7. Numerik mit MATLAB

Größe: px
Ab Seite anzeigen:

Download "7. Numerik mit MATLAB"

Transkript

1 Start Inhalt Numerik mit MATLAB 1(24) 7. Numerik mit MATLAB 7.1 Lineare Algebra Normen. Matrixzerlegungen. Gleichungssysteme. 7.2 Lineare Ausgleichsrechnung qr, svd, pinv, \. 7.3 Interpolation interp1, interp2, spline. 7.4 Polynome Auswertung, NST, Ableitung u.a. Fortsetzung Inhalt Kap. 7 nächste Folie

2 Start Inhalt Numerik mit MATLAB 2(24) 7.5 Nullstellen fzero. 7.6 Optimierung fminsearch, fminbnd. 7.7 Numerische Integration quad und Verwandte. 7.8 Anfangswertaufgaben Die ode...-routinen.

3 Start Inhalt Numerik mit MATLAB 3(24) Normen, Konditionszahl Vektornorm x p norm(x,p) p 1, p = ±inf (Standard: p=2) Matrixnorm A p norm(a,p) p = 1, 2, inf, fro (Standard: p=2) Konditionszahl cond p (A) cond(a,p) außerdem oft nützlich größter bzw. kleinster Eintrag jeder Spalte von A max(a), min(a) Summe bzw. Produkt jeder Spalte von A sum(a), prod(a)

4 Start Inhalt Numerik mit MATLAB 4(24) Matrix Analysis Rang einer Matrix rank(a) Spur einer Matrix trace(a) = sum(diag(a)) Determinante einer Matrix det(a) Orthonormalbasis des Nullraums von A null(a) Orthonormalbasis des Bildraums von A orth(a)

5 Start Inhalt Numerik mit MATLAB 5(24) Inverse und Zerlegungen (1) Inverse A 1 von A inv(a) LU-Zerlegung L U = P A Q [L,U] = lu(a) [L,U,P] = lu(a) [L,U,P,Q] = lu(a) Cholesky-Zerlegung R T R = A R = chol(a) QR-Zerlegung Q R = A [Q,R] = qr(a) [Q,R] = qr(a,0)

6 Start Inhalt Numerik mit MATLAB 6(24) Inverse und Zerlegungen (2), Eigenwerte Singulärwertzelegung U S V T = A [U,S,V] = svd(a) [U,S,V] = svd(a,0) Moore-Penrose-Pseudoinverse A pinv(a) Eigenwerte und Eigenvektoren für Ax = λx oder Ax = λbx d = eig(a,b) [V,D] = eig(a) [V,D] = eig(a,b)

7 Start Inhalt Numerik mit MATLAB 7(24) Lösung linearer Gleichungssyteme (1) Der Backslash Operator \ (left division) Zur Lösung eines linearen Gleichungssystems Ax = B wird die sogenannte Linksdivision benutzt: x = A\B Bemerkungen: - Das Ergebnis entspricht x = inv(a) B, wird aber anders (effektiver) berechnet. - Besitzt Ax = B keine Lösung oder ist A nicht quadratisch, ist A\B die Lösung des zugehörigen Ausgleichsproblems.

8 Start Inhalt Numerik mit MATLAB 8(24) Lösung linearer Gleichungssyteme (2) Verwendung von linsolve X = linsolve(a,b) löst AX = B mittels LU-Faktorisierung und Pivotisierung, falls A quadratisch ist, ansonsten mittels QR-Faktorisierung mit Spaltenpivotisierung. X = linsolve(a,b,opts) löst AX = B oder A T X = B mit einem geeigneten Algorithmus, der passend zu den in opts spezifizierten Eigenschaften der Matrix A gewählt wird. Details sind der Online-Hilfe zu entnehmen.

