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

Größe: px
Ab Seite anzeigen:

Download "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"

Transkript

1 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

2 Motivation Transformationen Sind Grundlage vieler Verfahren der Computergrafik Model- und View-Transformation Projektionstransformation Einsatz in vielen weiteren Verfahren Bump Mapping Shadow Mapping Billboarding... Mathematische Grundlage sind lineare und affine Abbildungen mittels Matrizen Johannes Diemke OpenGL mit Java WiSe 2010 / /26

3 Grundlagen Matrix Rechteckige Anordnung von Elementen Schlüsselkonzept der linearen Algebra In der Computergrafik von elementarer Bedeutung: Lineare und affine Abbildungen Beschreiben Transformationen zwischen Koordinatensystemen Notation Aneinanderreihung der Elemente in Zeilen und Spalten Durch fettgedruckte Großbuchstaben bezeichnet Johannes Diemke OpenGL mit Java WiSe 2010 / /26

4 Grundlagen Transponieren einer Matrix Die transponierte Matrix A T einer r c-matrix A ergibt sich durch Vertauschen der Zeilen mit den Spalten Das Ergebnis ist eine c r-matrix Transponieren als Involution (M T ) T = M Johannes Diemke OpenGL mit Java WiSe 2010 / /26

5 Grundlagen Multiplikation mit einem Skalar Eine m n-matrix M kann mit einem Skalar k multipliziert werden Ergebnis ist wieder eine m n-matrix km Jedes Element wird mit k multipliziert Johannes Diemke OpenGL mit Java WiSe 2010 / /26

6 Grundlagen Matrixmultiplikation Eine r n-matrix A kann mit einer n c-matrix B multipliziert werden Das Ergebnis ist eine r c-matrix Johannes Diemke OpenGL mit Java WiSe 2010 / /26

7 Grundlagen Matrixmultiplikation (Forts.) Die Elemente c ij der r c-matrix C = AB ergeben sich zu Johannes Diemke OpenGL mit Java WiSe 2010 / /26

8 Grundlagen Rechenregeln für Matrizen Nicht kommutativ AB BA Assoziativ (AB)C = A(BC) Inverse eines Produktes (AB) 1 = B 1 A 1 Transponieren eines Produkts (AB) T = B T A T Johannes Diemke OpenGL mit Java WiSe 2010 / /26

9 Grundlagen Die Einheitsmatrix Spezielle Diagonalmatrix Hat nur Einsen auf der Diagonalen Neutrales Element bzgl. Multiplikation IA = AI = A Johannes Diemke OpenGL mit Java WiSe 2010 / /26

10 Grundlagen Vektoren als Matrizen Vektoren der Dimension n können als Matrizen aufgefasst werden 1 n-matrix (Zeilenvektor) n 1-Matrix (Spaltenvektor) Aus geometrischer Sicht sind beide Notationen identisch Unterscheidung bei Matrixmultiplikation aber wichtig Johannes Diemke OpenGL mit Java WiSe 2010 / /26

11 Grundlagen Vektor-Matrix-Multiplikation Möglich, da Vektoren als Matrizen aufgefasst werden können Es gelten die gleichen Regeln Johannes Diemke OpenGL mit Java WiSe 2010 / /26

12 Lineare Transformationen Geometrische Interpretation Eine quadratische Matrix kann jede lineare Transformation beschreiben Gerade und parallele Geraden bleiben erhalten Der Urspung bewegt sich nicht Längen, Winkel, Flächen und Volumen können sich aber ändern Lineare Transformationen Rotation Skalierung Reflexion Scherung Orthographische Projektion Johannes Diemke OpenGL mit Java WiSe 2010 / /26

13 Lineare Transformationen Wie transformiert eine Matrix einen Vektor? Ein Vektor kann als Linearkombination von Basisvektoren aufgefasst werden Bezeichnen wir die Basisvektoren mit e 1, e 2 und e 3 erhalten wir v = xe 1 + ye 2 + ze 3 Der Vektor v kann durch einen Basiswechsel auf v abgebildet werden v = xa 1 + ya 2 + za 3 Johannes Diemke OpenGL mit Java WiSe 2010 / /26

