ABC ABC. Affine Abbildungen. Definition und Anwendungsbeispiele. Prof. Dr. Andreas de Vries. Fachhochschule Südwestfalen, Standort Hagen

Größe: px
Ab Seite anzeigen:

Download "ABC ABC. Affine Abbildungen. Definition und Anwendungsbeispiele. Prof. Dr. Andreas de Vries. Fachhochschule Südwestfalen, Standort Hagen"

Transkript

1 ABC ABC Affine Abbildungen Definition und Anwendungsbeispiele Prof. Dr. Andreas de Vries Fachhochschule Südwestfalen, Standort Hagen 22. März / 30

2 Übersicht 1 Einführung Motivation Mathematische Voraussetzungen Definition 2 Fixpunkte affiner Abbildungen 3 Anwendungen Technische Zeichnungen Informatik Physik 4 Affine und lineare Abbildungen 5 Schlussbetrachtungen 6 Literatur 2 / 30

3 Einführung Motivation Affine Abbildungen im Alltag? Beispiel Sport: 3D-Spielanalyse 3 / 30

4 Einführung Motivation Affine Abbildungen im Alltag? Beispiel Sport: 3D-Spielanalyse 3 / 30

5 Einführung Mathematische Voraussetzungen Mathematische Voraussetzungen: Matrizen Eine (m n)-matrix A ist eine rechteckige Anordnung von Zahlen (a ij ): a 11 a 1n A =..... m Zeilen a m1 a mn }{{} n Spalten Zwei (m n)-matrizen A und B können addiert werden: a 11 + b 11 a 1n + b 1n A + B = = a m1 + b m1 a mn + b mn Eine (m n)-matrix A kann mit einer (n k)-matrix B multipliziert werden: n n a 1i b i1 a 1i b ik s i=1 i=1 s AB =. r i r... i. = n n a mi b i1 a mi b ik i=1 i=1 4 / 30

6 Einführung Mathematische Voraussetzungen Beispiele für Matrizenoperationen Für zwei (2 3)-Matrizen gilt: ( ) ( = ) Das Produkt einer (2 3)-Matrix mit einer (3 2)-Matrix ergibt eine (2 2)-Matrix: 3 7 ( = = ) 5 / 30

7 Einführung Mathematische Voraussetzungen Mathematische Voraussetzungen: Vektorräume Definition (Vektorraum) Sei n N gegeben. Vektoren: Ein n-tupel x = (x 1,...,x n ) mit reellen Komponenten x i R heißt Vektor der Dimension n. Man schreibt R n für die Menge aller Vektoren der Dimension n. Vektoraddition: Sind x = (x 1,...,x n ) und y = (y 1,...,y n ) zwei Vektoren der Dimension n, so sei ihre Summe definiert durch x + y = (x 1 + y 1,...,x n + y n ) R n. (1) Skalarmultiplikation: Für eine reelle Zahl λ R und einen n-dimsensionalen Vektor definieren wir: λx = (λx 1,...,λx n ) R n. (2) Mit diesen Bezeichnungen ist R n ein (reeller) Vektorraum. In der Mathematik ist der Begriff des Vektorraums allgemeiner gefasst, der R n ist nur ein spezieller (allerdings sehr wichtiger) Vektorraum [Jän81, 2]. 6 / 30

8 Einführung Definition Definition affiner Abbildungen Definition Sei A eine quadratische (n n)-matrix und b R n ein n-dimensionaler Vektor. Dann heißt eine Abbildung f : R n R n, eine affine Abbildung des R n. f (x) = Ax + b (3) Mit anderen Worten: Eine affine Abbildung setzt sich aus einer linearen Abbildung Ax und einer Translation um den Vektor b zusammen: f (x) = Ax }{{} + b }{{} lineare Translation Abbildung ABC ABC ABC ABC 7 / 30

9 Einführung Definition Erste Beispiele und Folgerungen n = 1: Die affinen Abbildungen sind die linearen Funktionen f : R R, f (x) = ax + b mit a, b R. 8 / 30

10 Einführung Definition Erste Beispiele und Folgerungen n = 1: Die affinen Abbildungen sind die linearen Funktionen f : R R, f (x) = ax + b mit a, b R. n = 2: Wichtige lineare Abbildungen der Ebene R 2 : Spiegelung Scherung Drehung cosϕ sinϕ 1 m cosϕ sinϕ A = A = A = sinϕ cosϕ 0 1 sinϕ cosϕ v v + ϕ/2 Av x v 1 Ax ϕ Ax x (4) mit den konstanten Parametern m R, ϕ [0,2π). 8 / 30

11 Fixpunkte affiner Abbildungen Übersicht 1 Einführung Motivation Mathematische Voraussetzungen Definition 2 Fixpunkte affiner Abbildungen 3 Anwendungen Technische Zeichnungen Informatik Physik 4 Affine und lineare Abbildungen 5 Schlussbetrachtungen 6 Literatur 9 / 30

