TEILWEISE ASYNCHRONE ALGORITHMEN

Save this PDF as:
 WORD  PNG  TXT  JPG

Größe: px
Ab Seite anzeigen:

Download "TEILWEISE ASYNCHRONE ALGORITHMEN"

Transkript

1 TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp URI: Modell teilweiser asynchroner Algorithmen Konvergenzverhalten Satz von Lyapunov Modell teilweiser asynchroner Algorithmen Entspricht im wesentlichen dem vollständig asynchroner Algorithmen: X, X,..., X n Teilmengen eulidischer Räume X = X X X n x = (x, x,..., x n ) X mit x i X i für i =,..., n f i : X X i i =,..., n Wir betrachten folgende asynchrone Iteration x i := f i (x), i =,..., n Diese Iteration ist vollständig bestimmt durch (a) Anfangsbedingungen x(t) X für jedes t 0 (b) T i = {t i 0, ti, ti,... } mit 0 ti 0 < ti < ti <..., den Zeitpunten zu denen ein von x i erfolgt (i =,..., n). (c) τ i j (t) für jedes i, j {,..., n} und t T i, welches angibt wie veraltet der Wert von x j ist, der für das von x i zur Zeit t verwendet wurde; 0 τ i j(t) t. Um die Analyse der Algorithmen zu vereinfachen sind für τ i j(t) auch negative Werte erlaubt, deshalb werden Anfangsbedingungen auch für negative t gefordert. Der asyncrhone Algorithmus für t 0 wird beschrieben durch x i (t + ) = x i (t) für t T i x i (t + ) = f i (x (τ(t)), i x (τ(t)), i..., x n (τn(t))) i für t T i Date: Feb

2 FRANK LANGBEIN t ĩ x i f i x j (τ i j ) = x j(t j ) x j t j τj i t j + t Scenario: Spezielle Wahl von T i und τ i j(t) Für jedes festes Scenario ist x(t) für t > 0 eindeutig durch die Anfangsbedingungen bestimmt. Jedoch önnen die Werte von x(t) für verschiedene Scenarien bei gleichen Anfangsbedingungen star voneinander abweichen. Teilweise Asynchronität. Es existiert eine positive ganze Zahl B, so daß (a) für jedes i und t 0 mindestens ein Element der Menge {t, t +,..., t + B } zu T i gehört. (b) t B < τj(t) i für alle i und j und t T i (c) τi i i (t) = t für alle i und t T Zu (a): Jeder Prozessor führt wenigstens ein während eines beliebigen Zeitintervalls der Länge B durch. Zu (b): Jeder Prozessor verwendet Informationen die nicht älter als B Zeiteinheiten sind. Zu (c): Beim von x i zum Zeitpunt t + wird x i (t) verwendet. In Message Passing Systems ist dies automatisch erfüllt, da der i-te Prozessor den Wert der Variablen x i speichert und der einzigste Prozessor ist, der x i verändern ann. In Shared Memory Systems ist dies nicht unbedingt erfüllt, ann aber leicht erreicht werden. Es ann gezeigt werden, daß ein sonst onvergierender Algorithmus nicht mehr onvergiert, wenn (a) und (b) gelten, aber (c) verletzt ist.

3 TEILWEISE ASYNCHRONE ALGORITHMEN 3 Beispiel Die Zeitvariable t muß den Prozessoren nicht zugänglich sein. Sie muß auch nicht der realen Zeit entsprechen. t ann z.b. ein Index für bestimmt Ereignisse wie s sein. Wir betrachten dazu ein Message Passing System mit n Prozessoren. Jeder Prozessor hat seine eigene loale Uhr. Reale (globale) Zeit, den Prozessoren unbeannt: τ Loale Zeit des Prozessors i zur realen Zeit τ: t i (τ) Positive reelle Konstanten (siehe unten): A, A Loale Zeiteinheiten die ein benötigt: A 3 bis A 4 Maximale idle Zeit in loalen Einheiten: A 5 Maximale loale Zeitdifferenz zwischen zwei s von x i : A 6 Maximale globale Zeit für eine Übertragung: A 7 Die einzelnen Prozessoruhren önnen nicht beliebig schnell oder langsam sein: A τ τ t i (τ) t i (τ ) A τ τ τ, τ, i t sei eine Indexvariable, die um erhöht wird wenn irgendein Prozessor ein ausführt, t(τ) ist der Wert der Indexvariable t zum Zeitpunt τ. t wird hier als Zeitvariable für das Modell verwendet. Unter diese Vorrausetzungen sind (a) und (b) der teilweisen Asynchronität erfüllt. Idle 0 A 5 A 3 A 4 τ τ 0 τ τ Differenz zwischen zwei s A 6 /Idle τ τ 0 τ 3 τ 3 τ 4 τ 5 τ (a): (b): A 7 A 7 st Broadcast nd Broadcast A 3 t i (τ ) t i (τ 0 ) A 4 + A 5 A τ τ 0 t i (τ ) t i (τ 0 ) A τ τ 0 A 3 τ τ 0 A 4 + A 5 A4 + A 5 A 3, U = (n ) s maximal in τ 0 τ A A A t(τ 0 ) + U t(τ ) A (a) τ 5 τ A 7, t i (τ ) t i (τ 0 ) A 6 τ 5 τ 0 A 6 + A 7 A ( ) A6 A t(τ 5 ) t(τ 0 ) + A 7 n (b) A A 3