14 Lineare Transformationen Wie transformiert eine Matrix einen Vektor? (Forts.) v hat im neuen System immer noch dieselben Komponenten wie v Bzgl. des [e 1, e 2, e 3 ]-Systems haben sie sich aber geändert Johannes Diemke OpenGL mit Java WiSe 2010 / /26

15 Lineare Transformationen Wie transformiert eine Matrix einen Vektor? (Forts.) Die Komponente des Vektors v im [e 1, e 2, e 3 ]-Systems ergeben sich zu v = xa 1 + ya 2 + za 3 Das läßt sich aber prägnanter durch eine Matrixmultiplikation ausdrücken v = a 1x a 2x a 3x a 1y a 2y a 3y a 1z a 2z a 3z x y z = Av Johannes Diemke OpenGL mit Java WiSe 2010 / /26

16 Lineare Transformationen Zusammenfassung Die Spalten einer Matrix können als Basisvektoren aufgefasst werden Multiplikation mit einer Matrix M Führt zu Basiswechsel Transformation von einem Koordinatensystem in ein anderes Gibt an wie v nach Basiswechsel im alten Koordinatensystem aussieht Konkatenation von Transformationen durch Matrixmultiplikation v = (A 4 (A 3 (A 2 (A 1 v)))) = (A 4 A 3 A 2 A 1 )v Lineare Transformationen ermöglichen keine Translation v = A0 = 0 Johannes Diemke OpenGL mit Java WiSe 2010 / /26

17 Lineare Transformationen Visualisieren einer Transformationsmatrix Jede Spalte der Matrix stellt einen Basisvektor nach der Transformation dar a 1 = Ae 1 a 2 = Ae 2 a 3 = Ae 3 a 1, a 2 und a 3 stellen die Achsen nach der Transformation dar Aus dieser Einsicht folgt Konstruktion einer Matrix für gegebene Transformation ist einfach Wie wirkt sich die Transformation auf die Basisvektoren aus? Transformierte Basisvektoren bilden dann die Matrix Johannes Diemke OpenGL mit Java WiSe 2010 / /26

18 Lineare Transformationen Visualisieren einer Transformationsmatrix (Forts.) Darstellung der Basisvektoren einer Transformation Johannes Diemke OpenGL mit Java WiSe 2010 / /26

19 Lineare Transformationen Skalierung Die Skalierung ist eine lineare Abbildung Vegrößert oder verkleinert Vektoren k x 0 0 S(k x, k y, k z ) = 0 k y k z Inverse S 1 (k x, k y, k z ) = S(1/k x, 1/k y, 1/k z ) Johannes Diemke OpenGL mit Java WiSe 2010 / /26

20 Lineare Transformationen Rotation Die Rotation ist eine lineare Abbildung Rotiert Vektoren cos θ sin θ 0 R z (θ) = sin θ cos θ Rotations-Matrizen sind orthogonal Inverse AA T = I A 1 = A T Rz 1 (θ) = R z ( θ) = Rz T (θ) Johannes Diemke OpenGL mit Java WiSe 2010 / /26

21 Lineare Transformationen Rotation (Forts.) Rotation um die x-achse R x (θ) = 0 cos θ sin θ 0 sin θ cos θ Rotation umd die y-achse cos θ 0 sin θ R y (θ) = sin θ 0 cos θ Inverse Rx 1 (θ) = R x ( θ) = Rx T (θ) (θ) = R y ( θ) = Ry T (θ) R 1 y Johannes Diemke OpenGL mit Java WiSe 2010 / /26

22 Affine Transformationen Affine Transformationen Sind ein wichtiges Hilfsmittel in der Computergrafik Ermöglichen Orientierung und Bewegung Lineare Abbildung plus Translation x = Ax + p Problem Transformationen nicht mehr über reine Matrixmultiplikation möglich Konkatenation auch nicht Lösung: Homogene Koordinaten Johannes Diemke OpenGL mit Java WiSe 2010 / /26

23 Affine Transformationen Homogene Koordinaten Eine affine Abbildung x = Ax + p kann in eine Matrixmultiplikation überführt werden x = Mx Dazu ist M folgendermaßen zu wählen a 1,1 a 1,2 a 1,3 p 1 M = a 2,1 a 2,2 a 2,3 p 2 a 3,1 a 3,2 a 3,3 p x ist dann in homogene Koordinaten x zu überführen (x 1, x 2, x 3 ) (x 1, x 2, x 3, 1) Johannes Diemke OpenGL mit Java WiSe 2010 / /26

