K.-H. Franke Technische Universität Ilmenau Fakultät für Informatik und Automatisierung Institut für Prakt. Inf. und Medieninf. Fachgebiet
Mehr& REGELUNGSTECHNIK AUTOMATISIERUNGS- Fachvertiefung WS 2012/2013
- Fachvertiefung WS 01/013 AUTOMATISIERUNGS- & REGELUNGSTECHNIK Dipl.-Ing. Tobias Glück Dr.-Ing. Wolfgang Kemmetmüller Univ.-Prof. Dr. techn. Andreas Kugi Automatisierungs- und Regelungstechnik Fachvertiefung
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
MehrDAS SNELLIUSSCHE BRECHUNGSGESETZ UND LINSEN MIT EXAKT PUNKTFÖRMIGEM FOKUS. Eugen Grycko, Werner Kirsch, Tobias Mühlenbruch
DAS SNELLIUSSCHE BRECHUNGSGESETZ UND LINSEN MIT EXAKT PUNKTFÖRMIGEM FOKUS Eugen Grycko, Werner Kirsch, Tobias Mühlenbruch Fakultät für Mathematik und Informatik FernUniversität Universitätsstraße 1 Hagen
MehrHarm Pralle. Codierungstheorie WS 2005/06. Institut Computational Mathematics Technische Universität Braunschweig
Harm Pralle Codierungstheorie WS 2005/06 Institut Computational Mathematics Technische Universität Braunschweig II Literatur: A. Beutelspacher und U. Rosenbaum. Projektive Geometrie. Vieweg, Wiesbaden
Mehr3D-Algebra Version 2
3D-Algebra Version 2 Fakultät für Mathematik und Informatik Datenbanksysteme für neue Anwendungen FernUniversität in Hagen 19.November 2015 c 2015 FernUniversität in Hagen Das Ziel Repräsentation von Punkten,
MehrDAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
MehrAbituraufgabe zur analytischen Geometrie, Hessen 2013, B2, Grundkurs (TR)
Abituraufgabe zur analytischen Geometrie, Hessen 2013, B2, Grundkurs (TR) 1 Bei Ausgrabungen wurden die Überreste einer 4500 Jahre alten Pyramide entdeckt. Die Abbildung zeigt die Ansicht der Pyramidenruine
MehrInformatik für Maschinenbau-Ingenieure II
Informatik für Maschinenbau-Ingenieure II Helmut Weberpals Technische Universität Hamburg Harburg Sommersemester 2008 nota bene Computergraphik und Animation zu erlernen gleicht dem Erlernen eines Musikinstruments.
MehrGrundwissen Mathematik 10. Klasse. Eigenschaften Besonderheiten - Beispiele
Themen Eigenschften Besonderheiten - Beispiele Kreis beknnt us Klsse 8: U Kreis = 2 π r A Kreis = r 2 π Kreissektor Bogenlänge b Flächeninhlt Kreissektor: Die Länge b des Kreisbogens und der Flächeninhlt
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung Mathematik Klausuraufgaben zur Mathematik - von Wolfgang Langguth Aufgabenstellungen
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
MehrWeitere Aufgaben Mathematik (BLF, Abitur) Hinweise und Beispiele zu hilfsmittelfreien Aufgaben
Weitere Aufgaben Mathematik (BLF, Abitur) Hinweise und Beispiele zu hilfsmittelfreien Aufgaben Aufgabe C Gegeben ist eine Funktion f durch f ( ) = + 3. Gesucht sind lineare Funktionen, deren Graphen zum
MehrEinführung in Maple. Kap. 2: Graphik mit Maple. Graphik mit Maple. Stand Januar 2015 (Version 3.0) - F.Wünsch
Einführung in Maple Stand Januar 2015 (Version 3.0) - F.Wünsch Dieses Skript basiert auf Kursen von Julian Berwanger Martin Decker Thomas Pruschke Joachim Keller und Harald Dobler Florian Chmela und Roland
MehrKlausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth
Hochschule für Technik und Wirtschaft des Saarlandes University of Applied Sciences Fakultät für Ingenieurswissenschaften Bachelorstudiengang Biomedizinische Technik Prof. Dr. W. Langguth Klausuraufgabensammlung
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrGrundlagen der digitalen Bildverarbeitung / Fortsetzung
Grundlagen der digitalen Bildverarbeitung / Fortsetzung Wir haben bereits zwei Beispiele digitaler Bildfilter gesehen. Es gibt eine große Menge von Filtern mit ganz unterschiedlicher Auswirkung auf das
Mehr3D rendering. Introduction and interesting algorithms. PHP Usergroup Dortmund, Dortmund, 2006-12-14. Kore Nordmann <kore@php.net>
3D rendering Introduction and interesting algorithms PHP Usergroup Dortmund, Dortmund, 2006-12-14 Kore Nordmann Speaker Kore Nordmann Studies computer science at the University Dortmund
MehrEinführung in die Vektorgeometrie und Lineare Algebra
Vektorgeometrie und Lineare Algebra 1 Einführung in die Vektorgeometrie und Lineare Algebra Anhang: Anleitung zur Nutzung des Computer-Algebra-Systems MAPLE in der Linearen Algebra Prof. Siegfried Krauter
Mehr