4 4 FRANK LANGBEIN Wir betrachten die lineare Iteration Beispiel : Konvergenz für beliebiges B x := f(x) = Ax, A = ( Die Fixpunte von f(x) sind X = {(x, x ) : x = x }. Die synchrone Iteration x(t + ) = Ax(t) onvergiert gegen x = (y, y), y = x (0)+x (0) in einem Schritt. Asynchrone Iteration Wir verwenden zwei Prozessoren i =,. Zu jedem Zeitschritt erfolgt ein der Variablen x i, also T i = {,, 3,... }. Zu bestimmten Zeiten t, t, t 3,... überträgt jeder Prozessor den atuellen Wert von x i. Dabei nehmen wir an, daß eine Kommuniationsverzögerung auftritt. Somit erhalten wir Also x (t + ) = x (t) + x (t ) x (t + ) = x (t ) + x (t) x (t + ) = x (t + ) = x (t + ) + + x (t ) ( + ) x (t ) ) t t < t + =... ( ) t+ t ( = x (t ) + + ) + + x t (t ) + t ( ) ( t+ t ( ) ) t+ t = x (t ) + x (t ) ( ) ( t+ t ( ) ) t+ t x (t + ) = x (t ) + x (t ) x (t + ) x (t + ) = ( ( ) ) t+ t x (t ) x (t ) = ( ɛ ) x (t ) x (t ) mit ɛ = ( ) t+ t Damit nimmt x (t ) x (t ) ab. Hieraus folgt aber noch nicht die Konvergenz gegen ein Element aus X, denn hierzu muß = ( ɛ ) = 0 erfüllt sein. Es gilt z.b. ( ) = = ( = ) ( + = ) ( 3 3 ) ( ) 5 = 4 > 0 Wählt man also t + t groß genug, so daß ɛ <, dann onvergiert x nicht (vgl. Fig.). Hieraus folgt, daß die Iteration im vollständig asynchronen Fall nicht onvergiert.

5 TEILWEISE ASYNCHRONE ALGORITHMEN 5 t 0 t = t = 6 7 x (t) x (t) Für die teilweise asynchrone Iteration muß t + t B sein. Also ɛ > ( B ) und damit ( 0 ( ɛ ) < ) ( = lim ) n = 0 B n B = = Damit onvergiert x (t ) x (t ) gegen 0 und somit auch x(t ) gegen ein Element aus X. Obige Iteration is ein Beispiel für einen Algorithmus der nicht vollständig asynchron onvergiert, aber für jedes B teilweise asynchron onvergiert. Für solche Algorithmen gibt es normalerweise eine Funtion, die den Abstand von X mißt und mit der Zeit leiner wird. Der Fator mit dem diese Abstandsfuntion abnimmt hängt jedoch von den Kommuniationsverzögerungen ab. Wir müssen daher annehmen, daß diese begrenzt sind um zu garantieren, daß die Abstandsfuntion mit einer festen Rate fällt.