24 Affine Transformationen Homogene Koordinaten (Forts.) M kann über eine Matrixdekomposition zerlegt werden Linearer Anteil R Affiner Anteil T M = TR = p p p Vorteile homogener Koordinaten a 1,1 a 1,2 a 1,3 0 a 2,1 a 2,2 a 2,3 0 a 3,1 a 3,2 a 3, Einheitliche Behandlung aller Transformationen Konkatenation von Transformationen durch Matrixmultiplikation Komplexe Transformationen durch Gesamttransformationsmatrix Johannes Diemke OpenGL mit Java WiSe 2010 / /26

25 Literatur Dave Shreiner OpenGL Programming Guide Richard S. Wright, Benjamin Lipchak und Nicholas Haemel OpenGL SuperBibel Randi J. Rost OpenGL Shading Language Tomas Akenine-Möller, Eric Haines und Naty Hoffman Real-Time Rendering Johannes Diemke OpenGL mit Java WiSe 2010 / /26

26 Literatur Edward Angel Interactive Computer Graphics angel/ Gerald Farin und Dianne Hansford Practical Linear Algebra Fletcher Dunn und Ian Parberry 3D Math Primer for Graphics and Game Development Johannes Diemke OpenGL mit Java WiSe 2010 / /26

C A R L V O N O S S I E T Z K Y. Texture-Mapping. 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. Texture-Mapping. 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 Texture-Mapping Johannes Diemke Übung im Modul OpenGL mit Java Wintersemester 2010/2011 Grundlagen Graphische Primitiven werden mit Bildern versehen Eingeführt von Dr. Edwin

Mehr

C A R L V O N O S S I E T Z K Y. Wavefront OBJ Format. 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. Wavefront OBJ Format. 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 Wavefront OBJ Format Johannes Diemke Übung im Modul OpenGL mit Java Wintersemester 2010/2011 Motivation 3D-Modelle bestehen i. d. R. aus Tausenden von Dreiecken Händische

Mehr

2 Die Algebra der Matrizen

2 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

Mehr

C A R L V O N O S S I E T Z K Y. Licht & Material. 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. Licht & Material. 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 Licht & Material Johannes Diemke Übung im Modul OpenGL mit Java Wintersemester 2010/2011 Motivation Licht & Material Geometrisch gut aussehende Modelle allein sind nicht

Mehr

2 Die Algebra der Matrizen

2 Die Algebra der Matrizen Die Algebra der Matrizen Ein Hauptziel der Vorlesung zur Linearen Algebra besteht darin, Aussagen über die Lösungsmenge linearer Gleichungssysteme zu machen Etwa ob das Gleichungssystem y + z = 1 + y z

Mehr

Lineare Algebra und Computer Grafik

Lineare Algebra und Computer Grafik Lineare Algebra und Computer Grafik Kurze Zusammenfassung (Stand: 3 Juli 2) Prof Dr V Stahl Copyright 28 by Volker Stahl All rights reserved V Stahl Lineare Algebra und Computer Grafik Zusammenfassung

Mehr

Matrizen. Spezialfälle. Eine m nmatrix ist ein rechteckiges Zahlenschema mit. m Zeilen und n Spalten der Form. A = (a ij ) =

Matrizen. 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

Mehr

Computergrafik Universität Osnabrück, Henning Wenke,

Computergrafik Universität Osnabrück, Henning Wenke, Computergrafik Universität Osnabrück, Henning Wenke, 2012-05-30 Korrektur: Kugelkoordinaten II r und θ konstant: Rand einer Kreisscheibe parallel zur xy Ebene z θ fest y θ konstant, r R : Kegel, ausgehend

Mehr

35 Matrixschreibweise für lineare Abbildungen

35 Matrixschreibweise für lineare Abbildungen 35 Matrixschreibweise für lineare Abbildungen 35 Motivation Wir haben gesehen, dass lineare Abbildungen sich durch ihre Wirkung auf die Basisvektoren ausdrücken lassen Mithilfe von Matrizen können wir

Mehr

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

BC 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

Mehr

Transformationen im 3D-Raum

Transformationen 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

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

Mehr

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

I) 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

Mehr

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m

a ij i - te Gleichung (Zeile), i = 1,2,3,..., m I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix

Mehr

Mathematische Erfrischungen III - Vektoren und Matrizen

Mathematische Erfrischungen III - Vektoren und Matrizen Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen

Mehr

Matrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25

Matrizen. Jörn Loviscach. Versionsstand: 14. April 2009, 00:25 Matrizen Jörn Loviscach Versionsstand: 14. April 2009, 00:25 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten (typischerweise Zahlen) heißt Matrix (Mehrzahl: Matrizen) [matrix, matrices].

