Die Theorie von NVT Gibbs Ensemble Monte Carlo Simulationen
|
|
- Laura Heidrich
- vor 8 Jahren
- Abrufe
Transkript
1 Die Theorie von NVT Gibbs Ensemble Monte Carlo Simulationen Patrick S. Vogt Institut für Physikalische Chemie der Universität Basel Basel, 5. Oktober 1998
2 Inhaltsverzeichnis Verwendete Symbole Einleitung 3 1 Theorie Grundlagen Ensembles Computer-Simulationen von Ensembles Potentiale Abstossende Potentiale Wechselwirkungs-Potentiale Monte-Carlo-Simulationen Historisches Monte-Carlo-Techniken Der Metropolis-Algorithmus Das Gibbs-Ensemble Teilchen-Bewegung Volumen-Änderung Teilchen-Austausch
3 Verwendete Symbole a 0 F H K k e k B m Red m N P P lr P Q r R R e R cut T V V V(R) V lr w(r) W Z NV T Bohrradius Fläche Hamiltonsche Gesamtenergie kinetische Energie Kraftkonstante Bolzmann Konstante reduzierte Masse (keine reduzierte Grösse) Masse (Teilchen) Anzahl Druck Long-range Korrektur des Drucks Wahrscheinlichkeit Gewichtungsfaktor des intermolekularen Morse-Potentials Position (Teilchen) Abstand Gleichgewichtsabstand Potentialreichweite Temperatur Volumen potentielle Energie Potentialfunktion Long-range Korrektur der Energie viriale Wechselwirkung Virialer Anteil des Drucks Kanonische Zustandssumme α mn Grundwahrscheinlichkeit der Markowschen Kette β = 1/k B T Inverse Temperatur ɛ Tiefe des Potentialtopfs Dissoziationsenergie Γ Phasenpunkt λ de Broglie Wellenlänge µ chemisches Potential Π m Übergangsmatrix einer Markowschen Kette π mn Übergangswahrscheinlichkeit einer Markowschen Kette ρ Dichte ρ NV T kanonische Wahrscheinlichkeitsdichte eines Zustands σ Kollisionsabstand τ Anzahl Versuche (einer Monte Carlo Methode) ξ Zufallszahl (wenn nicht anders vermerkt zwischen 0 und 1) ω Frequenz <... > Mittelwert... Reduzierte Grösse 2
4 Einleitung Mittels Computer-Simulationen können Flüssigkeiten unter Zuhilfenahme von intermolekularen Paarpotentialen beschrieben werden und die dabei erhaltenen Ergebnisse können durch die statistische Thermodynamik ausgewertet werden. Lange Zeit wurden hauptsächlich Eigenschaften von Flüssigkeiten studiert und dabei beachtliche Erfolge erzielt. Heute ist das theoretische Studium von Phasengleichgewichten eines der Hauptinteresse der statistischen Thermodynamik. Die Simulation eines Phasengleichgewichts ist mit klassischen Simulationstechniken eine relativ aufwendige Arbeit, da Simulationen hauptsächlich für eine Phase entwickelt wurden. Dies führt dazu, dass eine Serie von Simulationen nötig ist um einen Phasenpunkt zu bestimmen. Die 1987 entwickelte Technik der Gibbs-Ensemble-Simulationen hingegen erlaubt die Bestimmung eines Flüssig-Gas-Phasenübergangs mittels einer einzigen Simulation. Dies wird dadurch erreicht, dass zwei Kästen simuliert werden, die sich im thermodynamischen Gleichgewicht befinden. Einer der Kästen entwickelt sich im Laufe der Simulation zur Flüssigkeit der andere zur Gasphase. Die meisten Simulationen verwenden empirische oder semi-empirische Potentiale. Das Verwenden von ab-initio Potentialen, die nur mittels Naturkonstanten berechnet wurden, führt zu Simulationen die auf rein theoretischen Grundlagen beruhen. Solche Simulationen erlauben die reine Theorie mit dem Experiment zu vergleichen. 3
5 Kapitel 1 Theorie 1.1 Grundlagen Ensembles In der Thermodynamik werden makroskopische Systeme hinsichtlich ihres Kontakts mit der Umwelt charakterisiert: 1. Offene Systeme stehen sowohl in energetischem als auch in stofflichem Kontakt mit ihrer Umgebung. Das heisst sie tauschen sowohl Energie als auch Teilchen mit ihrer Umwelt aus. Solche Systeme besitzen die gleiche Temperatur und den gleichen Druck wie ihre Umgebung. 2. Geschlossene Systeme stehen nur in energetischem Kontakt mit ihrer Umgebung. Das heisst sie können nur Energie, nicht aber Teilchen mit ihrer Umwelt austauschen. Solche Systeme haben dieselbe Temperatur wie ihre Umgebung aber einen unabhängigen Druck. 3. Isolierte Systeme stehen weder in energetischem noch in stofflichem Kontakt mit ihrer Umgebung. Das heisst sie können weder Energie noch Teilchen mit ihrer Umwelt austauschen. In solchen Systemen sind sowohl Temperatur als auch Druck von ihrer Umgebung unabhängig. In der statistischen Thermodynamik werden mikroskopische Systeme, sogenannte Ensembles, analog zu den thermodynamischen Systemen definiert: 1. Grosskanonische Ensembles oder µv T -Ensembles haben ein konstantes chemisches Potential µ, ein konstantes Volumen V und eine konstante Temperatur T. 4
6 2. Kanonische Ensembles oder N V T -Ensembles haben eine konstante Anzahl Teilchen N, ein konstantes Volumen V und eine konstante Temperatur T. 3. Mikrokanonische Ensembles oder N V E-Ensembles haben eine konstante Anzahl Teilchen N, ein konstantes Volumen V und eine konstante Energie E. Ein Ensemble stellt eine Zusammenfassung einer definierten Anzahl von Zuständen ein und desselben Systems dar.