VG Lernzettel 03

Graphische Datenverarbeitung
Notationen und Rechenregeln für

Vektoren und Matrizen
Prof. Dr.-Ing. Detlef Krömker
Goethe-Universität, Frankfurt
Der Euklidische Raum
Ein n-dimensionaler Euklidischer Raum sei mit

ℜ n bezeichnet. Ein Vektor in diesem Raum ist
ein n-Tupel, also eine geordnete Liste reeller
Zahlen:
 v0 
 
 v 
v ∈ ℜn ⇔ v =  1  mit v i ∈ ℜ, i = 0,L , n − 1
M
 
v 
 n −1 
v i nennt man Koeffizienten oder Komponente n
Notationen und Rechenregeln
© Prof. Dr. -Ing. Detlef Krömker für Vektoren und Matrizen 2 SS 2002
1
Spezielle Vektoren
0 
 
0 
einen Vektor 0 =   nennen wir Nullvektor
M
 
0 
 
 − v0 
 
 − v1 
für einen Vektor - v =  gilt dann :
M 
 
− v 
 n −1 
v + ( - v) = 0
Ein Vektor kann sowohl als Punkt im euklidischen Raum

als auch als gerichtete Linie (vom Ursprung zu diesem Punkt),
also als Richtungsvektor, interpretiert werden.
Anmerkungen zum
Euklidischen Raum
Der Euklidische Raum ist die Grundlage der klassischen
euklidischen Geometrie (Geometrie der Bewegungen:
Translation, Drehung, Spiegelung oder auch elementare
Geometrie), erstmals systematisch beschrieben in den
Elementen des Euklid (365v.Chr. – 300 v.Chr.).
Insbesondere gelten hier die klassischen Gesetze der
Trigonometrie (Winkelsumme, Sinussatz, Kosinussatz,...,
Kongruenzsätze, Ähnlichkeitssätze) und insbesondere
auch das Euklidische Parallelenaxiom:
„Liegt ein Punkt P nicht auf einer Geraden g, dann gibt es
zu g genau eine Parallele p durch den Punkt P.“
2
Nichteuklidische Räume
Wer die Geometrie versteht, der versteht alles in der Welt.

Galileo Galilei (1564-1642)
Erst im 19. Jahrhundert gelang es, eine Reihe alternativer

Geometrien wie die elliptische Geometrie oder die
hyperbolische Geometrie systematisch zu beschreiben,
in denen das euklidische Parallelenaxiom nicht gilt, sehr
wohl aber die anderen Hilbertschen Axiome der
Geometrie.
Insbesondere die Sätze zur Winkelsumme im Dreieck, zum
Flächeninhalt, zum Umfang eines Kreises, der Sinus- und
Kosinussatz, u.v.a.m. gelten dann nicht wie in der
klassischen euklidischen Geometrie.
Operatoren auf Vektoren

im Euklidischen Raum
u Addition:
 u0   v 0   u0 + v 0 
     
 u1   v 1   u1 + v 1 
u+v= + = ∈ℜ
n
M   M   M
     
 u  v   u + v 
 n −1   n−1   n −1 n −1 
u Multiplikation mit einem Skalar a ∈ ℜ :

 au0 
 
 au1 
au =  ∈ℜ
M 
 
 au 
 n −1  Graphische Datenverarbeitung
3
Rechenregeln für Vektoroperationen
(u + v) + w = u + ( v + w ) Assoz iativgeset z
u+ v = v +u Kommutativ gesetz
0+ v = v
v + ( − v) = 0
(ab)u = a(b u)
(a + b)u = au + bu Distributi vgesetz
a(u + v) = au + bv Distributi vgesetz
1u = u
Betrag eines Vektors

(engl. norm)
n −1
u = u ⋅u = ∑u
2
i
i =0
Es gelten die folgende Regeln :

u = 0 ⇔ u = (0,0,L,0) = 0
au = a u
u+v ≤ u + v Dreiecksun gleichung
u⋅v ≤ u v Cauchy − Schwarz − Ungleichun g
4
Skalarprodukt
(inneres Produkt, Punktprodukt)
Im Euklidischen Raum ist ein Skalarprodukt definiert:
n −1
u ⋅ v = ∑ ui v i
i =0
Es gelten folgende Regeln:
u ⋅u ≥ 0
u ⋅ u = 0 ⇔ u = 0 = (0,0, K ,0)
(u + v ) ⋅ w = u ⋅ w + v ⋅ w
(au) ⋅ w = a(u ⋅ w ) Die letzte Regel sagt:
Zwei Vektoren stehen genau dann
u ⋅ v = v ⋅u senkrecht aufeinander
(sind orthogonal, engl. perpendicular)
u⋅v = 0 ⇔ u ⊥ v wenn ihr Skalarprodukt 0 ist.
Orthogonale Projektion
eines Vektors
Die orthogonale Projektion w eines Vektors u auf
einen Vektor v ist gleich
u ⋅ v   u⋅ v 
w =  2 v =  v mit w = u ⋅ v
 v   v ⋅v 
 
