1 Lineare, affine und konvexe Kombinationen. für einen Punkt (Vektor) von IR d. IR heißt affin unabhängig, wenn für alle r IN, x1,, R S

Größe: px
Ab Seite anzeigen:

Download "1 Lineare, affine und konvexe Kombinationen. für einen Punkt (Vektor) von IR d. IR heißt affin unabhängig, wenn für alle r IN, x1,, R S"

Transkript

1 U. BEHM: Konvexgeoete Lneae, affne un konvexe Kobnatonen W abeten -enonalen euklchen au I un cheben x ( 1,, ) ( I, = 1,, ) fü enen Punkt (Vekto) von I. Da nnee Poukt auf I von Vektoen x un y (,, ) w bezechnet t x, y :, e No von x t x : x, x e Abtan von x un y t x y. 1 2, 1 Defnton: X I heßt affn unabhängg, wenn fü alle IN, x1,, x X, 1,, I t x x j fü j glt: Au 1x1 x 0 un 1 0 folgt Fall X ncht affn unabhängg t, heßt X affn abhängg. Defnton: Se X x 1 1 I. Jee Auuck e Fo x ( IN 0, 1,, I, x1,, x X ) heßt ene Lneakobnaton von Vektoen au X. De Lneakobnaton Affnkobnaton, 1x1 x heßt Konvexkobnaton, fall Potvkobnaton, x I heßt lnea affn konvex potv au X cheben lät. Veenbaung: Fall 0, t abhängg von X, fall x ch al wee affn noch konvex abhängg von un 0 1,,. 0 1,,. Lneakobnaton Affnkobnaton Konvexkobnaton von Vektoen Potvkobnaton : 0, alo t 0 lnea un potv abhängg von, abe Beekung: X t affn abhängg genau ann, wenn e en x X gbt, welche affn abhängg von X \{ x} t.

2 1-2 U. BEHM: Konvexgeoete Beekung: Offenchtlch gelten e Iplkatonen x affn abhängg von X x konvex abhängg von X x potv abhängg von X x lnea abhängg von X. Achtung: Wenn x affn un potv abhängg von X t, baucht x ncht konvex abhängg von X zu en, we folgene Bepel zegt: X {( 1, 0), ( 1, 1),( 0, 1 )}, x ( 0, 0 ). Dann t x 1( 1, 0) ( 1) ( 1, 1) 1( 0, 1) 0( 1, 0), abe au (, ) ( 1, 0) ( 1, 1) ( 0, 1), 0, 3 folgt 2 1, 3 alo t ( 0, 0 ) ncht konvex abhängg von X Defnton: X I heßt en/ene zu X gehöen. lneae Unteau, affne Unteau, konvexe Menge, fall alle von X konvexe Kegel, lnea affn konvex potv abhänggen Vektoen Beekung: t alo en affne Unteau un t ene konvexe Menge, abe jee lneae Unteau un jee konvexe Kegel enthält en Vekto 0. E echt n obge Defnton, ch auf Kobnatonen von je zwe Vektoen zu bechänken (w auch oft glech o n e Defnton geacht), we folgene Lea zegt: Lea 1.1: a) X I t en lneae Unteau genau ann, wenn X un fü je zwe Vektoen x, x X un alle, I glt x x X. 1 2 b) X I t en affne Unteau genau ann, wenn fü alle x, x X un alle I glt x ( 1 ) x X. c) X I t ene konvexe Menge genau ann, wenn fü alle x, x X un alle 0, 1 glt x ( 1 ) x X.

3 U. BEHM: Konvexgeoete 1-3 ) X I t en konvexe Kegel genau ann, wenn X un fü alle x, x X un alle, glt x x X B e w e : " " t jewel kla. a) un b) egeben ch unttelba au x x ( (( x x ) x ) ) x b) un c) folgen uch volltänge Inukton nach (= Anzahl e Suanen n e Affn- bzw. Konvexkobnaton). Fü 2 t ncht zu zegen. Gelte e Behauptung fü un e 1 x 1x1 1x 1 un 1, alo 1 1, wobe x1,, x 1 X (un fü c) alle 0 gelten), e o.b..a. 1 1 (wegen ) Nach Inuktonannahe t wegen 1 x X 11, alo 1 1 x ( 1 1) x 1x 1 X. 1 1 Geoetche Intepetaton un Spechwee: Lneae Unteäue n au e lneaen Algeba bekannt. De lneaen Unteäue e I 3 n: { 0 }, Geaen uch 0, Ebenen uch 0, I 3. Fü x, x I t x x t e Menge { x1 ( 1 ) x2 I} e Affnkobnatonen von x 1 un x 2 e (Vebnung-)Geae uch x 1 un x 2. ( x ( 1 ) x x ( x x )). 2 x 2 x 1 Fü x, x I t x x t e Menge { x1 ( 1 ) x2 0, 1} e Konvexkobnatonen von x 1 un x 2 e (Vebnung-)Stecke zwchen x 1 un x 2. x 2 x 1

