Virtuelle Realität Feder-Masse-Systeme
|
|
- Ruth Lange
- vor 6 Jahren
- Abrufe
Transkript
1 lausthal Virtuelle Realität. Zachmann lausthal University, ermany cg.in.tu-clausthal.de Die Newton schen esetze. esetz (Trägheitsgesetz): Ein kräftefreier Körper bewegt sich geradlinig mit konstanter eschwindigkeit weiter. Ein Körper in Ruhe ist also nur ein Spezialfall hiervor.. esetz (Aktionsprinzip): Wenn eine Kraft F auf einen Körper mit Masse m wirkt, beschleunigt sie diesen gemäß F = m.a Mit anderen Worten: Kraft und Beschleunigung sind proportional zueinander; die Proportionalitätskonstante ist m. Insbesondere haben beide dieselbe Richtung.. Zachmann
2 3. esetz (Reaktionsprinzip): Wenn die Kraft F, die auf einen Körper wirkt, ihren Ursprung in einem anderen Körper hat, so wirkt auf diesen die entgegengesetzte Kraft F. In der Schule lernt man : "Kraft = egenkraft" 4. esetz (Superpositionsprinzip): Wirken auf einen Punkt (oder einen starren Körper) mehrere Kräfte F,, Fn, so addieren sich diese vektoriell zu einer resultierenden Kraft F auf: F = F + + Fn.. Zachmann 3 Historischer Exkurs Newton's esetze in der Originalschrift Principia Mathematica (687): Lex I. orpus omne perseverare in statu suo quiescendi vel movendi uniformiter in directum, nisi quatenus illud a viribus impressis cogitur statum suum mutare. Lex II. Mutationem motus proportionalem esse vi motrici impressae, et fieri secundum lineam rectam qua vis illa imprimitur.. Zachmann 4
3 Definition: Ein Feder-Masse-System ist ein System, bestehend aus:. einer Menge von Punktmassen mi mit Positionen xi und eschwindigkeit vi, i = N ;. einer Menge von Federn, die die Massen i und j verbindet, mit der Ruhelänge l0, Federkonstante (= Steifigkeit) ks und den Dämpfungskoeffizienten kd Vorteile: Sehr einfach zu programmieren Ideal zum Studium verschiedener numerischer Lösungsverfahren Ubiquitous in games (cloths, capes, teilweise auch deformierbare Obje, ) Nachteile: Einige Parameter (Federkonstanten z.b.) sind nicht offensichtlich Keine volumetrischen Effekte (z.b. Volumenerhaltung). Zachmann 5 Eine einzelne Feder (mit Dämpfer) egeben: Massen mi und mj mit Positionen xi, xj xj xi i Definiere rij = xj xi Kräfte zwischen den beiden Massen : rij fij. Von der Feder: fsi j = ks ri j (xj xi l0 ) j mi -fij ks mj l0 wirkt auf Masse mi in Richtung mj. Durch den Dämpfer: fdij kd = kd ((vj vi ) rij )rij 3. Zusammen : 4. Kraft auf mj : Aus (4) der Impuls bleibt erhalten. Zachmann 6 3
4 Alternative Federkraft: fsij = ks rij xj xi l0 l0 Ein Feder-Dämpfer in der Realität:. Zachmann 7 Simulation einer einzelnen Feder Aus Newton schen esetzen folgt: x = f m DL der Ordnung umwandeln in DLs erster Ordnung: v (t) = x (t) Anfangswerte: f(t) m = v(t) v(t0 ) = v0, x(t0 ) = x0 "Simulation" = "Integration von DLs über die Zeit" Taylor-Expansion liefert: x(t + t) = x(t) + t x (t) + O t Analog: à Dieses Integrationsverfahren heißt explizite Euler-Integration. Zachmann 8 4
5 Der Algorithmus forall particles i : initialize xi, vi, mi loop: forall particles i : fi f g + ficoll + f(xi, vi, xj, vj ) j, (i,j) S forall particles i : render system every n-th time f g = ravitationskraft f coll = Rückstoßkraft aus Kollision (z.b. mit Hindernis). Zachmann 9 Weitere Integrations-Schemata: Midpoint Vorteil: einfach zu implementieren, schnelle Ausführung pro Zeitschritt Nachteil: nur für sehr kleine Schrittweiten stabil Typ.weise Δt sec Bei großen Schrittweiten wird zusätzliche Energie im System erzeugt, und schließlich explodiert es J Beispiel: Overshooting bei einfacher Feder Weiterer Nachteil: Fehler akkumulieren sich schnell (bei Euler). Zachmann 0 5
6 Beispiel für die Instabilität des Euler-Integrationsverfahrens Betrachte die DL Die exakte Lösung: x (t) = kx(t) x(t) = x0 e kt Das Euler-Verfahren liefert: x t+ = x t + t( kx t ) Falls t > k : x t+ = x t ( k t) <0 xt oszilliert um 0, geht aber (hoffentlich) gegen 0 Falls t >. Zachmann k xt position Visualisierung: time x (t) = x(t) Bezeichnung: falls k groß "steife DL" ("stiff ODE") Dann muß Δt sehr klein sein. Zachmann 6
7 Veranschaulichung der Fehlerakkumulation Betrachte die DL: x (t) = x(t) = Exakte Lösung: x x r cos(t + φ) r sin(t + φ) Euler läuft in Spiralen nach außen, egal wie klein die Schrittweite gewählt wird Fazit: Euler-Integration akkumuliert Fehler, egal wie klein die Schrittweite ist. Zachmann 3 Veranschaulichung von DLs Die allgemeine Form einer DL (hier): x (t) = f( x(t), t ) Visualisiere f als Vektorfeld: Achtung: dieses Vektorfeld kann sich mit t ändern Lösung eines Anfangswertproblems = Pfad durch dieses Feld. Zachmann 4 7