6 6 FRANK LANGBEIN Beispiel 3: Konvergenz für leine B Wir betrachten nun die Iteration für den Gradienten Algorithmus zur Minimierung von xt Ax mit der Schrittweite γ. x := x γax, A = + ɛ + ɛ = ɛi + ee T, 0 < ɛ < + ɛ Die synchrone Iteration onvergiert für leine γ. Die vollständig asynchrone Iteration onvergiert nicht. Teilweise Asynchrone Iteration Pro Zeiteinheit wird von jedem Prozessor ein ausgeführt. Die Variablen werden alle B Zeiteinheiten übertragen, also t = B. Dies ergibt und damit x (t + ) = ( γ( + ɛ))x (t) γ(x (t ) + x 3 (t )) x (t + ) = ( γ( + ɛ))x (t) γ(x (t ) + x 3 (t )) x 3 (t + ) = ( γ( + ɛ))x 3 (t) γ(x (t ) + x (t )) x (t + ) = ( γ( + ɛ))x (t + ) γ(x (t ) + x 3 (t )) t t < t + = ( γ( + ɛ)) x (t + ) (γ( γ( + ɛ)) + γ)(x (t ) + x 3 (t )) = = ( γ( + ɛ)) B x (t ) γ ( γ( + ɛ))b γ( + ɛ) (x (t ) + x 3 (t )) = ( γ( + ɛ)) B x (t ) + ( γ( + ɛ))b (x (t ) + x 3 (t )) + ɛ Analoge Gleichungen ergeben sich für x und x 3. Damit x(t + ) = Cx(t ) C = α β β β α β = (α β)i + βee T β β α α = ( γ( + ɛ)) B, β = ( γ( + ɛ))b + ɛ Die Eigenwerte von C sind α + β und α β mit der Vielfacheit (ee T hat die Eigenwerte 3 und 0, wobei 0 die Vielfacheit besitzt). Sei nun γ lein genug gewählt, so daß γ( + ɛ) < gilt. Dann α 0 β +ɛ Für große B gilt also für B α + β + ɛ ρ(c) > womit die Iteration nicht onvergiert. Ist B lein und γ sehr lein, dann gelten die Abschätzungen Dies ergibt für die Eigenwerte von C α = Bγ( + ɛ) + O(γ ) Bγ( + ɛ), α + β Bγ(3 + ɛ), α + β > für große B α β Bγɛ β Bγ

7 TEILWEISE ASYNCHRONE ALGORITHMEN 7 Sei γ so lein gewählt, daß Bγ(3 + ɛ) <. Dann folgt, daß ρ(c) < womit die Iteration für obiges Scenario onvergiert. Die Konvergenz läßt sich auch noch auf eine andere Weise zeigen, die leichter zu verallgemeinern ist. Dazu betrachten wir für leine B und γ (wie oben) und für t t < t + x (t) = ( γ( + ɛ)) t t x (t ) + ( γ( + ɛ))t t (x (t ) + x 3 (t )) + ɛ x (t ) (t t )γ(( + ɛ)x (t ) + x (t ) + x 3 (t )) Damit ist x (t) x (t ) = O(γB) und analog x 3 (t) x 3 (t ) = O(γB). Somit unterscheidet sich der x (t + ) x (t) = γ(( + ɛ)x (t) + x (t ) + x 3 (t )) vom synchronen γ(( + ɛ)x (t) + x (t) + x 3 (t)) durch einen Fator der Ordnung O(γ B). Also haben die veralteten Daten, die bei dem von x (t+) verwendet wurden, nur einen Einfluß der Ordnung O(Bγ ). Solange also Bγ wesentlich leiner als ist, sind die Auswirungen der Asynchronität gering. Dies heißt, daß der teilweise asynchrone Algorithmus und der synchronen nährungsweise bis zur Ordnung O(γ) das selbe Ergebnis liefern. Wir wissen aber, daß der synchrone Algorithmus onvergiert, also onvergiert auch der teilweise asynchrone. Ist Bγ dagegen größer als, dann liegt der asynchrone Fehler in der Größenordnung des s selbst und ist damit groß genug um Divergenz zu erzeugen. Obige Iteration ist ein Beispiel für einen Algorithmus der teilweise asynchron onvergiert, wenn B lein ist und für große B divergiert. Wenn die Verzögerungen lein sind, dann sind die Auswirungen der Asynchrnonität zu vernachlässigen. Große Verzögerungen haben dagegen eine staren Einfluß auf die Konvergenz. Dies tritt bei Iterationen auf, die eine leine Schrittweite benötigen.

