Hauptmenü öffnen

In der Geometrie und in der Linearen Algebra, Teilgebieten der Mathematik, ist eine affine Abbildung (auch affine Transformation genannt, insbesondere bei einer bijektiven Abbildung) eine Abbildung zwischen zwei affinen Räumen, bei der Kollinearität, Parallelität und Teilverhältnisse bewahrt bleiben oder gegenstandslos werden. Präziser formuliert:

  1. Die Bilder von Punkten, die auf einer Geraden liegen (d. h. kollinear sind), liegen wieder auf einer Geraden (Invarianz der Kollinearität). Dabei können auch alle – aber dann alle und nicht nur einige – Punkte einer Geraden auf einen Punkt abgebildet werden.
  2. Die Bilder zweier paralleler Geraden sind parallel, wenn keine der beiden Geraden auf einen Punkt abgebildet wird.
  3. Drei verschiedene Punkte, die auf einer Geraden liegen (kollineare Punkte), werden so abgebildet, dass das Teilverhältnis ihrer Bildpunkte mit dem der Urbildpunkte übereinstimmt – es sei denn, alle drei werden auf denselben Bildpunkt abgebildet.

Eine bijektive affine Abbildung eines affinen Raumes auf sich selbst wird Affinität genannt.

In der Schulmathematik und manchen Anwendungsgebieten (zum Beispiel in der Statistik, siehe unten) werden spezielle affine Abbildungen auch lineare Abbildung oder lineare Funktion genannt. Im allgemeinen mathematischen Sprachgebrauch ist eine lineare Abbildung jedoch ein Homomorphismus von Vektorräumen.

Inhaltsverzeichnis

DefinitionBearbeiten

Eine Abbildung   zwischen affinen Räumen   und   heißt affine Abbildung, wenn es eine lineare Abbildung   zwischen den zugehörigen Vektorräumen gibt, so dass

 

für alle Punkte   gilt. Dabei bezeichnen   und   die Verbindungsvektoren der Urbild- bzw. der Bildpunkte.

In dem wichtigen Anwendungsfall, dass   und   gilt, ist eine Abbildung   bereits dann eine affine Abbildung, wenn es eine lineare Abbildung   gibt mit

 

für alle   in  . In diesem Fall entsteht eine affine Abbildung also durch eine Translation einer linearen Abbildung mit dem Bild   des Nullpunkts.

EigenschaftenBearbeiten

  • Die lineare Abbildung   aus der Definition ist durch   eindeutig bestimmt. Sie wird im Folgenden mit   bezeichnet.
  • Eine Abbildung   ist genau dann affin, wenn es ein   gibt, sodass die Abbildung
 
linear ist.
  • Sind   und   sowie eine lineare Abbildung   vorgegeben, so gibt es genau eine affine Abbildung   mit   und  .
  • Eine affine Abbildung   ist genau dann bijektiv, wenn   bijektiv ist. In diesem Fall ist die Umkehrabbildung   ebenfalls affin und es gilt  .
  • Ist   ein weiterer affiner Raum und sind  ,   affin, dann ist auch   affin und es gilt  .

KoordinatendarstellungBearbeiten

Dieser Abschnitt befasst sich mit affinen Abbildungen zwischen endlichdimensionalen affinen Räumen.

Affine KoordinatenBearbeiten

Wenn sowohl im Urbildraum   als auch im Bildraum   ein affines Koordinatensystem fest gewählt worden ist, dann setzt sich bezüglich dieses Koordinatensystems eine affine Abbildung aus einer linearen Transformation und einer Parallelverschiebung zusammen. Die lineare Transformation lässt sich dann als Matrix-Vektor-Produkt schreiben und die affine Transformation   ergibt sich aus der Matrix   (der Abbildungsmatrix) und dem Verschiebungsvektor  :

 

Die Koordinatenvektoren   und   sind in dieser Schreibweise Spaltenvektoren und stellen die affinen Koordinaten der Ortsvektoren eines Urbildpunktes bzw. eines Bildpunktes dar. Die Anzahl der Zeilen der Matrix   ist gleich der Dimension des Raumes  , in den abgebildet wird (Wertevorrat), die Anzahl ihrer Spalten ist gleich der Dimension des abgebildeten Raumes  .

Die Dimension des Bildraumes   der affinen Abbildung ist gleich dem Rang der Abbildungsmatrix  .