8 Runge-Kutta -ter Ordnung: Idee: approximiere f( x(t), t ) durch quadratische Funktion, die an der Stelle x(t), x( t+ ½Δt ) und durch v(t) definiert wird Der Integrator (o. Bew.): a = v t b = vt + ta xt+ = xt + tb f(xt, vt ) m b = f xt + ta, vt + ta m a = vt+ = vt + tb Runge-Kutta 4-ter Ordnung: Der Standard-Integrator unter den expliziten Integrations-Schemata Benötigt 4 Funktionsauswertungen (Kräfte berechnen) pro Zeitschritt Konvergenzordnung:. Zachmann e( t) = O t 4 5 Runge-Kutta -ter Ordnung: Euler Runge-Kutta 4-ter Ordnung:. Zachmann 6 8
9 Verlet-Integration Alternative Methode zur Steigerung der Konvergenzordnung: verwende Werte aus der Vergangenheit Verlet: verwendet x( t - Δt ) Herleitung: Taylor-Reihe in beide Zeitrichtungen entwickeln:... x(t + t) = x(t) + t x (t) + t x (t) + t 3 x (t) + O t x(t t) = x(t) t x (t) + t x (t) t 3 x (t) + O t 4 6. Zachmann 7 Addieren: Initialisierung: x( t) = x(0) + tv(0) + t f(x(0), v(0)) m Bemerkung: eschwindigkeit taucht nicht mehr (explizit) auf. Zachmann 8 9
10 onstraints roßer Vorteil gegenüber Euler & Runge-Kutta: man kann sehr leicht onstraints behandeln Definition: onstraint = Einschränkung der Position eines oder mehrerer Massenpunkte Beispiele:. Ein Massenpunkt darf nicht in ein Hindernis eindringen. Der Abstand zwischen zwei Massenpunkten soll konstant sein, oder bestimmter Abstand. Zachmann 9 Verfahren anhand eines Beispiels: onstraint: x x = l0. Führe einen Verlet-Integrationsschritt durch. Enforce onstraint: d d l0 x x xt+ = x t+ + r x t+ x t+ l0 xt+ = x t+ r x t+ x t+ l0 d. Zachmann 0 0
11 Problem, falls mehrere onstraints denselben Massepunkt einschränken sollen Verwende onstraint-algorithmen. Zachmann Implizite Integration Bisherige Schemata sind nur conditionally stable D.h.: Nur stabil für Δt in einem bestimmten Bereich Dieser Bereich hängt von der Steifigkeit der Federn ab Ziel: unconditionally stable Eine Möglichkeit: implizite Euler-Integration explizit implizit xt+ = xti + tvit i xt+ = xti + tvit+ i vit+ = vit + t f(xt ) mi vit+ = vit + t f(xt+ ) mi Wir haben jetzt ein System von nicht-linearen, algebraischen leichungen, mit xt+ und vt+ als Unbekannte auf beiden Seiten implizite Integration. Zachmann
12 Lösungsmethode Schreibe das gesamte Feder-Masse-System mit Vektoren: x x x x x3 x x =.. =. x.. xn. xn3 fi (x) fi = fi (x) fi3 (x). Zachmann M3n x 3n v v v v v3 v v =.. =. v.. vn. f (x) f(x) =... fn (x) vn3 m m m m m =... mn mn mn 3 Schreibe die vielen impliziten leichungen als ein großes leichungssystem um : Mvt+ = Mvt + tf(xt+ ) () xt+ = xt + t vt+ () Einsetzen von () in () ergibt: Mvt+ = Mvt + t f( xt + tvt+ ) Die Taylor-Reihe für f ist:. Zachmann 4
13 Einsetzen: K ist die Jacobi-Matrix (= Ableitung): Heißt tangent stiffness matrix - (Die normale Steifigkeitsmatrix wird im leichgewichtszustand ausgewertet; hier aber an einer beliebigen, aktuellen Position des Systems; daher der Name "tangent "). Zachmann 5 Terme umordnen: Das ist von der Form: Löse dieses LS mittels einer iterativen Methode Denn: A ändert sich in jedem Frame. Zachmann 6 3
14 Berechnung der Steifigkeitsmatrix Die Anatomie der Matrix K : Eine Feder ( i, j ) addiert folgende vier 3x3 Untermatrizen zu K : 3i i 3j 3i j 3j Die Matrix Kij entsteht durch die Ableitung von fi = (fi, fi, fi3) nach xj = (xj, xj, xj3): Ki j = f xj i f xj i f xj i3... f xj3 i... f xj3 i3 Betrachte im folgenden nur f s (Federkraft). Zachmann 7 Zunächst Kii: Kii = fi (xi, xj ) xi = ks xj xi (xj xi ) l0 xi xj xi = ks I l0 = ks (x x ) I xj xi (xj xi ) xj j xi i xj xi l0 I + l0 I+ (xj xi )(xj xi )T xj xi xj xi 3. Zachmann 8 4
15 Aus einigen Symmetrien folgt: Kij = fi (xi, xj ) = Kii xj Kjj = fj (xi, xj ) = ( fi (xi, xj )) = Kii xj xj. Zachmann 9 Zur Erinnerung: x = x x. Zachmann xt x + x + x3 = x 30 5
16 Lösungsverfahren Setze K = 0 Für jede Feder (i,j) berechne Kii, Kij, Kji, Kjj und akkumuliere zu K an den richtigen Stellen Berechne Löse das LS Berechne xt+ = xt + t vt+. Zachmann 3 Vor- und Nachteile Explizite Integration: + Sehr einfach zu programmieren - kleine Schrittweite nötig - Steife Federn funktionieren nicht gut - Kräfte werden nur um eine Feder pro Schritt propagiert Implizite Integration: + Unconditionally stable + Steife Federn werden besser handhabbar + lobaler Solver Kräfte werden schon bei einem Simulationsschritt durch das ganze System propagiert - roße Schrittweiten nötig, da ein Schritt sehr teuer (und in Wahrheit schon aus vielen Einzelschritten besteht) - Unerwünschte Dämpfung durch das Integrationsverfahren selbst. Zachmann 3 6
17 x (t) = x(t) position Visualisierung: time Umgangssprachliche Beschreibung: Explizit springt blind vorwärts, basierend auf der aktuellen Information Implizit springt "rückwärts" und sucht dabei eine "nächste Position genau so, daß der Rückwärtssprung bei der aktuellen Position landet. Zachmann 33 Demo Zachmann 34 7