12 Fixpunkte affiner Abbildungen Fixpunkte Definition Für eine allgemeine Abbildung f : X X einer beliebigen Menge in sich heißt ein Punkt x X mit der Eigenschaft x = f (x ) (5) ein Fixpunkt. Beispiel für n = 1: Eine affine Abbildung f (x) = ax + b mit a 1 hat einen Fixpunkt x = 1 a b. Für a = 1 und b = 0 hat f eine Fixgerade R, für a = 1 und b 0 dagegen hat f keinen Fixpunkt. (Warum?) 10 / 30

13 Fixpunkte affiner Abbildungen Fixpunkte Definition Für eine allgemeine Abbildung f : X X einer beliebigen Menge in sich heißt ein Punkt x X mit der Eigenschaft x = f (x ) (5) ein Fixpunkt. Beispiel für n = 1: Eine affine Abbildung f (x) = ax + b mit a 1 hat einen Fixpunkt x = 1 a b. Für a = 1 und b = 0 hat f eine Fixgerade R, für a = 1 und b 0 dagegen hat f keinen Fixpunkt. (Warum?) Beweis. Für a 1 gilt x = ax + b (1 a)x = b x = 1 a b. Für a = 1 und b = 0 ist ja f (x) = x, d.h. alle Punkte sind fix. Für a = 1 und b 0 dagegen müsste gelten x = x + b 0 = b, was sich aber widerspräche; daher kann kein x die Fixpunktgleichung erfüllen. 10 / 30

14 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit einer 90 -Drehung n = 2: Eine affine Abbildung f (x) = Ax +b mit einer Drehung um 90 (ϕ = π 2 ): 0 1 A = 1 0 hat immer einen Fixpunkt. Welchen? 11 / 30

15 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit einer 90 -Drehung n = 2: Eine affine Abbildung f (x) = Ax +b mit einer Drehung um 90 (ϕ = π 2 ): 0 1 A = 1 0 hat immer einen Fixpunkt. Welchen? Lösung. Die Fixpunktgleichung x = f (x) ist nun eine Matrizengleichung: x1 0 1 x1 b1 x2 b1 = + = x 2 x1 + x 2 = x 2 x 1 ( b1 b 2 ) Umstellen der ersten Gleichung nach x 2 und Einsetzen dieses Terms für x 2 in die zweite Gleichung liefert x 1 = b 1 b 2 2 und damit x 2 = b 1+b 2 2, also b1 b 2 x 2 b 2 x 1 b 2 x = 1 2 b 1 + b 2 11 / 30

16 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit 180 -Drehung Eine ebene affine Abbildung f (x) = Ax + b mit einer Drehung um 180 (ϕ = π): 1 0 A = 0 1 hat immer einen Fixpunkt. Welchen? ( Lösung. Die Fixpunktgleichung x = f (x) ist nun eine Matrizengleichung: x1 1 0 x1 b1 x1 b1 = + = + x x 2 b 2 x 2 b 2 2x1 b1 = 2x 2 b 2 Daraus ergibt sich sofort x 1 = b 1 2 und x 2 = b 2 2, also ) ( b1 x = 1 2 b 2 (Machen Sie die Probe f (x ) = x!) 12 / 30

17 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Drehungen Satz Eine ebene affine Abbildung f (x) = Ax + b mit einer Drehung A um den Winkel ϕ gemäß Gl. (4) hat für ϕ 0 stets genau einen Fixpunkt, nämlich x = 1 2 ( sinϕ ) b1 b 2 1 cosϕ 1+cosϕ b 1 sinϕ + b 2 für ϕ π und x = 1 2b für ϕ = π. (6) 13 / 30

18 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Drehungen Satz Eine ebene affine Abbildung f (x) = Ax + b mit einer Drehung A um den Winkel ϕ gemäß Gl. (4) hat für ϕ 0 stets genau einen Fixpunkt, nämlich x = 1 2 ( sinϕ ) b1 b 2 1 cosϕ 1+cosϕ b 1 sinϕ + b 2 für ϕ π und x = 1 2b für ϕ = π. (6) Beweis. Die Fixpunktgleichung x = f (x) ist nun eine Matrizengleichung: x1 cosϕ sinϕ x1 b1 x1 cosϕ x = + = 2 sinϕ b1 + x 2 sinϕ cosϕ x 2 b 2 x 1 sinϕ + x 2 cosϕ b 2 x1 (1 cosϕ) + x 2 sinϕ b1 = x 1 sinϕ + x 2 (1 cosϕ) b 2 Umstellen der ersten Gleichung nach x 2 und Einsetzen in die zweite Gleichung liefert x 1 = 2 1 b 1 sinϕ 2(1 cosϕ) b 2 und damit x 2 = 1+cosϕ 2sinϕ b b 2 für ϕ π, also (6). Den Fall ϕ = π rechnet man mit (7) schnell nach. (7) 13 / 30

19 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Scherung n = 2: Eine affine Abbildung f (x) = Ax + b mit einer Scherung um den Scherungsfaktor m, 1 m A =, 0 1 λ hat unendlich viele Fixpunkte, für m 0 sind sie durch x = gegeben. b 1 /m 14 / 30