9 Start Inhalt 9(24) Lineare Ausgleichsrechnung (1) Lösen eines linearen Ausgleichsproblems b Ax 2 min mit A R m n, b R n, i.a. m > n. Normalengleichung (numerisch nicht empfehlenswert) x = (A *A)\(A *b); QR-Faktorisierung [Q,R] = qr(a); c = Q *b; n = size(a,2); x = R(1:n,1:n)\c(1:n); kürzer: [Q,R] = qr(a,0); x = R\Q *b; noch kürzer: x = A\b;

10 Start Inhalt 10(24) Lineare Ausgleichsrechnung (2) Singulärwertzerlegung und Pseudoinverse [U,S,V] = svd(a); bzw. ökonomische Variante: [U,S,V] = svd(a,0); x = V*(S\U *b); bzw. mit Aufruf der Pseudoinversen x = pinv(a)*b;

11 Start Inhalt 11(24) Interpolation (1) 1D Interpolation: interp1 Grundvariante: yi = interp1(x,y,xi) x - Stützstellenvektor y - Funktion (von x) oder Vektor gleicher Länge wie x xi - Interpolationsstelle(n) Erweiterungen: yi = interp1(x,y,xi,method) yi = interp1(x,y,xi,method, extrap ) pp = interp1(x,y,method, pp ) wobei method eine der folgenden Zeichenketten ist: nearest, linear, cubic, spline

12 Start Inhalt 12(24) Interpolation (2) 1D Interpolation: interp1 Spezialfälle: extrap für Extrapolation verwenden wenn häufiges (nicht gleichzeitiges) Interpolieren nötig ist: pp = interp1(x,y,method, pp ); yi = ppval(pp,xi); äquivalent mit yi = interp1(x,y,xi,method, extrap ); kubische Spline Interpolation statt interp1(x,y,xi, spline ) Aufruf von yi = spline(x,y,xi) oder pp = spline(x,y); yi = ppval(pp,xi);

13 Start Inhalt 13(24) Interpolation (3) 2D Interpolation: interp2 Voraussetzung: 2D Stützstellen auf kartesischem Gitter Grundvariante: zi = interp2(x,y,z,xi,yi,method) mit method = nearest linear spline cubic liefert Interpolationswerte zi an den Stellen (xi,yi) basierend auf den Daten X, Y, Z, wobei X, Y ein gleichmäßiges Gitter bilden müssen, zum Beispiel erzeugt durch [X,Y] = meshgrid(...); Z = func (X,Y).

14 Start Inhalt 14(24) Interpolation (4) Bemerkungen: Zur Interpolation über gestreuten Daten kann die Funktion TriScatteredInterp verwendet werden. Für weitergehende Splineinterpolation gibt es die zusätzliche SPLINE TOOLBOX.

15 Start Inhalt 15(24) Polynome (1) Ein Polynom p(x) = a n x n + a n 1 x n a 1 x + a 0 wird durch den Vektor p = [ a_n... a_1 a_0]; repräsentiert. Auswahl von Funktionen zur Arbeit mit Polynomen. roots - Nullstellenbestimmung p1=[1 2 1]; roots(p1) ans = -1-1

16 Start Inhalt 16(24) Polynome (2) conv, deconv - Multiplikation und Division von Polynomen p1=[1 2 1]; p3 = [1 1]; p4 = [1-1]; w = conv(p3,p4) ==> [1 0-1] v = deconv(p1,p3) ==> [1 1] v = deconv(p1,p4) ==> [1 3] [v,r] = deconv(p1,p4) ==> [1 3] [0 0 4] poly - Erzeugung spezieller Polynome poly(a) ==> charakteristisches Polynom der Matrix A poly(r) ==> p(x) = (x r 1 )(x r 2 )... (x r n ) Bsp.: r = [1 2 3]; p = poly(r); ==> [ ]

17 Start Inhalt 17(24) Polynome (3) polyder - Bestimmung der Ableitung eines Polynoms oder der Ableitung des Produktes bzw. des Quotienten zweier Polynome p1=[1 2 1]; p3 = [1 1]; p4 = [1-1]; polyder(p1) ==> [2 2] polyder(p3,p4) ==> [2 0] [q,d] = polyder(p1,p3) ==> q = [1 2 1] d = [1 2 1] polyval - Polynomauswertung p1=[1 2 1]; y = polyval(p1,[ ]) ==> y = [ ] polyfit - Bestimmung der polynomialen Ausgleichskurve vom Grad n zur Datenmenge (x i, y i ), i = 1,..., m p = polyfit(x,y,n);