[3] Für gleiche Zustandsbedingungen und grosse Teilchenanzahlen N ist der Mittelwert einer Observabeln für alle Ensembles identisch Kanonisches Ensemble Das in der statistischen Thermodynamik am häufigsten verwendete Ensemble ist das Kanonische. Die Wahrscheinlichkeit für einen Zustand Γ i im kanonischen Ensemble wird durch die kanonische Wahrscheinlichkeitsdichte ρ NV T beschrieben. ρ NV T (Γ i ) = exp ( H(Γ i)/k B T ) Z NV T (Γ i ) (1.1) In Gleichung (1.1) ist H = K + V die hamiltonsche Gesamtenergie und Z NV T die durch Gleichung (1.2) beschriebene kanonische Zustandssumme, die über alle Zustände Γ j des Ensembles geht. Z NV T (Γ i ) = j ( exp H(Γ ) j) k B T Computer-Simulationen von Ensembles (1.2) Computer erlauben nur Simulationen mit relativ wenigen Teilchen, da die Ressourcen eines Computers beschränkt sind. Selbst wenn wir fähig wären, Millionen Teilchen zu simulieren 1, wäre das im Vergleich zu makroskopischen Systemen unbedeutend. Solch kleine Systeme zeigen unerwünschte Oberflächeneffekte, da eine grosse Anzahl von Molekülen am Rande des Kastens nur aus einer Richtung von anderen Molekülen angezogen werden. Um solche Effekte zu verhindern, wird angenommen, dass der Simulationskasten in allen Richtungen von einer unendlich grossen Anzahl von identischen Bildern umgeben ist. Tritt ein Teilchen in Wechselwirkung mit einem anderen Teilchen, 1 Heutige Computer erlauben Simulationen von einigen Tausend Teilchen. 5
7 so wird zuerst entschieden, ob ein Teilchen eines Nachbarkastens näher ist, die Wechselwirkung wird mit dem näheren Teilchen berechnet. Diese Technik wird als minimum image -Konvention bezeichnet. Kommt ein Teilchen an den Rand des Kastens, so wechselt es in den nächsten Kasten, gleichzeitig tritt ein identisches Teilchen aus dem gegenüberliegenden Kasten ein. Dies wird als periodische Randbedingung bezeichnet. [4] Da diese Anordnung von Kästen einem Ensemble entspricht, können zur Berechnung von makroskopischen Grössen die Gleichungen der statistischen Thermodynamik angewendet werden Moleküldynamik-Simulationen In einer Moleküldynamik-Simulation wird für jedes Teilchen die newtonsche Bewegungsgleichung gelöst und das Teilchen etwas verschoben. Dabei erhalten wir direkt die kinetische Energie K und die potentielle Energie V. Moleküldynamik-Simulationen zeigen eine zeitliche Entwicklung des Systems Monte-Carlo-Simulationen In einer Monte-Carlo-Simulation wird ein Teilchen zufällig bewegt und dann aufgrund der potentiellen Energie entschieden, ob der neue Zustand angenommen wird oder nicht (siehe 1.3.3). Dabei entsteht, im Gegensatz zu einer Moleküldynamik-Simulation, keine zeitliche Abfolge, sondern nur eine Reihe von Zuständen, die dasselbe System beschreiben. Die kinetische Energie K ist nicht direkt zugänglich, nur die potentielle Energie V wird direkt erhalten. 6
8 1.2 Potentiale Potentiale sind das Herz jeder Molekül-Simulation, sie beschreiben die Wechselwirkung zwischen Teilchen 2. Potentiale können auf drei verschiedenen Wegen konstruiert werden: 1. Analytische Potentiale sind aufgrund rein physikalisch theoretischer Überlegungen konstruiert. Solche Potentiale zeigen keine oder schlechte Übereinstimmung mit Experimenten und dienen ausschliesslich dem Studium grundsätzlicher Eigenschaften von Potentialen. 2. Empirische Potentiale sind an experimentellen Daten gefittete mathematische Funktionen, die oft auf analytischen Potentialen beruhen. Zwei grundsätzlich verschiedene Wege um empirische Potentiale an experimentelle Daten anzupassen werden verwendet. Zum einen können die Parameter des Funktionsansatzes an experimentelle Daten, die meist aus spektroskopischen Gasphasenmessungen stammen, angepasst werden, dabei ergeben sich reine Paarpotentiale. Zum anderen können die Parameter eines Funktionsansatzes gefittet werden, indem Computer-Simulationen gemacht werden und dann die Parameter in einem iterativen Verfahren korrigiert werden bis die Simulations-Ergebnisse mit den experimentellen Ergebnissen übereinstimmen. Solche sogenannte effektive Potentiale beschreiben neben Paarwechselwirkungen auch Drei- und Mehrteilchenwechselwirkungen sowie andere Effekte. Effektive Potentiale liefern sehr gute Resultate für den Bereich, in dem die Parameter des Funktionsansatzes gefittet wurden, ausserhalb dieses Bereichs haben sie meist eine beschränkte Genauigkeit. [5] 3. Ab-initio Potentiale werden erhalten, indem man für verschiedene Abstände von zwei Teilchen die Schrödinger-Gleichung löst und die dabei erhaltenen Energien an die Parameter eines Funktionsansatzes anpasst. Ab-initio Potentiale, die Wechselwirkungen für drei oder mehr Teilchen berücksichtigen sind selten und wurden erst in neuerer Zeit entwickelt [6]. Bei der Verwendung von Paarpotentialen wird vorausgesetzt, dass die Gesamtwechselwirkung sich additiv aus den Einzelwechselwirkungen zusammensetzt. 2 Teilchen wird im Sinn von Atomen oder Molekülen verwendet. 7
9 1.2.1 Abstossende Potentiale Der Idee der rein abstossenden Potentiale liegt die Annahme zugrunde, dass die Wechselwirkung zwischen Teilchen darauf beruht, dass zwei Teilchen kollidieren und anschliessend auseinander fliegen. Theoretisch sind Systeme, die nur abstossende Potentiale beinhalten, nicht verflüssigbar, da intermolekulare Wechselwirkungen fehlen, trotzdem können mittels rein abstossenden Potentialen gewisse Eigenschaften von Flüssigkeiten simuliert werden Hard-sphere -Potentiale Hard-sphere -Potentiale beruhen auf der Annahme, dass die Teilchen aus harten Kugeln bestehen. Unterschreitet der Abstand R zweier Teilchen den Kollisionsabstand σ, dann steigt die potentielle Energie V abrupt ins Unendliche. Als Kollisionsabstand σ wird die Summe der beiden Atomradien verwendet. [4] R > σ V = 0 R σ V = Soft-sphere -Potentiale Soft-sphere -Potentiale tragen der Tatsache Rechnung, dass Teilchen sich bis zu einem gewissen Grade durchdringen können. Die potentielle Energie V steigt nicht abrupt ins Unendliche, sondern ist eine Funktion des intermolekularen Abstands R, und des Kollisionsabstand σ. ( ) σ n V(R) = (1.3) R Da die Abstossung nur auf kurze Distanzen wirkt, wird für n ein grosser Wert verwendet, typischerweise n = 12. [7] Wechselwirkungs-Potentiale Wechselwirkungs-Potenitalen sind Potentiale, die sowohl abstossende als auch anziehende Kräfte berücksichtigen. Rein anziehende Potentiale zu verwenden macht wenig Sinn, da ein solches System sich zusammenziehen würde bis es auf einem Punkt vereinigt ist. 8