Mehr

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung

Mehr

Computer graphics. Vektoren und Matrizen. Dr. Ernst Kruijff. Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences

Computer graphics. Vektoren und Matrizen. Dr. Ernst Kruijff. Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences Computer graphics Vektoren und Matrizen Dr. Ernst Kruijff Institute of Visual Computing 3DMi group Bonn-Rhein-Sieg University of Applied Sciences 3 Dm group Einführung Transformationen Sources Online:

Mehr

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2...

MATRIZEN. Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet. a 11 a a 1n a 21. a a 2n A = a m1 a m2... MATRIZEN Eine Matrix ist eine rechteckige Anordnung von Zahlen, als ein Schema betrachtet A = a 11 a 12 a 1n a 21 a 22 a 2n a m1 a m2 a mn A ist eine m n Matrix, dh: A hat m Zeilen und n Spalten A besitzt

Mehr

Geometrische Primitive und Hidden Surface Removal

Geometrische Primitive und Hidden Surface Removal C A R L V O N O S S I E T Z K Y Geometrische Primitive und Hidden Surface Removal Johannes Diemke Übung im Modul OpenGL mit Java Wintersemester 2010/2011 Wiederholung Geometrische Primitive in OpenGL Mit

Mehr

Kapitel 3. Transformationen

Kapitel 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

Mehr

Computergrafik 1 Transformationen

Computergrafik 1 Transformationen Computergrafik 1 Transformationen Kai Köchy Sommersemester 2010 Beuth Hochschule für Technik Berlin Überblick Repräsentationen, Primitiven Transformationen in 2D Skalierung Translation Rotation Scherung

Mehr

1 Matrizenrechnung zweiter Teil

1 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

Mehr

Lösbarkeit linearer Gleichungssysteme

Lösbarkeit 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

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

09. Lineare Abbildungen und Koordinatentransformationen

09. 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

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Vektoren und Matrizen Die multivariate Statistik behandelt statistische Eigenschaften und Zusammenhänge mehrerer Variablen, im Gegensatz zu univariaten Statistik, die in der Regel nur eine Variable untersucht.

Mehr

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18

3 Invertierbare Matrizen Die Inverse einer (2 2)-Matrix Eigenschaften invertierbarer Matrizen... 18 Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik 2 Dr. Thomas Zehrt Vektoren und Matrizen Inhaltsverzeichnis Vektoren(Wiederholung bzw. Selbststudium 2. Linearkombinationen..............................

Mehr

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.

Matrizen. Jörn Loviscach. Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Matrizen Jörn Loviscach Versionsstand: 12. April 2010, 19:00 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Matrix Ein rechteckige Anordnung von mathematischen Objekten

Mehr

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

7. 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

Mehr

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra)

Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Kapitel 6: Matrixrechnung (Kurzeinführung in die Lineare Algebra) Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen

Mehr

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine

Mehr

Matrizen. Jörn Loviscach

Matrizen. Jörn Loviscach Matrizen Jörn Loviscach Versionsstand: 7. April 2010, 14:27 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.youtube.com/joernloviscach 1 Matrix Ein

Mehr

Matrix. Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema. a m,1 a m,2 a m,n. A = (a i,j ) = Matrix 1-1

Matrix. Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema. a m,1 a m,2 a m,n. A = (a i,j ) = Matrix 1-1 Matrix Unter einer (m n)-matrix (m, n N) über einem Körper K versteht man ein Rechteckschema a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = (a i,j ) =.... a m,1 a m,2 a m,n Matrix 1-1 Matrix Unter einer (m n)-matrix

Mehr

Transformation Allgemeines Die Lage eines Punktes kann durch einen Ortsvektor (ausgehend vom Ursprung des Koordinatensystems