Eine solche Projektion liefert eine orthogonale
Dekomposition von u in
w und (u-w), d.h. w ⊥ (u − w)
5
Geometrische Interpretation des
Skalarproduktes
u-w
u u
φ φ
v w v
Der Vektor u wird orthogonal

auf den Vektor v projiziert.
Vektorprodukt
(Kreuzprodukt)
Das Kreuzprodukt zweier Vektoren u,v im R 3
w = u×v w
ist definiert als ein Vektor mit v
folgenden Eigenschaften: φ
(1) w = u × v = u v sinφ , û
mit φ ist der kleinste Winkel zwischen u und v
(2) w ⊥ u und w ⊥ v
(3) u, v, w bilden ein Rechtssystem
6
Eigenschaften des Vektorprodukts
u × v = 0 ⇔ u v (u und v sind parallel)
u × v = −v × u
(au + b v ) × w = a (u × w ) + b( v × w )
(u × v ) ⋅ w = ( v × w ) ⋅ u = ( w × u ) ⋅ v
= −( v × u) ⋅ w = −( w × v ) ⋅ u = −(u × w ) ⋅ v
(u × v ) × w = (u ⋅ w)v − (u ⋅ v)w
In einer orthonorma len Basis berechnet sich das Kreuzprodu kt zu

w x   u y v z − uz v y 
   
w = w y  = u × v =  u zv x − u xv z 
w  u v − u v 
 z  x y y x 
Lineare Unabhängigkeit von Vektoren

und Basis eines Vektorraumes
Die Vektoren u0 , u1,L, un −1 sind genau dann
linear unabhängig, wenn gilt:
v 0u0 + v 1u1 + L + v n −1un −1 = 0 ⇒ v 0 = v 1 = v n −1 = 0
Andernfalls nennt man die Vektoren linear abhängig.
Wenn ein Satz von Vektoren u0,u1,L,un −1 ∈ ℜn

linear unabhängig ist, dann nennt man diese Vektoren eine
Basis des durch sie aufgespannten Euklidischen Raums.
Jeder Vektor v dieses Raumes kann dann als Linear-
kombination der Basisvektoren geschrieben werden:
n−1
v= ∑v u
i =0
i i
7
Spezielle Basen
Eine Basis für deren Basisvektoren

paarweise gilt
ui ⋅ u j = 0 ⇔ ui ⊥ u j
heißt orthogonal.
Gilt zusätzlich
0, i ≠ j
ui ⋅ u j =  ⇒ ui = 1
1, i = j
dann heißt diese Basis orthonormal.
Weitere Regeln
Für eine orthonormale Basis u0 ,u1,L,un −1

und einen beliebigen Vektor p=(p0,p 1, ...,pn-1)
gilt:
pi = p ⋅ u i
Sehr häufig genutzt wird die Standardbasis e, bei
welcher der i-te Basisvektor ei in jeder Komponente
Null ist, mit Ausnahme der i-ten Komponente, die
gleich Eins ist – im dreidimensionalen:
 1 0  0 
     
e x = e0 =  0 , ey = e1 =  1, ez = e2 =  0 ,
0  0   1
  Graphische
  
Datenverarbeitung
8
Matrizen
Unter einer Matrix vom Typ (m,n) oder mxn-Matrix versteht
man ein rechteckiges Schema von Zahlen
 m00 m01 L m0 ,n −1 
 
 m10 m11 L m1,n −1 
M =
M M M 
 
m mm −1,1 L mm −1,n −1 
 m −1,0
mit m Zeilen und n Spalten. Dabei sind die Elemente m jk
reelle (oder auch komplexe) Zahlen.
M heißt quadratisch, wenn m=n gilt.
Vektoren sind spezielle Matrizen vom Typ
(m,1), genannt Spaltenvektoren oder
(1,n), genannt Zeilenvektoren.
Spezielle Matrizen
Die (mxn) - Matrix
 0 0 K 0
 
