Mathematische Grundlagen

Ähnliche Dokumente
Mathematische Grundlagen

3D-Transformationen. Kapitel Translation Skalierung

146

Kapitel 3: Geometrische Transformationen

Lineare Algebra und Computer Grafik

-dimensionale Darstellungen

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

Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)

Lösbarkeit linearer Gleichungssysteme

3D-Transformationen. Kapitel Translation Skalierung

Blatt 06.3: Matrizen

entspricht der Länge des Vektorpfeils. Im R 2 : x =

Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)

Analytische Geometrie, Vektorund Matrixrechnung

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Vektorprodukt. Institut für Mathematik Humboldt-Universität zu Berlin & &

Lineare Algebra. 1 Lineare Abbildungen

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

4 Lineare Abbildungen

Mathematiklabor 2. Übungsblatt

35 Matrixschreibweise für lineare Abbildungen

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Vektoren, Vektorräume

Transformation - 3. Für "übliche" Anwendungen in der Geometrie ist es sinnvoll, bei Transformationen eine gleiche

Vektorprodukt. Der Vektor. ist zu a und b orthogonal, gemäß der. Rechten-Hand-Regel orientiert und hat die Länge c = a b

D-CHAB Frühlingssemester 2018

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

$Id: anageo.tex,v /01/18 21:24:38 hk Exp hk $

Kapitel 17 Skalar- und Vektorprodukt

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

Analytische Geometrie II

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

Inhaltsverzeichnis. 1 Hardwaregrundlagen

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Brückenkurs Mathematik

Einführung in die Mathematik für Informatiker

1 Vorlesungen: und Vektor Rechnung: 1.Teil

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Vektoren - Die Basis

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Vektorprodukt. Satz: Für a, b, c V 3 und λ IR gilt: = a b + a c (Linearität) (Linearität) b = λ

Vektoren und Matrizen

Affine Koordinatentransformationen

Mathematik für Naturwissenschaftler II SS 2010

Computergrafik 1 Transformationen

Kapitel 2: Mathematische Grundlagen

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6

Tutorium Mathematik II, M Lösungen

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

Kapitel 7. Lineare Abbildungen. 7.1 Motivation

Korrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:

03. Vektoren im R 2, R 3 und R n

Seminar 3-D Grafik Mathematische Grundlagen, Räume, Koordinatensysteme, Projektionen. Hermann Schwarz Marko Pilop

03. Vektoren im R 2, R 3 und R n

Lineare Abbildungen. De nition Seien V, W Vektorräume. Eine Abbildung f : V! W heißt linear, wenn gilt

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

Vorlesung Mathematik 2 für Informatik

Aus dem Beispiel lässt sich ablesen (und auch beweisen, siehe Mathematikvorlesung): Die Einheitsvektoren des Koordinatensystems K sind die Spalten der

09. Lineare Abbildungen und Koordinatentransformationen

Übungen zu Computergrafik

Mathematische Erfrischungen III - Vektoren und Matrizen

44 Orthogonale Matrizen

Mathematik für Informatiker 1 Wintersemester 2013/14 Heimarbeitsblatt 14

1 Fraktale Eigenschaften der Koch-Kurve

2.3.4 Drehungen in drei Dimensionen

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

2 Die Algebra der Matrizen

Rang einer Matrix. 1-E1 Ma 1 Lubov Vassilevskaya

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

Denition 6.1 Eine Gerade ist die Menge aller Losungen (x; y) einer linearen Gleichung. y = A B x + C B : Ax + By = C mit 6= 0

Lineare Transformationen und Determinanten. 10-E Ma 1 Lubov Vassilevskaya

Grundwissen Abitur Geometrie 15. Juli 2012

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α

GRUNDLAGEN MATHEMATIK

Vektoren. Kapitel Skalare, Vektoren, Tensoren. 3.2 Vektoren

Lineare Algebra und Numerische Mathematik für D-BAUG

1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6

Mathematik I für MB/ME

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

Mathematik I für MB und ME

3.1.1 Anes Koordinatensystem im Raum

Kapitel 2. Mathematische Grundlagen. Koordinatensystem

Geometrie. 1 Vektoren, Vektorielle analytische Geometrie der Ebene

2 Grundlegende Verfahren und Techniken

Lineare Algebra und Numerische Mathematik für D-BAUG

Kapitel 1. Koordinaten im Raum. 1.1 Schrägbilder - Kavalier-Perspektive Koordinaten

YOUNG SCIENTISTS. 4 dimensionale komplexe Zahlen in der Computergrafik. Bastian Weiß 19. Mai 2017 INSTITUT FÜR ANGEWANDTE GEOMETRIE

SBP Mathe Aufbaukurs 2 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 2

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

Lineare Algebra - Übungen 1 WS 2017/18

Vorkurs Mathematik. Vektoren, lineare Gleichungssysteme und Matrizen

Transformation - Homogene Koordinaten. y + b )

6. Vektor- und Koordinaten-Geometrie.

Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix

Transkript:

Kapitel 2 Mathematische Grundlagen In diesem Kapitel werden die mathematischen Grundlagen dargelegt, die für die Darstellung von dreidimensionalen Objekten notwendig sind. 2. 3D-Koordinatensystem Weit verbreitet ist das kartesische Koordinaten-System, z.b. in der rechtshändigen Form. Bei gespreizten Fingern der rechten Hand zeigt der Daumen in x-richtung, der Zeigefinger in y- Richtung, der Mittelfinger in z-richtung. y hinten z vorne x 2.2 Länge und Kreuzprodukt Gegeben sei ein 3D-Vektor Seine Länge ist definiert als v = v v 2 v 3 v := v 2 + v2 2 + v2 3 45

46 KAPITEL 2. MATHEMATISCHE GRUNDLAGEN Gegeben seien zwei 3D-Vektoren v = v v 2 v 3 und w = w w 2 w 3 Das Kreuzprodukt von v und w ist definiert als v 2 w 3 v 3 w 2 v w = v 3 w v w 3 v w 2 v 2 w Der Vektor v w steht senkrecht auf v und steht senkrecht auf w. Seine Länge entspricht der Fläche des durch v und w aufgespannten Parallelogramms, d.h. v w = v w sin(α) v w v w α In einem rechtshändigen Koordinatensystem entspricht bei gespreizten Fingern der Daumen v, der Zeigefinger w, der Mittelfinger v w. Ein Applet zur Visualisierung liegt unter http://www-lehre.inf.uos.de/ cg/2008/skript/applets/crossproduct. Anwendung des Kreuzprodukts Gegeben sei eine Fläche durch 3 nicht kollineare Punkte P,P 2,P 3. P 3 P P 2 Der Vektor P 2 P P 3 P bildet den Normalenvektor zur Fläche. Ist eine Ebene durch ihre Ebenengleichung Ax + By +Cz + D = 0 gegeben, so ergibt sich der Normalenvektor als (A B C) T. Ist ein Normalenvektor (A B C) T gegeben, so errechnet sich D durch Einsetzen eines beliebigen Punktes der Ebene. Ein Punkt (x,y,z) liegt

2.2. LÄNGE UND KREUZPRODUKT 47 oberhalb der Ebene, falls Ax + By +Cz > D unterhalb der Ebene, falls Ax + By +Cz < D in der Ebene, falls Ax + By +Cz = D Wir werden jede ebene Fläche als Ausschnitt einer Ebene ansehen und dem entsprechenden Polygon eine Flächennormale n zuweisen. Der Umlaufsinn des Polygons entscheidet, in welche Richtung die Flächennormale weist: P P2 P P2 P3 Dreieck mit Punkten im Uhrzeigersinn P3 Dreieck mit Punkten im Gegenuhrzeigersinn Umlaufsinn bei Polygonen ObdA werden der erste, der zweite und der letzte Punkt eines Polygons zur Bestimmung der Normalen herangezogen. Im Fall eines im Uhrzeigersinn (clockwise) orientierten Polygons ergibt sich: n cw = P P 3 P 2 P = v w = v 2 w 3 v 3 w 2 v 3 w v w 3 v w 2 v 2 w Falls das Polygon gegen den Uhrzeigersinn (counter clockwise) orientiert ist, tauschen die Vektoren v und w die Plätze: w 2 v 3 w 3 v 2 n ccw = P 2 P P 3 P = w v = w 3 v w v 3 w v 2 w 2 v Es gilt also: n cw = n ccw Die beiden Normalen weisen in entgegengesetzte Richtungen (Schiefsymmetrie des Kreuzproduktes). Wir werden alle Polygone gegen den Uhrzeigersinn orientieren. Für konvexe Polygone gilt dann: Die Normale einer Fläche, die man so betrachtet, daß sie gegen den Uhrzeigersinn orientiert ist, zeigt in Richtung des Betrachters. Man sieht die Seite der Fläche, die die Außenseite sein soll. Das Kreuzprodukt ist linear in jedem Argument. Es ist weder kommutativ (s.o.) noch assoziativ (( a b) c a ( b c)).

48 KAPITEL 2. MATHEMATISCHE GRUNDLAGEN 2.3 Skalarprodukt Gegeben seien zwei n-dimensionale Vektoren v, w. Das Skalarprodukt lautet: Für Vektoren a, b, c und s R gilt: v w := n i= v i w i a b = b a (Symmetrie) ( a + c) b = a b + c b (Linearität) (s a) b = s( a b) (Homogenität) b = b b (euklidische Norm) Anwendungen des Skalarprodukts: Gegeben zwei Vektoren v, w. Für den Winkel α zwischen v und w gilt: cos(α) = α v w v w. v w Es gilt: v w < 0 v und w schließen einen Winkel von mehr als 90 ein v w = 0 v steht senkrecht auf w v w > 0 v und w schließen einen Winkel von weniger als 90 ein Es gilt: n r = D beschreibt eine Ebene für D R und Normalenvektor n. Alle Lösungsvektoren r liegen (als Punkte aufgefaßt) auf der Ebene. Das Skalarprodukt aller Ebenenpunkte (als Vektoren geschrieben) mit dem Normalenvektor ist konstant. 2.4 Matrixinversion Analog zum zweidimensionalen Fall werden die dreidimensionalen Transformationen durch Verknüpfung homogener Koordinaten mit 4 4-Transformationsmatrizen dargestellt. Sei A = (a ik ), i,k 4, eine 4 4-Matrix: A = a a 2 a 3 a 4 a 2 a 22 a 23 a 24 a 3 a 32 a 33 a 34 a 4 a 42 a 43 a 44