Transformation Allgemeines Die Lage eines Punktes kann durch einen Ortsvektor (ausgehend vom Ursprung des Koordinatensystems Transformation - 1 1. Allgemeines 2. Zwei durch eine Translation verknüpfte gleichartige Basissysteme 3. Zwei durch eine Translation verknüpfte verschiedenartige Basissysteme (noch gleiche Orientierung)

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 30 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr

Lineare Transformationen, Teil 1 Lösungen zu den Aufgaben. 1 E1 Ma 1 Lubov Vassilevskaya

Lineare Transformationen, Teil 1 Lösungen zu den Aufgaben. 1 E1 Ma 1 Lubov Vassilevskaya Lineare Transformationen, Teil 1 Lösungen zu den Aufgaben 1 E1 Lineare Transformationen: cc Aufgaben 1, 2 Aufgabe 1: Wenden Sie die Transformation T auf den Punkt P und auf den Vektor OP an. Beschreiben

Mehr

2D-Punkt-Transformationen

2D-Punkt-Transformationen Zur Erinnerung Drehung eines beliebigen Punktes B um den Winkel θ um den Koordinaten-Ursprung zum Punkt B : x B r cosα y B r sin α [r, α: Hilfsgrößen ] x B r cos(α+θ) r (cosα cosθ sinα sinθ) x B cosθ y

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

Mehr

Nützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren

Nützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren L5.4 Inverse einer Matrix Ausgangsfrage: Wie löst man ein lineares Gleichungsystem (LSG)? Betrachte n lineare Gleichungen für n Unbekannte: Ziel: durch geeignete Umformungen bringe man das LSG in folgende

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

Bernhard Strigel Gymnasium Kollegstufe 2009/11 Leistungskurs Mathematik M2 Klemens Schölhorn. Facharbeit

Bernhard Strigel Gymnasium Kollegstufe 2009/11 Leistungskurs Mathematik M2 Klemens Schölhorn. Facharbeit Bernhard Strigel Gymnasium Kollegstufe 2009/11 Memmingen Leistungskurs Mathematik M2 Klemens Schölhorn Facharbeit Das Rechnen mit Matrizen und Anwendungen in der Abbildungsgeometrie (Mathematische Grundlagen

Mehr

Inhaltsverzeichnis. 1 Hardwaregrundlagen

Inhaltsverzeichnis. 1 Hardwaregrundlagen Inhaltsverzeichnis 1 Hardwaregrundlagen 2.1 Koordinatentransformationen 2.2 Transformationen in der Ebene 2.3 Transformationen im Raum 3 Repräsentation und Modellierung von Objekten 4 Rasterung 5 Visibilität

Mehr

Mathematische Grundlagen der Computerlinguistik Lineare Algebra

Mathematische Grundlagen der Computerlinguistik Lineare Algebra Mathematische Grundlagen der Computerlinguistik Lineare Algebra Dozentin: Wiebke Petersen 10. Foliensatz Wiebke Petersen math. Grundlagen 1 Einleitung Die lineare Algebra beschäftigt sich mit Vektorräumen

Mehr

2 Matrizenrechnung und Lineare Gleichungssysteme

2 Matrizenrechnung und Lineare Gleichungssysteme Technische Universität München Florian Ettlinger Ferienkurs Lineare Algebra Vorlesung Dienstag WS 2011/12 2 Matrizenrechnung und Lineare Gleichungssysteme 2.1 Matrizenrechnung 2.1.1 Einführung Vor der

Mehr

L5 Matrizen I: Allgemeine Theorie

L5 Matrizen I: Allgemeine Theorie L5 Matrizen I: Allgemeine Theorie Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen

Mehr

4 Lineare Abbildungen

4 Lineare Abbildungen 17. November 2008 34 4 Lineare Abbildungen 4.1 Lineare Abbildung: Eine Funktion f : R n R m heißt lineare Abbildung von R n nach R m, wenn für alle x 1, x 2 und alle α R gilt f(αx 1 ) = αf(x 1 ) f(x 1

Mehr

Nützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren

Nützliches Hilfsmittel (um Schreiberei zu reduzieren): 'Erweiterte Matrix': Gauß- Verfahren L5.4 Inverse einer Matrix Ausgangsfrage: Wie löst man ein lineares Gleichungsystem (LSG)? Betrachte n lineare Gleichungen für n Unbekannte: Ziel: durch geeignete Umformungen bringe man das LSG in folgende