 0 0 K 0
O = heißt Nullmatrix
M M O M
 
 0 0 K 0
Die (nxn) - Matrix
1 0 K 0
 
0 1 K 0
E= heißt Einheitsmatrix
M M O M
 
0 0 K 1
Eine Matrix bei der alle Elemente unterhalb oder oberhalb
der Hauptdiago nalen gleich null sind, nennt man Dreiecksma trix.
 m00 0 L 0   m00 m01 L m0,n − 1 
   
 m10 m11 L 0   0 m11 L m1,n −1 
 M M M   M M M 
   
m m m −1,1 L m m −1,n −1   0 0 L m m −1,n −1 
 m −1,0 
9
Transponierte(transpose)
adjungierte und adjunkte (adjoint)
Matrizen
MT , die transponierte einer Matrix M ist eine (nxm) - Matrix bei der gilt
mkjT = m jk für alle k = 1,L, n, j = 1,L,m
"Zeilen- u nd Spaltenvektoren sind vertauscht"
Geht man zusätzlich zu den konjugiert komplexen Werten über,

s o erhält man die adjungierte Matrix M∗
m∗kj = m jk für alle k = 1,L, n, j = 1,L,m
Sei d Mij einer (nxn) - Matrix M die Subdeterminante ( cofactor ), die man erhält
wenn man die i - te Reihe und die j - te Spalte von M streicht, dann sind
die Elemente der adjunkten Matrix A = adj(M)
a ij = (− 1)( i + j ) d Mij
Weitere spezielle Matrizen
Sei M eine (nxn)-Matrix. M* bezeichne die adjungierte

Matrix (für reelle Matrizen gilt M T=M*):
(i) A heißt genau dann selbstadjungiert, wenn M = M*

(ii) A heißt genau dann schiefadjungiert, wenn M = -M*
(iii) A heißt genau dann unitär (orthogonal),
wenn MM* = M*M = E
(iv) A heißt genau dann normal, wenn MM* = M*N
Die Matrizen (i)-(iii) sind normal.
10
Eigenschaften
unitärer (orthogonaler) Matrizen
Wenn M eine unitäre (orthogonale) Matrix ist, dann
gilt:
M = ±1
M −1 = MT
MT ist auch unitär (orthogona l)
Mu = u
Mu ⊥ Mv ⇔ u ⊥ v
wenn M und N unitär (orthogona l) sind,
so ist auch MN unitär (orthogona l)
Orthonormale und othogonale

Matrizen
Die Standardba sis E = (e x e y e z ) ist orthonorma l, die Matrix E ist orthogonal .

Beachte : eine orthogonal e Matrix ist etwas anderes
als ein orthogonal er Satz von Vektoren (Basis).
Nicht jeder orthogonal er Satz von Vektoren (Basis)
erzeugt eine orthogonal e Matrix.
11
Operationen auf Matrizen
Addition
Für zwei (mxn)-Matrizen M und N gilt
A = M +N mit aij = mij +n ij für i = 0,L, m, j = 0,L, n

(komponentenweise Addition)
Rechenregeln:
(L + M) + N = L + (M + N)
M +N = N+ M
M+0= M
M −M = 0

Multiplikation Skalar-Matrix
Ein Skalar a und eine Matrix M können multipliziert
werden, so daß das Produkt
T = aM mit t ij = amij
Rechenregeln:
0M=0
1M = M
a ( b M ) = ( ab ) M
a0 = 0
( a + b )M = a M + b M
a(M + N ) = aM + a N
12
Matrix-Matrix
Für die (pxq)-Matrix M und die (qxr)-Matrix N (also für verkettete
Matrizen) ist das Produktmatrix T eine (pxr)-Matrix mit
T = MN mit t ij = m i ⋅ n j i = 0,L, p, j = 0,L, r
 m00 L m0,q −1   n00 L m0 ,r − 1 
   
T = MN =  M O M ⋅  M O M =
   
 mp−1,0 L mp −1,q−1   mq −1,0 L mq −1,r −1 
 q− 1 q −1

 ∑ m0 i ⋅ n i 0 L ∑m ⋅ n i ,r −1 
0i Rechenregeln:
 i =0 i =0 
= M O M  (LM)N = L(MN)
 q −1 q− 1

 ∑ mp−1,i ⋅ n i 0 L ∑ mp −1,i ⋅ ni ,r −1  (L + M)N = LN + MN
 i =0 i =0  ME = EM = M
MN = NM gilt nicht allgemein
Determinanten einer Matrix
Für quadratische Matrizen sind Determinanten definiert:

M = det M = D
= ∑ sgnπ a1m1 a 2m 2 La nmn mit
π
m1 ,m 2 ,Lm n sind die Permutationen der Zahlen 1,2,L, n und

sgn π das Vorzeichen der entsprechenden Permutation
für n = 2 ist
M = det M = D = m 00 m11 − m01 m10
für n = 3 ist
M = det M = D = m 00 m11m 22 + m01 m12 m20 + m02 m10 m 21 −
− m02 m11m20 − m 01m10 m 22 − m00 m12 m21
13
Spur (Trace) einer Matrix
Unter der Spur tr M der (nxn)-Matrix versteht man

die Summe der Hauptdiagonalelemente:
tr M = a11 + a22 + L + ann
Weitere Eigenschaften
der Determinante
Für (3x3)-Matrizen existiert ein interessanter Weg die
Determinante zu berechnen. Bezeichnen wir die Spalten-
vektoren mit
(mx ,m y , mz ), dann gilt :
M = m x , m y ,m z = ( m x × m y ) ⋅ m z
Eine Basis ist genau dann rechtshändig (right-handed),

wenn ihre Determinante positiv ist
b xb yb z > 0
Ist die Determinante negativ nennen wir das die Basis
linkshändig (left-handed)
14
Rechenregeln für Determinanten
Für eine (nxn) Matrix gilt
1
M−1 =
M
MN = M N
aM = an M
MT = M
Eine Determinante verändert ihr Vorzeiche n,
wenn man zwei Spalten oder zwei Zeilen miteinander vertauscht.
Eine Determinante verändert sich nicht,
wenn man zu einer Zeile (Spalte) das Vielfache einer anderen addiert.
Eine Determinante ist gleichnull,wenn sie zwei gleiche Zeilen oder Spalten besitzt.
Die Determinante einer Dreiecksmatrix ist gleich dem Produkt der Diagonalelemente.
Inverse einer Matrix
M -1 existiert nur für quadratische Matrizen M, deren

Determinante M ≠ 0 ist. Dann gilt
M -1 M = M M -1 = E
Mk j adj (M)
(M−1) jk = oder M−1 =
M M
Rechenregeln
(M−1 )T = (MT )−1
(MN)−1 = N −1M−1
15
Eigenwerte und Eigenvektoren
Es sei A eine (nxn) - Matrix, x ≠ 0, λ ein Skalar.
x nennt man Eigenvekor und λ, Eigenwert der Matrix A, wenn
Ax = λ x (charakteristische Gleichung)
16

VG Lernzettel 03

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

VG Lernzettel 03

Hochgeladen von

Copyright:

Verfügbare Formate

Graphische Datenverarbeitung

Notationen und Rechenregeln für

Der Euklidische Raum

Ein n-dimensionaler Euklidischer Raum sei mit

Ein Vektor kann sowohl als Punkt im euklidischen Raum

Wer die Geometrie versteht, der versteht alles in der Welt.

Erst im 19. Jahrhundert gelang es, eine Reihe alternativer

Operatoren auf Vektoren

u Multiplikation mit einem Skalar a ∈ ℜ :

Betrag eines Vektors

Es gelten die folgende Regeln :

Der Vektor u wird orthogonal

In einer orthonorma len Basis berechnet sich das Kreuzprodu kt zu

Lineare Unabhängigkeit von Vektoren

Wenn ein Satz von Vektoren u0,u1,L,un −1 ∈ ℜn

Eine Basis für deren Basisvektoren

Für eine orthonormale Basis u0 ,u1,L,un −1

Geht man zusätzlich zu den konjugiert komplexen Werten über,

Weitere spezielle Matrizen

Sei M eine (nxn)-Matrix. M* bezeichne die adjungierte

(i) A heißt genau dann selbstadjungiert, wenn M = M*

Orthonormale und othogonale

Die Standardba sis E = (e x e y e z ) ist orthonorma l, die Matrix E ist orthogonal .

A = M +N mit aij = mij +n ij für i = 0,L, m, j = 0,L, n

Operationen auf Matrizen

Determinanten einer Matrix

Für quadratische Matrizen sind Determinanten definiert:

m1 ,m 2 ,Lm n sind die Permutationen der Zahlen 1,2,L, n und

Unter der Spur tr M der (nxn)-Matrix versteht man

tr M = a11 + a22 + L + ann

Eine Basis ist genau dann rechtshändig (right-handed),

Inverse einer Matrix

M -1 existiert nur für quadratische Matrizen M, deren

Das könnte Ihnen auch gefallen