5.3. Anwendungen Fourierentwicklung:
|
|
- Frieda Maier
- vor 5 Jahren
- Abrufe
Transkript
1 5.3. Anwendungen Fourierentwiclung: Stücweise stetige, -periodische in [-,] Funtion lässt sich als Fourier-Reihe darstellen vgl. Taylor/Potenz-Reihe: a 0 a cos b sin i i ce c e c z a und b heißen Fourier-Koeizienten von und berechnen sich wegen der Orhogonalität der Funtionen cos und sin aus a cos d, b sin d 6
2 Sie geben die Größe der Anteile von Vielachen der Grundrequenz / an, aus denen sich zusammensetzt Wellenzahl: Periode: / Frequenz: / Grundrequenz ür, cos: Periode, Frequenz / a,b messen Anteil von zur Frequenz /, bzw. Periode /, oder Wellenzahl. 6
3 Schwingung mit Wellenzahl und Wellenzahl entspricht Periode, bzw. Frequenz / cos, sin bilden Orthonormalsystem Basis! Fourierreihe entspricht Taylorreihe Für periodische/au Intervall deinierte Funtion 63
4 Satz: Das trigonometrische Polynom n a n 0 a cos b sin stellt die optimale Approimation an die Funtion dar aus dem Vetorraum der trigonometrischen Polynome vom Grad n: n n d ist minimal. 64
5 65.,, 0 n n sin sin cos cos cos cos cos cos cos cos n n n n n n n n n n n n d a Näherungsweise Berechnung der Fourieroeizienten aus dem Integral mittels Trapezregel und äquidistanten Stützstellen
6 Daher ergeben sich die a näherungsweise aus den Real- und Imginärteilen von n 0 ep i n n 0 cos n i n 0 sin n Diese Werte erhält man aus der IDFT angewendet au die Funtionswerte an den Stützstellen. Genauso lassen sich die b annähern. Also önnen mittels DFT au den Vetor der Funtionswerte die Frequenzanteile von näherungsweise bestimmen werden. DFT transormiert Funtionswerte in Koeizienten 66
7 5.3.. MATLAB-Analyse der Sonnenativität: Sonnenlecen treten alle Jahre verstärt au. Seit 700 wird die ährliche Sonnenlecenativität beschrieben durch die sog. Woler-Zahl Größe und Anzahl der Flecen Rudol Wol ca Wolerzahl ür die Jahre 700 bis
8 Wolerzahlen in Vetor v als Funtionswerte einer unbeannten periodischen Funtion g mit den Jahreszahlen als Stützstellen. Gesamtbeobachtungszeitraum T besteht aus 300 Jahren. Ersetze daher Intervall [0,] durch das Intervall [0,T] durch den Übergang von epi epi*/300 Zeitintervall Jahr, in dem eine Wolerzahl bestimmt wurde; N T / ist Anzahl der Beobachtungsintervalle Länge des Vetors v Anzahl der Stützstellen; Wellenzahl wieder, Periode T/ 300J./, Frequenz /T; Grundrequenz also /T. 68
9 Gibt es Schwingungen, die nicht erannt werden önnen? Es önnen nur periodische Vorgänge erasst werden mit einer Periode > Jahre, da bei leineren Perioden die Schwingung einer als die einste Unterteilung Jahr wäre, und daher als solche nicht erennbar ist. Daher ist die größte beobachtbare Wellenzahl gleich N/50, entspricht der Frequenz N//T/, der sog. Nyquist- Frequenz Berechne y FFTv y0 ist die Gesamtsumme aller Wolerzahlen und wird gleich 0 gesetzt enthält eine Angabe über Periodizität. 69
10 Die anderen Koeizienten von y enthalten die Größe der verschiedenen Frequenzanteile von g aber als omplee Zahlen. Berechne p y ür,..., N / also untersuche nur die Beträge der Frequenzanteile bis zur Nyquist-Wellenzahl N/. p misst die Größe der -ten Vielachen der Grundrequenz, also der Frequenz / T / N ür,,...,n/ Anders ausgedrüct bestimmt p das Gewicht der Periode / T / in der Funtion. 70
11 Wir tragen nun den Vetor p au gegen die dazugehörigen Perioden T/,,...,N/ Betragsquadrate der Fourieroeizienten, augetragen über die dazugehörigen Perioden. Wir önnen den Zylus von Jahren diret ablesen. 7
12 Allgemeines Problem: In welcher Form stellt man numerische Daten dar? Normalerweise aus Messwerten: Samples Dies entspricht einer Darstellung im Ortsraum. Nachteil: Viele Daten, schlecht omprimierbar, eine Analyse! Besser: Übergang zu einer Darstellung bzgl. geeigneter Basisuntionen z.b., ep, cos,... Dann reichen ev. wenige Koeizienten aus, um das Signal ast vollständig zu beschreiben. Außerdem ann man aus den Koeizienten Schlüsse über das Verhalten der Funtion ziehen Frequenzanalyse. 7
13 Beispiel: 0.5*sin 0. * sin0 Zwei Koeizienten reichen aus zur Beschreibung Die Koeizienten bezeichnet man auch als Beschreibung der Funtion im Phasenraum Frequenzraum 73