4 1-4 U. BEHM: Konvexgeoete Fü x, x I t x x t e Menge x 2 { 1x1 2x2 1, 2 0} e Potvkobnatonen von x 1 un x 2 x 1 e Kegel t Sptze n 0. De Menge e Potvkobnatonen von x 0 t e Stahl von 0 uch x. x Beekung: Lea 1.1 b), c) agt alo, a X I en affne Unteau t, genau ann, wenn zu je zwe Punkten von X e Vebnunggeae zu X gehöt un a X I ene konvexe Menge t, genau ann, wenn zu je zwe Punkten von x e Vebnungtecke zu X gehöt. Dee Auagen nt an oft zu Defnton. Beekung: Au en Defntonen folgt unttelba, a jee lneae Unteau auch en affne Unteau t un a jee affne Unteau konvex t, owe a jee lneae Unteau auch en konvexe Kegel t un a jee konvexe Kegel konvex t. Bezechnungen: Seen X, Y I. Dann bezechne Fü X X Y: { x y x X, yy}. { y} cheben w auch X y. Lea 1.2: Se X I en affne Unteau. Se x X belebg (alo X ). Dann t U: X ( x) en lneae Unteau un X U x. U t von e Wahl von x X unabhängg un heßt e zu X gehöge lneae Unteau. B e w e : Fü alle I, x, x X glt ( x x) ( x x) U, a x x x X. Fü x, y X glt X ( x) U U ( y x) X ( y). Defnton: De Denon ene affnen Unteaue X t efnet al e Denon e zugehögen lneaen Unteaue U : X : U : 1.

5 U. BEHM: Konvexgeoete 1-5 Beekung: ( 1 ) (vecheene) Vektoen { x 0,, x } n affn abhängg genau ann, wenn { x x, x x,, x x } lnea abhängg n B e w e : Kla (a x x ( ) x ( x x ) ( x x )) Folgeung: En affne Unteau X t -enonal genau ann, wenn ( 1 ) e axale Anzahl affn unabhängge Vektoen von X t. Bepel: Jee eneleentge Telenge (Punkt) von I Unteau; jee Geae t en 1-enonale Unteau. t en 0-enonale affne Defnton: En ( 1) -enonale affne Unteau heßt Hypeebene. Beekung: En affne Unteau t genau ann en lneae Unteau, wenn e en Vekto 0 enthält. Beekung: Jee affne Unteau X I enthält ene axale affn unabhängge Telenge { x0,, x} x0 ( B {0}) (B Ba von U), o a X genau e Menge e von ee Telenge affn abhänggen Punkte e I atellt: X x I x x, E t X. De uch x eneutg betten Koeffzenten ( 0,, ) heßen auch bayzentche Koonaten von x bezüglch { x 0,, x }. Lea 1.3: De Duchchntt ene Menge von lneaen Unteäuen affnen Unteäuen konvexen Mengen konvexen Kegeln t en lneae Unteau. en affne Unteau. konvex. en konvexe Kegel. B e w e : Kla.

6 1-6 U. BEHM: Konvexgeoete Satz 1.1 (un Defnton): De Menge alle t e/e klente e/e X enthält. E heßt e von X un w t a) b) c) ) a) b) c) ) a) b) ) a) b) c) ) Lneakobnatonen Affnkobnatonen Konvexkobnatonen Potvkobnaton von Eleenten von X lneae Unteau, affne Unteau, konvexe Menge ( = Duchchntt alle konvexen Obeengen von X ), konvexe Kegel, aufgepannte lneae Unteau aufgepannte affne Unteau aufgepannte konvexe Kegel ln X aff X konv X po X bezechnet. B e w e : a) t au e lneaen Algeba bekannt. W zegen c), b) un ) ween ganz analog beween. oe e a) b) c) ) lneae Hülle affne Hülle konvexe Hülle potve Hülle c): Bezechne konv X e Menge alle Konvexkobnatonen von Eleenten von X. W zegen, a konv X konvex t. Dazu echt e nach Lea 1.1 zu zegen, a jee Konvexkobnaton von zwe Vektoen au konv X wee n konv X legt. Se x 1x1 x, y 1y1 y t, 0, x, y X, Se 0, 1. x ( 1 ) y x x ( 1 ) y ( 1 ) y un ( 1 ) 0 un ( 1 ) 1 ( 1 ) 1 1, alo x ( 1 ) ykonv X, alo t konv X konvex. 1. Aneeet t kla, a konv X n jee konvexen Obeenge von X enthalten t, woau folgt, a konv X e klente konvexe Obeenge von X t. Beekung: X t konvex { affne Unteau { X X konv X. aff X.

