Zeit: 13h-15h Datum: Raum: IFW B42

Slides:



Advertisements
Ähnliche Präsentationen
3. 3D-Betrachtungstransformationen
Advertisements

Schnelle Matrizenoperationen von Christian Büttner
13. Transformationen mit Matrizen
Seminar „Extrapolationsmethoden für zufällige Felder“
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
WS Algorithmentheorie 02 - Polynomprodukt und Fast Fourier Transformation Prof. Dr. Th. Ottmann.
Algorithmentheorie 02 – Polynomprodukt und Fast Fourier Transformation
Kapitel 5 Stetigkeit.
V. Algebra und Geometrie
Gaußscher Algorithmus
Quaternionen Eugenia Schwamberger.
Mathematische Grundlagen und Rechnen mit algebraischen Zahlen
Bézier-Bernstein Methoden für Bivariate Polynome
§14 Basis und Dimension (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§9 Der affine Raum – Teil 2: Geraden
§9 Der affine Raum – Teil 2: Geraden
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Tutorium
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
§10 Vektorraum. Definition und Beispiele
Computergrafik – Inhalt Achtung! Kapitel ist relevant für CG-2!
Determinanten Roland Angst,
§17 Produkte und Quotienten von Vektorräumen
Ausgleichung ohne Linearisierung
§24 Affine Koordinatensysteme
© Roland Angst, 2010Institute of Visual Computing Informatik I for D-MAVT Exercise Session 1.
Vektoren Grundbegriffe für das Information Retrieval
© Roland Angst, 2012Institute for Visual Computing Exercise Session 1 Roland Angst,
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/ /23.1.
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Beweissysteme Hartmut Klauck Universität Frankfurt WS 06/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
§10 Vektorraum. Definition und Beispiele
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 §15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn.
§15 Lineare Abbildungen (15.1) Definition: Eine Abbildung f zwischen K-Vektorräumen V und W ist linear (oder ein Vektorraumhomomorphismus), wenn für alle.
§23 Basiswechsel und allgemeine lineare Gruppe
§3 Allgemeine lineare Gleichungssysteme
Polynome und schnelle Fourier-Transformation
Fuzzymengen – Was ist das?
Dynamische Visualisierungen zum Fundamentalsatz der Algebra
Lineare Algebra, Teil 2 Abbildungen
Generalisiertes Vektorraummodell (Generalized Vector Space Model, GSVM) Karin Haenelt
Automaten, formale Sprachen und Berechenbarkeit II SoSe 2004 Prof. W. Brauer Teil 3: Potenzreihen und kontextfreie Sprachen (Vgl. Buch von A. Salomaa)
Stetige Kleinste-Quadrate-Approximation
Nichtlineare Optimierung
Folie 1 §21 Das Produkt von Matrizen (21.1) Definition: Für eine (m,n)-Matrix A und eine (n,s)-Matrix B ist das (Matrizen-) Produkt AB definiert als (21.2)
Theorie, Anwendungen, Verallgemeinerungen
6. Thema: Arbeiten mit Feldern
Graphische Datenverarbeitung
Version vom Max-Flow in Orientierten Matroiden Winfried Hochstättler & Robert Nickel Fernuniversität in Hagen Lehrstuhl für Diskrete Mathematik.
Das Gebäude der Mathematik

Lineare Algebra: Schwerpunkt: Basisbegriff, Abbildungen
PCA Principal Component Analysis. Gliederung PCA – Warum eigentlich? PCA – Was ist zu tun? Was passiert eigentlich? Anwendungen Zusammenfassung.
Satellitengeodäsie Kugelfunktionen Torsten Mayer-Gürr
Einführung. Einführung Mengenlehre Beziehungen zwischen Mengen Einführung Definition: Menge Darstellungsarten von Mengen Definition: Leere Menge Beziehungen.
Fundamentalräume einer Matrix
Lineare Algebra II (MAVT)
§23 Basiswechsel und allgemeine lineare Gruppe
ReduSoft Ltd. Kurzbeschreibungen zu einigen Modulen, die im Programm MathProf 5.0 unter dem Themenbereich Algebra implementiert sind. Matrizen.
ReduSoft Ltd. Kurzbeschreibungen zu einigen Modulen, die im Programm MathProf 5.0 unter dem Themenbereich Algebra implementiert sind. Matrizen.
Kapitel I. Vorspann zum Begriff Vektorraum
 Präsentation transkript:

