kurse:efcomputergrafik:kw46

Differences

This shows you the differences between two versions of the page.

Link to this comparison view

Both sides previous revision Previous revision
Next revision
Previous revision
kurse:efcomputergrafik:kw46 [2019/11/11 21:01]
Marcel Metzler
kurse:efcomputergrafik:kw46 [2019/11/13 19:20] (current)
Marcel Metzler [Orthogonale Projektion]
Line 1: Line 1:
-====Basen, Vektorräume und Unterräume====+====Basen====
 Im Sinne einer kleinen Vorbereitung auf die nächsten Themen betrachten wir diese Woche einige Begriffe der linearen Algebra (LinAlg). Im Sinne einer kleinen Vorbereitung auf die nächsten Themen betrachten wir diese Woche einige Begriffe der linearen Algebra (LinAlg).
  
Line 15: Line 15:
   - $p_n(x)=\sum_{i=0}^n a_i\cdot x^i, \quad$ mit $a_i\in\mathbb{R}$ und $a_n\neq 0$\\   - $p_n(x)=\sum_{i=0}^n a_i\cdot x^i, \quad$ mit $a_i\in\mathbb{R}$ und $a_n\neq 0$\\
   - $T_n(x)=\sum_{i=0}^n a_i\cdot \cos (ix) + b_i \cdot \sin (ix), \quad$ mit $a_i,b_i \in\mathbb{R}$ und $a_n \lor b_n \neq 0$   - $T_n(x)=\sum_{i=0}^n a_i\cdot \cos (ix) + b_i \cdot \sin (ix), \quad$ mit $a_i,b_i \in\mathbb{R}$ und $a_n \lor b_n \neq 0$
-  - $\mathbb{R}^n=\sum_{i=1}^n a_i\cdot \vec{e}_i, \quad$ mit $a_i\in\mathbb{R}$ und $\vec{e}_i=\left( \begin{array}{c} 0 \\...\\1\\...\\0  \end{array} \right)$, d.h. mit einer $1$ in der $i$-ten Zeile. +  - $\mathbb{R}^n:\; \vec{v}=\sum_{i=1}^n a_i\cdot \vec{e}_i, \quad$ mit $a_i\in\mathbb{R}$ und $\vec{e}_i=\left( \begin{array}{c} 0 \\...\\1\\...\\0  \end{array} \right)$, d.h. mit einer $1$ in der $i$-ten Zeile. 
 </hidden>  </hidden> 
 **Aufgabe** **Aufgabe**
Line 72: Line 72:
   * Konstruiere eine eigene Orthonormalbasis des $\mathbb{R}^3$.    * Konstruiere eine eigene Orthonormalbasis des $\mathbb{R}^3$. 
  
-  +====Orthogonale Projektion====  
 +Gegeben sind die beiden Vektoren $\vec{v}_1$ und $\vec{v}_2$. Gesucht ist der Anteil von $\vec{v}_2$, welcher orthogonal zu $\vec{v}_1$ verläuft.
  
 +{{:kurse:efcomputergrafik:skalar_p.png?400|}}
  
 +Dazu bestimmen wir den Anteil von $\vec{v}_2$ in Richtung von $\vec{v}_1$ und subtrahieren diesen von $\vec{v}_2$. Es gilt:
 +$$\vec{v}_{21P}=\alpha \cdot \vec{v}_1 \qquad \text{und} \qquad \vec{v}_{21O}=\vec{v}_2-\vec{v}_{21P}$$ Wegen der Orthogonalität gilt weiter $$\vec{v}_{21O}\cdot \vec{v}_1 =0 $$ setzen wir ein erhalten wir
 +$$\left( \vec{v}_2-\alpha \cdot \vec{v}_1 \right) \cdot \vec{v}_1 =0 $$
 +Damit gilt für $\alpha$
 +$$\alpha = \frac{\vec{v}_1 \cdot \vec{v}_2}{\vec{v}_1 \cdot \vec{v}_1}= \frac{\vec{v}_1 \cdot \vec{v}_2}{|\vec{v}_1|^2}$$
 +und damit gilt für $\vec{v}_{21O}$
 +$$\vec{v}_{21O}=\vec{v}_{2} - \frac{\vec{v}_1 \cdot \vec{v}_2}{|\vec{v}_1|^2} \cdot \vec{v}_1$$
 +
 +===Orthogonale Basis===
 +Seien die Vektoren $\vec{a},\; \vec{b},\; \vec{c}, \; \vec{d}$ eine Basis des $\mathbb{R}^4$. Dann können wir schrittweise durch orthogonale Projektion eine Orthogonalbasis berechnen.
 +  - $\vec{a}$ bleibt
 +  - $$\vec{b'}=\vec{b}-\frac{\vec{a}\cdot\vec{b}}{|\vec{a}|^2} \cdot \vec{a}$$
 +  - $$\vec{c'}=\vec{c}-\frac{\vec{a}\cdot\vec{c}}{|\vec{a}|^2} \cdot \vec{a} - \frac{\vec{b'}\cdot\vec{c}}{|\vec{b'}|^2} \cdot \vec{b'}$$
 +  - $$\vec{d'}=\vec{d}-\frac{\vec{a}\cdot\vec{d}}{|\vec{a}|^2} \cdot \vec{a} - \frac{\vec{b'}\cdot\vec{d}}{|\vec{b'}|^2} \cdot \vec{b'} - \frac{\vec{c'}\cdot\vec{d}}{|\vec{c'}|^2} \cdot \vec{c'}$$
 +  - allgemein: $$\vec{v}'_i=\vec{v}_i- \sum_{k=1}^{i-1}\frac{\vec{v}_k\cdot\vec{v}_i}{|\vec{v}_k|^2} \cdot \vec{v}_k, \quad \text{für }i\in\{2,3,\dots,n\}$$
 +  - bleibt noch die Normierung mit $$\vec{e}_a=\frac{1}{|\vec{a}|}\cdot \vec{a} $$
 +
 +**Aufgabe**
 +
 +Implementiere obigen Algorithmus in Python für eine Basis vom $\mathbb{R}^3$ und $\mathbb{R}^4$.
  • kurse/efcomputergrafik/kw46.1573502461.txt.gz
  • Last modified: 2019/11/11 21:01
  • by Marcel Metzler