7 U. BEHM: Konvexgeoete 1-7 Hypeebenen laen ch a enfachten atellen n e Fo H xi a, x b t ai, a 0, bi. De zu H gehöge lneae Unteau U t U xi a, x 0. U t a othogonale Kopleent von Ia. Affne Unteäue e Denon 0 kann an entwee uch ( 1 ) affn unabhängge Vektoen oe al Schntt von ( ) Hypeebenen, genaue al X xi A x b, wobe A ene ( ) -Matx vo ang ( ), un bi t, atellen. Wenn A ( a 1,, a ) T, b ( b1,, b ) T, ann t H X t H x a, x b. Da Glechungyte t löba, alo X, a ang( A, b) ang A. De zu X gehöge lneae Unteau t U xi Ax 0, U ( ). U t a othogonale Kopleent von ln{ a 1, a 2,, a }. Satz 1.2: Seen X Y, I. Dann glt a) aff( X Y) (aff X ) (aff Y). b) konv( X Y) konv X konvy. Heau folgt nbeonee, a e Sue von affnen Unteäuen wee en affne Unteau t un e Sue von konvexen Mengen wee ene konvexe Menge t. (Bewe: Duch enfache Nachechnen ähnlch we be Satz 1.1.) B e w e : a) Fü X oe Y glt e Behauptung. Seen X, Y. Se paff( X Y). Dann lät ch p atellen al p ( x y ) x y (aff X ) (aff Y) t Se nun p(aff X ) (aff Y). Dann gbt e, j, x X, y j Y t p x j y j, j1 1, x X, y Y.

8 1-8 U. BEHM: Konvexgeoete j1 j 1, alo j1 j 1 un ( x y ) x y x y p, alo j j j j j j j1 j1 j1 j1 paff( X Y). b) I Bewe von a) t nu zuätzlch voauzuetzen, a alle, 0 n. Beekung: E glt offenchtlch X Y Y X, X ( Y Z) ( X Y) Z fü alle X, Y, Z I, { 0} X X. Abe e gbt nu ann ene Invee von X bezüglch +, wenn X eneleentg t. Fene glt X X, Y Y X Y X Y, Y X X Y. De Sue von konvexen Mengen w päte ene wchtge olle pelen ( gechte Voluna, Queaßntegale ) ehalb enge Bepele: (E n e Übechtlchket wegen zu Tel nu e äne e beteffenen konvexen Mengen gezechnet.) j j + = + = + = + =

9 U. BEHM: Konvexgeoete 1-9 Bezechnungen un Defntonen: B ( a): { xi x a } fü ai, I + heßt abgechloene Kugel vo au u a. B a ( ) t konvex (folgt au e Deeckunglechung): x0, x1 B ( a), 0, 1 ( x0 ( 1 ) x1 ) a x0 a ( 1 ) x1 a ( 1 ). De konvexe Hülle ene enlchen Menge heßt en Polytop. Ene Kugel I fü 2 t z. B. ken Polytop. De Sue von enlch velen Stecken heßt en Zonotop. De Denon ene konvexen Menge X t efnet uch X : aff X. De Sue von Polytopen t wegen Satz 1.2 en Polytop. De konvexe Hülle von ( 1 ) affn unabhänggen Punkten e I heßt en -enonale Splex (kuz: -Splex). Sene Denon t. De ezeugenen Punkte heßen e Ecken e Splexe. En U V W -enonale Splex t en Punkt. ene Stecke. en Deeck. en Tetaee. Aufgaben 1.1 Chaakteeen Se e Telengen I M fü e e ene No gbt, o a M { xi x 1} (Enhetkugel bezüglch ). 1.2 Zegen Se, a ene Kugel n I, 2, ken Polytop t.

10 1-10 U. BEHM: Konvexgeoete 1.3 Wa t e Sue e ve Stecken konv{ x, x }, 1,, 4 (kene zwe avon paallel) n 3 I? Untecheen Se e Fälle a) ln{ x1,, x4} 2 b) ln{ x1,, x4} 3 un e e ve Vektoen x1,, x 4 n lnea abhängg c) je e e ve Vektoen x1,, x 4 n lnea unabhängg ) betachten Se en Spezalfall e Sue e ve auagonalen e 3 Wüfel[ 1,1]. Wa t e Syeteguppe? Beten Se e Ecken!