20 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Scherung n = 2: Eine affine Abbildung f (x) = Ax + b mit einer Scherung um den Scherungsfaktor m, 1 m A =, 0 1 λ hat unendlich viele Fixpunkte, für m 0 sind sie durch x = gegeben. b 1 /m Beweis. Die Fixpunktgleichung x = f (x) lautet: ( x1 1 m = x mx2 b1 = 0 b 2 )( x1 x 2 ) + ( b1 b 2 ) = ( x1 + mx 2 x 2 ) + ( b1 b 2 ) (8) Umstellen der ersten Gleichung nach x 2 liefert die Behauptung für m 0, für m = 0 ist notwendig b = / 30

21 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Spiegelung an der Winkelhalbierenden n = 2: Eine affine Abbildung f (x) = Ax + b mit einer Spiegelung um ϕ = π 2, 0 1 A =, 1 0 hat für bestimmte Translationsvektoren b unendlich viele Fixpunkte. Welche sind das und wie lauten die Fixpunkte? 15 / 30

22 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Spiegelung an der Winkelhalbierenden n = 2: Eine affine Abbildung f (x) = Ax + b mit einer Spiegelung um ϕ = π 2, 0 1 A =, 1 0 hat für bestimmte Translationsvektoren b unendlich viele Fixpunkte. Welche sind das und wie lauten die Fixpunkte? Lösungen. Die Fixpunktgleichung x = f (x) ist wieder eine Matrizengleichung: x1 = x1 b1 x2 b1 + = + x x 2 b 2 x 1 b 2 x1 x 2 b1 = (9) x 1 + x 2 b 2 Umstellen der ersten Gleichung nach x 2 ergibt x 2 = x 1 b 1 und Einsetzen in die zweite Gleichung liefert x 1 + x 1 b 1 = b 2 = b 1 = b 2, also eine Festlegung der Richtung von b. Damit folgt, dass x 1 beliebig ist, aber x 2 festlegt. Anders ausgedrückt: λ 1 x = falls b = µ λ µ 1 für ein ( µ R. )( Ist b jedoch ) ( nicht ) derart darstellbar, so existiert auch kein Fixpunkt. Es gilt 0 1 µ µ Ab = =, also Ab = b. 1 0 µ µ 15 / 30

23 Fixpunkte affiner Abbildungen Fixpunkte ebener affiner Abbildungen mit Spiegelung Satz Eine ebene affine Abbildung f (x) = Ax + b mit einer Spiegelung A um ϕ gemäß Gl. (4) hat unendlich viele Fixpunkte λ b1 /2 x =, wenn ϕ = b b 2 /2 1 = 0, x =, wenn ϕ = π und b λ 2 = 0, (10) oder x = ( λ 1 cosϕ sinϕ µ sinϕ ) 1, wenn b = µ 1+cosϕ sinϕ für ein µ R (11) (jeweils mit λ R). In all diesen Fällen gilt Ab = b, für alle anderen Fälle existiert kein Fixpunkt. Beweis. Die Fixpunktgleichung x = f (x) ist wieder eine Matrizengleichung: x1 cosϕ sinϕ x1 b1 x1 cosϕ + x = + = 2 sinϕ b1 + x 2 sinϕ cosϕ x 2 b 2 x 1 sinϕ x 2 cosϕ b 2 x1 (1 cosϕ) x 2 sinϕ b1 = x 1 sinϕ + x 2 (1 + cosϕ) b 2 (12) Umstellen der ersten Gleichung nach x 2 ergibt x 2 = (x 1 (1 cosϕ) b 1 )/sinϕ, und Einsetzen in die zweite Gleichung ergibt b 1(1+cosϕ) sinϕ = b 2, also eine Festlegung der Richtung von b. Daraus folgt (11). Für ϕ = 0 und ϕ = π ergibt (12) jeweils für beliebiges b direkt (10). 16 / 30

24 Fixpunkte affiner Abbildungen Dreidimensionale Rotationen Eine Rotation f : R 3 R 3 im 3-dimensionalen Raumes kann durch drei aufeinanderfolgende Drehungen R(α), R(β) und R(γ) mit den Euler schen Winkeln α, β, γ, als Matrizenoperation von rechts nach links auszuführen: cosγ sinγ 0 R zxz = sinγ cosγ cosβ sinβ 0 sinβ cosβ cosα sinα 0 sinα cosα cosα cosγ sinα cosβ sinγ sinα cosγ + cosα cosβ sinγ sinβ sinγ = cosα sinγ sinα cosβ cosγ sinα sinγ + cosα cosβ cosγ sinβ cosγ sinα sinβ cosα sinβ cosβ Z β z Y α γ X y x N 17 / 30

25 Anwendungen Übersicht 1 Einführung Motivation Mathematische Voraussetzungen Definition 2 Fixpunkte affiner Abbildungen 3 Anwendungen Technische Zeichnungen Informatik Physik 4 Affine und lineare Abbildungen 5 Schlussbetrachtungen 6 Literatur 18 / 30