18 Start Inhalt 18(24) Nullstelle von f (x) fzero - Nullstelle einer Funktion einer Veränderlichen x = fzero(fun,x0) Ist x0 skalar, wird eine Nullstelle von fun(x) in der Nähe von x0 gesucht. Ist x0 = [a b] mit fun(a)*fun(b) < 0, wird eine Nullstelle im Intervall [a b] gesucht. Beispiel: f (x) = x 2 + 2x 8 = (x 2)(x + 4) x^2 + 2*x - 8; fzero(fun,2.5) ==> 2 fzero(fun, -3) ==> -4 fzero(fun,[1 3]) ==> 2 zero(fun,[-5 3]) ==>??? Error using ==> fzero at 293

19 Start Inhalt 19(24) Optimierung Minimum einer Funktion f (x) fminbnd - Minimum einer Funktion einer Veränderlichen auf einem Intervall x = fminbnd(fun,x1,x2,options) fminsearch - Minimum einer Funktion mehrerer Veränderlicher x = fminsearch(fun,x0,options) Für weitergehende Optimierungsaufgaben gibt es die zusätzliche OPTIMIZATION TOOLBOX. (Tipp: fsolve zur Lösung nichtlinearer Gleichungssysteme.)

20 Start Inhalt 20(24) Numerische Integration Numerische Approximation für b f (x) dx a quad - Basisvariante q = quad(fun,a,b) oder quad(fun,a,b,tol) fun sin(x.^2); quad(fun,0,pi) ==> quad(fun,0,pi,1.e-2) ==> quad(fun,0,pi,1.e-8) ==> quadl, quadv, quadgk Anwendungsbereiche siehe Online Hilfe Für mehrdimensionale Integrale (Kubatur): dblquad, quad2d, triplequad

21 Start Inhalt 21(24) Anfangswertaufgaben (1) Näherungsweise Lösung von Anfangswertaufgaben y (t) = f (t, y), y(t 0 ) = y 0 wobei y(t) und f (t, y) Vektoren sein können. Beispiel einer AWA für eine skalare Funktion y(t) y (t) = 2ty, y(0) = 1, t [0, 1.2] func 2*t*y ; ode23(func,[0 1.2],1) % oder [T,Y] = ode23(func,[0 1.2],1); Bem.: Erster Aufruf plottet sofort die Lösung, kein Zugriff auf Lösungsdaten T,Y. Im zweiten Beispiel stehen T,Y zur Weiterverarbeitung zur Verfügung, aber kein unmittelbarer Plot.

22 Start Inhalt 22(24) Anfangswertaufgaben (2) Lösungsroutinen für Anfangswertaufgaben für nichtsteife Differentialgleichungen ode23, ode45, ode113 für steife Differentialgleichungen ode15s, ode23s, ode23t, ode23tb für implizit gegebene Differentialgleichungen ode15i Aufruf: [t,y] = ode...(odefun,tspan,y0,options) options kann entfallen, fehlt [t,y] = wird die Lösung der AWA sofort geplottet.

23 Start Inhalt 23(24) Anfangswertaufgaben (3) Ergänzende Funktionen zur Arbeit mit Lösungsroutinen für Anfangswertaufgaben deval - Auswertung der Lösung einer AWA sol = ode23(func,[0 1.2],1); x = linspace(0,1.2,100); y = deval(sol,x,1); plot(x,y) odextend - Erweiterung der Lösung einer AWA

24 Start Inhalt 24(24) Anfangswertaufgaben (4) Ergänzende Funktionen zur Arbeit mit Lösungsroutinen für Anfangswertaufgaben odeget - Abfrage von Optionen für die ode...-routinen allgemein opt = = odeget(options, name ) Beispiel Abfrage relative Toleranz odeget(options, RelTol ) odeset - Setzen von Optionen für die ode...-routinen allgemein options = odeset( name1,value1, name2,value2,...) Beispiel Setzen der rel. Toleranz und einer Output-Funktion options = odeset( RelTol,1.e-5, OutputFcn,odeplot)

Einführung in MATLAB

Einführung in MATLAB Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB

Mehr

http://www.mathematik.uni-kl.de/ gramlich

http://www.mathematik.uni-kl.de/ gramlich Vorwort MATLAB ist inzwischen in vielen Hochschulen, Universitäten und Fachhochschulen gleichermaßen ein etabliertes Programmsystem, das sowohl im Fach Mathematik selbst als auch in noch stärkerem Maße