18 Mesh-Erzeugung für Objekte mit Volumen Wie erzeugt man ein Feder-Masse-System aus einem 3D-Modell? Direkt 3D-eometrie in Masse-Feder-System übersetzen liefert keine guten Resultate: eometrie oft zu hoch aufgelöst Degenerierte Polygone Bessere (sehr einfache) Idee: Erzeuge ein Tetraeder-Mesh (irgendwie) aus der eometrie Jeder Vertex wird ein Massepunkt, jede Kante eine Feder Verteile die Masse der Tetraeder (= Dichte Volumen) gleichmäßig auf die Massepunkte. Zachmann 35 Erzeugung des Tetraeder-Meshes (einfache Methode): Verteile eine Menge von Punkten gleichmäßig (evtl. zufällig) im Inneren der eometrie (sog. "Steiner-Punkte") Dito in einer Schicht über der Oberfläche Verankerung des Oberflächen-Meshes im Tetraeder-Mesh: Stelle jeden Vertex des Oberflächen-Meshes als baryzentrische Kombination der Tetraeder-Vertices dar, in dem er enthalten ist. Zachmann 36 8
19 Bei -mannigfaltigen FederMasse-Systemen: Verankere evtl. die Federn an einer Ruhelage Führe evtl. "Querverstrebungen" ein. Zachmann 37 Kollisionserkennung Sortiere die Tetraeder in ein 3D itter (Hash-Tabelle) ein Bei Kollision in der Hash-Tabelle: Führe exakten Schnitttest zwischen Tetraedern durch. Zachmann 38 9
20 University of Freiburg - Institute of omputer Science - omputer raphics Laboratory ollision Respons Introduction Kollisionsantwort (collision response) computation of penalty forces based onqthe Aufgabenstellung:gegeben zwei kollidierende Objekte P und of intersecting vertices (Tetraeder-Meshes) penetration welches ist depth die Rückstellkraft (penalty force)? Naiver Ansatz: Q ollision Response Berechne für jeden eingedrungenen Massepunkt von P die kleinste Distanz zur Oberfläche von Q Kraft (Betrag + Richtung) P Problem: - unplausible Kräfte (implausibel?) University of Freiburg - Institute of omputer Science - omputer raphics Laboratory - "Durchtunneln" (s. a. Force-Feedback-Kapitel). Zachmann hallenges 39 inconsistent penetration depth information due to discrete simulation steps and object discretization Beispiele: hallenges inconsistent penetration depth information due to discrete simulation steps and object discretization inkonsistent inconsistent konsistent consistent inconsistent consisten [Heidelberger, Teschner et al. 003] University of Freiburg - Institute of omputer Science - omputer raphics Laboratory inconsistent consistent. Zachmann inconsistent consistent 40 [Heidelberger, Teschner et al. 003] University of Freiburg - Institute of omputer Science - omputer raphics Laboratory 0
21 Algorithm Stage Konsistente Penalty Forces object points are classified as colliding or non-colloding points spatial hashing. Phase: identifiziere alle eindringenden Punkte von P Q Algorithm Stage bestimme alle schneidenden KantenAlgorithm Stage. Phase: colliding point University of Freiburg - Institute of point omputer Science - non-colliding border points, intersecting edges, and intersection points von P object points are classified as colliding or non-colloding points spatial hashing are detected Pextended spatial hashing Berechne zu jeder solchen Schnittkante den exakten Schnittpunkt xi University of Freiburg - Institute of omputer Science - omputer raphics Laboratory Berechne zu jedem Schnittpunkt eine Normale ni colliding point - Z.B. mittels baryzentrischer Interpolation der non-colliding point Vertexnormalen von Q University of Freiburg - Institute of omputer Science - omputer raphics Laboratory Algorithm Stage 3 border point intersection edge intersection point intersection normal penetration depth d(p)of of a border praphics is Laboratory University of Freiburg - Institute omputer Science -point omputer approximated using the adjacent intersection points xi and normals ni Algorithm Stage 3 Algorithm Stage 3. Zachmann Algorithm Stage 4 4 penetration depth d(p) of a border point p is approximated using the adjacent intersection points xi and normals ni consistent penetration depth information at points pj is propagated to other colliding points p penetration depth d(p) of a border p approximated using the adjacent int points xi and normals ni University of Freiburg - Institute of omputer Science - omputer raphics Laboratory 3. Phase: berechne ungefähre Kraft für "Randpunkte" Randpunkt = eingedrungener Punkt p inzident zu einer Schnittkante University of Freiburg - Institute of omputer Science - omputer raphics Laboratory University of Freiburg - Institute of omputer Science - omputer raphics Laboratory Beobachtung: ein Randpunkt kann zu mehreren Schnittkanten inzident sein Eindringtiefe = gewichtete Summe d(p) = k i= Q ω(xi, p) (xi p) ni k i= ω(xi, p) wobei d(p) = approx. Eindringtiefe von Massepunkt p, xi = Schnittpunkt der Schnittkante inzident zu p, ni = Normale zur Oberfläche von Q im Schnittpunkt xi, P und ω(xi, p) = xi p. Zachmann 4 University of Freiburg - Institute of omputer Science -
22 Richtung der Kraft für Randpunkte: k i= r (p) = k ω(xi, p) ni i= ω(xi, p) r(p) = r (p)0 4. Phase: Propagation mittels breadth-first traversal durch das Tetraeder-Mesh d(p) = k i= ω(pi, p) (pi p) ri + d(pi ) k i= ω(xi, p) wobei pi = schon besuchter eindringender Punkt von P, p = noch nicht besuchter Punkt, ri = Richtung der geschätzten penalty force in Punkt pi.. Zachmann 43 Viualisierung. Zachmann 44
23 Video Zachmann 45 3
Virtuelle Realität Kollisionserkennung
lausthal Virtuelle Realität Kollisionserkennung. Zachmann lausthal University, ermany cg.in.tu-clausthal.de Anwendungsbeispiele Virtual Prototyping Physikalisch basierte Simulation. Zachmann Virtuelle
MehrComputer-Graphik I Verallgemeinerte Baryzentrische Koordinaten
lausthal omputer-raphik I Verallgemeinerte Baryzentrische Koordinaten. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Verallgemeinerungen der baryzentr. Koord. 1. Was macht man im 2D bei
MehrComputer-Graphik I Baryzentrische Koordinaten
/7/ lausthal omputer-raphik I Zachmann lausthal University, ermany zach@intu-clausthalde Def: affin unabhängig n n dadurch eg: k+ Punkte Pi R, 0 i k, kseien k Vektoren vi definiert: vi : Pi P0, i,, k Die
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrHochschule Düsseldorf University of Applied Sciences. 03. November 2016 HSD. Physik. Newton s Gesetze
Physik Newton s Gesetze http://de.wikipedia.org/wiki/philosophiae_naturalis_principia_mathematica Philosophiae Naturalis Principia Mathematica Mathematische Prinzipien der Naturphilosophie Im Sprachgebrauch
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
Mehr8. Übung zur Vorlesung Mathematisches Modellieren Lösung
Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ
MehrGewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators
Gewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators Horst Laschinsky 12. Oktober 1999 Inhaltsverzeichnis 1 Gewöhnliche lineare homogene Differentialgleichungen 2. Ordnung mit konstanten
MehrVektoren: Grundbegriffe. 6-E Ma 1 Lubov Vassilevskaya
Vektoren: Grundbegriffe 6-E Ma 1 Lubov Vassilevskaya Parallele Vektoren Abb. 6-1: Vektoren a, b, c und d liegen auf drei zueinander parallelen Linien l, l' und l'' und haben gleiche Richtung Linien l,
MehrEingebettete Runge Kutta Verfahren DOPRI5(4) Verfahren: FSAL Verfahren
Eingebettete Runge Kutta Verfahren DOPRI5(4) Verfahren: FSAL Verfahren 0 1 5 3 10 4 5 8 9 1 5 3 9 40 40 44 45 56 15 19372 6561 25360 2187 9017 1 3168 355 33 1 35 348 0 500 1113 35 500 p = 5 348 0 1113
MehrComputer-Graphik 1 Lighting & Shading
lausthal omputer-raphik 1. Zachmann lausthal University, ermany cg.in.tu-clausthal.de Beleuchtungsmodelle (lighting models) Definition "Beleuchtungsmodell": Vorschrift zur Berechnung der Farb- und Helligkeitswerte
Mehr4. Veranstaltung. 16. November 2012
4. Veranstaltung 16. November 2012 Heute Wiederholung Beschreibung von Bewegung Ursache von Bewegung Prinzip von Elektromotor und Generator Motor Generator Elektrischer Strom Elektrischer Strom Magnetkraft
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrEnergie und Energieerhaltung
Arbeit und Energie Energie und Energieerhaltung Es gibt keine Evidenz irgendwelcher Art dafür, dass Energieerhaltung in irgendeinem System nicht erfüllt ist. Energie im Austausch In mechanischen und biologischen
MehrEinführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010
Einführung in die Numerik strukturerhaltender Zeitintegratoren Leonard Schlag 6. Dezember 2010 1 Inhaltsverzeichnis 1 Einführung in die Numerik strukturerhaltender Zeitintegratoren 3 1.1 Häuge Problemstellung:
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrComputer Graphik I Polygon Scan Conversion
11/23/09 lausthal omputer raphik I Polygon Scan onversion. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Klassifikation der Polygone Konvex Für jedes Punktepaar in einem konvexen Polygon
MehrRekurrente Neuronale Netze. Rudolf Kruse Neuronale Netze 227
Rekurrente Neuronale Netze Rudolf Kruse Neuronale Netze 227 Rekurrente Netze: Abkühlungsgesetz Ein Körper der Temperaturϑ wird in eine Umgebung der Temperaturϑ A eingebracht. Die Abkühlung/Aufheizung des
MehrÜbungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik'
Übungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik' 1. Diskretisierung in der Zeit: Die Evolutionsgleichung Kurzzusammenfassung Zur Erprobung der Verfahren zur zeitlichen Diskretisierung
MehrPhysik 1. Kinematik, Dynamik.