26 Anwendungen Technische Zeichnungen Technische Zeichnungen: Parallelprojektion Bildpunkt von p mit Projektionsrichtung v auf die Bildebene E B : n x d = 0: p = p+ d p n v. n v Spezielle Parallelprojektionen: a) Orthogonalprojektion, ( v n), z.b. Grund-und Aufriss b) Kavalierprojektion ( v n, Bildebene senkrecht) c) Vogelperspektive ( v n, Bildebene horizontal) a) b) c) 19 / 30

27 Anwendungen Informatik Informatik: SVG (Vektorgraphik) skewx(m), skewy(m): Scherung um m in x- bzw. y-richtung translate(v 1 v 2 ): Verschiebung um den Vektor v = ( v ) 1 v 2 scale(a b): Skalierung um a in x-richtung und b in y-richtung rotate(ϕ x y): Drehung um ϕ (in Grad) um den Punkt (x,y) matrix(a 11 a 12 a 21 a 22 b 1 b 2 ): allgemeine affine Transformation f (x) = Ax + b (Siehe 1 <?xml version="1.0" encoding="utf-8"?> 2 <svg version="1.2" baseprofile="tiny" 3 xmlns=" 4 xml:lang="de" 5 viewbox=" "> 6 <title>beispiel einer affinen Transformation</title> 7 8 <g transform="skewx(30) rotate(45) translate(-20-20)"> 9 <rect width="40" height="40" fill="green" /> 10 </g> <rect width="40" height="40" fill="none" stroke="black" /> </svg> 20 / 30

28 Anwendungen Informatik Informatik: SVG (Vektorgraphik) skewx(m), skewy(m): Scherung um m in x- bzw. y-richtung translate(v 1 v 2 ): Verschiebung um den Vektor v = ( v ) 1 v 2 scale(a b): Skalierung um a in x-richtung und b in y-richtung rotate(ϕ x y): Drehung um ϕ (in Grad) um den Punkt (x,y) matrix(a 11 a 12 a 21 a 22 b 1 b 2 ): allgemeine affine Transformation f (x) = Ax + b (Siehe 1 <?xml version="1.0" encoding="utf-8"?> 2 <svg version="1.2" baseprofile="tiny" 3 xmlns=" 4 xml:lang="de" 5 viewbox=" "> 6 <title>beispiel einer affinen Transformation</title> 7 8 <g transform="matrix( , , , , , )"> 10 <rect width="40" height="40" fill="green" /> 11 </g> <rect width="40" height="40" fill="none" stroke="black" /> 14 </svg> 20 / 30

29 Anwendungen Informatik Computergrafik: Fraktale Ein Bild wird üblicherweise verpixelt (pro Pixel ein Farbcode à 256 bit) Speicherbedarf! Viele Naturobjekte sind allerdings selbstähnlich, d.h. ihre Struktur wiederholt sich auf verschiedenen Größenskalen. Beispiel: Ein Farn lässt sich aus 4 affinen Transformationen a11 a f i (x) = 12 b1 + a 21 a 22 b 2 (i = 1,...,4) zeichnen. swf.de/spielwiese/affin/barnsley- Fern- Generator.html [Mes15, 5.4.2, S. 241] vgl. (Bildquelle: 21 / 30

30 Anwendungen Physik Mechanik: Starre Bewegungen im Raum Starre Bewegungen eines physikalischen Systems sind stets durch affine Abbildungen f (x) = Ax + b mit einer dreidimensionalen Rotationsmatrix A darstellbar. Z.B. Bezugssystem Flugzeug Erdboden mit drei Tait-Bryan-Winkeln: Gierwinkel Ψ [ π,π] (yaw), Nickwinkel Θ [ π 2, π 2 ] (pitch), Rollwinkel Φ [ π,π] (roll), [ z x Z Y Φ θ ψ y N(y') N T X Pitch Axis Roll Axis Yaw Axis Φ X -Θ Ψ y - z z x (Bildquellen: / 30

31 Affine und lineare Abbildungen Übersicht 1 Einführung Motivation Mathematische Voraussetzungen Definition 2 Fixpunkte affiner Abbildungen 3 Anwendungen Technische Zeichnungen Informatik Physik 4 Affine und lineare Abbildungen 5 Schlussbetrachtungen 6 Literatur 23 / 30

32 Affine und lineare Abbildungen Affine und lineare Abbildungen Satz Eine affine Abbildung f : R n R n, mit einem Fixpunkt x ist stets zusammengesetzt aus einer Translation x y = x x, einer linearen Abbildung g(y) = Ay und einer Translation y y + x. x x 2 affin f (x) = Ax + b x x 2 x 1 Translation y = x x x 1 Translation x = y + x y 2 linear g(y) = Ay y 2 0 y 1 y 1 24 / 30

33 Affine und lineare Abbildungen Affine und lineare Abbildungen: Beispiel Betrachte die Drehung um 180 und deren Fixpunkt x für b = ( 4 4), also A = und x 0 1 =. 2 Dann ist: x 2 x affin Ax x 2 x x 1 x 1 Translation y = x x Translation x = y + x y 2 linear Ay y 2 0 y 1 0 y 1 25 / 30