Zeit: 13h-15h Datum: 6.11.08 Raum: IFW B42 Linear Algebra HS08 8. Übungsstunde Zeit: 13h-15h Datum: 6.11.08 Raum: IFW B42

Organisatorisches Wechsel des Dozenten und Hauptassistenten Prof. Marc Pollefeys Vorlesung in Englisch Roland Angst

Organisatorisches Theoretische Aufgaben Praktische Aufgaben Behebe klar ersichtliche Fehler (Gegenprobe) Nicht einfach im Kommentar Rechenfehler erwähnen Lösungsweg sollte klar ersichtlich sein Praktische Aufgaben gesunden Menscherverstand einsetzen Nicht eingebaute Matlab-Funktion aufrufen um eigentliche Aufgabe zu umgehen In Zukunft striktere Korrektur

Neue Übung (Serie 7) Spätester Abgabetermin: 20. November 2008 3 theoretische + 1 praktische Aufgaben

Repetition: Vektorraum Nichtleere Menge mit zwei Operationen Addition: Skalare Multiplikation: Mit 8 Axiomen V1 V2 V3 V4 V5 V6 V7 V8 Skalarenkörper

Beispiele Im Intervall [a,b] definierte, stetig reelle Funtionen Punktweise Addition Punktweise skalare Multiplikation: Im Intervall [a,b] m-mal stetig differenzierbare Funktionen Polynome mit maximalem Grad m Details siehe später

Körper Nichtleere Menge mit zwei Operationen Addition: Multiplikation: Mit 10 Axiomen

Definitionen Linearkombination einer Vektormenge Beispiel

Definitionen Aufgespannter (oder erzeugter) Unterraum einer Vektormenge Menge aller möglichen Linearkombinationen Beispiele Polynome vom max. Grad m Spalten einer Matrix (siehe Aufg. 7.1 & 7.2.b)

Definitionen Linear unabhängige Vektormenge Linear abhängige Vektormenge ist Linearkombination der restlichen Vektoren

Aufgabe 7.1 Abhängigkeiten von Vektoren Linear abhängig? Nicht-triviale Lösung für Errinnerung: Aufgespannter Unterraum einer Vektormenge

Aufgabe 7.1 Abhängigkeiten von Vektoren Linear abhängig? Nicht-triviale Lösung für Rang von A < n  Mittels Gauss-Elimination zu bestimmen Linear unabhängig? Rang von A = n (vollen Spaltenrang) Erzeugend? Jeder Vektor des Vektorraums lässt sich als Linearkombination des Erzeugendensystems darstellen Gleichungssystem hat Lösung für jede RHS  Rang von A = m (vollen Zeilenrang)

Aufgabe 7.1 Linear unabhängig Rang von A = n (vollen Spaltenrang) = • Linear abhängig Rang von A < n (nicht triviale Lösungen) = • Erzeugend Rang von A = m (vollen Zeilenrang) = • Basis reguläre Matrix Rang von A = n Beispiel = •

Aufgabe 7.2 Unterräume Ein Unterraum ist selbst auch ein Vektorraum Nichtleere Teilmenge U eines Vektorraums V die bzgl. Addition und skalarer Multiplikation abgeschlossen ist Ein Unterraum ist selbst auch ein Vektorraum Ja, {o} ist ein Unterraum und zwar von JEDEM Vektorraum

Aufgabe 7.2 Wie zeigt man ob U ein Unterraum von V ist? Beispiele Abgeschlossen bzgl. Addition Abgeschlossen bzgl. Skalarer Multiplikation Beispiele Ist der Nullraum ein Unterraum? Falls ja, von welchem Vektorraum? Lösungsmenge eines homogenen Gleichungssystems ? Beweis, Gegenbeispiel? Ja, {o} ist ein Unterraum und zwar von JEDEM Vektorraum A(x+y) = Ax + Ay = 0 + 0 A(alpha x) = alpha A X = alpha 0 = 0

Aufgabe 7.2 Aufgabe 7.2.a Aufgabe 7.2.b Zeige wieso Lösungsmenge eines inhomogenen Gleichungssystems kein Unterraum ist Aufgabe 7.2.b Zeige, dass ein Unterraum ist. Ja, {o} ist ein Unterraum und zwar von JEDEM Vektorraum A(x+y) = Ax + Ay = 0 + 0 A(alpha x) = alpha A X = alpha 0 = 0

Aufgabe 7.3 = Vektorraum der Polynome vom maximalen Grad m Addition Skalare Multiplikation Rein algebraische Definition Potenzen sind “Platzhalter” Dimension dieses Vektorraums? Dimension dieses Vektorraums: m+1

Aufgabe 7.3.a Basis für Polynom-Vektorraum Standardbasis Erzeugend Linear unabhängig Standardbasis Monome: Dimension dieses Vektorraums: m+1

Aufgabe 7.3.a Vektorraum: Mögliche Basis: Tipp: Satz 4.12 Jeder Vektor? Wähle Monombasis Dimension dieses Vektorraums: m+1

Aufgabe 7.3.a Zu zeigen Jedes Polynom in Monombasis impliziert eine eindeutige Linearkombination bzgl. Basispolynomen der anderer Basis ist bekannt in Monombasis Einsetzen Koeffizientenvergleich der Monomterme Liefert Gleichungssystem für Dimension dieses Vektorraums: m+1

Aufgabe 7.3.b Trivial, wenn 7.3.a gelöst… Dimension dieses Vektorraums: m+1

Aufgabe 7.3.c Polynom in unserer Basis Gegeben 4 Funktionswerte yi an 4 verschiedenen Stellen ti 4 Bedingungen… Dimension dieses Vektorraums: m+1

Aufgabe 7.4 Matlab-Aufgabe 2 Funktionen Implementiere Vorgehen in Aufgabe 3.c in Matlab Für beliebig viele Basispolynome der gegebenen Form (d.h. auch für mehr als m = 3) 2 Funktionen a = interpol(t,f) A: Koeffizienten t: Stützstellen f: Funktionswerte f = eval_poly(a,t,tau) A: Koeffizienten t: Stützstellen tau: Auswertestellen f: Funktionswerte Dimension dieses Vektorraums: m+1

Aufgabe 7.4 Wie kann diese Polynombasis effizient ausgewertet werden? Dimension dieses Vektorraums: m+1

Serie 6 Abgabe nächste Woche Fragen? Probleme?

Vorlesung Fragen? Probleme?

Nachbesprechung Serie 4 Bestimme sodass orthogonal ist Mehrere Bedingungen an Sind alle erfüllt? Fallunterscheidungen Komplexe Zahlen x liegt auf Einheitskreis der komplexen Ebene

Nachbesprechung Serie 4 Matlab-Aufgabe Forward- und Backwardsubstitution Matrixprodukte anstatt Schleifen Gesunder Menschenverstand welche eingebauten Matlabfunktionen verwendet werden können!

Nachbesprechung Serie 4 Individuelle Fehler Bei Unklarheiten zur LR-Zerlegung Skript Mich fragen Genereller Tipp Den Zug nicht abfahren lassen Lücken aufarbeiten um der Vorlesung folgen zu können