14 JPEG: Bilder werden üblicherweise als Matri gespeichert, deren Einträge pielweise den Grauwert des entsprechend nummerierten Piels enthalten, bzw. bei Farbbildern den Anteil einer der drei Farbomponenten Rot, Grün oder Blau RGB. RGB wird meist in der YUV-Form umgewandelt, bei der die Matri Y die Helligeit beschreibt, und U und V den Farbton U,V lassen sich stärer omprimieren!. JPEG zerlegt das Bild in 8 8 Piel große Blöce, die zunächst getrennt bearbeitet werden. Au ede dieser Teilmatrizen wird eine zweidimensionale Cosinus-Transormation angewandt: DCT Warum DCT, warum nicht DFT? Bilddaten sind reell, und das Bild ist nicht periodisch! 74
15 Aus Anwendung der DCT erhält man ür die Teilmatrizen wieder die Frequenzanteil-oeizienten a und b in Teilmatrizen. Die Teilmatri mit den Frequenzanteilen wird nun quantisiert,d.h. die darin stehenden reellen Zahlen werden bestimmten Zahlenintervallen zugeordnet und Intervallweise eweils durch eine Zahl angenähert, die ür ein ganzes Intervall gilt. Dadurch werden auch automatisch alle leinen Komponenten, die in dem ersten Intervall mit den leinsten Werten liegen, durch Null ersetzt. Dies erzeugt einen Qualitätsverlust! Die entstandene Gesamtmatri aus den disreten Zahlenwerten wird codiert Human-Codierung 75
16 Nachteile: Fourier-Methoden haben Schwierigeiten mit Kanten in Bildern Kanten Unstetigeiten Durch stetige Funtionen cos, sin sind Kanten schlecht darstellbar! Dierenzierbareit! Kosten der DCT: On logn bei n Piel. Zu teuer. Daher DCT au 88-Blöce. JPEG000: Anstatt Cosinus-Transormation au 8 8 wendet man eine Wavelet-Transormation au größere Teilmatrizen an. Wavelet-Ansatzuntionen haben eine Problem mit Kanten, vgl. B-Splines. Genauere Untersuchung olgt später. Kosten ür Wavelet-Transormation On 76
17 Beispiel: MATLAB Gibbs-Phänomen recht.m Fourieroeizienten ür Rechtecsignal; Überschwingen an Kante unvermeidbar bei Darstellung durch endliches trigonometrisches Polynom! 77
18 Lineare Filter: Betrachte Vetor v, dessen Komponenten wieder disrete Werte einer Funtion oder eines Bildes darstellen Sampling. Zunächst -dimensional. Wir iltern diesen Vetor, indem wir ede Komponente ersetzen durch eine gewichtete Kombination der Nachbaromponenten. So entspricht die Mase: 4 [ ] der Operation v v v v 4, bzw. der Matrimultipliation 78
19 79 v v , 8 4,,,,,, i i i i i i v v v v v v Im zwei-dim. entspricht dies z.b. der Mase Vorsicht am Rand! Fehlende Werte haben Einluß au Messwerte! Man benötigt Annahmen ür v 0 und v n. Was ist sinnvoll?
20 Genauso Gaussilter: 6 Dies entspricht glättenden Filtern, die zu einem weicheren Bild ühren: Mittelwertilter, Glätter, Weichzeichner, oder Tiepassilter zur Abschwächung von Rauschen, bzw. hochrequenten Anteilen. Hochrequente Störungen, die einzelne Komponente verändern, werden durch die Mittelwertbildung verringert! Entsprechend ann man Hochpassilter deinieren, die die Unterschiede hervorheben, das Bild härter machen und niederrequente glatte Anteile abschwächen Dierenzilter, Scharzeichner. 4 80
21 z.b. Laplaceilter: Sobelilter , Bisher entsprechen die Methoden einer Filterung im Ortsraum. Im Gegensatz dazu ann man auch Filter im Phasenraum Frequenz~ zum Enternen von Rauschen Noise verwenden: v DFTv Filter IDFTv Also Transormation in Fourier-Koeizientenraum, dann Filtern der Koeizienten Gewichten/Löschen, dann Rüctransormation vgl. MP3 Hochpassilter, Tiepass, Filterband, 8
22 Filtern von Lena: Original Mittelwertilter Redution Dierenzilter Redution 8
23 83 [ ] / [ ] / Wavelets: Betrachte Kombination von Tiepassilter und Hochpassilter im -Dimensionalen zu Masen und v v v h t Ersetze den ursprünglichen Vetor verlustrei durch tie-, bzw. hochpass-geilterte Vetoren halber Länge down sampling: oder
24 v nur anders sortiert Der Dierenzanteil v h ist in der Regel lein und wird nicht weiterbearbeitet! Der Mittelwertanteil tiepassgeiltert v t wird nach demselben Schema weiteraugespalten wiederum in Tie/Hochpassanteil durch dieselben Masen. 84
25 Insgesamt: v Level 0, Länge n v t v h Level, n/ v t v h Level, n/4... v t v h Level p, Ersetze nun den Ausgangsvetor v R n durch den letzten Mittelwertanteil au Level p und sämtliche Dierenzanteile v h, das sind auch genau n Zahlen. v h und v t entsprechen quasi den Fourieroeizienten 85