34 Affine und lineare Abbildungen Affine Abbildungen und ihre Rolle heute Der interessante Teil einer affinen Abbildung ist durch die lineare Abbildung gegeben. Man betrachtet in der Höheren Mathematik und in Wissenschaft und Technik kaum noch affine Abbildungen, sondern vorwiegend lineare Abbildungen. Lineare Abbildungen im R n lassen sich effizient durch quadratische Matrizen darstellen. Mit quadratischen Matrizen kann man wie mit Zahlen rechnen, also bilden. Summen A + B, Produkte AB, und (oft) Quotienten A 1 Matrizen bilden eine sog. Algebra. Lineare Abbildungen sind Bestandteil der Linearen Algebra. Affine Abbildungen sind heute ein spezielles Kapitel der Linearen Algebra und werden in Studium und Wissenschaft nur am Rande erwähnt. Dennoch sind sie, wie die gesamte Geometrie, oft Ursache und Anwendungsfeld algebraischer Betrachtungen. 26 / 30

35 Schlussbetrachtungen Übersicht 1 Einführung Motivation Mathematische Voraussetzungen Definition 2 Fixpunkte affiner Abbildungen 3 Anwendungen Technische Zeichnungen Informatik Physik 4 Affine und lineare Abbildungen 5 Schlussbetrachtungen 6 Literatur 27 / 30

36 Schlussbetrachtungen Zusammenfassung Eine affine Abbildung f : R n R n ist gegeben durch eine (n n)-matrix A und einen Verschiebungsvektor b R n : f (x) = Ax }{{} + b }{{} lineare Translation Abbildung ABC ABC ABC ABC Beispiele für affine Abbildungen: Drehstreckungen, Spiegelungen, Scherungen Affine Abbildungen können einen Fixpunkt x = f (x ) haben, im 3-Dimensionalen z.b. die Punkte auf der Rotationsachse oder auf der Spiegelfläche. Sie haben vielfältige Anwendung in Technik, Physik, Informatik, Sport Quadratische Matrizen bilden eine Algebra, d.h. man kann mit ihnen rechnen. Affine Abbildungen sind heute Teil der Linearen Algebra. 28 / 30

37 Schlussbetrachtungen Und zum Schluss... Geben Sie eine affine Abbildung zu folgender Parallelprojektion der Penrose-Treppe an! (Bildquelle: haegar.fh-swf.de/spielwiese/unmoeglicheobjekte/port.html Da es sich um ein Unmögliche Figur handelt, existiert keine affine Abbildung dafür. Siehe auch 29 / 30

38 Literatur JÄNICH, Klaus: Lineare Algebra. 2. Berlin Heidelberg : Springer-Verlag, 1981 MESCHEDE, Dieter (Hrsg.): Gerthsen Physik. 25. Berlin Heidelberg : Springer Verlag, / 30

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

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE

Wiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse

Mehr

1 Vektoren, Vektorräume, Abstände: 2D

1 Vektoren, Vektorräume, Abstände: 2D Vektoren, Vektorräume, Astände: D Definition: Die Menge aller (geordneten Paare reeller Zahlen (oder allgemeiner: Elemente eines elieigen Körpers, als Spalten geschrieen, ezeichnen wir als Vektoren: R

Mehr

Repräsentation und Transformation von geometrischen Objekten

Repräsentation und Transformation von geometrischen Objekten Repräsentation und Transformation von geometrischen Objekten Inhalt: Grundlagen Überblick Einfache Transformationen in der Ebene Homogene Koordinaten Einfache Transformationen in der Ebene mit homogenen

Mehr

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w = 1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition

Mehr

Drehung um einen Punkt um Winkel α.

Drehung um einen Punkt um Winkel α. Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D

Mehr

Brückenkurs Mathematik

Brückenkurs Mathematik Brückenkurs Mathematik 6.10. - 17.10. Vorlesung 3 Geometrie Doris Bohnet Universität Hamburg - Department Mathematik Mi 8.10.2008 1 Geometrie des Dreiecks 2 Vektoren Länge eines Vektors Skalarprodukt Kreuzprodukt

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015 Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten

Mehr

2.2 Kern und Bild; Basiswechsel

2.2 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 22 Kern und Bild; Basiswechsel 35 Jede lineare Abbildung definiert charakteristische Unterräume, sowohl im Ausgangsraum als auch im Bildraum 22 Satz Sei L: V W eine lineare

Mehr

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok

Kurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

3D-Transformationen. Kapitel Translation Skalierung

3D-Transformationen. Kapitel Translation Skalierung Kapitel 13 3D-Transformationen Wie im weidimensionalen Fall, werden die Definitionspunkte der Objekte als Spaltenvektoren mit homogener Koordinate geschrieben. Die notwendigen Transformationen werden wieder

Mehr

2 Geometrie und Vektoren

2 Geometrie und Vektoren Geometrie und Vektoren Vorbemerkung: Begriffe wie die folgenden werden hier als bekannt vorausgesetzt: Punkt, Strecke, Strahl, Gerade, Ebene, Kreis, Winkel, rechter Winkel, etc..1 Grundlegende Sätze Satz

Mehr

Einführung in die Mathematik für Informatiker

Einführung in die Mathematik für Informatiker Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A

Beispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A 133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

3.3 Klassifikation quadratischer Formen auf R n

3.3 Klassifikation quadratischer Formen auf R n 3.3. Klassifikation quadratischer Formen auf R n 61 3.3 Klassifikation quadratischer Formen auf R n Wir können den Hauptsatz über symmetrische Matrizen verwenden, um uns einen Überblick über die Lösungsmengen

Mehr

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h.