Bei einer affinen Selbstabbildung eines affinen Raumes wird nur ein affines Koordinatensystem gewählt, die Koordinatenvektoren   und   beziehen sich also auf dasselbe Koordinatensystem, die Abbildungsmatrix   ist quadratisch, d. h. ihre Zeilen- und Spaltenzahl ist gleich. In diesem Zusammenhang ist es üblich, den affinen Raum mit dem zugehörigen Vektorraum der Verschiebungen zu identifizieren. In diesem Sinn umfassen die affinen Selbstabbildungen alle linearen Abbildungen (mit  ) und ergänzen diese um einen Translationsanteil.

Eine affine Selbstabbildung ist genau dann eine Affinität, wenn die Determinante der Abbildungsmatrix   ungleich 0 ist.

Homogene Koordinaten und Erweiterte Abbildungsmatrix Bearbeiten

Wählt man zur Darstellung sowohl im Urbildraum   als auch im Bildraum   homogene affine Koordinaten, dann lässt sich der Verschiebungsvektor   mit der Abbildungsmatrix   zu einer erweiterten Abbildungsmatrix   zusammenfassen:

  dabei ist   der transponierte Nullvektor im Vektorraum, der zu   gehört.

Die Abbildungsgleichung lautet dann für homogene Koordinatenvektoren

 .

Bei dieser Darstellung der erweiterten Matrix wird als homogenisierende Koordinate eine zusätzliche Koordinate   an den Spaltenvektor   angefügt:

 .

Diese Darstellung durch homogene Koordinaten kann als eine Einbettung des affinen Raumes in einen projektiven Raum der gleichen Dimension interpretiert werden. Dann sind die homogenen Koordinaten als projektive Koordinaten zu verstehen.

Klassifikation der ebenen AffinitätenBearbeiten

Affinitäten werden generell zunächst danach unterschieden, wie viele Fixpunkte sie haben. Dies gilt auch, wenn der affine Raum mehr als zwei Dimensionen hat. Ein Punkt ist Fixpunkt, wenn er durch die Affinität auf sich selbst abgebildet wird. In der Koordinatendarstellung kann man den Koordinatenvektor   eines Fixpunkts bestimmen, indem man das Gleichungssystem   löst. Man beachte, dass auch für   Fixpunkte existieren können!

  1. Achsenaffinität: Eine ebene Affinität, bei der genau eine Gerade punktweise fix bleibt, sie wird Achse der Affinität genannt. Dazu zählen die Scherung, Schrägspiegelung (speziell die senkrechte Achsenspiegelung) und die Parallelstreckung.
  2. Affinität mit einem Zentrum (Zentrale Affinität): eine Affinität, bei der genau ein Punkt fix bleibt, das Zentrum   der Affinität. Dazu zählen die Drehstreckung (mit den Spezialfällen zentrische Streckung, Drehung und Punktspiegelung), die Scherstreckung und die Euleraffinität.
  3. Affinitäten ohne Fixpunkt: Das sind die reinen Verschiebungen und Hintereinanderausführungen einer Achsenaffinität und einer Verschiebung (Scherung mit Verschiebung in eine von der Achsrichtung verschiedene Richtung oder Parallelstreckung/Schrägspiegelung mit einer Verschiebung in Richtung der Achse).

Ausführlicher und verallgemeinert auf höhere Dimensionen wird die Klassifikation im Hauptartikel Affinität (Mathematik) dargestellt.

Normalform der Koordinatendarstellung für ebene AffinitätenBearbeiten

Eine ebene Affinität wird auf Normalform gebracht, indem man für ihre Koordinatendarstellung eine geeignete affine Punktbasis wählt. Dazu wird, wo immer das möglich ist, der Ursprung des Koordinatensystems in einen Fixpunkt und die Achsen des Koordinatensystems in Richtung von Fixgeraden gelegt. Die folgenden Normalformen gelten für Affinitäten in der reellen affinen Ebene. Im Falle einer fixpunktfreien Affinität ist außer der Abbildungsmatrix   noch ein Verschiebungsvektor   zur Beschreibung der Affinität nötig.

  1. Achsenaffinitäten (Fixpunkt ist neben dem Ursprung   jeweils der erste Basispunkt  ):
    1. Scherung  
    2. Schrägspiegelung  
    3. Parallelstreckung  
  2. Zentrale Affinitäten (Fixpunkt ist der Ursprung, als Koordinatenachsen werden womöglich die Richtungen der Eigenvektoren der Matrix   gewählt.)
    1. Drehstreckung   dabei ist   der Streckfaktor und   der Drehwinkel,
    2. Scherstreckung  
    3. Euleraffinität  

Diese Klassifikation der Affinitäten gilt auch allgemeiner bei einer affinen Ebene zum Vektorraum  , wenn   ein euklidischer Teilkörper der reellen Zahlen ist. Dabei gilt dann für die Matrixeinträge zusätzlich:  . Bei Drehstreckungen ist im Allgemeinen – auch wenn die Ebene eine euklidische Ebene mit Bogenmaß ist – das Winkelmaß   selbst kein Körperelement.