10 Die Theorie erlaubt nur dann die Verflüssigung von Gasen, wenn die Teilchen neben abstossenden Wechselwirkungen auch anziehende besitzen. Im folgenden sollen zwei Möglichkeiten für solche Potentiale besprochen werden Das Lennard-Jones-Potential Die Grundlage des Lennard-Jones-Potentials ist ein Soft-sphere -Potential, dem ein anziehender Term beigefügt wurde (Gleichung (1.4)). Demzufolge handelt es sich beim Lennard-Jones-Potential um ein theoretisches Potential, dessen Parameter ɛ und σ der Topftiefe 3 respektive dem Kollisionsabstand entsprechen, die oft ans Experiment angepasst werden, wodurch das Lennard-Jones-Potential zu einem empirischen Potential wird. (( ) σ n ( ) σ m ) V(R) = 4ɛ R R (1.4) Die zwischen Edelgasen wirksamen anziehenden Kräfte, sind Dispersionswechselwirkungen. Nach der Londonschen-Formel wird deshalb der Exponent für den anziehenden Term des Lennard-Jones-Potential m = 6 gesetzt. Für den Exponenten des abstossenden Terms wird willkürlich n = 12 gewählt. Diese häufig verwendete Form wird als Lennard-Jones-[12,6]-Potential bezeichnet. [7] Ein grosser Vorteil des Lennard-Jones Potentials ist, dass es sich sehr einfach auf Mischungen von Teilchen verallgemeinern lässt. Bei einer Mischung von Teilchen der Sorte 1 und der Sorte 2, ist nur die Kenntnis der Parameter für die Wechselwirkungen innerhalb der Sorten (σ 11, σ 22, ɛ 11 und ɛ 22 ) nötig. Die Parameter für die Wechselwirkung zwischen den Sorten können für σ 12 nach Berthelot (Gleichung (1.6)) und für ɛ 12 nach Lorentz (Gleichung (1.6)) berechnet werden. [8] σ 12 = 1 2 (σ 11 + σ 22 ) (1.5) ɛ 12 = ɛ 11 ɛ 22 (1.6) Das Morse-Potential Ein zweites Beispiel für ein Wechselwirkungs-Potential ist das Morse-Potential. Im Gegensatz zum Lennard-Jones-Potential ist das Morse-Potential in der Form, wie es 3 Lässt man quantenmechanische Überlegungen ausser acht, dann entspricht die Topftiefe der Dissoziationsenergie. 9
11 in Gleichung (1.7) gezeigt wird, ein intramolekulares Potential 4. Die Bedeutung des Morse-Potentials liegt darin, dass mit ihm die Schrödinger-Gleichung exakt gelöst werden kann. [9] In Gleichung (1.7) entspricht ɛ der Dissoziationsenergie, m Red = 1/m 1 + 1/m 2 der reduzierten Masse, ω der Frequenz und R e dem Gleichgewichtsabstand. ( ( )) 2 mred V(R) = ɛ 1 exp 2ɛ ω(r R e) (1.7) Eine Erweiterung des Morse-Potentials (Gleichung (1.8)) ist speziell dafür geeignet, intermolekulare Wechselwirkungen zu beschreiben, wobei ɛ die Topftiefe, k e die Kraftkonstante und R e der Gleichgewichtsabstand ist. Der Parameter Q dient zur Gewichtung, der Terme und wird oft gleich 1 gesetzt. ( ) V(R) = ɛ Q exp (Q + 1)ke Qke (R R e ) (Q + 1) exp Qɛ (Q + 1)ɛ (R R e) (1.8) Das intermolekulare Morse-Potential lässt sich besser an ab-initio Rechnungen anpassen als das Lennard-Jones-Potential. [10] 4 Die Unterscheidung zwischen inter- und intramolekularen Potentialen ist nicht eindeutig. So wird zum Beispiel das Lennard-Jones-Potential dazu benützt, um in Simulationen von grossen Biomolekülen intramolekulare Wechselwirkungen zu beschreiben. 10
12 1.3 Monte-Carlo-Simulationen The Monte-Carlo method is defined by representing the solution of a problem as a parameter of a hypothetical population, and using a random sequence of numbers to construct a sample population, from which statistical estimates of the parameter can be obtained. [11] Die Monte-Carlo-Methode ist eine sehr flexible Technik, die auf verschiedenste Gebiete angewandt werden kann: Bestimmung von π Numerische Integration Berechnungen von Wechselwirkungen und Potentialen Molekül-Simulationen Simulationen von Polymeren Simulationen von Elementarteilchen Simulationen von Eigenschaften von Polymeren Berechnungen von Faltungen grosser Polypeptide Simulationen von Datenverkehr in Computernetzen und vieles mehr Historisches Die Methode der Monte-Carlo-Simulation wurde von Neumann, Ulam und Metropolis während des Manhattan Projekts 5 entwickelt, um die Verteilung von Neutronen in spaltbarem Uran vorauszusagen. Nach dem 2. Weltkrieg wurden erste Simulationen von Flüssigkeiten gemacht. Als erstes wurden Hard-sphere -Potentiale in zweidimensionalen Kästen untersucht [12]. Später folgten Simulationen in drei Dimensionen und Simulationen mit dem Lennard- Jones-Potential. 5 Das Manhattan Projekt war das Atombomben Projekt der Alliierten während des 2. Weltkriegs. 11