26 Vorteile: Gesamtosten der Transormation On Dierenz-Anteile meist lein gut omprimierbar Dierenzanteil au Level enthält Inormation über das Verhalten von v au diesem Level, bzw. in dieser Aulösung Multisalenanalyse, Zerlegung des Vetors in verschiedene Frequenzbereiche Salen Entspricht in etwa der Fourier-Analyse Filter müssen sparse sein damit billig, leicht umehrbar invertierbar damit Original reonstruierbar! vgl. DFT und IDFT Auspalten in Frequenzanteil hoch tie. 86
27 Algorithmische Ähnlicheit zur Fourier-Transormation am Beispiel des Haar-Filters mit den Masen [ ] und [ ] : Butterly u v uv/ u-v/ 87
28 v 0 v 0 v / v 0 v / v 0 v 4 / v v 0 -v / v v v 3 / v 0 -v / v 3 v -v 3 / v 4 v 4 v 5 / v 4 v 6 / v 0 -v 4 / v 5 v 4 -v 5 / v 6 v 6 v 7 / v 4 -v 6 / v 7 v 6 -v 7 / 88
29 0 0 / 0 / 0 4 / 0 - / 3 / 0 / 3 3 / / 4 6 / 0 4 / / / 4 6 / /
30 v wird dabei transormiert in alle Dierenzanteile und den letzten Mittelwert. Unterschied zur DFT: eine Sortierphase, einacher Butterly, nur die Mittelwertanteile werden weiter bearbeitet On 90
31 Ergänzung: Funtionsansatz: Erinnerung: lineare B-Splines Hut-Funtion y Φ Φ- Φ: alle Φ- 0 Äquidistante Stützstellen,-,0,,, Zur Vereinachung betrachten wir den onstanten B-Spline 0: Φ: y Φ Φ- alle Φ- 0 9
32 Φ heißt Salierungsuntion und lieert Basis Φ-, Weiterhin erüllt Φ die Salierungsgleichung Φ Φ Φ- Stellt die Beziehung her zwischen ein/grob disretisiert. y Φ: als Umsalierung von Φ Genauso lieern Φ- einere Ansatzuntionen z.b. Φ0.5 Φ*0.5 Φ*0.5- Φ0.5 Filter-Mase [ ], denn *Φ *Φ- zu Tiepass-Filter Mittelwertilter 9
33 Notwendig ist zweiter Hochpass-Filter Dierenz-Filter. Deiniere dazu zur Salierungsuntion Φ die eigentliche Waveletuntion W *Φ - *Φ-, Mase [ - ] y W: Wichtig: Orthogonalität der Ansatzuntionen! Φ W d 0 Warum sind diese Funtionen orthogonal? Φ- sind Basis zu einerer Disretisierung und höherer 93 Aulösung Genauigeit.
34 Mit den obigen Beziehungen ann Φ eindeutig durch Φ und W dargestellt werden: Φ Φ Φ W Φ Φ Φ Φ Φ W / Φ W / oder umgeehrt Gegeben: a Φ- Nun önnen wir den Übergang von Koeizienten zur Basis Φ- zu Koeizienten bezgl. Φ-, W- beschreiben a Φ- a Φ-W- / a Φ-- a Φ--W- / 94
35 W b a W a a a a W a W a a a a hochpass tiepass Φ Φ Φ Φ Φ Φ Φ gerade/ungerade
36 Anwendung der beiden Filtermasen [ ] / und [ - ] / au die Koeizienten a lieert neue Koeizienten zu hoch/tiepass-geilterten Teil-Funtionen. Umgeehrt ann aus den beiden geilterten Teiluntionen die Gesamtuntion wieder reonstruiert werden mittels a tiepass 0 a a a Φ 0 0 Φ b Φ 0 b 0 Φ Φ 0 0 a Φ b a hochpass b W 0 Φ a Φ Φ Φ 96
37 Also Anwendung der Filter [ ] und [ - ] au die Koeizienten der hoch/tiepassgeilterten Koeizienten lieert die Koeizienten zur eineren Disretisierung. Funtionenamilien au verschiedenen Salen: Φ-,..., -,0,,... Φ-,..., -,0,, Φ -,..., -,0,,...,...,-,0,,... 97
38 98 Basisumrechnung von : a b a Φ - Φ - - W - - beschrieben durch die Transormation der Koeizienten: entsprechend Tie- und Hochpassilter mit Haar-Filter.
39 99 Umehrung mit b a a Reursive Wiederholung: a a - b - a - b -.. a 0 b 0
40 Wavelet als Verschmelzung der lassischen Filter und Fourieranalyse mit der Idee loaler Basisuntionen wie bei den B-Splines. Haar-Filter Haar-Wavelet 00
41 0
42 Fourier-Analyse FFT cos, sin Salierung Alle gleichberechtigt globaler Träger Multisalen-Analyse Wavelet W -m, Φ -m Shit m, Salierung Mittelwert/Dierenz loaler Träger eine Variationsmöglicheit Kantenproblem Volle Reursion Kosten On logn Frequenz aus Fourieroeizienten Wahl von Approimationsgüte und Di bareit Loal, adaptiv Reursion nur im Mittelwert Kosten On Frequenz aus Waveletoeizienten 0
Computer Vision Group Prof. Daniel Cremers. Die Schnelle Fourier-Transformation
Computer Vision Group Prof. Daniel Cremers Die Schnelle Fourier-Transformation Wiederholung und Zusammenfassung Komplee Zahlen und n-te Einheitswurzeln Lösungen von n DFT als Polynominterpolation im Kompleen
MehrFiltern, JPEG, MP3. Fourier-Analyse JPEG MP3. Filtern - Wavelet