SpezialfälleBearbeiten

  • Eine affine Abbildung eines Raumes in sich selbst wird als affine Selbstabbildung bezeichnet. Ist diese Selbstabbildung bijektiv (umkehrbar eindeutig), heißt sie Affinität.
  • Eine Affinität, bei der jede Gerade zu ihrer Bildgeraden parallel ist, heißt Dilatation oder Homothetie. Die Parallelverschiebungen sind spezielle Homothetien.
  • Eine affine Selbstabbildung, bei der der euklidische Abstand von Punkten erhalten bleibt, heißt Bewegung oder, insbesondere im ebenen Fall, Kongruenzabbildung, solche Bewegungen sind notwendig bijektiv, also Affinitäten.
  • Wichtige affine Selbstabbildungen, die nicht bijektiv sind, sind die Parallelprojektionen, bei denen der affine Raum   auf einen echten Teilraum   abgebildet wird und die Einschränkung auf   die Identische Abbildung ist.
  • Eine affine Abbildung eines affinen Raumes in den Grundkörper dieses Raumes, der dabei als eindimensionaler affiner Raum über sich aufgefasst wird, bezeichnet man gelegentlich als affine Funktion.

AnwendungenBearbeiten

Graphische Anwendungen, ComputergraphikBearbeiten

Affine Abbildungen kommen z. B. in der Kartografie und der Bildbearbeitung zur Anwendung.

  • Affine Abbildungen, die häufig zum Beispiel in der Robotik oder Computergrafik Anwendung finden, sind Drehung (Rotation), Spiegelung, Skalierung (Veränderung des Maßstabs), Scherung und Verschiebung (Translation). Alle genannten Abbildungen sind bijektiv.
  • Wenn dreidimensionale Körper zeichnerisch oder graphisch – also in zwei Dimensionen – dargestellt werden sollen, werden nichtbijektive affine Abbildungen benötigt.
  • Bei der standardisierten Beschreibung von Vektorgrafiken werden ebenfalls affine Abbildungen eingesetzt (zum Beispiel im SVG-Format).

Lineare Transformation in der StatistikBearbeiten

Als lineare Transformation werden affine Abbildungen beispielsweise in den statistischen Methoden eingesetzt.

Verteilungsparameter einer ZufallsvariablenBearbeiten

Betrachtet wird eine Zufallsvariable   mit dem Erwartungswert   und der Varianz  . Es wird eine neue Zufallsvariable gebildet, die eine lineare Transformation von   ist,

 

wobei   und   reelle Zahlen sind.

Die neue Zufallsvariable   hat dann den Erwartungswert

 

und die Varianz

 

Speziell gilt: Ist   normalverteilt, so ist auch   normalverteilt mit den obigen Parametern.

Beispiel

Sei   eine Zufallsvariable mit positiver Varianz. Nützlich ist dann eine lineare Transformation

 

denn nun ist   mit   und   eine sogenannte standardisierte Zufallsvariable.

Verteilungsparameter mehrerer gemeinsam verteilter ZufallsvariablenBearbeiten

Betrachtet werden   viele Zufallsvariablen  ,  . Man fasst diese Zufallsvariablen im Zufallsvektor   zusammen. Die Erwartungswerte werden im Erwartungswertvektor   und die Varianzen und Kovarianzen in der Kovarianzmatrix   aufgeführt. Es wird ein Zufallsvektor   gebildet, der eine lineare Transformation von   ist,

 

wobei   ein  -dimensionaler Spaltenvektor und   eine ( )-Matrix sind.

  hat dann den Erwartungswertvektor

 

und die Kovarianzmatrix

 .

Speziell gilt: Ist    -dimensional normalverteilt, so ist    -dimensional normalverteilt mit den obigen Verteilungsparametern.

Siehe auchBearbeiten

WeblinksBearbeiten

LiteraturBearbeiten

  • Gerd Fischer: Analytische Geometrie. 6. Auflage. Vieweg, Braunschweig/Wiesbaden 1992, ISBN 3-528-57235-3.
  • Hermann Schaal, Ekkehart Glässner: Lineare Algebra und analytische Geometrie. Band 1, Vieweg, Braunschweig/Wiesbaden 1976, ISBN 3-528-03056-9.
  • Uwe Storch, Hartmut Wiebe: Lehrbuch der Mathematik, Band II: Lineare Algebra. BI-Wissenschafts-Verlag, 1990, ISBN 3-411-14101-8.