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten: KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand

Mehr

2 Lineare Gleichungssysteme

2 Lineare Gleichungssysteme Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Fluch und Segen der Computermathematik

Fluch und Segen der Computermathematik Global J. of Engng. Educ., Vol.8, No.3 Published in Australia 004 UICEE Fluch und Segen der Computermathematik Dieter Schott Hochschule Wismar University of Technology, Business and Design Fachbereich

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

MATLAB im Selbststudium Eine Einführung

MATLAB im Selbststudium Eine Einführung MATLAB im Selbststudium Eine Einführung Christof Büskens Zentrum für Technomathematik Fachbereich Mathematik Universität Bremen 28359 Bremen, Germany Vorlesungsbegleite Ausarbeitung Sommersemester 2004

Mehr

Mathematik am Computer 7. Vorlesung: Matlab, Teil II

Mathematik am Computer 7. Vorlesung: Matlab, Teil II Mathematik am Computer 7. Vorlesung: Matlab, Teil II Helmut Harbrecht Universität Stuttgart 27. Januar 2011 Helmut Harbrecht (Universität Stuttgart) Mathematik am Computer 27. Januar 2011 1 / 35 Übersicht

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9

Mehr

Mögliche Prüfungsfragen zu VO Mathematische Software

Mögliche Prüfungsfragen zu VO Mathematische Software Mögliche Prüfungsfragen zu VO Mathematische Software SS 2009 Der Prüfungsstoff umfasst alles, was in der Vorlesung vorgetragen wurde. Die folgende Liste soll Ihnen bei der Vorbereitung helfen. Bei der

Mehr

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ). Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A

Mehr

Übungen aus den numerischen Methoden der Astronomie SS 2011

Übungen aus den numerischen Methoden der Astronomie SS 2011 Übungen aus den numerischen Methoden der Astronomie SS 2011 1. Fermat Teil I : Berechnen Sie die Fläche eines rechtwinkeligen Dreiecks mit Hilfe des pythagoräischen Lehrsatzes. Die beiden Katheten sollen

Mehr

Berechnung von Eigenwerten und Eigenvektoren

Berechnung von Eigenwerten und Eigenvektoren Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.

Mehr

Optimierung mit Matlab

Optimierung mit Matlab Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof. Dr. L. Cromme Computerbasierte Mathematische Modellierung für Mathematiker, Wirtschaftsmathematiker, Informatiker im Wintersemester

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

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Gefesselte Masse. Jörg J. Buchholz 23. März 2014

Gefesselte Masse. Jörg J. Buchholz 23. März 2014 Gefesselte Masse Jörg J. Buchholz 23. März 204 Einleitung In Abbildung ist eine Punktmasse m dargestellt, die sich, von einem masselosen starren tab der Länge l gefesselt, auf einer Kreisbahn bewegt. Dabei

Mehr

Lösung des Kleinste-Quadrate-Problems

Lösung des Kleinste-Quadrate-Problems Lösung des Kleinste-Quadrate-Problems Computergestützte Statistik Lisakowski, Christof 15.05.2009 Lisakowski, Christof ()Lösung des Kleinste-Quadrate-Problems 15.05.2009 1 / 34 Themen 1 Problemstellung

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

SAGE das ultimative open source Computer-Algebra-System

SAGE das ultimative open source Computer-Algebra-System das ultimative open source Computer-Algebra-System Institut für Informatik & Automation, IIA Fakultät E&I, Hochschule Bremen, HSB IIA-Kolloquium, 8.12.2010, ZIMT Agenda 1 für Computer Algebra Systeme 2

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Praktische Mathematik I

Praktische Mathematik I Praktische Mathematik I ausgearbeitet von Sandra Görke und Simon Jörres nach einer Vorlesung von Prof Dr Angela Kunoth im Wintersemester 2002/2003 an der Rheinischen Friedrich Wilhelms Universität Bonn

Mehr

Funktionen (linear, quadratisch)