Lineare Abbildungen. Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls. d.h. Lineare Abbildungen Es seien V und W Vektorräume über einem Körper K. Eine Abbildung f : V W heißt linear oder Homomorphismus, falls (1) u, v V : f( u + v) = f( u) + f( v). (2) v V α K : f(α v) = αf( v).

Mehr

mentor Lernhilfe: Mathematik 7. Klasse Baumann

mentor Lernhilfe: Mathematik 7. Klasse Baumann mentor Lernhilfen mentor Lernhilfe: Mathematik 7. Klasse Geometrie: Achsen- und Punktspiegelung, Drehung, Verschiebung, Winkelgesetze von Rolf Baumann 1. Auflage mentor Lernhilfe: Mathematik 7. Klasse

Mehr

1 Fraktale Eigenschaften der Koch-Kurve

1 Fraktale Eigenschaften der Koch-Kurve Anhang Inhaltsverzeichnis Fraktale Eigenschaften der Koch-Kurve iii. Einführung.................................. iii.2 Defintion.................................... iii.3 Gesamtlänge der Koch-Kurve........................

Mehr

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7

Klausurenkurs zum Staatsexamen (WS 2013/14): Lineare Algebra und analytische Geometrie 7 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 3/4): Lineare Algebra und analytische Geometrie 7 7. (Frühjahr, Thema 3, Aufgabe 4) Im R 3 seien die beiden Ebenen E : 6x+4y z = und E : +s +t 4 gegeben.

Mehr

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum

6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum Kapitel II Lineare Algebra und analytische Geometrie 6 Affine Abbildungen Bei der Definition affiner Abbildungen gehen wir von der linearen Algebra aus und kommen aus guten Gründen erst danach zum geometrischen

Mehr

8 Die Riemannsche Zahlenkugel

8 Die Riemannsche Zahlenkugel 8 Die Riemannsche Zahlenkugel Wir untersuchen zunächst Geraden- und Kreisgleichungen in der komplexen Ebene C = R 2. Geradengleichungen Die Parameterdarstellung einer Geraden durch zwei Punkte z 1 z 2

Mehr

3.8. Lineare Abbildungen.

3.8. Lineare Abbildungen. 38 Lineare Abbildungen 38 Lineare Abbildungen 38 Definition Es seien V und W Vektorräume über K Eine Abbildung α : V W heißt linear, wenn für alle Vektoren u, v V und alle Skalare k K gilt: α(u + v α(u

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

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

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

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

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Symmetrien. Transformationen. Affine und euklidische Räume

Symmetrien. Transformationen. Affine und euklidische Räume Symmetrien Transformationen Der Gruppenbegriff entwickelte sich aus dem Begriff der Transformationsgruppe. In dieser Form tauchen auch die meisten Gruppen in der Mathematik, Physik, Chemie, Kristallographie,

Mehr

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b

Mehr

1. Unterteilung von allgemeinen Dreiecken in rechtwinklige

1. Unterteilung von allgemeinen Dreiecken in rechtwinklige Trigonometrie am allgemeinen Dreieck Wir können auch die Seiten und Winkel von allgemeinen Dreiecken mit Hilfe der Trigonometrie berechnen. Die einfachste Variante besteht darin, ein beliebiges Dreieck

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Trigonometrie. In der Abbildung: der Winkel 120 (Gradenmaß) ist 2π = 2π (Bogenmaß).

Trigonometrie. In der Abbildung: der Winkel 120 (Gradenmaß) ist 2π = 2π (Bogenmaß). Trigonometrie. Winkel: Gradmaß oder Bogenmaß In der Schule lernt man, dass Winkel im Gradmass, also als Zahlen zwischen 0 und 60 Grad angegeben werden. In der Mathematik arbeitet man lieber mit dem Bogenmaß,

Mehr

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt:

Geometrie. Bei der Addition von Vektoren erhält man einen Repräsentanten des Summenvektors +, indem man die Repräsentanten von aneinanderfügt: Geometrie 1. Vektoren Die Menge aller zueinander parallelen, gleich langen und gleich gerichteten Pfeile werden als Vektor bezeichnet. Jeder einzelne Pfeil heißt Repräsentant des Vektors. Bei Ortsvektoren:

Mehr

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme

II. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme 52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte

Mehr

Lineare (affine) Abbildung

Lineare (affine) Abbildung Lineare affine Aildung A e 2 a e Wir üerziehen die Eene neen dem vertrauten Quadrat-Gitternetz, das durch die Basisvektoren e und e 2 festgelegt ist, mit einem Parallelogramm-Gitternetz, dessen Maschen

Mehr

Komplexe Funktionen. für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg. Reiner Lauterbach. Universität Hamburg

Komplexe Funktionen. für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg. Reiner Lauterbach. Universität Hamburg Komplexe Funktionen für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Universität Hamburg SS 2006 Reiner Lauterbach (Universität Hamburg) Komplexe Funktionen

Mehr

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16)

Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) 1 Vorlesung Mathematik 1 für Ingenieure (Wintersemester 2015/16) Kapitel 7: Konvergenz und Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.