2.5. WECHSEL EINES KOORDINATENSYSTEMS 49 Ist D = det A = a ik die Determinante von A, so bezeichnet man als Unterdeterminante des Elementes a ik diejenige 3-reihige Determinante, die aus D durch Streichen der i-ten Zeile und der k-ten Spalte hervorgeht. Unter der Adjunkten A ik des Elementes a ik versteht man die mit dem Vorzeichen ( ) i+k versehene Unterdeterminante von a ik. Beispiel: A 23 = a a 2 a 4 a 3 a 32 a 34 a 4 a 42 a 44 = [a (a 32 a 44 a 34 a 42 ) a 2 (a 3 a 44 a 34 a 4 ) + a 4 (a 3 a 42 a 32 a 4 )] Die Adjunkten sind nützlich zur Berechnung der Determinanten von A sowie der inversen Matrix A (sofern diese existiert!): A A 2 A 3 A 4 4 det A = a k A k A = A 2 A 22 A 32 A 42 k= det A A 3 A 23 A 33 A 43 A 4 A 24 A 34 A 44 2.5 Wechsel eines Koordinatensystems Wenn wir ein Koordinatensystem wählen, um die Punkte des R 3 zu beschreiben, dann wählen wir damit auch eine Basis, die den Vektorraum aufspannt. Die Basisvektoren sind die Einheitsvektoren in Richtung der Koordinatenachsen. Zwei verschiedene Koordinatensysteme haben zwei verschiedene Basen. Die Transformation von einem Koordinatensystem in ein anderes bedeutet also einen Basiswechsel. Gegeben sei ein Koordinatensystem A (z.b. das Kartesische Koordinatensystem) mit zugehöriger Basis A. Z.B. die kanonische Basis (in Matrixschreibweise mit Spaltenvektoren): A kart = 0 0 0 0 0 0 In homogenen Koordinaten werden als vierter Spaltenvektor die Koordinaten des Ursprungs von Koordinatensystem A, beschrieben bzgl. Basis A (hier also: (0 0 0 ) T ), hinzugenommen: 0 0 0 A kart = 0 0 0 0 0 0 0 0 0 Weiterhin sei ein zweites - von A verschiedenes - Koordinatensystem B gegeben. Auch dieses Koordinatensystem spezifiziert 4 ausgezeichnete Elemente: Seinen Ursprungspunkt B w und die drei Einheitsvektoren B x, B y, B z. Diese Elemente lassen sich sowohl bzgl. der Basis A als auch bzgl. der Basis B darstellen. Um von einer Darstellung in die andere zu kommen, muß die gegebene Darstellung nur mit der im Folgenden beschriebenen Matrix multipliziert werden.

50 KAPITEL 2. MATHEMATISCHE GRUNDLAGEN Wenn man die homogenen Koordinatenvektoren in Spaltenschreibweise nebeneinander anordnet ergeben sie die Matrix M B A, die den Übergang von Basis B zur Basis A beschreibt: ( ) M B A = B x B y B z B w z y A x p By B Bw Bx Bz Beispiel (für den 2-dimensionalen Fall): By Ay p Bx Bw Ax x-achse: B x lautet ( 2 y-achse: B y lautet ( 2 2 0)T 2 0)T Ursprung: B w lautet (4,,) Punkt: P B lautet (2 2,4 2,) Der Aufbau der Matrix M B A repräsentiert die erforderliche Drehung und Verschiebung, um einen aus der Sicht von Koordinatensystem B (also bzgl. Basis B beschriebenen Punkt P aus der Sicht von Koordinatensystem A (also bzgl. A) zu beschreiben. Im zwei-dimensionalen Fall wird zunächst der Punkt P um den Winkel α gedreht, der sich zwischen den Achsen der Koordinatensysteme A und B befindet. Dann wird eine Translation durchgeführt mit dem Wert der Ursprungsposition von B. Cosinus und Sinus des Drehwinkels α ergeben sich gerade aus den Werten a bzw. b, wobei die Einheitsvektoren (a b) T und ( b a) T die Basis für Koordinatensystem B darstellen. Also läßt sich in obigem Beispiel der Punkt p wie folgt transformieren: 2 2 4 2 2 2 2 4 2 2 = 7 0 0

2.5. WECHSEL EINES KOORDINATENSYSTEMS 5 Um einen Punkt P A im Koordinatensystem A bzgl. des Koordinatensystems B zu spezifizieren, verwendet man die inverse Matrix zu M B A : M B A p B = p A p B = M B A p A