Funktionen (linear, quadratisch) Funktionen (linear, quadratisch) 1. Definitionsbereich Bestimme den Definitionsbereich der Funktion f(x) = 16 x 2 2x + 4 2. Umkehrfunktionen Wie lauten die Umkehrfunktionen der folgenden Funktionen? (a)

Mehr

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches

Mehr

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17

Computer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),

Mehr

4 Runge-Kutta-Verfahren

4 Runge-Kutta-Verfahren Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0

Mehr

PRAKTIKUM REGELUNGSTECHNIK 2

PRAKTIKUM REGELUNGSTECHNIK 2 FACHHOCHSCHULE LANDSHUT Fachbereich Elektrotechnik Prof. Dr. G. Dorn PRAKTIKUM REGELUNGSTECHNIK 2 1 Versuch 2: Übertragungsfunktion und Polvorgabe 1.1 Einleitung Die Laplace Transformation ist ein äußerst

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

Stabilität mittels Ljapunov Funktion

Stabilität mittels Ljapunov Funktion Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

aus Sicht eines Mathematikers.

aus Sicht eines Mathematikers. aus Sicht eines Mathematikers. Günter M. Gramlich Professor für Mathematik an der Hochschule Ulm http://www.hs-ulm.de/gramlich Ulm, 16. August 2012 Vorwort Matlab1 ist ein sehr leistungsfähiges Softwaresystem

Mehr

Zusammenhänge zwischen metrischen Merkmalen

Zusammenhänge zwischen metrischen Merkmalen Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statistik und Wahrscheinlichkeitsrechnung Übung 2 28.02.2008 1 Inhalt der heutigen Übung Beschreibende Statistik Gemeinsames Lösen der Übungsaufgaben 2.1: Häufigkeitsverteilung 2.2: Tukey Boxplot 25:Korrelation

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

Jens Kappei. Vorlesung Numerische Basisverfahren 21./22.04.2010

Jens Kappei. Vorlesung Numerische Basisverfahren 21./22.04.2010 FB 12 Mathematik und Informatik Philipps-Universität Marburg Vorlesung Numerische Basisverfahren 21./22.04.2010 ... ist eine höhere Programmiersparche, ist eine Interpretersprache, kann interaktiv (wie

Mehr

CAS-Ansicht Computer Algebra System & Cas spezifische Befehle

CAS-Ansicht Computer Algebra System & Cas spezifische Befehle CAS-Ansicht Computer Algebra System & Cas spezifische Befehle GeoGebra Workshop Handout 10 1 1. Einführung in die GeoGebra CAS-Ansicht Die CAS-Ansicht ermöglicht die Verwendung eines CAS (Computer Algebra

Mehr

Matlab Tutorial. 1 Was ist Matlab? Matlab ist im Grunde genommen zwei Sachen:

Matlab Tutorial. 1 Was ist Matlab? Matlab ist im Grunde genommen zwei Sachen: Matlab Tutorial David Engster, 3/4 1 Was ist Matlab? Matlab ist im Grunde genommen zwei Sachen: Zum Ersten ist es eine sehr einfach zu erlernende Skript-Sprache, die ganz auf die Verarbeitung von Matrizen

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2005/06 20.2.2006 Prof. Dr. Jörg Rambau Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname:

Mehr

Wie viele Nullstellen hat ein Polynom?

Wie viele Nullstellen hat ein Polynom? Wie viele Nullstellen hat ein Polynom? Verena Pölzl 0812265 Sabine Prettner 8930280 Juni 2013 1 Inhaltsverzeichnis 1 Warum will man wissen, wie viele Nullstellen ein Polynom hat? 3 2 Oligonome 4 3 Die

Mehr

MATTHIAS GERDTS NUMERISCHE MATHEMATIK I. Universität Würzburg WiSe 2009/2010

MATTHIAS GERDTS NUMERISCHE MATHEMATIK I. Universität Würzburg WiSe 2009/2010 MATTHIAS GERDTS NUMERISCHE MATHEMATIK I Universität Würzburg WiSe 2009/2010 Addresse des Authors: Matthias Gerdts Institut für Mathematik Universität Würzburg Am Hubland 97074 Würzburg E-Mail: gerdts@mathematik.uni-wuerzburg.de

Mehr

Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung

Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung CNC Power Engineering - Always on the move Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung Amazing ideas and freaky challenges in software development Klaus,

Mehr

Z = 60! 29!31! 1,1 1017.