13 1.3.2 Monte-Carlo-Techniken Bestimmung von π Eine anschauliche Monte-Carlo-Methode ist die Bestimmung von π. Ein Kreis, mit dem Radius l/2, wird dabei so in ein Quadrat mit der Seitenlänge l gelegt, dass er alle Seiten berührt. Nun werden τ V ersuch Pärchen von Zufallszahlen ξ x und ξ y zwischen 0 und l erzeugt. Diese Pärchen werden als Punkte im Quadrat aufgefasst. Für jeden dieser Punkte wird getestet, ob er innerhalb des Kreises liegt (τ T reffer ). π wird wie folgt berechnet: F Kreis = πl2 /4 F Quadrat l 2 = τ T reffer τ V ersuch π = 4 F Kreis F Quadrat = 4 τ T reffer τ V ersuch Es ist leicht einzusehen, dass mehr Zufallszahlenpärchen innerhalb des Kreises liegen als ausserhalb τ T reffer > (τ V ersuch τ T reffer ). Für den Extremfall, dass alle Versuche innerhalb des Kreises liegen τ T reffer = τ V ersuch wird π = 4. Diese Überlegung legt nahe, dass bei Monte-Carlo-Methoden darauf geachtet werden muss, dass die Berechnungen einen massgeblichen Beitrag zur berechneten Grösse liefern. Im allgemeinen ist die Rechnung desto besser, je näher das Verhältnis τ T reffer /τ V ersuch bei 50 % liegt Numerische Integration Mittels Monte-Carlo-Methode können Integrale numerisch gelöst werden. Eine Funktion y = f(x) soll im Intervall von x 0 bis x 1 integriert werden. Ein zweites Intervall von y 0 bis y 1 wird so gewählt, dass y 0 < f(x) und y 1 > f(x) für das ganze Intervall von x 0 bis x 1 gilt. Nun werden τ V ersuch Zufallszahlen ξ x (zwischen x 0 und x 1 ) und ξ y (zwischen y 0 und y 1 ) erzeugt. Falls nun ξ y < f(ξ x ) ist, handelt es sich um einen Treffer (τ T reffer ). Die Lösung des Integrales ist gegeben durch: x1 x 0 f(x) dx = τ T reffer τ V ersuch (x 1 x 0 )(y 1 y 0 ) Der Metropolis-Algorithmus Der Metropolis-Algorithmus erzeugt eine Reihe von Zuständen, die einen massgeblichen Beitrag zur potentiellen Energie liefern. 12
14 Theorie zum Metropolis-Algorithmus Der Metropolis-Algorithmus erzeugt eine Markowsche-Kette von Zuständen. In einer Markowschen-Kette ist ein neuer Zustand Γ n nur vom alten Zustand Γ m und einer zugehörigen Übergangswahrscheinlichkeit π mn abhängig. [13] Der Übergangswahrscheinlichkeit π mn wird eine Wahrscheinlichkeit α mn zugrundegelegt, die beschreibt wie weit ein Teilchen i sich bewegen darf. Innerhalb eines Würfels V W, dessen Mittelpunkt das Teilchen i darstellt, ist für jeden Punkt r i die Wahrscheinlichkeit α mn, dass das Teilchen dort auftaucht, gleich gross. Ausserhalb des Würfels darf das Teilchen nicht auftauchen (Gleichung (1.9)). [14] α mn = 1/N r r i V W (1.9) α mn = 0 r i / V W Die durch α mn beschriebene Wahrscheinlichkeit besagt, ob ein Teilchen an einem Ort auftauchen kann oder nicht. Sie macht keine Aussage darüber, ob ein Auftauchen des Teilchens an diesem Ort physikalisch sinnvoll ist oder nicht, dazu wird die kanonische Wahrscheinlichkeitsdichte ρ NV T (Gleichung (1.1)) benötigt. Die Übergangswahrscheinlichkeit π mn der Markowschen-Kette ist gegeben durch Gleichung (1.10). π mn = α mn ρ NV T (Γ n ) ρ NV T (Γ m ) m n π mn = α mn (ρ NV T (Γ m )/ρ NV T (Γ n )) ( = α mn (exp δv )) nm k B T ρ NV T (Γ n ) < ρ NV T (Γ m ) m n (1.10) Durchführung des Metropolis-Algorithmus Der Übergang von einem alten Zustand Γ m in einen neuen Zustand Γ n wird nach folgenden Kriterien bewertet. [14] 1. Die potentielle Energie des alten Zustands V(Γ m ) und diejenige des neuen Zustands V(Γ n ) wird berechnet und deren Differenz δv nm = V(Γ n ) V(Γ m ) gebildet. 2. Ist die potentielle Energie des neuen Zustands kleiner als diejenige des alten Zustands δv nm < 0, so ist der neue Zustand günstiger und wird akzeptiert. 3. Ist die potentielle Energie des neuen Zustands grösser als diejenige des alten Zustands δv nm > 0, so ist der neue Zustand weniger günstig. Der neue Zustand 13
15 wird dennoch akzeptiert, falls ξ < exp( δv nm /k B T ) gilt, ξ ist eine gleichverteilte Zufallszahl zwischen 0 und 1. (Gleichungen (1.11) und (1.12)) 4. Wird die neue Position nicht angenommen, so wird der alte Zustand Γ m zum neuen Zustand Γ n. Die Wahrscheinlichkeit P eines Übergangs vereinfacht sich zu P = min ( 1, exp ( δv nm k B T )) (1.11) und der Übergang wird angenommen falls Gleichung 1.12 erfüllt ist. ξ < P ξ 0..1 (1.12) Die Übergangswahrscheinlichkeit P ist nun nur noch von der Änderung der potentiellen Energie V nm, der Temperatur T und einer Zufallszahl ξ abhängig und kann problemlos berechnet werden. 14
16 1.4 Das Gibbs-Ensemble Das Gibbs-Ensemble wurde 1987 von Panagiotopoulos vorgeschlagen, um das Phasengleichgewicht von Lennard-Jones-Flüssigkeiten 6 mittels Monte-Carlo-Simulationen zu bestimmen. ([1], [2]) Im 19. Jahrhundert hat J. W. Gibbs gezeigt, dass T I = T II P I = P II µ I = µ II (1.13) hinreichende und notwendige Bedingungen sind, um zwei im Gleichgewicht befindliche Phasen zu beschreiben, wobei T die Temperatur, P der Druck und µ das chemische Potential ist. Das System des Gibbs-Ensembles besteht aus zwei getrennten Kästen, die im, durch die Gleichungen (1.13) definierten, thermodynamischem Gleichgewicht stehen. Der eine Kasten liegt inmitten der Phase I, er enthält N I Teilchen und hat ein Volumen V I. Der andere Kasten liegt inmitten der Phase II, enthält N II Teilchen und hat ein Volumen V II. Zusammen stellen die beiden Kästen ein NV T -Ensemble dar, das heisst das Totalvolumen V = V I + V II, die Gesamtteilchenzahl N = N I + N II und die Temperatur T sind konstant. Es ist falsch, sich diese Kästen als an der Phasengrenze liegend vorzustellen. Im Gegenteil, jeder Kasten liegt tief in seiner Phase verborgen und ist mit unendlich vielen identischen Kastenbildern umgeben. Die Phasengrenze zwischen den zwei simulierten Kästen ist theoretisch und beruht nur auf den Gleichungen (1.13). [15] Um die durch die Gleichungen (1.13) geforderten Bedingungen zu erfüllen, sind drei verschiedene Schritte nötig: 1. Das Bewegen aller Teilchen in beiden Kästen, um das interne Gleichgewicht und somit eine identische Temperatur zu erreichen. (siehe 1.4.1) 2. Das Ändern des Volumens der beiden Kästen, wobei das Gesamtvolumen konstant bleibt. Dabei werden die beiden Drücke ausgeglichen. (siehe 1.4.2) 3. Das Austauschen eines Teilchens von einem Kasten in den anderen zum Ausgleich des chemischen Potentials. (siehe 1.4.3) 6 Flüssigkeiten, die durch ein Lennard-Jones-[6,12]-Potential beschrieben werden. 15
17 Die Kenntnis des chemischen Potentials ist für den Erfolg der Methode nicht nötig, dieser Schritt garantiert, dass die chemischen Potentiale der Kästen identisch sind. Keinerlei theoretische Überlegungen schreiben eine bestimmte Reihenfolge dieser Schritte vor. Wohl ist aber die Geschwindigkeit, mit der das Gleichgewicht erreicht wird, von der Reihenfolge abhängig. In dieser Arbeit werden, wie in [2] vorgeschlagen, zuerst alle Teilchen beider Kästen bewegt, dann wird versucht das Volumen zu ändern und zuletzt werden Austauschversuche unternommen Teilchen-Bewegung Im Teilchenbewegungsschritt ist jeder Kasten unabhängig. Ein Kasten stellt in diesem Fall ein NV T -Ensemble dar. Für jedes Teilchen wird zufällig eine neue Position gewählt, dann wird die Wechselwirkung mit allen anderen Teilchen desselben Kastens berechnet und die Änderung der potentielle Energie δv erhalten. Danach wird nach dem Metropolis-Algorithmus (Gleichungen (1.11) und (1.12)) entschieden, ob die neue Position angenommen wird oder nicht. [2] Volumen-Änderung Während der Volumenänderung sind die beiden Kästen miteinander korreliert. Die Kästen können als NP T -Ensemble betrachtet werden. Das Volumen von Kasten I wird zufällig um V geändert, dadurch wird die Energie V I Alt um VI auf V I Neu geändert. Die Wahrscheinlichkeit P I, dass ein solcher Zustand günstig ist, ist nach [2] gegeben V ol durch Gleichung (1.14). P I V ol = exp( βp (V I + V ) βv I Neu + N I ln(v I + V )) exp( βp V I βv I Alt + N I ln(v I )) = exp( βp V β V I + N I ln(v I + V ) N I ln(v I ))) (1.14) β = 1/k B T Da sich das Gesamtvolumen V nicht ändern darf, muss sich gleichzeitig das Volumen V II des Kasten II um V ändern und somit auch dessen Energie um V II. Es wird angenommen, dass der Druck P in beiden Kästen identisch ist. Für den Kasten II gilt 16
18 nun P II V ol = exp(βp V β VII + N II ln(v II V ) N II ln(v II ))). (1.15) Die Gesamtwahrscheinlichkeit für die Volumenänderung der Kästen ist gegeben durch Gleichung (1.16). P V ol = P I V ol PII V ol P V ol = exp ( β ( V I + V II N I k B T ln ( V I + V V I ) N II k B T ln ( V II + V V II ))) (1.16) Die Änderung des Volumens wird nach dem Metropolis Algorithmus bewertet. (Gleichung (1.12)) Die Annahme, dass sich die Wahrscheinlichkeiten in Gleichung (1.16) multiplikativ kombinieren lassen, stimmt relativ gut, solange nicht zu nahe am kritischen Punkt simuliert wird Teilchen-Austausch Auch beim Teilchenaustausch sind die beiden Kästen korreliert. Ein Teilchen wird aus dem einen Kasten in den anderen verschoben. Jeder Kasten stellt dabei ein µv T - Ensemble dar. Die Richtung des Austausches muss zufällig, mit gleichen Wahrscheinlichkeiten für beide Richtungen, gewählt werden, um der mikroskopischen Reversibilität Genüge zu leisten. Wir betrachten den Fall einer Verschiebung eines Teilchens von Kasten II nach Kasten I. Zuerst wird eine neue Position in Kasten I für das Teilchen zufällig gewählt, dabei ändert sich die Energie um V I von V I Alt die Wahrscheinlichkeit P I gegeben durch Aus auf VI. Nach [2] ist Neu P I Aus = exp( βvi Neu + β(n I + 1)µ ln(n I + 1)! 3(N I + 1) ln λ + (N I + 1) ln V I ) exp( βv I Alt + βn I µ ln N I! 3N I ln λ + N I ln V I ) = exp ( β V I + ln ( )) zv I N I +1 z = exp(βµ/λ 3 ) β = 1/k B T (1.17) wobei λ die de Broglie Wellenlänge des ausgetauschten Teilchens und µ das chemische Potential des Systems ist. 17
19 Gleichzeitig muss in Kasten II ein Teilchen zerstört werden, um die Gesamtteilchenanzahl N zu erhalten, das heisst das in Kasten I gebildete Teilchen kommt aus Kasten II. Die zugehörige Wahrscheinlichkeit P II Aus ergibt sich analog zu Gleichung (1.17). ( N P ( β V II = exp II II + ln Aus zv II )) (1.18) Aus den Gleichungen (1.17) und (1.18) ergibt sich für den Austausch eine Gesamtwahrscheinlichkeit P Aus, die wiederum nach Gleichung (1.12) des Metropolis Algorithmus massgeblich für die Ausführung des Austausches ist. P Aus = P I Aus PII Aus = exp ( β ( V I + V II + k B T ln ( ))) (1.19) V II (N I + 1) V I N II 18
20 Literaturverzeichnis [1] A. Z. Panagiotopoulos Direct determination of phase coexistence of fluids by Monte Carlo simulation in a new ensemble Mol. Phys (1987). [2] A. Z. Panagiotopoulos, N. Quirke, M. Stapleton und D. J. Tildesley Phase equilibria in the Gibbs ensembe Mol. Phys (1988). [3] G. H. Findenegg Statistische Thermodynamik Steinkopff, Darmstadt (1985). [4] M. P. Allen und D. J. Tildesley Computer Simulations of Liquids Clarendon Press, Oxford (1987). [5] R. Haberlandt, S. Fritzsche, G. Peinel und K. Heinzinger Molekulardynamik Vieweg, Leipzig (1995). [6] E. Ermakova, J. Solca, G. Steinebrunner und H. Huber Ab initio calculation of a three-body potential to be applied in simulations of fluid neon Chem. Eur. J (1998). [7] P. W. Atkins Physical Chemistry Oxford University Press, Oxford 4. Aufl. (1990). [8] I. R. McDonald NPT-ensemble Monte Carlo calculations for binary liquid mixtures Mol. Phys (1972). [9] P. W. Atkins Quanten VCH, Weinheim 2. Aufl. (1993). [10] D. E. Woon Accurate modeling of intermolecular forces: a systematic Møller Plesset study of the argon dimer using correlation consistent basis sets Chem. Phys. Lett (1993). [11] D. W. Heermann Computer Simulation Methods Springer-Verlag, Berlin (1990). [12] N. Metropolis, A. W. Rosenbluth, M. N. Rosenbluth, A. H. Teller und E. Teller Equation of state calculations by fast computing machines J. Chem. Phys (1953). 19