Filtern, JPEG, MP3 Fourier-Analyse JPEG MP3 Filtern - Waelet Filtern Ausgangspunkt: Gegebenes Signal soll -erändert werden (Hifi, Weichzeichner, ) -analysiert werden (EKG Herztöne, ) -komprimiert werden
MehrFourieranalyse und Diskrete Cosinus Transformation (DCT)
Fourieranalyse und Disrete Cosinus Transformation (DCT) Eine Ausarbeitung für den Physileistungsurs 12.2 Philipp Julian Münzel, Juni 2005 Mathematical analysis is as extensive as Nature herself Jean Baptiste
MehrWiederholung und Zusammenfassung
Wiederholung und Zusammenassung Fourier-Transormation ann angewendet werden ür die Frequenzanalyse eines Signals Beispiel: Woler- Zahlen Eine ähnliche Transormation ist die Disrete Cosinus- Transormation
MehrDamit lässt sich also. zurückführen auf. und. mit der Kombination für j=0,1,...,m-1:
Damit lässt sich also v v IDFT c c 0 n 0 n zurückführen auf ( g) ( g) v v IDFT c c c 0 m 0 n ( u) ( u) v v IDFT c c c 0 m 3 n mit der Kombination für j=0,,...,m-: und v j v v und v v v ( g) j ( u) ( g)
MehrFFTW = Fastest Fourier Transform in the West:
FFTW Fastest Fourier Trasform i the West: Teste für CPU, Cache, usw. die verschiedee Fatorzerleguge vo. Wähle dieeige mit schellster Laufzeit aus ud erstelle automatisch FFT-Routie. 8 *8 *4 ** 4* 8* IDFT
MehrLineare Filter:
5.3.4. Lineare Filter: Betrachte Vetor v, dessen Komponenten wieder disrete Werte einer Funtion oder eines Bildes darstellen Sampling. Zunächst -dimensional. Wir filtern diesen Vetor, indem wir ede Komponente
MehrFOURIERREIHEN. a) Periodische Funktionen. 3) Rechteckschwingung. b) Stückweise stetige Funktionen. Skizze= Sägezahnschwingung
FOURIERREIHEN 1. Grundlagen a) Periodische Funtionen Beispiele: 1) f( x) = sin( x+ π / 3), T = 2 π /. 2) f( t) = cos( ωt+ ϕ), T = 2 π / ω. 3) Rechtecschwingung, 1< t < f() t =, f( t+ 2) = f() t 1, < t
MehrNAE Nachrichtentechnik und angewandte Elektronik
Inhaltsverzeichnis: NAE Nachrichtentechni und angewandte Eletroni hema Unterpunt Seite Deinitionen zur Fourier-Analse Grundschwingung 5- eilschwingungen 5- Oberwellen 5- Harmonische 5- Amplitude und Phasenlage
MehrAufgabe 1 (20 Punkte)
Augabe 1 (20 Punkte) Es wird ein Sprachsignal x(t) betrachtet, das über eine ISDN-Teleonleitung übertragen wird. Das Betragsspektrum X() des analogen Signals kann dem nachstehenden Diagramm entnommen werden.
MehrBeispiel: FFT für n=3 q
Dazu beötigt IDFTc 0, c 3, c 6,... IDFTc, c 4, c 7,... IDFTc, c 5, c 8,... 56 / / 0 3 / 0 / 3 3 3 / 0 / 3 3 3 / 0 / 3 3 0 / F e F e F e c e c e c e c v i i i i i i Beispiel: FFT für 3 q Sortiere modulo
MehrErarbeiten der Diskreten Fourier Transformation (GFT) unter Verwendung von Scilab zur Veranschaulichung
Erarbeiten der Diskreten Fourier Transormation (GFT) unter Verwendung von Scilab zur Veranschaulichung 1. Das Prinzip verstehen 2. DFT beschreiben 3. DFT mit Scilab testen 4. Umsetzung der DFT ür einen
MehrComputer Vision Group Prof. Daniel Cremers. Fixpunktgleichungen
Computer Vision Group Pro. Daniel Cremers Fipuntgleichungen Iterationsverahren Problem: Ot önnen wir eine direte Lösung einer Gleichung angeben. Anstelle einer direten Lösung ann man aber ot ein Iterationsverahren
MehrVI. Iterationsverfahren
VI. Iterationsverahren To ininity and beyond Falls eine direte Lösung des Problems nicht möglich oder ineizient ist. 6... Problemstellung: 6.. Fipuntgleichungen Iterationsuntion Φ Iteration: R Startwert,
MehrVI. Iterationsverfahren
VI. Iterationsverahren To ininity and beyond Falls eine direte Lösung des Problems nicht möglich oder ineizient ist. 6.. Fipuntgleichungen 6... Problemstellung: Iterationsuntion Iteration: R Startwert,
MehrKapitel 2: Fourieranalyse. Analoge, periodische Signale
ZHW, NM, 5/, Rur Kapitel : Fourieranalyse Analoge, periodische Signale Inhaltsverzeichnis. EINLEIUNG.... LINEARER MIELWER... 3. LEISUNG UND EFFEKIVWER...3 4. WINKELFUNKIONEN...3 5. FOURIERREIHE...4 6.
MehrFourierreihen. Definition. Eine Funktion f(x) heißt periodisch mit der Periode T, wenn f(x + T ) = f(x)
Fourierreihen Einer auf dem Intervall [, ] definierten Funtion f(x) ann ein (approximierendes) trigonometrisches Polynom (Fourier-Polynom) der Gestalt S n (x) = a + n a cos x + n b sin x zugeordnet werden.
MehrGrundlagen der Schwingungslehre
Grundlagen der Schwingungslehre Einührung. Vorgänge, bei denen eine physikalische Größe in estem zeitlichen Abstand ein und denselben Werteverlau auweist, werden als periodisch bezeichnet. Den zeitlichen
MehrÜbung 2: Spektrum periodischer Signale
ZHAW, SiSy, Rumc, Übung : Spektrum periodischer Signale Augabe Verschiedene Darstellungen der Fourierreihe. Betrachten Sie das periodische Signal s(t) = + sin(π t). a) Bestimmen Sie die A k - und B k -Koeizienten
MehrNumerische Mathematik
Numerische Mathematik SS 999 Augabe 6 Punkte Das Integral I ln d soll numerisch bis au eine Genauigkeit von mindestens - approimiert werden. a Wie groß muss die Anzahl N der Teilintervalle sein damit mit
Mehr(Fast) Fourier Transformation und ihre Anwendungen
(Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Definition Fouriertransformation F (ω) = F [f(t)] (ω) := 1 2π dt f(t)e iωt Fouriersynthese f(t) = F 1 [F
Mehr11. Darstellung von Kurven und Flächen
H.J. Oberle Approximation WS 23/4. Darstellung von Kurven und Flächen Bézier Kurven. Unser Ziel ist es, polynomiale Kurven auf dem Rechner möglichst effizient darzustellen. Hierzu nutzen wir die Basisdarstellung
Mehr43 Fourierreihen Motivation Fourierbasis
43 Fourierreihen 43. Motivation Ähnlich wie eine Taylorreihe (vgl. MfI, Kap. 2) eine Funktion durch ein Polynom approximiert, wollen wir eine Funktion durch ein trigonometrisches Polynom annähern. Hierzu
Mehrx[n-1] x[n] x[n+1] y[n-1] y[n+1]
Systeme System Funtion f, die ein Eingangssignal x in ein Ausgangssignal y überführt. zeitdisretes System Ein- und Ausgangssignal sind nur für disrete Zeitpunte definiert y[n] = f (.., x[n-1], x[n], x[n+1],
MehrProgrammierung und Angewandte Mathematik
Programmierung und Angewandte Mathematik C++ /Scilab Programmierung und Einführung in das Konzept der objektorientierten Anwendungen zu wissenschaftlichen Rechnens SS 2012 Inhalt Steckbrief der Funktion
Mehr1 Diskrete Fourier Transformation. 2 Definition der Diskreten Fourier Transformation (DFT)
Diskrete Fourier Transormation Das Ausgangssignal eines nachrichtentechnischen Systems oder Verarbeitungsblocks lässt sich im Zeitbereich bei Kenntnis der Impulsantwort h(n) mit Hile der diskreten Faltung
MehrPraktikumsbeispiele zum Lehrgebiet WR II, Numerische Mathematik und CAS Serie Approximation
TU Ilmenau Institut für Mathemati FG Numerische Mathemati und Informationsverarbeitung PD Dr. W. Neundorf Datei: pb approx.tex Pratiumsbeispiele zum Lehrgebiet WR II, Numerische Mathemati und CAS Serie
MehrÜbungen zu Numerische Mathematik (V2E2) Sommersemester 2008
Übungen zu Numerische Mathemati (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Übungsblatt 1 Abgabe: 24. April 2008 Aufgabe 1 Zur Berechnung der Quadratwurzel
MehrVom Zeit- zum Spektralbereich: Fourier-Analyse
Vom Zeit- zum Spektralbereich: Fourier-Analyse Ergebnis der Analyse Zerlegung eines beliebigen periodischen Signals in einem festen Zeitfenster in eine Summe von Sinoidalschwingungen Ermittlung der Amplituden
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
MehrSpektralanalyse. Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann!
Spektralanalyse Spektralanalyse ist derart wichtig in allen Naturwissenschaften, dass man deren Bedeutung nicht überbewerten kann! Mit der Spektralanalyse können wir Antworten auf folgende Fragen bekommen:
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens SS2013 Inhalt Fourier Reihen Sehen wir in 2 Wochen Lösung der lin. Dgln.
MehrBildverarbeitung 5 Frequenzraum und Bildrestauration
Bildverarbeitung 5 Frequenzraum und Bildrestauration Frühjahrssemester 04 ETH Zürich Jan Dirk Wegner und Michal Havlena ETH Zürich Institut ür Geodäsie und Photogrammetrie (mit Material von Uwe Sörgel
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
Mehr1. Filterung im Ortsbereich 1.1 Grundbegriffe 1.2 Lineare Filter 1.3 Nicht-Lineare Filter 1.4 Separabele Filter 1.
. Filterung im Ortsbereich. Grundbegriffe. Lineare Filter.3 Nicht-Lineare Filter.4 Separabele Filter.5 Implementierung. Filterung im Frequenzbereich. Fouriertransformation. Hoch-, Tief- und Bandpassfilter.3
MehrDiskrete Fourier-Transformation und FFT. 1. Die diskrete Fourier-Transformation (DFT) 2. Die Fast Fourier Transform (FFT)
Diskrete Fourier-Transformation und FFT 2. Die Fast Fourier Transform (FFT) 3. Anwendungsbeispiele der DFT 1 Wiederholung: Fourier-Transformation und Fourier-Reihe Fourier-Transformation kontinuierlicher
MehrDigitale Signalbearbeitung und statistische Datenanalyse
Digitale Signalbearbeitung und statistische Datenanalyse Teil 5 8 Aus ontinuierlichem Signal werden in onstanten Zeitintervallen Daten entnommen ontinuierliches Signal x(t) Einheitsimpulsfuntion Gewichtete
MehrPuls-Code Modulation (PCM)
Puls-Code Modulation (PCM) Zur Erassung und rechnerbasierten Verarbeitung physikalischer Messgrößen werden spezielle Sensoren eingesetzt, mit denen der zeitliche Verlau der jeweiligen Messgröße in ein
MehrApproximation von Funktionen
von Funktionen Fakultät Grundlagen Februar 6 Fakultät Grundlagen von Funktionen Übersicht Problemstellung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktionen 3 Fakultät
MehrKapitel 3 Trigonometrische Interpolation
Kapitel 3 Trigonometrische Interpolation Einführung in die Fourier-Reihen Trigonometrische Interpolation Schnelle Fourier-Transformation (FFT) Zusammenfassung Numerische Mathematik II Herbsttrimester 212
Mehr(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =
1. (a) i. Wann besitzt A R n n eine eindeutige LR-Zerlegung mit R invertierbar? ii. Definieren Sie die Konditionszahl κ(a) einer Matrix A bzgl. einer Norm.! iii. Welche Eigenschaften benötigt eine Matrix
MehrKapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.
Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]
MehrMathematischer Vorkurs für Physiker WS 2012/13: Vorlesung 1
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13: Vorlesung 1 Komplexe Zahlen Das Auffinden aller Nullstellen von algebraischen Gleichungen ist ein Grundproblem, das in der Physik
MehrBeispiele zur Taylorentwicklung
Beispiele zur Taylorentwiclung Nun ein paar Augaben, die mit der Taylorentwiclung zu tun haben. In diesem Zusammenhang sollte man au jeden Fall die Formel ür die Taylorentwiclung und das Restglied nach
MehrSYS_A - ANALYSIEREN. Statistik. NTB Druckdatum: SYS A. Histogramm (Praxis) Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100
SYS_A - ANALYSIEREN Statistik Gaußsche Normalverteilung (Theorie) Gebrauch: bei n > 100 Histogramm (Praxis) Realisierung Lage Streuung Zufallsvariable Dichte der Normalverteilung Verteilungsfunktion Fläche
MehrZiel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit:
Anwendung DFT zur Feature-Aufbereitung Ziel: Minimalität der Feature-Werte Ausnutzung Kompaktheit im Frequenzbereich Kompaktheit: Funktion häufig durch wenige, niedrige Frequenzkoeffizienten approximierbar,
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei die Matrix
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei die Matrix 1 1 1 A = 3 3 3 2 2 2 (a) Bestimmen Sie Rang(A), Kern(A) und Bild(A). Ist A invertierbar? Geben Sie zwei verschiedene rechte Seiten b 1, b 2 an, so
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
MehrComputergraphik 1 2. Teil: Bildverarbeitung. Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation
Computergraphik 1 2. Teil: Bildverarbeitung Fouriertransformation Ende FFT, Bildrestauration mit PSF Transformation, Interpolation LMU München Medieninformatik Butz/Hoppe Computergrafik 1 SS2009 1 2 Repräsentation
MehrAufg.-Nr.: 15 Bereich: ganzrat. Funktionenschar Kursart: LK WTR
Aug.-Nr.: 5 Bereich: ganzrat. Funtionenschar Kursart: LK WTR Olympiaschanze Die große Olympia-Schanze in Garmisch-Partenirchen hat etwa das in der Abbildung erennbare Proil. Für die marierten Punte A und
MehrVerlustbehaftete Kompression. JPEG: Joint Photographic Experts Group
Verlustbehaftete Kompression JPEG: Joint Photographic Experts Group ITU T8.1 definiert Zusammenarbeit von ITU, IEC, ISO Verfahren zur verlustbehafteten Bildkodierung (auch Verlustloser Modus vorhanden)
MehrM U = {x U f 1 =... = f n k (x) = 0}, (1)
Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit
MehrApproximationsverfahren
Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approimationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen
MehrKap. 7: Wavelets. 2. Diskrete Wavelet-Transformation (DWT) 4. JPEG2000. H. Burkhardt, Institut für Informatik, Universität Freiburg DBV-I 1
Kap. 7: Wavelets. Die kontinuierliche Wavelet-Transformation (WT). Diskrete Wavelet-Transformation (DWT) 3. Sh Schnelle Wavelet-Transformation ltt ti (FWT) 4. JPEG000 H. Burkhardt, Institut für Informatik,
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
MehrPhysikpraktikum. Gruppenarbeit zum Thema: Felder, Oberflächenspannung. von Remo Badertscher Luka Raguz Bianca Wittmer. Dozent: Dr. O.
Physipratium Gruppenarbeit zum Thema: Felder, Oberflächenspannung von Remo Badertscher Lua Raguz Bianca Wittmer Dozent: Dr. O. Merlo Studiengang: SBCH 8_2 bgabedatum: 8.3.29 Stoss und Energieübertrag a
MehrBildverarbeitung Herbstsemester 2012. Fourier-Transformation
Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie
Mehr1. Aufgabe (6 Punkte) Zeigen Sie mit Hilfe der vollständigen Induktion, dass folgende Gleichheit gilt für alle n N, n 2. k (k + 1)! = 1 1 n!.
. Aufgabe (6 Punte) Zeigen Sie mit Hilfe der vollständigen Indution, dass folgende Gleichheit gilt für alle n N, n 2 n ( + )! n!. [6P] Ind. Anfang: n 2 oder l.s. ( + )! 2 r.s. 2! 2. ( + )! 2! 2! 2 2 2
MehrHTBLA Neufelden Fourierreihen Seite 1 von 14. Peter Fischer
HTBLA Neufelden Fourierreihen Seite von 4 Peter Fischer pe.fischer@atn.nu Fourierreihen Mathematische / Fachliche Inhalte in Stichworten: Fourierreihe, Fourierkoeffizienten, gerade und ungerade Funktionen,
MehrPerlen der Informatik I Wintersemester 2012 Aufgabenblatt 6
Technische Universität München WS 2012 Institut für Informatik Prof. Dr. H.-J. Bungartz Prof. Dr. T. Huckle Prof. Dr. M. Bader Kristof Unterweger Perlen der Informatik I Wintersemester 2012 Aufgabenblatt
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrBildverarbeitung. Bildvorverarbeitung - Fourier-Transformation -
Bildverarbeitung Bildvorverarbeitung - Fourier-Transformation - 1 Themen Methoden Punktoperationen / Lokale Operationen / Globale Operationen Homogene / Inhomogene Operationen Lineare / Nichtlineare Operationen
MehrÜbungsblatt 1 Geometrische und Technische Optik WS 2012/2013
Übungsblatt 1 Geometrische und Technische Optik WS 2012/2013 Gegeben ist eine GRIN-Linse oder Glasaser) mit olgender Brechzahlverteilung: 2 2 n x, y, z n0 n1 x y Die Einheiten der Konstanten bzw. n 1 sind
MehrKontinuierliche Fourier-Transformation. Laplace-Transformation
Kontinuierliche Fourier-Transformation. Laplace-Transformation Jörn Loviscach Versionsstand: 16. Juni 2010, 17:56 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu:
MehrLösung zu Serie 20. Die Menge der Polynome vom Grad 4 ohne Nullstelle ist gegeben durch
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pin Lösung zu Serie 20 1. (a) Bestimme alle irreduziblen Polynome vom Grad 4 in F 2 [X]. (b) Bestimme die Fatorisierung von X 6 + 1 und X 10 + 1 und X 20 +
Mehrf(t) = a 2 + darstellen lasst Periodische Funktionen.
7. Fourier-Reihen Viele Prozesse der Ingenieur- und Naturwissenschaften verlaufen periodisch oder annahernd periodisch, wie die Schwingungen einer Saite, Spannungs- und Stromverlaufe in Wechselstromkreisen
MehrDigitale Bildverarbeitung (DBV)
Digitale Bildverarbeitung (DBV) Prof. Dr. Ing. Heinz Jürgen Przybilla Labor für Photogrammetrie Email: heinz juergen.przybilla@hs bochum.de Tel. 0234 32 10517 Sprechstunde: Montags 13 14 Uhr und nach Vereinbarung
MehrFourier-Reihen und Fourier-Transformation
Fourier-Reihen und Fourier-Transformation Matthias Dreÿdoppel, Martin Koch, Bernhard Kreft 25. Juli 23 Einleitung Im Folgenden sollen dir und die Fouriertransformation erläutert und mit Beispielen unterlegt
MehrSPEZIELLE KAPITEL DER MATHEMATIK TEIL 1
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik SPEZIELLE KAPITEL DER MATHEMATIK TEIL 1 13. Fourier-Reihen Prof. Dr. Gunar Matthies Wintersemester 216/17
Mehrπ soll mit Hilfe einer DFT spektral
Augabe 6 Das abgetastete Signal x( n) = 2 cos( 2 n ) sin( 2 π 3 n ) π soll mit Hile einer DFT spektral 4 8 analysiert werden. a) Geben Sie zunächst die Frequenz der Cosinusschwingung sowie die Frequenz
MehrKapitel 2. Endliche Körper und Anwendungen. 2.1 Körpererweiterungen
Kapitel 2 Endliche Körper und Anwendungen 2.1 Körpererweiterungen Deinition Sei L ein Körper und K ein Unterkörper von L. Dann sagen wir, dass L ein Erweiterungskörper von K ist. Wir sagen dann auch: K
MehrPuls-Code-Modulation. Thema: PCM. Ziele
Puls-Code-Modulation Ziele Mit diesen rechnerischen und experimentellen Übungen wird die Vorgehensweise zur Abtastung und linearen Quantisierung eines analogen Signals erarbeitet. Bei der Abtastung werden
Mehr10. Periodische Funktionen, Fourier Reihen
H.J. Oberle Analysis II SoSe 212 1. Periodische Funktionen, Fourier Reihen Jean Baptiste Joseph Fourier: Joseph Fourier wurde am 21.3.1768 bei Auxerre (Burgund) geboren und starb am 16.5.183 in Paris.
MehrSysteme II 8. Die physikalische Schicht (Teil 4)
Systeme II 8. Die physikalische Schicht (Teil 4) Thomas Janson, Kristof Van Laerhoven*, Christian Ortolf Folien: Christian Schindelhauer Technische Fakultät : Rechnernetze und Telematik, *: Eingebettete
MehrBestimmung des Frequenz- und Phasenganges eines Hochpaßfilters 1. und 2. Ordnung sowie Messen der Grenzfrequenz. Verhalten als Differenzierglied.