8 8 FRANK LANGBEIN Betrachte die teilweise asynchrone Iteration Satz von Lyapunov x i (t + ) = x i (t) für t T i x i (t + ) = f i (x (τ i(t)), x (τ i(t)),..., x n(τn i (t))) i für t T Aus der teilweisen Asynchronität folgt, daß x(t + ) nur von x(t), x(t ),..., x(t B + ) abhängt und nicht von irgendeinem x(τ), τ t B. Da Informationen älter als B nicht verwendet werden führen wir den Vetor z(t) = (x(t), x(t ),..., x(t B + )) ein. Der Wert von x(t + ) ann nun aus z(t) berechnet werden und damit ann auch z(t + ) aus z(t) ermittelt werden. Indutiv folgt nun daß für jedes Scenario und jede positive ganze Zahl s der Wert von z(t + s) eindeutig durch z(t) bestimmt wird. Ist f stetig, dann ist z(t + s) eine stetige Funtion von z(t) für jedes s > 0 bei festem Scenario. Wir bezeichnen die Menge der Fixpunte von f mit Weiter sei und Für jedes Scenario gilt X = {x X : x = f(x)} Z = X B Z = {(x,..., x ) Z : x X} z(t) = z Z s > 0z(t + s) = z Satz von Lyapunov. Wir betrachten eine teilweise asynchrone Iteration. f sei stetig. Weiter existiere eine positive ganze Zahl t und eine stetig Funtion d : Z [0, ) mit den folgenden Eigenschaften (a) Für alle z(0) Z und für jedes Scenario gilt d(z(t )) < d(z(0)) (b) Für alle z(0) Z, für jedes t 0 und für jedes Scenario gilt d(z(t + )) d(z(t)) Dann ist jeder Grenzwert z Z der Folge {z(t)} ein Element von Z. Bemerungen: d(t) mißt den Abstand von z(t) zur Menge Z d(z(t)) fällt monoton Obiger Satz ist zu allgemein um sinnvolle Konvergenzraten zu liefern. Man jedoch zeigen, daß für lineare iterative teilweise asynchrone Algorithmen die Konvergenz geometrisch ist. Beweis. Da f stetig ist folgt, daß z(t ) eine stetige Funtion von z(0) für jedes Scenario ist. Da auch d stetig ist, ist d(z(t )) eine stetige Funtion von z(0) für jedes Scenario. Definiere h : Z, h(z(0)) = max{d(z(t )) d(z(0))} wobei daß Maximum über alle möglichen Scenarien angenommen wird. Obwohl es unendlich viele Scenarien gibt, betrachten wir nur ein Zeitintervall der Länge t. Damit gibt es nur endliche viele Möglicheiten, denn wird haben nur eine endliche Zahl von Variablen τ i j(t), 0 t t und jede dieser Variablen an nur B verschiedene Werte annehmen. Also wird das Maximum in der Definition von h über eine endiche Anzahl von Elementen gebildet. Für jedes Scenario ist d(z(t )) d(z(0)) eine stetige Funtion von z(0). Man sieht leicht, daß das

9 TEILWEISE ASYNCHRONE ALGORITHMEN 9 Maximum über eine endliche Zahl stetiger Funtionen wieder stetig ist. Also ist h stetig. Weiter gilt für jedes Scenario und jedes z(0) Z d(z(t )) d(z(0)) < 0 Also z Z h(z) < 0 Beachte, daß aus der Existenz eines Scenarios, daß mit z(0) = z startet und ein z(t ) = z erzeugt auch die Existenz eines Scenarios folg, daß mit z(t) = z zur Zeit t startet und z(t + t ) = z zur Zeit t + t erzeugt. Natürlich gilt dies aus umgeehrt. Deshalb ist obige Funtion h auch gegeben durch h(z(t)) = max{d(z(t + t )) d(z(t))} wobei das Maximum wieder über alle möglichen Scenarien gebildet wird. Sei nun das Scenario und z(0) fest gewählt. Aus (b) folgt, daß die Folge {d(z(t))} nicht wächst. Weiter ist sie nach unten durch 0 beschränt. Also onvergiert sie gegen ein d. Sei nun z Z ein Grenzwert von {z(t)}. Weiter sei {t } eine Folge, so daß {z(t )} gegen z onvergiert. Dann folgt d = lim d(z(t + t )) lim d(z(t )) + lim h(z(t )) = d + h(z ) Für alle z Z gilt h(z) < 0, also folgt z Z address:

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es

Mehr

Grundlagen der Monte Carlo Simulation

Grundlagen der Monte Carlo Simulation Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Stackelberg Scheduling Strategien

Stackelberg Scheduling Strategien Stackelberg Scheduling Strategien Von Tim Roughgarden Präsentiert von Matthias Ernst Inhaltsübersicht Einleitung Vorbetrachtungen Stackelberg Strategien Ergebnisse Seminar Algorithmische Spieltheorie:

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen

Gleichungen Lösen. Ein graphischer Blick auf Gleichungen Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Mathematik I für Wirtschaftswissenschaftler

Mathematik I für Wirtschaftswissenschaftler 1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.