21 [13] H. G. Zachmann Mathematik für Chemiker Verlag Chemie, Weinheim, D (1994). [14] D. J. Tildesley The Monte Carlo Method NATO ASI Ser., Ser. C (Computer Simulations in Chemical Physics) (1993). [15] A. Z. Panagiotopoulos Direct determination of fluid phase equilibria by simulation in the Gibbs ensemble: a review Curr. Top. Mol. Simul (1996). [16] B. Widom Some Topics in the Theory of Fluids J. Chem. Phys (1963). [17] R. Eggenberger, S. Gerber, H. Huber und D. Searles Ab initio calculation of the second virial coefficient of neon and the potential energy curve of Ne 2 Chem. Phys (1991). [18] R. Eggenberger, S. Gerber, H. Huber und M. Welker A new ab initio potential for the neon dimer and its application in molecular dynamics simulations of the condensed phase Mol. Phys (1994). [19] R. Eggenberger Flüssiges Neon - Eine Moleküldynamik-Simulation mit einem ab initio Potential Dissertation Universität Basel (1992). [20] D. E. Knuth The art of computer programming Bd. 2 Addison-Wesley, Reading 3. Aufl. (1998). 20
Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin
Mathematik des Hybriden Monte-Carlo Marcus Weber Zuse Institute Berlin Statistische Thermodynamik Ziel: Am Computer ein Ensemble samplen. Messung im Gleichgewicht (zeitunabhängige Verteilung π der Systemzustände
Mehr50. 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
MehrGrundlagen 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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr2.8 Grenzflächeneffekte
- 86-2.8 Grenzflächeneffekte 2.8.1 Oberflächenspannung An Grenzflächen treten besondere Effekte auf, welche im Volumen nicht beobachtbar sind. Die molekulare Grundlage dafür sind Kohäsionskräfte, d.h.
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrThermodynamik. Basics. Dietmar Pflumm: KSR/MSE. April 2008
Thermodynamik Basics Dietmar Pflumm: KSR/MSE Thermodynamik Definition Die Thermodynamik... ist eine allgemeine Energielehre als Teilgebiet der Chemie befasst sie sich mit den Gesetzmässigkeiten der Umwandlungsvorgänge
MehrPrimzahlen 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
MehrDokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz
Dokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz Andreas Aigner email: andreasa@sbox.tu-graz.ac.at. Januar 00 Inhaltsverzeichnis Theorie. Stromfunktion...........................
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrLineare 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
MehrGleichungen 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
Mehr7 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
MehrSimulation LIF5000. Abbildung 1
Simulation LIF5000 Abbildung 1 Zur Simulation von analogen Schaltungen verwende ich Ltspice/SwitcherCAD III. Dieses Programm ist sehr leistungsfähig und wenn man weis wie, dann kann man damit fast alles
MehrA Lösungen zu Einführungsaufgaben zu QueueTraffic
A Lösungen zu Einführungsaufgaben zu QueueTraffic 1. Selber Phasen einstellen a) Wo im Alltag: Baustelle, vor einem Zebrastreifen, Unfall... 2. Ankunftsrate und Verteilungen a) poissonverteilt: b) konstant:
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
Mehr8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht
8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren
MehrEM-Wellen. david vajda 3. Februar 2016. Zu den Physikalischen Größen innerhalb der Elektrodynamik gehören:
david vajda 3. Februar 2016 Zu den Physikalischen Größen innerhalb der Elektrodynamik gehören: Elektrische Stromstärke I Elektrische Spannung U Elektrischer Widerstand R Ladung Q Probeladung q Zeit t Arbeit
Mehr1 C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R
C H R I S T O P H D R Ö S S E R D E R M A T H E M A T I K V E R F Ü H R E R L Ö S U N G E N Seite 7 n Wenn vier Menschen auf einem Quadratmeter stehen, dann hat jeder eine Fläche von 50 mal 50 Zentimeter
Mehr1.1 Auflösungsvermögen von Spektralapparaten
Physikalisches Praktikum für Anfänger - Teil Gruppe Optik. Auflösungsvermögen von Spektralapparaten Einleitung - Motivation Die Untersuchung der Lichtemission bzw. Lichtabsorption von Molekülen und Atomen
MehrIdeale und Reale Gase. Was ist ein ideales Gas? einatomige Moleküle mit keinerlei gegenseitiger WW keinem Eigenvolumen (punktförmig)
Ideale und Reale Gase Was ist ein ideales Gas? einatomige Moleküle mit keinerlei gegenseitiger WW keinem Eigenvolumen (punktförmig) Wann sind reale Gase ideal? Reale Gase verhalten sich wie ideale Gase
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrPhysik 4, Übung 11, Prof. Förster
Physik 4, Übung 11, Prof. Förster Christoph Hansen Emailkontakt ieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrModellbildungssysteme: Pädagogische und didaktische Ziele
Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrEinführung 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
MehrMean Time Between Failures (MTBF)
Mean Time Between Failures (MTBF) Hintergrundinformation zur MTBF Was steht hier? Die Mean Time Between Failure (MTBF) ist ein statistischer Mittelwert für den störungsfreien Betrieb eines elektronischen
MehrDas Mathematik-Abitur im Saarland
Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die
MehrEin Einfaches AIDS Modell
Ein Einfaches AIDS Modell Martin Bauer: 990395 Guntram Rümmele: 99008 Das SIR - Modell Die Modellierung von epidemischen Modellen hat schon lange Tradition. Man hat schon immer versucht Erklärungen für
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Dolga Olena Otto-von-Guericke-Universität Fakultät für Informatik Seminar-Das virtuelle Labor Inhaltsverzeichnis Überblick Geschichte Anwendung -Bereiche -Spezielle Methoden Mathematische
MehrGrundlagen 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)
Mehr1. Einführung 2. 2. Erstellung einer Teillieferung 2. 3. Erstellung einer Teilrechnung 6
Inhalt 1. Einführung 2 2. Erstellung einer Teillieferung 2 3. Erstellung einer Teilrechnung 6 4. Erstellung einer Sammellieferung/ Mehrere Aufträge zu einem Lieferschein zusammenfassen 11 5. Besonderheiten
MehrLineare Differentialgleichungen erster Ordnung erkennen
Lineare Differentialgleichungen erster Ordnung In diesem Kapitel... Erkennen, wie Differentialgleichungen erster Ordnung aussehen en für Differentialgleichungen erster Ordnung und ohne -Terme finden Die
MehrDie 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,
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrLösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrIm 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
MehrEinfache Varianzanalyse für abhängige
Einfache Varianzanalyse für abhängige Stichproben Wie beim t-test gibt es auch bei der VA eine Alternative für abhängige Stichproben. Anmerkung: Was man unter abhängigen Stichproben versteht und wie diese
Mehr!(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 (")
MehrInduktivitätsmessung bei 50Hz-Netzdrosseln
Induktivitätsmessung bei 50Hz-Netzdrosseln Ermittlung der Induktivität und des Sättigungsverhaltens mit dem Impulsinduktivitätsmeßgerät DPG10 im Vergleich zur Messung mit Netzspannung und Netzstrom Die
MehrAufbau der Elektronenhülle des Wasserstoffatoms
Aufbau der Elektronenhülle des Wasserstoffatoms Wasserstoff, H: ein Proton im Kern, (+) Elektronenhülle mit nur einem Elektron, (-)( Kern und Elektron ziehen sich aufgrund der Coulombkraft an. Das Elektron
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrGrundlagen 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
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
MehrInfo zum Zusammenhang von Auflösung und Genauigkeit
Da es oft Nachfragen und Verständnisprobleme mit den oben genannten Begriffen gibt, möchten wir hier versuchen etwas Licht ins Dunkel zu bringen. Nehmen wir mal an, Sie haben ein Stück Wasserrohr mit der
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrMusterlösungen 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
MehrWelche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test?
Welche Unterschiede gibt es zwischen einem CAPAund einem Audiometrie- Test? Auch wenn die Messungsmethoden ähnlich sind, ist das Ziel beider Systeme jedoch ein anderes. Gwenolé NEXER g.nexer@hearin gp
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrProbleme beim Arbeiten mit Variablen, Termen und Gleichungen
Probleme beim Arbeiten mit Variablen, Termen und Gleichungen Tage des Unterrichts in Mathematik, Naturwissenschaften und Technik Rostock 2010 Prof. Dr. Hans-Dieter Sill, Universität Rostock, http://www.math.uni-rostock.de/~sill/
MehrErster Prüfungsteil: Aufgabe 1
Erster Prüfungsteil: Aufgabe Kriterien: Der Prüfling Lösung: Punkte: a) entscheidet sich für passenden Wert 8 000 000 b) wählt ein geeignetes Verfahren zur z. B. Dreisatz Berechnung gibt das richtige Ergebnis
MehrUniversität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
MehrGutes Leben was ist das?
Lukas Bayer Jahrgangsstufe 12 Im Hirschgarten 1 67435 Neustadt Kurfürst-Ruprecht-Gymnasium Landwehrstraße22 67433 Neustadt a. d. Weinstraße Gutes Leben was ist das? Gutes Leben für alle was genau ist das
MehrManager. von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen. Spielanleitung
Manager von Peter Pfeifer, Waltraud Pfeifer, Burkhard Münchhagen Spielanleitung Manager Ein rasantes Wirtschaftsspiel für 3 bis 6 Spieler. Das Glück Ihrer Firma liegt in Ihren Händen! Bestehen Sie gegen
MehrInnere Reibung von Gasen
Blatt: 1 Aufgabe Bestimmen Sie die Viskosität η von Gasen aus der Messung der Strömung durch Kapillaren. Berechnen Sie aus den Messergebnissen für jedes Gas die Sutherland-Konstante C, die effektiven Moleküldurchmesser
MehrDie Näherung durch die Sekante durch die Punkte A und C ist schlechter, da der Punkt C weiter von A entfernt liegt.
LÖSUNGEN TEIL 1 Arbeitszeit: 50 min Gegeben ist die Funktion f mit der Gleichung. Begründen Sie, warum die Steigung der Sekante durch die Punkte A(0 2) und C(3 11) eine weniger gute Näherung für die Tangentensteigung
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrWir arbeiten mit Zufallszahlen
Abb. 1: Bei Kartenspielen müssen zu Beginn die Karten zufällig ausgeteilt werden. Wir arbeiten mit Zufallszahlen Jedesmal wenn ein neues Patience-Spiel gestartet wird, muss das Computerprogramm die Karten
MehrKorrigenda Handbuch der Bewertung
Korrigenda Handbuch der Bewertung Kapitel 3 Abschnitt 3.5 Seite(n) 104-109 Titel Der Terminvertrag: Ein Beispiel für den Einsatz von Future Values Änderungen In den Beispielen 21 und 22 ist der Halbjahressatz
Mehr1 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.
MehrDie innere Energie eines geschlossenen Systems ist konstant
Rückblick auf vorherige Vorlesung Grundsätzlich sind alle möglichen Formen von Arbeit denkbar hier diskutiert: Mechanische Arbeit: Arbeit, die nötig ist um einen Massepunkt von A nach B zu bewegen Konservative
MehrStatistische Thermodynamik I Lösungen zur Serie 1
Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrSkizze zur Veranschaulichung der Legendretransformation
9 Die thermodynamischen Funktionen G und H Ehe das Schema des vorherigen Abschnittes zur Konstruktion weiterer thermodynamischer Potentiale zu Ende gebracht wird, kurz einige Erläuterungen zur Legendretransformation.
MehrWasserkraft früher und heute!
Wasserkraft früher und heute! Wasserkraft leistet heute einen wichtigen Beitrag zur Stromversorgung in Österreich und auf der ganzen Welt. Aber war das schon immer so? Quelle: Elvina Schäfer, FOTOLIA In
Mehr6. Tag: Chemisches Gleichgewicht und Reaktionskinetik
6. Tag: Chemisches Gleichgewicht und Reaktionskinetik 1 6. Tag: Chemisches Gleichgewicht und Reaktionskinetik 1. Das chemische Gleichgewicht Eine chemische Reaktion läuft in beiden Richtungen ab. Wenn
Mehr14 Schmiegeparabel und Freunde, Taylor-Reihe
14 Schmiegeparabel und Freunde, Taylor-Reihe Jörn Loviscach Versionsstand: 20. März 2012, 16:01 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html
MehrLösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)
Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrZwischenablage (Bilder, Texte,...)
Zwischenablage was ist das? Informationen über. die Bedeutung der Windows-Zwischenablage Kopieren und Einfügen mit der Zwischenablage Vermeiden von Fehlern beim Arbeiten mit der Zwischenablage Bei diesen
MehrAnleitung über den Umgang mit Schildern
Anleitung über den Umgang mit Schildern -Vorwort -Wo bekommt man Schilder? -Wo und wie speichert man die Schilder? -Wie füge ich die Schilder in meinen Track ein? -Welche Bauteile kann man noch für Schilder
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
MehrPädagogik. Melanie Schewtschenko. Eingewöhnung und Übergang in die Kinderkrippe. Warum ist die Beteiligung der Eltern so wichtig?
Pädagogik Melanie Schewtschenko Eingewöhnung und Übergang in die Kinderkrippe Warum ist die Beteiligung der Eltern so wichtig? Studienarbeit Inhaltsverzeichnis 1. Einleitung.2 2. Warum ist Eingewöhnung
MehrProtokoll des Versuches 7: Umwandlung von elektrischer Energie in Wärmeenergie
Name: Matrikelnummer: Bachelor Biowissenschaften E-Mail: Physikalisches Anfängerpraktikum II Dozenten: Assistenten: Protokoll des Versuches 7: Umwandlung von elektrischer Energie in ärmeenergie Verantwortlicher
MehrMedia Teil III. Begriffe, Definitionen, Übungen
Media Teil III. Begriffe, Definitionen, Übungen Kapitel 1 (Intermedia- Vergleich: Affinität) 1 Affinitätsbewertung als Mittel des Intermedia-Vergleichs Um die Streugenauigkeit eines Werbeträgers zu bestimmen,
MehrZahlen auf einen Blick
Zahlen auf einen Blick Nicht ohne Grund heißt es: Ein Bild sagt mehr als 1000 Worte. Die meisten Menschen nehmen Informationen schneller auf und behalten diese eher, wenn sie als Schaubild dargeboten werden.
MehrAchim Rosch, Institut für Theoretische Physik, Köln. Belegt das Gutachten wesentliche fachliche Fehler im KPK?
Impulsstrom Achim Rosch, Institut für Theoretische Physik, Köln zwei Fragen: Belegt das Gutachten wesentliche fachliche Fehler im KPK? Gibt es im Gutachten selbst wesentliche fachliche Fehler? andere wichtige
MehrChemie Zusammenfassung KA 2
Chemie Zusammenfassung KA 2 Wärmemenge Q bei einer Reaktion Chemische Reaktionen haben eine Gemeinsamkeit: Bei der Reaktion wird entweder Energie/Wärme frei (exotherm). Oder es wird Wärme/Energie aufgenommen
MehrA2.3: Sinusförmige Kennlinie
A2.3: Sinusförmige Kennlinie Wie betrachten ein System mit Eingang x(t) und Ausgang y(t). Zur einfacheren Darstellung werden die Signale als dimensionslos betrachtet. Der Zusammenhang zwischen dem Eingangssignal
MehrDer Provider möchte möglichst vermeiden, dass die Werbekampagne auf Grund des Testergebnisses irrtümlich unterlassen wird.
Hypothesentest ================================================================== 1. Ein Internetprovider möchte im Fichtelgebirge eine Werbekampagne durchführen, da er vermutet, dass dort höchstens 40%
MehrBürgerhilfe Florstadt
Welche Menschen kommen? Erfahrungen mit der Aufnahme vor Ort vorgestellt von Anneliese Eckhardt, BHF Florstadt Flüchtlinge sind eine heterogene Gruppe Was heißt das für Sie? Jeder Einzelne ist ein Individuum,
Mehr18. Magnetismus in Materie
18. Magnetismus in Materie Wir haben den elektrischen Strom als Quelle für Magnetfelder kennen gelernt. Auch das magnetische Verhalten von Materie wird durch elektrische Ströme bestimmt. Die Bewegung der
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
MehrPhysik 4, Übung 8, Prof. Förster
Physik 4, Übung 8, Prof. Förster Christoph Hansen Emailkontakt Dieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls
MehrDAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG
DAS PARETO PRINZIP DER SCHLÜSSEL ZUM ERFOLG von Urs Schaffer Copyright by Urs Schaffer Schaffer Consulting GmbH Basel www.schaffer-consulting.ch Info@schaffer-consulting.ch Haben Sie gewusst dass... >
MehrAdministratives BSL PB
Administratives Die folgenden Seiten sind ausschliesslich als Ergänzung zum Unterricht für die Schüler der BSL gedacht (intern) und dürfen weder teilweise noch vollständig kopiert oder verbreitet werden.
MehrVerband der TÜV e. V. STUDIE ZUM IMAGE DER MPU
Verband der TÜV e. V. STUDIE ZUM IMAGE DER MPU 2 DIE MEDIZINISCH-PSYCHOLOGISCHE UNTERSUCHUNG (MPU) IST HOCH ANGESEHEN Das Image der Medizinisch-Psychologischen Untersuchung (MPU) ist zwiespältig: Das ist
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
Mehr( ) 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