5. Versuch Aktive HochpaßiIter. und. Ordnung (Durchührung Seite I-7 ) ) Filter. Ordnung Bestimmung des Frequenz- und Phasenganges eines Hochpaßilters. und. Ordnung sowie Messen der Grenzrequenz. Verhalten
MehrBeate Meffert, Olaf Hochmuth: Werkzeuge der Signalverarbeitung, Pearson Ludwig-Maximilians-Universität München Prof. Hußmann Digitale Medien 4-1
4. Signalverarbeitung 4.1 Grundbegrie 4.2 Frequenzspektren, Fourier-Transormation 4.3 Abtasttheorem: Eine zweite Sicht 4.4 Filter Weiterührende Literatur (z.b.): Beate Meert, Ola Hochmuth: Werkzeuge der
MehrWavelets made easy Yves Nievergelt
Wavelets made easy Yves Nievergelt Kapitel 1 - Haar s Simple Wavelets Das erste Kapitel Haar s Simple Wavelets aus dem Buch Wavelets made easy von Yves Nievergelt behandelt die einfachsten Wavelets und
MehrY und Z sind zwei mittelwertfreie, voneinander unabhängige Zufallsgrössen mit
AUFGABEN STOCHASTISCHE SIGNALE Augabe Ein stationäres Zuallssignal Xt) besitzt den Gleichanteil mx. Der Wechselanteil des Signals ist somit gegeben durch XACt) Xt) mx. a) Zeigen Sie, dass olgende Beziehung
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
MehrKardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken
Florian Badt 2. Juni 2015 Gliederung Grundlegende Problemstellung Ausgangspunkt: Lu = f Approximation der unbekannten Funktion: u(x) u N (x) = N n=0 a nφ n Minimierung des Residuums R(x; a 0, a 1,...,
MehrFourier-Reihen. Definition. Eine auf R definierte Funktion f heißt periodisch mit der Periode T 0, wenn f(x + T ) = f(x) x R.
Fourier-Reihen Sehr häufig in der Natur begegnen uns periodische Vorgänge, zb beim Lauf der Gestirne am Nachthimmel In der Physik sind Phänomene wie Schwingungen und Wechselströme periodischer Natur Zumeist
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
Mehr6.3. Iterative Lösung linearer Gleichungssysteme. Großes lineares dünnbesetztes Gleichungssystem A x = b
6.3. Iterative Lösung linearer Gleichungssysteme Großes lineares ünnesetztes Gleichungssystem A Gauss-Elimination nutzt in er Regel ie Dünnesetztheit nicht aus un führt meist auf Kosten On 3 ; Im Gegensatz
MehrBiosignal Processing II
Biosignal Processing II LEARNING OBJECTIVES Describe the main purposes and uses of the Fouriertransforms. Describe the basic properties of a linear system. Describe the concepts of signal filtering. FOURIERREIHE
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Error-Free Compression Hufmann Coding Runlength Coding Lossy Compression
MehrZeitreihenanalyse. H.P. Nachtnebel. Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau. Definitionen und Anwendung
.. Zeitreihenanalyse H.P. Nachtnebel Institut für Wasserwirtschaft, Hydrologie und konstruktiver Wasserbau Definitionen und Anwendung Definition Zeitreihe zeitliche Abfolge von Messwerten, deren Auftreten
MehrMathematische Modelle im Bauingenieurwesen
Mathematische Modelle im Bauingenieurwesen Mit Fallstudien und numerischen Lösungen von Kerstin Rjasanowa. Aulage Hanser München 00 Verlag C.H. Bec im Internet: www.bec.de ISBN 978 446 45 7 Zu Inhaltsverzeichnis
MehrD-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten
MehrWichtigste Voraussetzung für die in dieser Vorlesung beschriebenen Systeme und Verfahren sind digitale Aufnahmen. Doch was ist eigentlich ein
1 Wichtigste Voraussetzung für die in dieser Vorlesung beschriebenen Systeme und Verfahren sind digitale Aufnahmen. Doch was ist eigentlich ein digitales Foto oder Video? Das folgende Kapitel soll einen
MehrImage Compression. Kompression. Beseitigung der unnötigen Daten... Redundanz. Vorlesung FH-Hagenberg SEM. Backfrieder-Hagenberg. Backfrieder-Hagenberg
Image Compression Vorlesung FH-Hagenberg SEM Kompression Encoder Decoder Beseitigung der unnötigen Daten... Redundanz 1 Inhalte Redundanz Channel Encoding Error-Free Compression Hufmann Coding Runlength
MehrÜbung: Computergrafik 1
Prof. Dr. Andreas Butz Prof. Dr. Ing. Axel Hoppe Dipl.-Medieninf. Dominikus Baur Dipl.-Medieninf. Sebastian Boring Übung: Computergrafik 1 Fouriertransformation Organisatorisches Neue Abgabefrist für Blatt
MehrModulprüfung Numerische Mathematik 1
Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel
MehrFinite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht Partielle Differentialgleichungen, Approximation der Lösung Finite Elemente, lineare und höhere Ansatzfunktionen Dünn
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrSchwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen
Schwingungen und ihre Filterung unter Verwendung von Ergebnissen aus FEM-Rechnungen AG Qualität im Fachbereich Mathematik Universität Hannover, Welfengarten, D - 3067 Hannover Telephon: +49-5-762-3336
MehrOrthogonale Waveletbasen
Orthogonale Waveletbasen Johannes Stemick 12.12.08 Johannes Stemick () Orthogonale Waveletbasen 12.12.08 1 / 46 Übersicht 1 Multiskalenanalyse und Skalierungsfunktion Haar-Basis Multiskalenanalyse Konstruktion
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
MehrVorlesung Mathematik WS 08/09. Friedel Bolle. Vorbemerkung
Vorlesung Mathemati WS 08/09 Vorbemerung Weshalb Mathemati für Öonomen? Das werden Sie selbst sehen im Grundstudium in - Miroöonomie - Statisti - Maroöonomie - BWL: Prodution und dazu in einer Reihe von
Mehr