Mehr

Mathematischer Vorkurs Lösungen zum Übungsblatt 5

Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume

Mehr

3. Ähnlichkeitsabbildungen

3. Ähnlichkeitsabbildungen 3. Ähnlichkeitsabbildungen 3.1 Definitionen: Ähnlichkeitsabbildungen, Dilatationen Bis jetzt haben wir Isometrien (Kongruenzabbildungen) betrachtet. Diese bbildungen wurden aufgebaut aus den Geradenspiegelungen.

Mehr

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

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

Mehr

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

Mehr

Mathematik für Chemische Technologie 2

Mathematik für Chemische Technologie 2 Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters

Mehr

6 Symmetrische und hermitesche Matrizen

6 Symmetrische und hermitesche Matrizen $Id: quadrat.tex,v.0 0/06/9 :47:4 hk Exp $ $Id: orthogonal.tex,v.4 0/06/9 3:46:46 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6.3 Quadratische Funktionen und die Hauptachsentransformation Wir sind

Mehr

4 Grundlagen zu SVG-Karten und -Diagrammen...33

4 Grundlagen zu SVG-Karten und -Diagrammen...33 48 4 Grundlagen zu SVG-Karten und -Diagrammen 4 Grundlagen zu SVG-Karten und -Diagrammen...33 4.1 Bildschirmdarstellung vs. Papierkartendruck...33 4.1.1 Mehr Farben...33 4.1.2 Probleme beim Einsatz von

Mehr

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte

Geometrie. 1 Vektorielle analytische Geometrie der Ebene, Kegelschnitte Geometrie Geometrie W. Kuhlisch Brückenkurs 206. Vektorrechnung und analytische Geometrie der Ebene, Kegelschnitte 2. Vektorrechnung und analytische Geometrie des Raumes, Anwendungen in der Geometrie,

Mehr

6. Rechnen mit Matrizen.

6. Rechnen mit Matrizen. 6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem

Mehr

Mathematik = x 2 + x 2 = x + x 2 25x = 146 x =

Mathematik = x 2 + x 2 = x + x 2 25x = 146 x = 1 Prof. Dr. Matthias Gerdts Dr. Sven-Joachim Kimmerle Wintertrimester 014 Mathematik 1 + Übung 1 Gleichungen mit Wurzeln Bestimmen Sie alle Lösungen der folgenden Gleichungen. Beachten Sie dabei, dass

Mehr

Übungen zur Analysis II Blatt 27 - Lösungen

Übungen zur Analysis II Blatt 27 - Lösungen Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche" Punkte mit inhomogenen K

Die Abbildung (x 1 ;x 2 ) 7! (x 1 ;x 2 ; 1) ist eine Einbettung von R 2 in P 2 (als Mengen). Punkte mit z 6= 0 sind endliche Punkte mit inhomogenen K Kapitel IV Projektive Geometrie In diesem Kapitel wird eine kurze Einführung in die projektive Geometrie gegeben. Es sollen unendlich ferne Punkte mit Hilfe von homogene Koordinaten eingeführt werden und

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

5.4 Vektorgeometrie. 1 Repetition der Vektorgeometrie I Freie Vektoren, Ortsvektoren Die skalare Multiplikation eines Vektors...

5.4 Vektorgeometrie. 1 Repetition der Vektorgeometrie I Freie Vektoren, Ortsvektoren Die skalare Multiplikation eines Vektors... 5.4 Vektorgeometrie Inhaltsverzeichnis Repetition der Vektorgeometrie I. Freie Vektoren, Ortsvektoren................................... Die skalare Multiplikation eines Vektors.............................3

Mehr

Lineare Algebra: Theorie und Anwendungen

Lineare Algebra: Theorie und Anwendungen Lineare Algebra: Theorie und Anwendungen Sommersemester 2012 Bernhard Burgeth Universität des Saarlandes c 2010 2012, Bernhard Burgeth 1 VEKTOREN IN DER EBENE UND IM RAUM 2 1 Vektoren in der Ebene und

Mehr

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7 Timo Stöcker Erstsemestereinführung Informatik TU Dortmund 22. März 2011 Heute Themen Lineare Gleichungssysteme Matrizen Timo Stöcker https://fsinfo.cs.tu-dortmund.de/studis/ese/vorkurse/mathe

Mehr

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Poelchau-Oberschule Berlin A. Mentzendorff September 2007 Lineare Gleichungssysteme Inhaltsverzeichnis 1 Grundlagen 2 2 Das Lösungsverfahren von Gauß 4 3 Kurzschreibweise und Zeilensummenkontrolle 6 4

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Ergänzung Eigenwerte und Eigenvektoren Motivation Definitionen Beispiele im IR 2 Beispiele im IR 3 Eigenwerte und Eigenvektoren Motivation Lineare Abbildungen, Ausgangsvektor und Bildvektor Lineare Abbildungen