Physik Mechanik 3 Physik 1. Kinematik, Dynamik. WS 15/16 1. Sem. B.Sc. Oec. und B.Sc. CH Physik Mechanik 5 Themen Definitionen Kinematik Dynamik Physik Mechanik 6 DEFINITIONEN Physik Mechanik 7 Was ist
MehrComputersimulation & Mehrkörperproblem
Fleischmann/Gattringer/Hösch/Lukic WAP 00/03 Computersimulation & Mehrkörperproblem Eine Einführung in die Lösung des Mehrkörperproblems mittels Computersimulation Gerwin Fleischmann Daniel Gattringer
MehrComputer Vision: Kalman Filter
Computer Vision: Kalman Filter D. Schlesinger TUD/INF/KI/IS D. Schlesinger () Computer Vision: Kalman Filter 1 / 8 Bayesscher Filter Ein Objekt kann sich in einem Zustand x X befinden. Zum Zeitpunkt i
MehrComputergraphik I. Scan Conversion: Lines & Co. Einordnung in die Pipeline. G. Zachmann Clausthal University, Germany zach@tu-clausthal.
11/4/10 lausthal omputergraphik I Scan onversion of Lines. Zachmann lausthal University, ermany zach@tu-clausthal.de Einordnung in die Pipeline Rasterisierung der Objekte in Pixel Ecken-Werte interpolieren
MehrAchtung: Groß O definiert keine totale Ordnungsrelation auf der Menge aller Funktionen! Beweis: Es gibt positive Funktionen f und g so, dass
Achtung: Groß O definiert keine totale Ordnungsrelation auf der Menge aller Funktionen! Beweis: Es gibt positive Funktionen f und g so, dass f O g und auch g O f. Wähle zum Beispiel und G. Zachmann Informatik
MehrEuklidische Distanzmatrizen. Andrei Grecu
Euklidische Distanzmatrizen Andrei Grecu Übersicht Motivation Definition und Problemstellung Algo 1: Semidefinite Programmierung Algo 2: Multidimensional Scaling Algo 3: Spring Embedder Algo 4: Genetischer
MehrGrundlagen der Astronomie und Astrophysik. Andre Knecht. [HIMMELSMECHANIK] 3 Erhaltungssätze und die Herleitung der drei Kepler-Gesetze
2009 Grundlagen der Astronomie und Astrophysik Andre Knecht [HIMMELSMECHANIK] 3 Erhaltungssätze und die Herleitung der drei Kepler-Gesetze 2-Körperproblem-Gravitationsgesetz 3 Newton schen Axiome Trägheitsgesetz:
MehrTECHNISCHE MECHANIK III (DYNAMIK)
Klausur im Fach TECHNISCHE MECHANIK III (DYNAMIK) WS 2014 / 2015 Matrikelnummer: Vorname: Nachname: Ergebnis Klausur Aufgabe: 1 2 3 4 Summe Punkte: 15 7 23 15 60 Davon erreicht Bearbeitungszeit: Hilfsmittel:
MehrGleichförmige Kreisbewegung, Bezugssystem, Scheinkräfte
Aufgaben 4 Translations-Mechanik Gleichförmige Kreisbewegung, Bezugssystem, Scheinkräfte Lernziele - die Grössen zur Beschreibung einer Kreisbewegung und deren Zusammenhänge kennen. - die Frequenz, Winkelgeschwindigkeit,
MehrVorab : Von dem indischen Mathematiker D. R. Kaprekar stammt folgender Zusammenhang :
Seite 1 Algorithmen zur Erzeugung von Kaprekar- Konstanten Autor : Dipl.- Ing. Josef Meiler ; Datum : März 015 Vorab : Von dem indischen Mathematiker D. R. Kaprekar stammt folgender Zusammenhang : a) man
Mehr2.3.1 Explizite Runge-Kutta-Verfahren
Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung
Mehr1. Bewegungsgleichung
1. Bewegungsgleichung 1.1 Das Newtonsche Grundgesetz 1.2 Dynamisches Gleichgewicht 1.3 Geführte Bewegung 1.4 Massenpunktsysteme 1.5 Schwerpunktsatz Prof. Dr. Wandinger 2. Kinetik des Massenpunkts Dynamik
MehrModell der Punktmasse
Kinematik Die Kinematik (kinema, griech., Bewegung) ist die Lehre von der Bewegung von Punkten und Körpern im Raum, beschrieben durch die Größen Weg (Änderung der Ortskoordinate) s, Geschwindigkeit v und
Mehrad Physik A VL2 (11.10.2012)
ad Physik A VL2 (11.10.2012) korrigierte Varianz: oder: korrigierte Stichproben- Varianz n 2 2 2 ( x) ( xi ) n 1 i1 1 n 1 n i1 1 Begründung für den Vorfaktor : n 1 Der Mittelwert der Grundgesamtheit (=
MehrPhysik A3. 2. Mechanik
Physik A3 Prof. Dieter Suter WS 02 / 03 2. Mechanik 2.1 Kinematik 2.1.1 Grundbegriffe Die Mechanik ist der klassischste Teil der Physik, sie umfasst diejenigen Aspekte die schon am längsten untersucht
MehrEinfache Differentialgleichungen (algebraische Lösung)
Einfache Differentialgleichungen (algebraische Lösung) 0. Definition, Einschränkung Definition: Sei die Funktion mit Gleichung = f() n-mal differenzierbar. Gilt F(,,,,, (n) ) = 0 (für alle ), so erfüllt
MehrGefesselte Masse. Jörg J. Buchholz 23. März 2014
Gefesselte Masse Jörg J. Buchholz 23. März 204 Einleitung In Abbildung ist eine Punktmasse m dargestellt, die sich, von einem masselosen starren tab der Länge l gefesselt, auf einer Kreisbahn bewegt. Dabei
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Mehr2. Lagrange-Gleichungen
2. Lagrange-Gleichungen Mit dem Prinzip der virtuellen Leistung lassen sich die Bewegungsgleichungen für komplexe Systeme einfach aufstellen. Aus dem Prinzip der virtuellen Leistung lassen sich die Lagrange-Gleichungen
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrHimmelsmechanik. Michael Lubasch
Himmelsmechanik Michael Lubasch Sommersemester 2004 Inhaltsverzeichnis 1 Keplers Gesetze 2 11 Erstes Keplersches Gesetz 2 12 Zweites Keplersches Gesetz 2 13 Drittes Keplersches Gesetz 2 2 Newtons Axiome
MehrPhysik für Studierende der Biologie und Chemie Universität Zürich, HS 2009, U. Straumann Version 28. September 2009
Physik für Studierende der Biologie und Chemie Universität Zürich, HS 2009, U. Straumann Version 28. September 2009 Inhaltsverzeichnis 3.5 Die Newton schen Prinzipien............................. 3.1 3.5.1
MehrInformatik Aufgaben. 1. Erstelle ein Programm zur Berechnung der Summe der Zahlen von 1 bis n, z.b. n = 100.
Informatik Aufgaben 1. Erstelle ein Programm zur Berechnung der Summe der Zahlen von 1 bis n, z.b. n = 100. 2. Erstelle ein Programm, das die ersten 20 (z.b.) ungeraden Zahlen 1, 3, 5,... ausgibt und deren
MehrTheoretische Physik 1 Mechanik
Technische Universität München Fakultät für Physik Ferienkurs Theoretische Physik 1 Mechanik Skript zu Vorlesung 2: konservative Kräfte, Vielteilchensysteme und ausgedehnte Körper gehalten von: Markus
MehrNumerik und Simulation in der Geoökologie
1/49 Rekapitulation Das Euler-Verfahren für ODE-IVP Eigenschaften von Einschrittverfahren Numerik und Simulation in der Geoökologie Sylvia Moenickes VL 2 WS 2007/2008 2/49 Rekapitulation Das Euler-Verfahren
MehrKapitel 12: Schnelles Bestimmen der Frequent Itemsets
Einleitung In welchen Situationen ist Apriori teuer, und warum? Kapitel 12: Schnelles Bestimmen der Frequent Itemsets Data Warehousing und Mining 1 Data Warehousing und Mining 2 Schnelles Identifizieren
MehrMathematik 1, Teil B. Inhalt:
FH Emden-Leer Fachb. Technik, Abt. Elektrotechnik u. Informatik Prof. Dr. J. Wiebe www.et-inf.fho-emden.de/~wiebe Mathematik 1, Teil B Inhalt: 1.) Grundbegriffe der Mengenlehre 2.) Matrizen, Determinanten
MehrSpezialfall m 1 = m 2 und v 2 = 0
Spezialfall m 1 = m 2 und v 2 = 0 Impulserhaltung: Quadrieren ergibt Energieerhaltung: Deshalb muss gelten m v 1 = m( u 1 + u 2 ) m 2 v 1 2 = m 2 ( u 2 1 + 2 u 1 u 2 + u 2 ) 2 m 2 v2 1 = m 2 ( u 2 1 +
Mehr( 3 4. Original-Aufgabe 21. Aufgabenstellung/Erwartungshorizont
Original-Aufgabe 21 Aufgabenstellung Original-Aufgabe 21 Aufgabenstellung/Erwartungshorizont Original-Aufgabe 21 Fachgebiet Thema Fragestellung Analytische eometrie/lineare Algebra eraden und Ebenen Untersuchung
MehrPhysik für Pharmazeuten und Biologen MECHANIK I. Kinematik Dynamik
Physik für Pharmazeuten und Biologen MECHANIK I Kinematik Dynamik MECHANIK Bewegungslehre (Kinematik) Gleichförmige Bewegung Beschleunigte Bewegung Kräfte Mechanik I 1.1 Kinematik Kinematik beschreibt
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät
MehrPhysik für Biologen und Zahnmediziner
Physik für Biologen und Zahnmediziner Kapitel 3: Dynamik und Kräfte Dr. Daniel Bick 09. November 2016 Daniel Bick Physik für Biologen und Zahnmediziner 09. November 2016 1 / 25 Übersicht 1 Wiederholung
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
MehrPraktikumssemesterarbeit für Numerik Aufgabe 1 HU-Berlin, Sommersemester 2005
Praktikumssemesterarbeit für Numerik Aufgabe HU-Berlin, Sommersemester 2005 Mario Krell Volker Grabsch 24. Juli 2005 Inhaltsverzeichnis Herleitung aus der Physik. Voraussetzungen und Annahmen Allgemein
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
Mehr2. Räumliche Bewegung
2. Räumliche Bewegung Wenn die Bahn des Massenpunkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort im Raum zu bestimmen. Es muss ein Ortsvektor angegeben werden. Prof.
MehrKinematik & Dynamik. Über Bewegungen und deren Ursache Die Newton schen Gesetze. Physik, Modul Mechanik, 2./3. OG
Kinematik & Dynamik Über Bewegungen und deren Ursache Die Newton schen Gesetze Physik, Modul Mechanik, 2./3. OG Stiftsschule Engelberg, Schuljahr 2016/2017 1 Einleitung Die Mechanik ist der älteste Teil
MehrStatistische Methoden in der Wirtschaftsund Sozialgeographie
Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 10.15-11-45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-
MehrDynamische Programmierung. Problemlösungsstrategie der Informatik
als Problemlösungsstrategie der Informatik und ihre Anwedung in der Diskreten Mathematik und Graphentheorie Fabian Cordt Enisa Metovic Wissenschaftliche Arbeiten und Präsentationen, WS 2010/2011 Gliederung
Mehrzu 2.1 / I. Wiederholungsaufgaben zur beschleunigten Bewegung
Fach: Physik/ L. Wenzl Datum: zu 2.1 / I. Wiederholungsaufgaben zur beschleunigten Bewegung Aufgabe 1: Ein Auto beschleunigt gleichmäßig in 12,0 s von 0 auf 100 kmh -1. Welchen Weg hat es in dieser Zeit
MehrProbabilistische Primzahltests
23.01.2006 Motivation und Überblick Grundsätzliches Vorgehen Motivation und Überblick Als Primzahltest bezeichnet man ein mathematisches Verfahren, mit dem ermittelt wird, ob eine gegebene Zahl eine Primzahl
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
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.
Mehr9 Periodische Bewegungen
Schwingungen Schwingung Zustand y wiederholt sich in bestimmten Zeitabständen Mit Schwingungsdauer (Periode, Periodendauer) T Welle Schwingung breitet sich im Raum aus Zustand y wiederholt sich in Raum
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
MehrÜbungen Theoretische Physik I (Mechanik) Blatt 8 (Austeilung am: , Abgabe am )
Übungen Theoretische Physik I (Mechanik) Blatt 8 (Austeilung am: 14.09.11, Abgabe am 1.09.11) Hinweis: Kommentare zu den Aufgaben sollen die Lösungen illustrieren und ein besseres Verständnis ermöglichen.
Mehr4.2 Der Harmonische Oszillator
Dieter Suter - 208 - Physik B3, SS03 4.2 Der Harmonische Oszillator 4.2.1 Harmonische Schwingungen Die Zeitabhängigkeit einer allgemeinen Schwingung ist beliebig, abgesehen von der Periodizität. Die mathematische
Mehr4. Beispiele für Kräfte
4. Beispiele für Kräfte 4.1 Federkraft 4.2 Gravitation 4.3 Elektrische Kraft 4.4 Reibungskraft 4. Beispiele für Kräfte Man kennt: Federkraft, Reibungskraft, Trägheitskraft, Dipolkraft, Schubskraft, Coulombkraft,
MehrGruppenarbeit Federn, Kräfte und Vektoren
1 Gruppenarbeit Federn, Kräfte und Vektoren Abzugeben bis Woche 10. Oktober Der geschätzte Zeitaufwand wird bei jeder Teilaufgabe mit Sternen angegeben. Je mehr Sterne eine Aufgabe besitzt, desto grösser
Mehr(7) Normal Mapping. Vorlesung Computergraphik II S. Müller. Dank an Stefan Rilling U N I V E R S I T Ä T KOBLENZ LANDAU
(7) Normal Mapping Vorlesung Computergraphik II S. Müller Dank an Stefan Rilling Einleitung Die Welt ist voller Details Viele Details treten in Form von Oberflächendetails auf S. Müller - 3 - Darstellung
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
MehrThema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
MehrNumerische Integration von Differential-Gleichungen Das klassische Runge-Kutta-Verfahren
Numerische Integration von Differential-Gleichungen Das klassische Runge-Kutta-Verfahren Gegeben sei ein Anfangswertproblem erster Ordnung: y = f (x;y y(x 0 = y 0 Wie schon erörtert, beschreibt eine DGl
MehrKollisionserkennung
1 Kollisionserkennung von Jens Schedel, Christoph Forman und Philipp Baumgärtel 2 1. Einleitung Wozu wird Kollisionserkennung benötigt? 3 - für Computergraphik 4 - für Simulationen 5 - für Wegeplanung
MehrKinetik des Massenpunktes
Technische Mechanik II Kinetik des Massenpunktes Prof. Dr.-Ing. Ulrike Zwiers, M.Sc. Fachbereich Mechatronik und Maschinenbau Hochschule Bochum WS 2009/2010 Übersicht 1. Kinematik des Massenpunktes 2.
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
MehrComputer Graphik II Tesselierung impliziter Kurven und Flächen
Computer Graphik II impliziter Kurven und Flächen 1 impliziter Flächen Problem: Nullstellenmenge kann nicht explizit berechnet werden! Lösung: ApproximaCon der Fläche auf Zellen Beispiel 2D: f p ( )
MehrAufgaben zu Kapitel 14
Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt
Mehr4.3 Anwendungen auf Differentialgleichungen
7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,
MehrBezier-Kurven. Hamid Fetouaki, Emma Skopin. 28. Januar 2009. Universität Kassel FB Mathematik/Informatik
Ableitungen von Universität Kassel FB Mathematik/Informatik 28. Januar 2009 Ableitungen von Motivation Bis in den späten 50er Jahren: Zeichnung der Kurven am Papier Fertigung der Modelle aus Holz und Ton
MehrComputer-Graphik 2 SS 10
5/3/10 lausthal omputer-raphik I. Zachma lausthal Uiversity, ermay zach@i.tu-clausthal.de Frühe Beispiele / Motivatio Beispiele für : Parameter t auf der erade Kotevektor bei B-Splies u,v-parameter bei
MehrAnalyse einer Bewegung mit Beschleunigung
9. Jahrgangsstufe Physik Kinematik Lehrtext Analyse einer Bewegung mit Beschleunigung Eine Bewegung, bei der sich die Geschwindikeit während der Fahrt ändert, ist eine Geschwindigkeit mit Beschleunigung.
MehrBrückenkurs Physik SS11. V-Prof. Oda Becker
Brückenkurs Physik SS11 V-Prof. Oda Becker Überblick Mechanik 1. Kinematik (Translation) 2. Dynamik 3. Arbeit 4. Energie 5. Impuls 6. Optik SS11, BECKER, Brückenkurs Physik 2 Beispiel Morgens um 6 Uhr
MehrVordiplomsklausur Physik
Institut für Physik und Physikalische Technologien der TU-Clausthal; Prof. Dr. W. Schade Vordiplomsklausur Physik 14.Februar 2006, 9:00-11:00 Uhr für den Studiengang: Maschinenbau intensiv (bitte deutlich
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrFixpunkte und Stabilitätsanalyse
Fixpunkte und Stabilitätsanalyse 1 Themenüberblick Motivation 1D-Probleme Bifurkationen 2D-Probleme Fixpunkttypen Lotka-Volterra-Modelle 2 Motivation Bisher: Lineare Dynamik Jetzt: Nichtlineare Systeme
MehrVorlesungsfolien Mathematik 3 WS 2010/11 UMIT. Einleitung
Vorlesungsfolien Mathematik 3 WS 2010/11 Dr. Leonhard Wieser UMIT Einleitung Begriff Vektoranalysis: Kombination aus Linearer Algebra/Vektorrechnung mit Differential- und Integralrechnung Inhaltsangabe:
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
MehrErweiterung: Flächeninhalt mit Vorzeichen. a b, P, Q, R gegen Uhrzeigersinn a b, P, Q, R im Uhrzeigersinn
Flächeninhalte Flächeninhalt eines Dreiecks: R A(PQR)= 1 2 = 1 2 a b sin α a b P b α a c Q Erweiterung: Flächeninhalt mit Vorzeichen A(PQR)= 1 2 1 2 a b, P, Q, R gegen Uhrzeigersinn a b, P, Q, R im Uhrzeigersinn.
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
MehrDer Taschenrechner CAS: TI Inspire (Texas Instruments)
Der Taschenrechner (Texas Instruments) Übersicht: 1. Katalog (wichtige Funktionen un wie man sie aufruft) 2. Funktionen efinieren (einspeichern mit un ohne Parameter) 3. Nullstellen 4. Gleichungen lösen
MehrMusso: Physik I. Teil 4 Newton-Axiome
Tipler-Mosca 4. Die Newton'schen Aiome (Newton's Laws) 4.1 Das erste Newton'sche Aiom: Das Trägheitsgesetz (Newton's first law: the law of inertia) 4.2 Kraft, Masse und das zweite Newton'sche Aiom (Force,
MehrVektorrechnung in der Physik und Drehbewegungen
Vektorrechnung in der Physik und Drehbewegungen 26. November 2008 Vektoren Vektoren sind bestimmt durch a) Betrag und b) Richtung Beispiel Darstellung in 3 Dimensionen: x k = y z Vektor in kartesischen
MehrGeometrie in der Spieltheorie
Evolutionäre Spieltheorie November 3, 2011 Evolution der Spieltheorie John von Neumann, Oskar Morgenstern 1944: The Theory of Games and Economic Behavior John Nash 1950: Non-cooperative Games Nash Gleichgewicht:
Mehr1 Mechanik starrer Körper
1 Mechanik starrer Körper 1.1 Einführung Bisher war die Mechanik auf Massepunkte beschränkt. Nun gehen wir den Schritt zu starren Körpern. Ein starrer Körper ist ein System aus Massepunkten, welche nicht
MehrComputer-Graphik II. Kompexität des Ray-Tracings. G. Zachmann Clausthal University, Germany cg.in.tu-clausthal.de
lausthal ompute-aphik II Komplexität des Ray-Tacings. Zachmann lausthal Univesity, emany cg.in.tu-clausthal.de Die theoetische Komplexität des Ray-Tacings Definition: das abstakte Ray-Tacing Poblem (ARTP)
Mehr