Z = 60! 29!31! 1,1 1017. Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

Einführung in die Vektor- und Matrizenrechnung. Matrizen Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:

Mehr

Numerische Mathematik mit MATLAB

Numerische Mathematik mit MATLAB GÜNTER GRAMLICH UND WILHELM WERNER Numerische Mathematik mit MATLAB Erschienen 2000 im dpunkt.verlag Eine Einführung Kaiserslautern, Künzelsau im Januar 2000 2 Vorwort MATLAB 1 ist inzwischen in vielen

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Kronecker-Produkte und multivariate Tensorprodukt Splines auf gestreuten Daten

Kronecker-Produkte und multivariate Tensorprodukt Splines auf gestreuten Daten Kronecker-Produkte und multivariate Tensorprodukt Splines auf gestreuten Daten Dissertation zur Erlangung des akademischen Grades Doktor der Naturwissenschaften (Dr. rer. nat.) am Fachbereich Mathematik

Mehr

Aufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004

Aufgabe 1 (Excel) Anwendungssoftware 1 / 11 Semesterschlussprüfung 21.06.2004 Anwendungssoftware 1 / 11 Dauer der Prüfung: 90 Minuten. Es sind alle fünf Aufgaben mit allen Teilaufgaben zu lösen. Versuchen Sie, Ihre Lösungen soweit wie möglich direkt auf diese Aufgabenblätter zu

Mehr

Transformation und Darstellung funktionaler Daten

Transformation und Darstellung funktionaler Daten Transformation und Darstellung funktionaler Daten Seminar - Statistik funktionaler Daten Jakob Bossek Fakultät für Statistik 7. Mai 2012 Übersicht Einleitung Einordnung im Seminar Motivation am Beispiel

Mehr

Höhere Mathematik für Ingenieure IV. Volker John

Höhere Mathematik für Ingenieure IV. Volker John Höhere Mathematik für Ingenieure IV Volker John Sommersemester 2007 Inhaltsverzeichnis I Weiterführende Integralrechung 2 1 Kurvenintegrale 3 11 Kurven 3 12 Skalares Kurvenintegral 4 13 Vektorielles Kurvenintegral

Mehr

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2

KANALCODIERUNG AUFGABEN. Aufgabe 1. Aufgabe 2 AUFGABEN KANALCODIERUNG Aufgabe Wir betrachten den Hamming-Code mit m = 5 Prüfbits. a) Wie gross ist die Blocklänge n dieses Codes? b) Wie viele gültige Codewörter umfasst dieser Code? c) Leiten Sie die

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

DHBW Karlsruhe, Vorlesung Programmieren, Klassen (2)

DHBW Karlsruhe, Vorlesung Programmieren, Klassen (2) DHBW Karlsruhe, Vorlesung Programmieren, Klassen (2) Aufgabe 3 Bankkonto Schreiben Sie eine Klasse, die ein Bankkonto realisiert. Attribute für das Bankkonto sind der Name und Vorname des Kontoinhabers,

Mehr

Einführung in die Numerische Mathematik

Einführung in die Numerische Mathematik Einführung in die Numerische Mathematik Thomas Richter thomas.richter@iwr.uni-heidelberg.de Thomas Wick thomas.wick@iwr.uni-heidelberg.de Universität Heidelberg 30. Oktober 2012 Inhaltsverzeichnis Literaturverzeichnis

Mehr

Anwendungssoftware III (MATLAB)

Anwendungssoftware III (MATLAB) Anwendungssoftware III (MATLAB) Testvorbereitung Michael Liedlgruber Fachbereich Computerwissenschaften Universität Salzburg Sommersemester 2014 M. Liedlgruber Anwendungssoftware III (MATLAB) SS 2014 1

Mehr

Entwurf robuster Regelungen

Entwurf robuster Regelungen Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler

Mehr

GTR bis Klasse 11 (in G9) (Stand 25.07.2009)