Mehr

Vektorräume und Rang einer Matrix

Vektorräume und Rang einer Matrix Universität Basel Wirtschaftswissenschaftliches Zentrum Vektorräume und Rang einer Matrix Dr. Thomas Zehrt Inhalt:. Lineare Unabhängigkeit 2. Vektorräume und Basen 3. Basen von R n 4. Der Rang und Rangbestimmung

Mehr

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren

Zusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier

Mehr

Affine Koordinatentransformationen

Affine Koordinatentransformationen Affine Koordinatentransformationen Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 017/18 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen

Mehr

In den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha):

In den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha): 3 Matrizen Jörn Loviscach Versionsstand: 20. März 2012, 16:02 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html This work is licensed

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Komplexe Zahlen 5 Lineare Algebra 6 Lineare Programme 5 Lineare Algebra

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor) Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.

Mehr

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN 13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix

Mehr

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Lineare 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

Mehr

Lineare Algebra & Geometrie 2

Lineare Algebra & Geometrie 2 Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 2 WINTERSEMESTER 217/18 *#$?!! Kapitel 2 Lineare Algebra & Geometrie 2 Lineare Abbildungen & Matrizen Linearkombinationen x 1 x 2

Mehr

8 Lineare Abbildungen und Matrizen

8 Lineare Abbildungen und Matrizen 8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume

Mehr

L5 Matrizen I. Matrix: (Plural: Matrizen)

L5 Matrizen I. Matrix: (Plural: Matrizen) L5 Matrizen I Matrix: (Plural: Matrizen) Vielfältige Anwendungen in der Physik: - Lösung von linearen Gleichungsystemen - Beschreibung von Drehungen - Beschreibung von Lorenz-Transformationen (spezielle

Mehr

= 9 10 k = 10

= 9 10 k = 10 2 Die Reihe für Dezimalzahlen 1 r = r 0 +r 1 10 +r 1 2 100 + = r k 10 k, wobei r k {0,,9} für k N, konvergiert, da r k 10 k 9 10 k für alle k N und ( 1 ) k 9 10 k 9 = 9 = 10 1 1 = 10 10 k=0 k=0 aufgrund

Mehr

Mathematische Grundlagen

Mathematische 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

Mehr

Kapitel 2: Mathematische Grundlagen

Kapitel 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

Mehr

In den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha):

In den USA verwendet man statt dessen eckige Klammern, was sich in der Software niederschlägt (mit Ausnahmen wie Wolfram Alpha): 3 Matrizen Jörn Loviscach Versionsstand: 28. März 2015, 21:32 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen beim Ansehen der Videos: http://www.j3l7h.de/videos.html This work is licensed

Mehr

Computergrafik 1 Übung

Computergrafik 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

Mehr

Ökonometrische Analyse

Ökonometrische Analyse Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der

Mehr

Computergrafik Universität Osnabrück, Henning Wenke,

Computergrafik Universität Osnabrück, Henning Wenke, Computergrafik Universität Osnabrück, Henning Wenke, 212-5-7 Noch Kapitel III: Transformationen 2D Rotation um freies Rotationszentrum y α P(p x, p y ) Ziel: Rotiere Punkte r i um Winkel α um P und erhalte

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 15.11.2013 Alexander Lytchak 1 / 12 Erinnerung Eine Abbildung f : V W zwischen reellen Vektorräumen ist linear, wenn

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler

Mehr

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und

Mehr

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle 2. Matrixalgebra Warum Beschäftigung mit Matrixalgebra? Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle bequeme mathematische

Mehr

Kapitel 3: Geometrische Transformationen

Kapitel 3: Geometrische Transformationen [ Computeranimation ] Kapitel 3: Geometrische Transformationen Prof. Dr. Stefan M. Grünvogel stefan.gruenvogel@fh-koeln.de Institut für Medien- und Phototechnik Fachhochschule Köln 3. Geometrische Transformationen

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

3 Matrizen und Lineare Gleichungssysteme

3 Matrizen und Lineare Gleichungssysteme 3 Matrizen und LGS Pink: Lineare Algebra HS 2014 Seite 38 3 Matrizen und Lineare Gleichungssysteme 3.1 Definitionen Sei K ein Körper, und seien m,n,l natürliche Zahlen. Definition: Eine Matrix mit m Zeilen

Mehr

Transformation - Homogene Koordinaten. y + b )

Transformation - Homogene Koordinaten. y + b ) Transformation - Homogene Koordinaten In der "üblichen" Behandlung werden für die Verschiebung (Translation) und die Drehung (Rotation) verschiedene Rechenvorschriften benutzt - einmal Addition von Vektoren

Mehr

3.1 Motivation. - Mit (mehreren) Koordinatentransformationen wird das Objektsystem in das Gerätesystem transformiert.

3.1 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

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri

Lineare Algebra. Gymnasium Immensee SPF PAM. Bettina Bieri Lineare Algebra Gymnasium Immensee SPF PAM Bettina Bieri 6. Oktober 2011 Inhaltsverzeichnis 1 Matrizen 1 1.1 Einleitung............................. 1 1.2 Der Begriff Matrix........................ 1 1.2.1

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

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:

Mehr

MLAN1 1 MATRIZEN 1 0 = A T =

MLAN1 1 MATRIZEN 1 0 = A T = MLAN1 1 MATRIZEN 1 1 Matrizen Eine m n Matrix ein rechteckiges Zahlenschema a 11 a 12 a 13 a 1n a 21 a 22 a 23 a 2n a m1 a m2 a m3 amn mit m Zeilen und n Spalten bestehend aus m n Zahlen Die Matrixelemente

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

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

Lineare Algebra 1. . a n1 a n2 a n3 a nm

Lineare Algebra 1. . a n1 a n2 a n3 a nm Lineare Algebra 1 Lineare Algebra Hilfreiche Konzepte zur Vereinfachung der Darstellung und Berechnung stellt die lineare Algebra bereit. Auch wenn sie nur an wenigen Stellen des Buches verwendet wurden,

Mehr

Blatt 06.3: Matrizen

Blatt 06.3: Matrizen Fakultät für Physik R: Rechenmethoden für Physiker, WiSe 204/5 Dozent: Jan von Delft Übungen: Benedikt Bruognolo, Katharina Stadler http://homepages.physik.uni-muenchen.de/~vondelft/lehre/4t0/ Blatt 06.3:

Mehr

Mathematik 1 Bachelorstudiengang Maschinenbau

Mathematik 1 Bachelorstudiengang Maschinenbau Mathematik 1 Bachelorstudiengang Maschinenbau Prof Dr Stefan Etschberger Hochschule Augsburg Sommersemester 2012 Übersicht 4 Lineare Algebra 1 Grundlegendes 2 Aussagenlogik 3 Mengen 4 Lineare Algebra Lernziele

Mehr

L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h.

L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h. L5.2 Inverse einer Matrix Betrachte im Folgenden lineare Abbildungen der Form: gleich viel Zeilen wie Spalten dann ist die Matrix, durch die A dargestellt wird, 'quadratisch', d.h. 'Identitätsabbildung':

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. 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

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: 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

Mehr

Matrixprodukt und Basiswechsel bei Abbildungen

Matrixprodukt und Basiswechsel bei Abbildungen Matrixprodukt und Basiswechsel bei Abbildungen 1 Erster Teil: Das Matrixprodukt Wie multipliziert man eine Matrix mit einer Matrix? 2 Zur Erinnerung: Wie multipliziert man einen Zeilenvektor mit einem

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

Einleitung 2. 1 Koordinatensysteme 2. 2 Lineare Abbildungen 4. 3 Literaturverzeichnis 7

Einleitung 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

Mehr

Tutorium: Diskrete Mathematik. Matrizen

Tutorium: Diskrete Mathematik. Matrizen Tutorium: Diskrete Mathematik Matrizen Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de Definition I Eine Matrix ist eine rechteckige Anordnung (Tabelle) von Elementen, mit denen man in bestimmter

Mehr

Matrizen und Drehungen

Matrizen und Drehungen Matrizen und Drehungen 20. Noember 2003 Diese Ausführungen sind im wesentlichen dem Skript zur Vorlesung Einführung in die Theoretische Physik I und II on PD Dr. Horst Fichtner entnommen. Dieses entstand

Mehr