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1

R S T R S T R S T. 1 Lineare, affine und konvexe Kombinationen. Definition: X. Definition: Sei X. U. BREHM: Konvexgeometrie 1-1 U. BEHM: Konvexgeoete - Lneae, affne un konvexe Kobnatonen W abeten -enonalen euklchen au I un cheben x = ( x,, x ) ( ξ I, =,, ) fü enen Punkt (Vekto) von I. Da nnee Poukt auf I von Vektoen x un y = (

Mehr

11 Charaktere endlicher Gruppen

11 Charaktere endlicher Gruppen $Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.

Mehr

Geometrische. Transformationen 2D

Geometrische. Transformationen 2D Geometche Tanfomatonen D Tanfomatonen tae Köpe Köpe: Menge von unkten 3 { } Tanlaton: : ' T ' ' age age Tanfomatonen tae Köpe ( Rotaton: R n n ' ' ' : Um a Rotatonzentum n n ' ' ( Tanfomatonen (3 Skaleung:

Mehr

3 g-adische Ziffernentwicklung reeller Zahlen

3 g-adische Ziffernentwicklung reeller Zahlen 1 3 g-adche Zffernentwcklung reeller Zahlen In deem Kaptel e tet 2 g N und Z g = {0, 1, 2, 3,..., g 1} N. Motvaton: Wr wollen jede potve reelle Zahl x > 0 n der Ba g 2 dartellen (g-adche Dartellung von

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

4. Energie, Arbeit, Leistung

4. Energie, Arbeit, Leistung 4 43 4. Enege, Abet, Letung Zentale Gößen de Phyk: Bepel: Bechleungung F Annahe: kontante Kaft F Bechleungung: a Enege E, Enhet Joule ( [J] [] [kg / ] zuückgelegte eg: at E gbt zwe gundätzlche Foen on

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

7. Systeme von Massenpunkten; Stöße

7. Systeme von Massenpunkten; Stöße Mechank Sytee von Maenpunkten; Stöße 7. Sytee von Maenpunkten; Stöße 7.. De Schwepunkt W defneen den Schwepunkt ene Syte: t: M M... Geatae () Veanchaulchung: ( + ) 3 au () folgt: M M d dt p p () De Geatpul

Mehr

Netzsicherheit I, WS 2008/2009 Übung 2. Prof. Dr. Jörg Schwenk

Netzsicherheit I, WS 2008/2009 Übung 2. Prof. Dr. Jörg Schwenk Netzcherhet I, WS 2008/2009 Übung 2 Prof. Dr. Jörg Schwenk 27.10.2008 1 SPA Aufgabe 1 Se führen ene SPA auf ene Chpkarte au, auf er DES mplementert t. Dabe meen Se en Stromverbrauch währen er PC1 Permutaton

Mehr

12. Vortrag Verzweigung. Seminar Zahlentheorie WS 07/08

12. Vortrag Verzweigung. Seminar Zahlentheorie WS 07/08 12. Votag Vezwegung Semna Zahlentheoe WS 07/08 Pof. D. Tosten Wedhon Unvestät Padebon von Geda Weth und Ingo Plaschczek 22. Janua 2008 12. Vezwegung (A) p-adsche Bewetung enes gebochenen Ideals n enem

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

Kapitel 7. Netzplantechnik CPM/PERT. - Bezeichnung der Aktivitäten und ihre Beschreibung - Festlegung der Vorgänger - Dauer der Aktivitäten

Kapitel 7. Netzplantechnik CPM/PERT. - Bezeichnung der Aktivitäten und ihre Beschreibung - Festlegung der Vorgänger - Dauer der Aktivitäten Kaptel 7 Netzplantechnk CPM/PER ALG. 7. 1 (CPM) Schrtt 1 (Aulten der Aktvtäten): Stelle ene abelle au mt olgenden Inormatonen: - Bezechnung der Aktvtäten und hre Bechrebung - Fetlegung der Vorgänger -

Mehr

4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:

4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig: 4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2

Mehr

Streuungs-, Schiefe und Wölbungsmaße 1

Streuungs-, Schiefe und Wölbungsmaße 1 aptel IV Streuung-, Schefe und Wölbungmaße B... Lagemaße von äufgketvertelungen geben allen weng Aukunft über ene äufgketvertelung. Se bechreben zwar en Zentrum deer Vertelung, geben aber kenen Anhaltpunkt

Mehr

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006

Seminar über Algorithmen. Load Balancing. Slawa Belousow Freie Universität Berlin, Institut für Informatik SS 2006 Semna übe Algothmen Load Balancng Slawa Belousow Fee Unvestät Beln, Insttut fü Infomatk SS 2006 1. Load Balancng was st das? Mt Load Balancng ode Lastvetelung weden Vefahen bescheben, um be de Specheung,

Mehr

Statistik für Ingenieure (IAM) Version 3.0/21.07.2004

Statistik für Ingenieure (IAM) Version 3.0/21.07.2004 Stattk fü Igeeue (IAM) Veo 74 Vaazaalye Mt de efache Vaazaalye (ANOVA Aaly of Vaace) wd de Hypothee gepüft, ob de Mttelwete zwee ode mehee Stchpobe detch d, de au omaletelte Gudgeamthete gezoge wede, de

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Schätzfehler in der linearen Regression (1) Einführung

Schätzfehler in der linearen Regression (1) Einführung Schätzfehler ( Reduum: Schätzfehler n der lnearen Regreon ( e Enführung Zel der Regreontattk t e, Schätzglechungen nach dem Krterum der klenten Quadrate aufzutellen und anzugeben, we groß der jewelge Schätzfehler

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

r mit der sogenannten Einheitsmatrix:

r mit der sogenannten Einheitsmatrix: D. Hempel Mathematsche Gundlagen Tensoen -7- Maten / Tensoen - Tel als Tenso Bem Vesuch den Dehmpuls unte Zuhlfenahme des Täghetstensos daustellen egab sch fü das Täghetsmoment de folgende Zusammenhang:

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Bivariable/bivariate Verteilungen. Tabellen Grafiken Maßzahlen

Bivariable/bivariate Verteilungen. Tabellen Grafiken Maßzahlen Bvaable/bvaate Vetelungen Tabellen Gafken Maßzahlen 153 Ulste: Wetepaae x/y ode x 1 /x x = Flügellänge [mm], y = Gewcht [g] 3,8; 0,8 3,6; 0,7 4,3; 1,3 3,5; 0,7 4,1; 1,1 4,4; 1,3 4,5; 1,6 3,6; 0,75 3,8;

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

9. Der starre Körper; Rotation I

9. Der starre Körper; Rotation I Mechank De stae Köpe; Rotaton I 9. De stae Köpe; Rotaton I 9.. Enletung bshe: (Systeme on) Punktmassen jetzt: Betachtung ausgedehnte Köpe, übe de de Masse glechmäßg etelt st (kene Atome). Köpe soll sch

Mehr

Zur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen:

Zur Erinnerung. Stichworte aus der 9. Vorlesung: Einteilung von Stößen: Zu nneung tchwote aus de 9. Volesung: ntelung von tößen: kn, kn kn,, kn, Q Q = 0 elastsche töße de umme de nneen nege de Telchen (chwngung und Rotaton) blebt unveändet, Q > 0 unelastsche töße knetsche

Mehr

TU Dresden, AG Mechanische Verfahrenstechnik, Vorlesender: Dr.-Ing. Benno Wessely 1/7. Zyklonabscheider

TU Dresden, AG Mechanische Verfahrenstechnik, Vorlesender: Dr.-Ing. Benno Wessely 1/7. Zyklonabscheider TU Deen, AG Mechanche Vefahentechnk, Voleene: D.Ing. Benno Weely 1/7 yklonabchee Lteatu: E. Muchelknautz (Stuttgat), CIT 44 (197), N. 1+, S. 671 Duckelut un Abcheega n yklonen, VDI Wämeatla, 6. Aufl.,

Mehr

Lineare Optimierung Einführung

Lineare Optimierung Einführung Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Rotation (2. Versuch)

Rotation (2. Versuch) Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen

Mehr

Einschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes

Einschub: Der Fluss eines Vektorfeldes am Beispiel des Strömungsfeldes Enschub: De Fluss enes Vektofeldes am Bespel des Stömungsfeldes Vektofeld: Jedem Punkt m Raum ode n enem begenzten Gebet des Raumes wd en Vekto zugeodnet. Bespele: Gatatonsfeld t elektsches Feld Magnetfeld

Mehr

Highlights. Lenovo ThinkPad X1 Yoga. CHF 1'907.00 inkl. MwSt inkl. Swico. Lenovo IdeaPad Yoga 900. CHF 1'653.00 inkl. MwSt inkl.

Highlights. Lenovo ThinkPad X1 Yoga. CHF 1'907.00 inkl. MwSt inkl. Swico. Lenovo IdeaPad Yoga 900. CHF 1'653.00 inkl. MwSt inkl. P e l eap l-jun2016 FüPe onen nau b l dung ( Schül e,s uden en,leh l ngeundleh pe onal ) Ne D ec GmbH Un e do f a e1 6274E c henbac h 0414480887 nf o@ ne d ec. c h www. ne d ec. c h Hghlgh Lenovo ThnkPad

Mehr

Physikaufgabe 61. Aufgabe: Berechnen Sie die Eigenwerte der Klein-Gordon-Gleichungen und diskutieren Sie die Lösungen.

Physikaufgabe 61. Aufgabe: Berechnen Sie die Eigenwerte der Klein-Gordon-Gleichungen und diskutieren Sie die Lösungen. Phkaufgabe 6 Cogh 6 Manfe Hebl lle Rehe vobehalen See Home Saee Imeum Konak Gäebuh ufgabe: Beehnen Se e genwee e Klen-Goon-Glehungen un kueen Se e Löungen Löung: De elavhe nege kann kene halunggöße en

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

Wärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung:

Wärmeübertragung. Grundsätzlich sind drei verschiedene Möglichkeiten der Wärmeübertragung möglich: Wärmeleitung, Konvektion und Strahlung: ämeübetgung Unte ämeübetgung vesteht mn sämtlche Eschenungen, e enen äumlchen nspot von äme umfssen. De ämeübegng efolgt mme ufgun enes empetugefälles, un zw mme von e höheen zu neeen empetu (.Huptstz).

Mehr

1 Finanzmathematik. 1.1 Das Modell. Sei Xt

1 Finanzmathematik. 1.1 Das Modell. Sei Xt 1.1 Das Modell Se Xt der Pres enes Assets zur Zet t und X = X ) 1 d der Rd +-dmensonale Presprozess. Das Geld kann auch zu dem rskolosen Znssatz r be ener Bank angelegt werden. Der Wert deser Anlage wrd

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr

Hochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3

Hochschule für Technik und Informatik HTI Burgdorf. Elektrotechnik. 1. Elektrisches Feld... 3 ene achhochschule Hochschule fü Technk und Infomatk HTI ugdof Zusammenfassung lektotechnk uto: Nklaus uen Datum: 8. Septembe 004 Inhalt. lektsches eld... 3.. Gundlagen... 3... Lnenntegal... 3... lächenntegal...

Mehr

Vorlesung Programmieren II

Vorlesung Programmieren II Hashng Vorlesung Prograeren II Mchael Bergau Fortsetzung der Stoffenhet Hashng Hashng 2 Was st Hashng? Hashng st ene Methode zur dynaschen Verwaltung von Daten, wobe de Daten durch enen Schlüssel (key)

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Leistungsmessung im Drehstromnetz

Leistungsmessung im Drehstromnetz Labovesuch Lestungsmessung Mess- und Sensotechnk HTA Bel Lestungsmessung m Dehstomnetz Nomalewese st es ken allzu gosses Poblem, de Lestung m Glechstomkes zu messen. Im Wechselstomkes und nsbesondee n

Mehr

r r Kraftrichtung Wegrichtung Arbeit: negativ

r r Kraftrichtung Wegrichtung Arbeit: negativ De Abet Abet wd vechtet, wenn ene Kaft entlang ene ege wkt. De Kaft e kontant: coα Kaftchtung Kaftchtung Kaftchtung α egchtung α egchtung α egchtung Abet: potv Abet: negatv Abet: Null 0 α < 90 bzw.: co

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Das Noether-Theorem. Ausarbeitung zum Vortrag von. Michael Hagemann. am im Rahmen des Proseminars. Gruppentheorie in der Quantenmechanik

Das Noether-Theorem. Ausarbeitung zum Vortrag von. Michael Hagemann. am im Rahmen des Proseminars. Gruppentheorie in der Quantenmechanik Das Nethe-Theem Ausabetung zum Vtag vn Mchael agemann am 202202 m Rahmen des Psemnas Guppenthee n de Quantenmechan vn Pf D Jan Lus und D Rbet Rchte an de nvestät ambug m Wntesemeste 202/203 Inhaltsvezechns

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Formeln und Aufgaben Zins- und Rentenrechnung

Formeln und Aufgaben Zins- und Rentenrechnung Foreln und ufgaben Zns- und Rentenrechnung Detrch Baugarten «14. Januar 014 Inhaltsverzechns 1 Rentenrechnung 1 1.1 Zusaenfassung............................... 1 1. Bespele....................................

Mehr

Neuronale Netze, Fuzzy Control, Genetische Algorithmen. Prof. Jürgen Sauer

Neuronale Netze, Fuzzy Control, Genetische Algorithmen. Prof. Jürgen Sauer Neunale Netze, Fuzzy Cntl und Genetsche Algthmen Neunale Netze, Fuzzy Cntl, Genetsche Algthmen Pf. Jügen Saue Lehbef N. 3: Musteasszaten, Klassfkaten, Suppt Vect Machnes Musteasszaten Musteasszaten snd

Mehr

Multiple Regression (1) - Einführung I -

Multiple Regression (1) - Einführung I - Multple Regreo Eführug I Mt eem Korrelatokoeffzete ud der efache leare Regreo köe ur varate Zuammehäge zwche zwe Varale uterucht werde. Beutzt ma tatt dee mehrere Varale zur Vorherage, egt ma ch auf da

Mehr

Fachhochschule Hannover vorgezogen Wiederholungsklausur

Fachhochschule Hannover vorgezogen Wiederholungsklausur Fachhochchule Hannover vorezoen Wederholunklauur.3.6 Fachberech Machnenbau Zet: 9 n Fach: Phyk WS /6 Hlfttel: Forelalun zur Vorleun. Zwe Fahrzeue fahren t lecher Gechwndket v = 9 kh an der attätte Hldehe

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Statisches Gleichgewicht des starren Körpers (Statik)

Statisches Gleichgewicht des starren Körpers (Statik) Us Wyde CH- 4057 Basel Us.Wyde@edubs.ch Statsches Glechgewcht des staen Köpes (Statk) Glechgewchtsbedngungen En Köpe befndet sch n Ruhe (ode bewegt sch mt konstante Geschwndgket), wenn de Summe de Käfte

Mehr

Versuche: Trommelstock Drehstuhl mit Kreisel (Erhaltung des Gesamtdrehimpulses) Drehstuhl mit Hanteln (Variation des Trägheitsmoments)

Versuche: Trommelstock Drehstuhl mit Kreisel (Erhaltung des Gesamtdrehimpulses) Drehstuhl mit Hanteln (Variation des Trägheitsmoments) 7.Volesung Übeblck I) Mechank 4. stae Köpe a) Dehmoment b) Schwepunkt c) Dehmpuls 5. Mechansche Egenschaften von Stoffen a) Defomaton von Festköpen b) Hydostatk Vesuche: Tommelstock Dehstuhl mt Kesel (Ehaltung

Mehr

Das Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio.

Das Risiko ist jedoch nicht nur vom Risiko der einzelnen Aktien, sondern auch von deren Kovarianz abhängig: Bsp. 2-Aktien-Portfolio. SBWL GK nanzwtschaft Schedelseke otefeulletheoe Ene Enfühung. akowtz-odell (a) nnahen De Entschedungen de Investoen snd ewels auf ene eode gechtet. Investoen vefügen übe subektve Wahschenlchketsvostellungen

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der

Definition: Unter dem vektoriellen Flächenelement einer ebnen Fläche A versteht man einen Vektor A r der Obeflächenntegale Vektofluß duch ene Fläche - betachtet wd en homogenes Vektofeld v (B Lchtbündel) - das Lcht falle auf enen Spalt Defnton: Unte dem vektoellen Flächenelement ene ebnen Fläche vesteht man

Mehr

Wir steuern einen Mini-Roboter!

Wir steuern einen Mini-Roboter! Wr steuern enen Mn-Roboter! Telnehmer: Marek Bartusch Cecla Lange Yannck Lehmann Johannes-Lucas Löwe Ncolas Menzel Huong Thao Pham Floran Pogatzk Anne Reulke Jonas Wanke Maran Zuska mt tatkräftger Unterstützung

Mehr

II. Das Bestimmtheitsmaß R 2

II. Das Bestimmtheitsmaß R 2 II. Da Betmmthetmaß R Bepel: (a) ( ) ( )( ) - - 6 6 b ˆ /, und b ˆ, ˆ +, (b) ( ) ( )( ) - / -/ / / 6 6 b ˆ /, und b ˆ, ˆ +, D.h. de KQ-Geraden nd n beden Fällen glech, aber 7. Elementare Regrenrechnung

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

Inhalt der Vorlesung Experimentalphysik I

Inhalt der Vorlesung Experimentalphysik I Expeentalphyk I (Kp WS 009) Inhalt de Voleung Expeentalphyk I Tel : Mechank 5. Enege und Abet 6. Bewegte Bezugytee 7. Maepunktytee und Stöße 7. Stae Köpe; Schwepunkt 7. Schwepunktyte, Relatkoodnaten &

Mehr

Physik und Umwelt I Lösungen der Übungen Nr. 4. Die Masse des gesamten Zuges ist: m = kg. Seine Geschwindigkeit v beträgt: folgt:

Physik und Umwelt I Lösungen der Übungen Nr. 4. Die Masse des gesamten Zuges ist: m = kg. Seine Geschwindigkeit v beträgt: folgt: Aufgabe 4. Phyk und Uwelt I Löungen de Übungen. 4 t de etche nege de Zuge zu beechnen, de be Anfahen wede aufgebacht weden u. De Mae de geaten Zuge t: 5 kg. ene echwndgket betägt: 44 k/h 4 /. ü de etche

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

7.Vorlesung. Überblick

7.Vorlesung. Überblick 7.Volesung Übeblck I) Mechank 4. stae Köpe a) Dehmoment b) Schwepunkt c) Dehmpuls 5. Mechansche Egenschaften von Stoffen a) Defomaton von Festköpen b) Hydostatk Vesuche: Ganolle Tommelstock Dehstuhl mt

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

Greifen an einer Masse mehrere Kräfte an, so gibt es zwei mögliche Fälle:

Greifen an einer Masse mehrere Kräfte an, so gibt es zwei mögliche Fälle: 4.3 Ado vo Käfte Gefe a ee Masse ehee Käfte a, so gbt es zwe öglche älle: We de vektoelle Sue de Käfte ull st, da vehat de Masse Ruhe ode gadlg glechföge Bewegug. 4 0 3 4 Wchtges Pzp de Statk 3 Veblebt

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Entscheidungstheorie Teil 3. Thomas Kämpke

Entscheidungstheorie Teil 3. Thomas Kämpke Entschedngstheore Tel 3 Thomas Kämpke Sete Entschedngstheore Tel 3 Inhalt St. Petersbrg Paradoon (Bernoll 73) Präferenzfnktonen ttelpnktsmethode zr Bestmmng von Wertfnktonen über Intervallen (endmensonal)

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Übungsblatt 7 Lösungsvorschläge

Übungsblatt 7 Lösungsvorschläge Insttut für Theoretsche Informatk Lehrstuhl Prof. Dr. D. Wagner Übungsblatt 7 Lösungsvorschläge Vorlesung Algorthmentechnk m WS 09/10 Problem 1: Mnmale Schnttbass Approxmatonsalgos relatver Gütegarante

Mehr

Zero-sum Games. Vitali Migal

Zero-sum Games. Vitali Migal Sena Gaphentheoe und Kobnatok Wnteseeste 007/08 Zeo-su Gaes Vtal Mgal 1 Inhaltsvezehns 1. Enletung... 3. Dastellung von Spelen... 3 3. Stategen... 4 4. Spele t unvollständge Infoaton... 9 1. Enletung Als

Mehr

konvergiert punktweise, wenn es l : U C C gibt derart, dass konvergiert gleichmäßig, wenn es l : U C C gibt derart, dass

konvergiert punktweise, wenn es l : U C C gibt derart, dass konvergiert gleichmäßig, wenn es l : U C C gibt derart, dass Funktonentheore, Woche 4 Konvergenz und Folgen 4. Glechmäßge Konvergenz Ene Zahlenfolge {α n } n N C konvergert, wenn es en l C gbt derart, dass ε > 0 N ε N : n > N ε = α n l < ε. Auch zu Folgen von Funktonen

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Sicherheit von Π MAC2

Sicherheit von Π MAC2 Scherhet von Π MAC2 Satz Scherhet von Π MAC2 Se Π scher. Dann st Π MAC2 ebenfalls scher. Bewes: Se A en Angrefer für Π MAC2 mt Erfolgsws ɛ(n). Wr konstrueren enen Angrefer A für Π. Algorthmus Angrefer

Mehr

3. Neuronale Netze Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany

3. Neuronale Netze Prof. Dr. Rudolf Kruse University of Magdeburg Faculty of Computer Science Magdeburg, Germany 3. euonale etze Po. D. Rudol Kue Unvety o Magdebug Faculty o Compute Scence Magdebug, Gemany udol.kue@c.un-magdebug.de S euonale etze Bhe: KI von oben : Modelleung ene ntellgenten Agenten duch algothmche

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

Mikroökonomik. 5.5 Preisstrategien

Mikroökonomik. 5.5 Preisstrategien Mkroökonomk 5.5 Presstrategen 5.5. Presskrmnerung Arten von Presskrmnerung nach Pgou: ersten Graes: Kunen zahlen für jee Enhet hren Reservatonsres zweten Graes: Kunen zahlen ro Enhet n Abhänggket von er

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Lückentext (Mathematik I) zum Sommersemester 2013

Lückentext (Mathematik I) zum Sommersemester 2013 osten Schee.. Lückentet Mthemtk I um Sommesemeste Nme: Mtkel-N.: Mt desem Lückentet können Se s u mml möglche Zustpunkte elngen. Fü jedes chtg engetgene Wot egt sch somt en Bonuspunkt. Um mehee Mengen

Mehr

Generalisiertes Vektorraummodell (Generalized Vector Space Model, GSVM) Karin Haenelt

Generalisiertes Vektorraummodell (Generalized Vector Space Model, GSVM) Karin Haenelt Genealsetes Vetoaummodell (Genealzed Veto Spae Model, GSVM) Kan Haenelt 5..04 Abüzungen n Anzahl de Doumente n de Doumentsammlung d Doument n de Doumentsammlung, n t Anzahl de Teme n ene Doumentsammlung

Mehr

Mathematik für das Ingenieurstudium

Mathematik für das Ingenieurstudium Mathematk für das Ingeneurstudum von Martn Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck m Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzechns schnell und portofre

Mehr

Produkt-Moment-Korrelation (1) - Einführung I -

Produkt-Moment-Korrelation (1) - Einführung I - Produkt-Moment-Korrelaton - Enführung I - Kennffer ur Bechreung de lnearen Zuammenhang wchen we Varalen X und Y. Bechret de Rchtung und de Enge de Zuammenhang m Snne von je... deto... oder wenn... dann...

Mehr

Erzeugung mit einer rotierenden flachen Spule

Erzeugung mit einer rotierenden flachen Spule 2. Snuförmge Wechelpannung De elektromagnetche Indukton t ene der Grundlagen unerer technchen Zvlaton. Der Strom, der au der Steckdoe kommt, t bekanntlch en Wecheltrom. De hn verurachende Wechelpannung

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten.

Das Bayessche Theorem ist ein Ergebnis aus der Wahrscheinlichkeitstheorie und liefert einen Zusammenhang zwischen bedingten Wahrscheinlichkeiten. ayessches Theorem Das ayessche Theorem st en Ergens aus der ahrschenlchetstheore und lefert enen Zusammenhang zwschen edngten ahrschenlcheten.. ayessches Theorem für Eregnsse Senen und zwe elege Eregnsse.

Mehr