GTR bis Klasse 11 (in G9) (Stand 25.07.2009) GTR bis Klasse 11 (in G9) (Stand 25.07.2009) Länge einer Strecke: z.b. für A(1,2 4), B(3,4 5,5) ; über den Satz des Pythagoras: 2nd ( ( 3,4 1,2) 2 + (5,5 4) 2 ) ENTER 2,66 wenn man nicht über den Satz

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Mathematik III für Ingenieure

Mathematik III für Ingenieure Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen

Mehr

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks

Mehr

Numerische Verfahren Übungen und Lösungen, Blatt 0

Numerische Verfahren Übungen und Lösungen, Blatt 0 Technische Universität Hamburg-Harburg Institut für Numerische Simulation E-10 Dr. Jens-Peter M. Zemke Sommersemester 2007 Numerische Verfahren Übungen und Lösungen, Blatt 0 Lesen Sie bitte den folgenden

Mehr

Mathematica. H. Todt, M. Wendt (UP) Computational Physics - Einführung WiSe 2014/15 1 / 32

Mathematica. H. Todt, M. Wendt (UP) Computational Physics - Einführung WiSe 2014/15 1 / 32 Mathematica H. Todt, M. Wendt (UP) Computational Physics - Einführung WiSe 2014/15 1 / 32 Mathematica I Mathematica ist ein Mathematik-Programm zum numerischen und symbolischen Lösen von Gleichungen Gleichungssystemen

Mehr

Kostenmaße. F3 03/04 p.188/395

Kostenmaße. F3 03/04 p.188/395 Kostenmaße Bei der TM nur ein Kostenmaß: Ein Schritt (Konfigurationsübergang) kostet eine Zeiteinheit; eine Bandzelle kostet eine Platzeinheit. Bei der RAM zwei Kostenmaße: uniformes Kostenmaß: (wie oben);

Mehr

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse

Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die Modellierung und Optimierung fortschrittlicher Energieumwandlungsprozesse Hochschule Zittau/Görlitz, Fakultät Maschinenwesen, Fachgebiet Technische Thermodynamik M. Kunick, H. J. Kretzschmar, U. Gampe Schnelle und flexible Stoffwertberechnung mit Spline Interpolation für die

Mehr

Satz 25 A sei eine (n n)-matrix über K

Satz 25 A sei eine (n n)-matrix über K Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen

Mehr

Abtastsysteme im Zustandsraum

Abtastsysteme im Zustandsraum Abtastsysteme im Zustandsraum Prof. Dr. François E. Cellier Institut für Computational Science ETH Zürich May 11, 2006 Kontinuierliches System: ẋ(t) = Fx(t)+gu(t) y(t) = c T x(t)+du(t) : t x(t) =e F(t

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen. Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und

Mehr

1. Einführung. Umwelt-Campus Birkenfeld Numerische Mathematik

1. Einführung. Umwelt-Campus Birkenfeld Numerische Mathematik . Einführung Die numerische Mathematik, kur Numerik genannt, beschäftigt sich als Teilgebiet der Mathematik mit der Konstruktion und Analyse von Algorithmen für technisch-naturwissenschaftliche Probleme..

Mehr

48 3 EXCEL: Mathematik

48 3 EXCEL: Mathematik 48 3 EXCEL: Mathematik Mit Hilfe des Dialogfeldes Funktion einfügen des Funktions-Assistenten kann man benötigte EXCEL-Funktionen in Zellen der aktuellen Tabelle eingeben. Diese Vorgehensweise wird empfohlen:

Mehr

EINFÜHRUNG IN MATLAB 1

EINFÜHRUNG IN MATLAB 1 EINFÜHRUNG IN MATLAB 1 Peter Arbenz Computer Science Department ETH Zürich mailto:arbenz@inf.ethz.ch Januar 2007 / September 2008 1 http://people.inf.ethz.ch/arbenz/matlabkurs/ Inhaltsverzeichnis 1 Einleitung

Mehr

ohne Semikolon erhält man eine bestätigende Ausgabe von MATLAB

ohne Semikolon erhält man eine bestätigende Ausgabe von MATLAB 1 Einleitung Bei MATLAB handelt es sich um ein interaktives Programm zur besonders effizienten Durchführung von Matrixoperationen wie z.b. dem Lösen von Gleichungssystemen. Wenn man MATLAB gestartet hat,

Mehr

17. Penalty- und Barriere-Methoden

17. Penalty- und Barriere-Methoden H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende

Mehr

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort: Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung

Mehr

1. Grundlegende Konzepte der Informatik

1. Grundlegende Konzepte der Informatik 1. Grundlegende Konzepte der Informatik Inhalt Algorithmen Darstellung von Algorithmen mit Programmablaufplänen Beispiele für Algorithmen Aussagenlogik Zahlensysteme Kodierung Peter Sobe 1 Algorithmen

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Numerisches und Symbolisches Rechnen - Zusammenfassung

Numerisches und Symbolisches Rechnen - Zusammenfassung Numerisches und Symbolisches Rechnen - Zusammenfassung Patrick Pletscher Oktober 004 1 Function Fitting Gegeben: N Datenpunkte {x i, y i }, i = 1 N Gesucht: Funktion fx welche die Punkte approximiert Ansatz:

Mehr

Mathematische Grundlagen

Mathematische Grundlagen Kapitel 2 Mathematische Grundlagen In diesem Kapitel werden für die nachfolgenden Untersuchungen wesentliche Grundlagen bereitgestellt. 2.1 Differentiell-algebraische Gleichungssysteme 2.1.1 Einführung

Mehr

MATLAB. Autor: Marcus Rabe. Modul 2991 2 TWS/ 2 ECTS. PD Dr.-Ing. Gerhard Staude WT 2011. Institut für Informationstechnik

MATLAB. Autor: Marcus Rabe. Modul 2991 2 TWS/ 2 ECTS. PD Dr.-Ing. Gerhard Staude WT 2011. Institut für Informationstechnik Modul 2991 MATLAB PD Dr.-Ing. Gerhard Staude 2 TWS/ 2 ECTS WT 2011 Autor: Marcus Rabe Professur für Informationsverarbeitung Prof. G. Bauch Institut für Informationstechnik Fakultät für Elektrotechnik

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Probeklausur März 2014 Teil-1-Aufgaben Beurteilung Jede Aufgabe in Teil 1 wird mit 0 oder 1 Punkt bewertet, jede Teilaufgabe in

Mehr

Eine Einführung in Matlab

Eine Einführung in Matlab Eine Einführung in Matlab Prof. Dr. Günter Gramlich Fachhochschule Ulm Fachbereich Grundlagen http://www.rz.fh-ulm.de/ gramlich Ulm, 17. März 2003 Inhaltsverzeichnis 1 Matlab 3 2 Starten und beenden 3

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

Workshop: Einführung in die 3D-Computergrafik. Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar

Workshop: Einführung in die 3D-Computergrafik. Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar Workshop: Einführung in die 3D-Computergrafik Julia Tolksdorf Thies Pfeiffer Christian Fröhlich Nikita Mattar 1 Organisatorisches Tagesablauf: Vormittags: Theoretische Grundlagen Nachmittags: Bearbeitung

Mehr

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet

Mehr

Mathematik I für Wirtschaftswissenschaftler Klausur am 08.06.2004, 15.45 17.45.

Mathematik I für Wirtschaftswissenschaftler Klausur am 08.06.2004, 15.45 17.45. Mathematik I für Wirtschaftswissenschaftler Klausur am 8.6.4, 5.45 7.45. Bitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben. b) Lösungswege und Begründungen sind anzugeben. Die

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- 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:

Mehr

Vorlesung 15.11.2013 Inhaltsverzeichnis. Einfache Rechnungen

Vorlesung 15.11.2013 Inhaltsverzeichnis. Einfache Rechnungen Vorlesung 15.11.2013 Inhaltsverzeichnis 1. 2. 3. 4. 5. 6. 7. Einfache Rechnungen Hilfe! Gleitkommazahlen Formales Rechnen Polynome Lösen von Gleichungen Endliche Körper Einfache Rechnungen Sage kann alles,

Mehr

Einführung in die Java- Programmierung

Einführung in die Java- Programmierung Einführung in die Java- Programmierung Dr. Volker Riediger Tassilo Horn riediger horn@uni-koblenz.de WiSe 2012/13 1 Wichtig... Mittags Pommes... Praktikum A 230 C 207 (Madeleine) F 112 F 113 (Kevin) E

Mehr