Mehr

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

8. Übung zur Vorlesung Mathematisches Modellieren Lösung Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:

1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen: Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere

Mehr

Kompetitive Analysen von Online-Algorithmen

Kompetitive Analysen von Online-Algorithmen Kompetitive Analysen von Online-Algorithmen jonas echterhoff 16. Juli 004 1 Einführung 1.1 Terminologie Online-Algorithmen sind Algorithmen, die Probleme lösen sollen, bei denen Entscheidungen getroffen

Mehr

6 Berechnung der Kapitalentwicklung auf der Basis der Zinseszinsrechnung

6 Berechnung der Kapitalentwicklung auf der Basis der Zinseszinsrechnung 6 Berechnung der Kaitalentwicklung auf der Basis der Zinseszinsrechnung 61 Wertentwicklung ohne Gut- oder Lastschrift von Zinsen Beisiele: 1 Konstante Produktionszunahme Produktion im 1 Jahr: P 1 Produktion

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag 8. Übungsblatt zur Vorlesung Finanzmathematik I Aufgabe Hedging Amerikanischer Optionen Wir sind in einem arbitragefreien

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

V8 - Auf- und Entladung von Kondensatoren

V8 - Auf- und Entladung von Kondensatoren V8 - Auf- und Entladung von Kondensatoren Michael Baron, Frank Scholz 07.2.2005 Inhaltsverzeichnis Aufgabenstellung 2 Theoretischer Hintergrund 2 2. Elektrostatische Betrachtung von Kondensatoren.......

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3

Lineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3 Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

Korrelation (II) Korrelation und Kausalität

Korrelation (II) Korrelation und Kausalität Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)

Vorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null) Algebra und Zahlentheorie Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen

Mehr

Beispiellösungen zu Blatt 111

Beispiellösungen zu Blatt 111 µ κ Mathematisches Institut Georg-August-Universität Göttingen Beispiellösungen zu Blatt 111 Aufgabe 1 Ludwigshafen hat einen Bahnhof in Dreiecksform. Markus, Sabine und Wilhelm beobachten den Zugverkehr

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Lösungen zu Kapitel 7

Lösungen zu Kapitel 7 Lösungen zu Kapitel 7 Lösung zu Aufgabe 1: Nach Definition 7.1 ist eine Verknüpfung auf der Menge H durch eine Abbildung : H H H definiert. Gilt H = {a 1,..., a m }, so wird eine Verknüpfung auch vollständig

Mehr

Lösungen zur Vorrundenprüfung 2006

Lösungen zur Vorrundenprüfung 2006 Lösungen zur Vorrundenprüfung 2006 Zuerst einige Bemerkungen zum Punkteschema. Eine vollständige und korrekte Lösung einer Aufgabe ist jeweils 7 Punkte wert. Für komplette Lösungen mit kleineren Fehlern

Mehr

DLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27

DLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27 DLP Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de Fachbereich Mathematik und Informatik ALZAGK SEMINAR Bremen, den 18. Januar 2011 1 / 27 Inhaltsverzeichnis 1 Der diskrete Logarithmus Definition

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Bin Packing oder Wie bekomme ich die Klamotten in die Kisten?

Bin Packing oder Wie bekomme ich die Klamotten in die Kisten? Bin Packing oder Wie bekomme ich die Klamotten in die Kisten? Ich habe diesen Sommer mein Abi gemacht und möchte zum Herbst mit dem Studium beginnen Informatik natürlich! Da es in meinem kleinen Ort keine

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich

Satz. Für jede Herbrand-Struktur A für F und alle t D(F ) gilt offensichtlich Herbrand-Strukturen und Herbrand-Modelle Sei F eine Aussage in Skolemform. Dann heißt jede zu F passende Struktur A =(U A, I A )eineherbrand-struktur für F, falls folgendes gilt: 1 U A = D(F ), 2 für jedes

Mehr

1 Lineare Gleichungssysteme

1 Lineare Gleichungssysteme MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Unendliche Reihen. D.h. Die Summe einer unendlichen Reihe ist der Grenzwert der Folge der Partialsummen.

Unendliche Reihen. D.h. Die Summe einer unendlichen Reihe ist der Grenzwert der Folge der Partialsummen. Unendliche Reihen Wegen der elementaren Eigenschaften der Zahlen ist lar, was unter einer endlichen Summe von Zahlen a + a 2 +... + zu verstehen ist. Vorderhand ist noch nicht erlärt, was unter einer unendlichen

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Informatier II (Sommersemester 00) Lösungen zu Aufgabenblatt

Mehr

PROSEMINAR ONLINE ALGORITHMEN

PROSEMINAR ONLINE ALGORITHMEN PROSEMINAR ONLINE ALGORITHMEN im Wintersemester 2000/2001 Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans (Betreuer) Vortrag vom 15.11.2000 von Jan Schmitt Thema : Finden eines

Mehr

6.2 Scan-Konvertierung (Scan Conversion)

6.2 Scan-Konvertierung (Scan Conversion) 6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster

Mehr

1 Konvexe Funktionen. 1.1 Definition. 1.2 Bedingung 1.Ordnung. Konvexität und Operationen, die die Konvexität bewahren Seite 1

1 Konvexe Funktionen. 1.1 Definition. 1.2 Bedingung 1.Ordnung. Konvexität und Operationen, die die Konvexität bewahren Seite 1 Konvexität und Operationen, die die Konvexität bewahren Seite 1 1 Konvexe Funktionen 1.1 Definition Eine Funktion f heißt konvex, wenn domf eine konvexe Menge ist und x,y domf und 0 θ 1: f(θx + (1 θ)y)

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba.

3 Reihen. 3.1 Konvergenz und Divergenz. Die Eindeutigkeit nach Satz 13 ergibt schließlich (5). (6) folgt aus (2) und (1) wegen. 1 a +log ba. Die Eindeutigkeit nach Satz 3 ergibt schließlich (5). (6) folgt aus (2) und () wegen Aussage (7) ergibt sich aus () und (6). 0 = log b = log b ( a a) = log b a +log ba. 3 Reihen 3. Konvergenz und Divergenz

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

III. Asynchrone und synchrone Schaltwerke

III. Asynchrone und synchrone Schaltwerke Ein asynchrones Schaltwerk entsteht dadurch, daß an bei eine Schaltnetz SN1 indestens eine Ausgang auf die Eingänge rückkoppelt. Das Verhalten des Schaltwerks ist dait nicht nur von den Eingangsgrößen

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Expander Graphen und Ihre Anwendungen

Expander Graphen und Ihre Anwendungen Expander Graphen und Ihre Anwendungen Alireza Sarveniazi Mathematisches Institut Universität Göttingen 21.04.2006 Alireza Sarveniazi (Universität Göttingen) Expander Graphen und Ihre Anwendungen 21.04.2006

Mehr

Potenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt.

Potenzreihen. Potenzreihen sind Funktionenreihen mit einer besonderen Gestalt. Potenzreihen Potenzreihen sind Funtionenreihen mit einer besonderen Gestalt. Definition. Ist (a ) eine Folge reeller (bzw. omplexer) Zahlen und x 0 R (bzw. z 0 C), dann heißt die Reihe a (x x 0 ) (bzw.

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Finanzmathematik. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt

Finanzmathematik. Wirtschaftswissenschaftliches Zentrum Universität Basel. Mathematik für Ökonomen 1 Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Finanzmathematik Literatur Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen, Band 1, 17. Auflage,

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Algebra. Patrik Hubschmid. 8. Oktober 2013

Algebra. Patrik Hubschmid. 8. Oktober 2013 Algebra Patrik Hubschmid 8. Oktober 2013 Inhaltsverzeichnis 1 Fortführung der Gruppentheorie 7 1.1 Sylowsätze.................................... 7 3 Vorwort Dieses Skript zur Vorlesung Algebra im Wintersemester

Mehr

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

Mathematische Maschinen

Mathematische Maschinen Mathematische Maschinen Ziel: Entwicklung eines allgemeinen Schemas zur Beschreibung von (mathematischen) Maschinen zur Ausführung von Algorithmen (hier: (partiellen) Berechnungsverfahren). Mathematische

Mehr

Bericht vom 1. Leipziger Seminar am 25. November 2006

Bericht vom 1. Leipziger Seminar am 25. November 2006 Bericht vom 1. Leipziger Seminar am 25. November 2006 Das Wythoff-Nim-Spiel Wir wollen uns ein Spiel für zwei Personen ansehen, welches sich W.A.Wythoff 1907 ausgedacht hat: Vor den Spielern liegen zwei

Mehr

Tilgungsrechnung. (K n + R n = ln. / ln(q) (nachschüssig) + R. / ln(q) (vorschüssig)

Tilgungsrechnung. (K n + R n = ln. / ln(q) (nachschüssig) + R. / ln(q) (vorschüssig) (K n + R n = ln n = ln q 1 K 0 + R q 1 (K n q + R q 1 K 0 q + R q 1 ) / ln(q) (nachschüssig) ) / ln(q) (vorschüssig) Eine einfache Formel, um q aus R,n,K n und K 0 auszurechnen, gibt es nicht. Tilgungsrechnung

Mehr

Gleichungen und Ungleichungen

Gleichungen und Ungleichungen Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls

Mehr

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14. Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Grundlagen der Theoretischen Informatik, SoSe 2008

Grundlagen der Theoretischen Informatik, SoSe 2008 1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)

Mehr

Übung Theoretische Grundlagen

Übung Theoretische Grundlagen Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory

Mehr

Ü b u n g s b l a t t 11

Ü b u n g s b l a t t 11 Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte

Mehr

Analysis I. Guofang Wang Universität Freiburg

Analysis I. Guofang Wang Universität Freiburg Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum

Mehr

Kapitel 4. Reihen 4.1. Definition und Beispiele

Kapitel 4. Reihen 4.1. Definition und Beispiele Kapitel 4. Reihen 4.1. Definition und Beispiele Ist (a n ) eine Folge von Zahlen, so heißt der formale Ausdruck a ν = a 0 + a 1 + a 2 +... eine Reihe; die einzelnen a ν sind die Glieder dieser Reihe. Um

Mehr

Ablauf. 1 Imitationsdynamik. 2 Monotone Auszahlung. 3 Entscheidung gegen iterativ dominierte Strategien. 4 Beste-Antwort-Dynamik 2 / 26

Ablauf. 1 Imitationsdynamik. 2 Monotone Auszahlung. 3 Entscheidung gegen iterativ dominierte Strategien. 4 Beste-Antwort-Dynamik 2 / 26 Spieldynamik Josef Hofbauer and Karl Sigmund: Evolutionary Games and Population Dynamics, Cambridge, Kap. 8 Simon Maurer Saarbrücken, den 13.12.2011 1 / 26 Ablauf 1 Imitationsdynamik 2 Monotone Auszahlung

Mehr

Blatt 5. - Lösungsvorschlag

Blatt 5. - Lösungsvorschlag Fautät für Physi der LMU München Lehrstuh für Kosoogie, Prof Dr V Muhanov Übungen zu Kassischer Mechani (T) i SoSe Batt 5 - Lösungsvorschag Aufgabe 5 Binäres Sternsyste a) Wieviee Freiheitsgrade hat das

Mehr

Betragsgleichungen und die Methode der Fallunterscheidungen

Betragsgleichungen und die Methode der Fallunterscheidungen mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.

!(0) + o 1(). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen. Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")

Mehr

Kapitel MK:IV. IV. Modellieren mit Constraints

Kapitel MK:IV. IV. Modellieren mit Constraints Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren

Mehr

4. Dynamische Optimierung

4. Dynamische Optimierung 4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger

Mehr

MATHEMATISCHER FITNESSTEST - LÖSUNGEN. (2) Welche Menge stellt die schraerte Fläche dar?

MATHEMATISCHER FITNESSTEST - LÖSUNGEN. (2) Welche Menge stellt die schraerte Fläche dar? MATHEMATISCHER FITNESSTEST - LÖSUNGEN DR. ROGER ROBYR Die Aufgaben sollten alle ohne Unterlagen und ohne programmierbare oder graphikfähige Rechner gelöst werden können. Lösung. ) Gegeben sind die Mengen

Mehr