Mehr

Trigonometrie. bekannte Zusammenhänge. 4-Streckensatz: groß/klein = groß/klein. Zusammenhänge im allgemeinen Dreieck:

Trigonometrie. bekannte Zusammenhänge. 4-Streckensatz: groß/klein = groß/klein. Zusammenhänge im allgemeinen Dreieck: Trigonometrie bekannte Zusammenhänge 4-Streckensatz: groß/klein = groß/klein Zusammenhänge im allgemeinen Dreieck: Summe zweier Seiten größer als dritte Seitenlänge: a + b > c Innenwinkelsumme: Summe der

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ): Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe

Mehr

40 Lokale Extrema und Taylor-Formel

40 Lokale Extrema und Taylor-Formel 198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen

Mehr

Menge der natürlichen Zahlen = {1, 2, 3,...} Aber: a + x = b ist nur lösbar, falls b > a

Menge der natürlichen Zahlen = {1, 2, 3,...} Aber: a + x = b ist nur lösbar, falls b > a Komplexe Zahlen. Bedarfsfrage Menge der natürlichen Zahlen = {,, 3,...} Aber: a + x = b ist nur lösbar, falls b > a (Peano-Axiome). Erweiterung: Menge der ganen Zahlen = {..., -3, -, -, 0,,, 3,...} a +

Mehr

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau,

1.3 Gruppen. Algebra I 9. April 2008 c Rudolf Scharlau, Algebra I 9. April 2008 c Rudolf Scharlau, 2002 2008 18 1.3 Gruppen Der Begriff der Gruppe ordnet sich in gewisser Weise dem allgemeineren Konzept der Verknüpfung (auf einer Menge) unter. So ist zum Beispiel

Mehr

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:

Lernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung: Vektorrechnung eine Einführung Einleitung: Um beispielsweise das Dreieck ABC in der Abbildung an die Position A'B'C' zu verschieben, muss jeder Punkt um sieben Einheiten nach rechts und drei nach oben

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

2. Der Grad von Körpererweiterungen

2. Der Grad von Körpererweiterungen 2. Der Grad von Körpererweiterungen 15 2. Der Grad von Körpererweiterungen Wenn wir untersuchen wollen, ob eine gegebene Konstruktion in der Ebene mit Zirkel und Lineal durchführbar ist, haben wir im vorigen

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

Koordinaten, Transformationen und Roboter

Koordinaten, Transformationen und Roboter Koordinaten, Transformationen und Roboter Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 48 Einleitung Seit Anbeginn der

Mehr

8 Tangenten an Quadriken

8 Tangenten an Quadriken 8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA

Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch e-mail: theorie@ronaldbalestra.ch 19. Oktober 2009 Überblick über die bisherigen

Mehr

37 II.1. Abbildungen

37 II.1. Abbildungen 37 II.1. Abbildungen "Abbildung" und "Funktion" sind verschiedene Namen für denselben Begriff, der charakterisiert ist durch die Angabe der Definitionsmenge ("Was wird abgebildet?"), der Wertemenge ("Wohin

Mehr

Übung 2 vom

Übung 2 vom Übung vom.0.04 Aufgabe 5 Gegeben ist die Gleichung sin(α) + sin(α + β) + sin(α + β) = 0 Für welches Argument β ist diese Gleichung für jedes α erfüllt? Wo findet diese Gleichung Anwendung in der Technik?

Mehr

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung

Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Gleitspiegelung und Verkettungen von Spiegelung und Parallelverschiebung Def. Eine Gleitspiegelung ist eine Spiegelung an einer Geraden (Spiegelachse) verknüpft mit einer Translation parallel zu dieser

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010 Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und

Mehr

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015

Grundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015 Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt

Mehr

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen)

x y f : R 2 R 3, Es gilt: Bild f = y : wobei x,y R Kern f = 0 (wird auf der nächsten Folie besprochen) Def Wiederholung Sei f : V U eine lineare Abbildung Das Bild von f ist die folgende Teilmenge von U: Bild f = {u U so dass es gibt ein Element v V mit f (v) = u} (Andere Bezeichnung: f (V) wird in Analysis-Vorlesung

Mehr

Musterlösung Lineare Algebra und Geometrie Herbstsemester 2015, Aufgabenblatt 6

Musterlösung Lineare Algebra und Geometrie Herbstsemester 2015, Aufgabenblatt 6 Musterlösung Lineare Algebra und Geometrie Herbstsemester 015, Aufgabenblatt 6 Aufgabenblatt 6 40 Punkte Aufgabe 1 (Bandornamente) Ordne die sechs Bandornamente rechts den sieben Klassen zu. Zu jeder Klasse

Mehr

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?

Prüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? 1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2

Mehr

1 Analytische Geometrie

1 Analytische Geometrie Analytische Geometrie. Grundlagen, Begriffe, Schreibweisen Achsenkreuz Die Achsen heißen in dieser Darstellung x und -Achse. Punkte Punkte werden weiterhin mit großen, lateinischen Buchstaben bezeichnet

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr