Wozu braucht man Vektorrechnung bei der Datenübertragung?
|
|
- Renate Solberg
- vor 7 Jahren
- Abrufe
Transkript
1 Wozu braucht man Vektorrechnung bei der Datenübertragung? Henrik Schulze Fachhochschule Südwestfalen Meschede Nürnberg,
2 Überblick Eigenschaften von Vektoren Signale als Vektoren Projektion, Skalarprodukt und Orthogonalität Detektoren und Matched Filter Interferenzfreiheit und orthogonale Signale ( OFDM) Gaußsches Rauschen als Vektor Physikalische Messung und mathematisches Modell Optimale Empfänger und Projektionen Kanalcodierung und Vektoren im R N Zusammenfassung und Ausblick
3 Vektoren Vektoren a, b, c haben jeweils eine Richtung und einen Betrag (eine Länge ) a, b, c. Man kann sie a b addieren c = a+b mit einer Zahl (einem Skalar) σ a multiplizieren b = 5 2 a und und erhält wieder Vektoren, wobei die üblichen Rechengesetze gelten (Distributiv-, Assoziativ-, Kommutativgesetz). Vektorraum-Struktur
4 Diskrete Signale sind Vektoren Nicht nur die vertrauten 2D- oder 3D- Vektoren haben diese Struktur, sondern auch N-dimensionale diskrete Signale s[n] s (Audiosamples o.ä.): s = s 1 s 2. s N mit s 1 = s[1], s 2 = s[2],... Unendliche Dimension (N ) ist möglich: Diskrete Signale endlicher Energie E s = s n 2 < n=1 bilden einen Vektorraum, weil E s, E r < E s+r < und E σs <
5 Zeitsignale als Vektoren Nicht nur diskrete Signale haben diese Struktur, sondern auch (diverse Klassen von) von Signalen (z.b. die stetigen Funktionen). Man kann sie genauso addieren und mit Skalaren multiplizieren. Funktionen mit gewissen Eigenschaften sind Vektoren! Die quadratintegrablen Funktionen sind Vektoren Das sind gerade die Signale s(t) mit endlicher Energie E s = s(t) 2 dt < Denn: Bei Addition und Multiplikation mit einem Skalar bleibt die Energie endlich: E s, E r < E s+r < und E σs <
6 Koordinatensysteme: Kraftvektor Beispiel: Kraftvektor im 3D F = F 1 e 1 + F 2 e 2 + F 3 e 3 e 1, e 2, e 3 : F 1, F 2, F 3 : Basis eines kartesischen Koordinaten-Systems Koordinaten in dieser Basis (=Projektionen) F 2 F e 2 e 1 F 1
7 Koordinatensysteme: Signalvektor Beispiel: Übertrage Vorzeichen-Symbole s i mit dem Puls g(t) im Symboltakt T : s(t) +g(t) +g(t T) +g(t 3T) 0 T 2T 3T 4T g(t 2T) t s(t) = s 0 g(t)+s 1 g(t T)+s 2 g(t 2T)+...+s L g(t LT) Die verzögerten Pulse g i (t) = g(t it) sind die Basis und die Symbole s i sind die Koordinaten in dieser Basis. s(t) = s 0 g 0 (t)+s 1 g 1 (t)+...+s L g L (t)
8 Skalarprodukt geometrisch Im euklischen Raum (z.b. 3D): u v = u v cosϕ u ϕ v u cosϕ Mit Skalarprodukten beschreibt man Projektionen: F v ϕ F F F = (v F) v ist die Komponente der Kraft F parallel zum Einheitsvektor v
9 Das Skalarprodukt in Dirac- Schreibweise Die Bra-Ket-Notation der Quantenmechanik Schreibweise: u v u v Bracket: u nennt man Bra-Vektor, v nennt man Ket-Vektor. Projektion der Kraft auf den Einheitsvektor v: F = v(v F) F = v v F ist die Komponente der Kraft F parallel zum Einheitsvektor v und P v = v v ist der Projektor auf den (Einheits-) Vektor v. Projektion = Multiplikation mit einem Bra-Vektor v
10 Berechnung des Skalarproduktes; Orthogonalität Für (komplexe) Vektoren u, v mit Koordinaten u i und v i : u v = i u ( ) i v i Für (komplexe) Signale u u(t) und v v (t) endlicher Energie: u v = u ( ) (t) v (t) dt Definition: u und v nennt man orthogonal, falls u v = 0 Schreibweise: u v
11 Orthogonalität der Quadraturkomponenten Quadraturmodulation der Tiefpass-Signale x (t) und y (t): s(t) = 2 x (t) cos(2πf 0 t) 2 y (t) sin(2πf 0 t) y(t) t x(t) x (t) cos(2πf 0 t) y (t) sin(2πf 0 t) z(t) = x (t)+jy (t) s(t) = ( x (t) y (t) )
12 Orthonormale Basis und Koordinaten als Projektionen Orthonormale 1 Basisvektoren e i : e i e k = δ ik Entwicklung nach einer orthonormalen Basis: u = k e i u = k u k e k (Projektion auf e i ) u k e i e k (wegen e i e k = δ ik ) u i = e i u Die u i sind die Projektionen auf die Basisvektoren e i. 1 Orthonormal steht für orthogonal und normiert
13 Signale als diskrete, endlich-dimensionale Vektoren Die Signale s(t) = s = L s i e i (t) bzw. i=1 L s i e i kann man sich als Vektoren im L - dimensionalen Raum vorstellen: i=1 s 2 s e 2 e 1 s 1 Wegen s i = e i s ist e i der Detektor für das Symbol s i. In der Nachrichtentechnik nennt man ihn Matched Filter
14 Trennbarkeit: Freiheit von Intersymbolinterferenz (ISI) Trennbarkeit =Orthogonalität. Grundprinzip: s 1 e 1 (t) s 2 e 2 (t) s 3 e 3 (t)... e 1 (t)( )dt s 1 k s ke k (t) e 2 (t)( )dt s 2 e 3 (t)( )dt s 3... Orthogonale Detektoren Der Detektor e i e i (t)( ) dt filtert die Information s i zu Puls Nr. i heraus und blendet alle anderen aus, wie ein Polarisationsfilter Stichworte: Matched-Filter (MF) - Empfänger, Korrelationsempfänger, OFDM-Filterbank
15 Beispiele für orthonormale Basis (-Signale) Basis-Signale e i (t), die die Orthonormalitätsbedingung e i e k = e ( ) i (t) e k (t) dt = δ ik erfüllen: h(t) 1 Pulse g(t) im Symboltakt T : e i (t) = g(t it) T 0 T 2T 3T Orthogonalitätsbedingung h(t) = g ( ) ( t) g(t) erfüllt die Nyquistbedingung h(it) = δ i0 2 Die Fourier-Basissignale e k (t) = 1 T exp ( j2πk t ) T für das Intervall [0, T] sind orthonormal OFDM = Orthogonal Frequency Division Multiplexing t
16 OFDM= Orthogonal Frequency Division Multiplexing Fourier-Basissignale auf [0, T] : e k (t) = 1 T e j2πf k t mit f k = k T Sendesignal mit Daten in {s k } K/2 k= K/2 : s = K/2 k= K/2 s k e k Fourieranalyse (=Projektion) liefert die Koordinaten zurück: s k = e k s = T 0 1 T e j2πf k t s(t) dt
17 Übertragung mit Rauschen Without noise, communication is no fun! (James Massey) Betrachte reellen AWGN (additive white Gaussian noise)-kanal: r (t) = s(t)+n(t) Das Sendesignal s(t) ist endlich-dimensional, aber das weiße Rauschen n(t) ist kein anständiges Signal: Weißes Rauschen gibt es physikalisch nicht (P = ) AWGN ist eine mathematische Fiktion 2, ähnlich demδ-puls es ist als Grenzwert anständiger Signale zu erklären oder man muss mit anständigen Signalen multiplizieren und überintegrieren Filtern Außerdem ist das weiße Rauschen ein stochastischer Prozess. 2 eine verallgemeinerte Funktion oder Distribution
18 Wie definiert man (reelles) AWGN? Skizze einer mathematischen Formulierung durch eine physikalische Messvorschrift Definition AWGN der Dichte N 0 ist ein (distributiver) stochastischer Prozess n(t) mit folgender Eigenschaft: Für ein beliebiges reelles Signal g(t) mit endlicher Energie ist n g g n = g(t) n(t) dt eine mittelwertfreie Gaußsche Zufallsvariable (GZV) der Varianz { } E ng 2 = N 0 g g. 2 Das Rauschen ist also durch seine Detektor-Outputs definiert! Diese liefert z.b. ein Spectrum Analyser
19 Exkurs: Prinzip eines (linearen) Messgerätes Ein Messgerät liefert aus viele (lineare) Messungen zu jeder Messung gehört ein Detektor Messgerät Detektor g 1 Messwert 1 Signal Detektor g 2 Messwert 2... Detektor g 3 Detektoren Messwert 3 (ggf. + Statistik) Die Menge aller theoretisch möglichen Messwerte 3 legt das Signal fest, aber kein Gerät kann diese alle messen! Manche Signale sind nicht unterscheidbar man nennt das begrenztes Auflösungsvermögen Deshalb darf man auch mit fiktiven Signalen wie δ(t) oder n(t) rechnen: Der Fehler ist nicht messbar! 3 ggf. + deren Statistik
20 Detektion des Rauschen mit orthonormaler Basis Betrachte orthonormale Basis von Pulsen e i (t) e i und die zugehörigen Detektoren e i. Detektor-Outputs sind die GZV n i = e i n = e i (t) n(t) dt mit der Varianz { } E ni 2 = N 0 2. Satz Die GZV n i sind unkorreliert (und damit statistisch unabhängig): E{n i n k } = N 0 2 δ ik
21 Einschub: Beweis durch Charakteristisches Funktional Beweis. Für AWGN gilt nach Definition { C[g] = E e j g n } = e 1 2 σ2 g g, σ 2 = N 0 /2. Berechne C[λ 1 g 1 +λ 2 g 2 ] λ1,λ 2 =0 und erhalte E{ g 1 n n g 2 } = σ 2 g 1 g 2 Mit g 1 = e 1 und g 2 = e 2 folgt die Behauptung.
22 Was braucht der Empfänger? Sendesignal: s(t) = Empfangssignal: L s k e k (t) mit e i e k = δ ik k=1 r (t) = s(t)+n(t) Detektor-Outputs r i = e i r diskreter Kanal: r i = s i + n i bzw. als Vektoren geschrieben: r = s+n Problemstellung: Welche Folge {s k } L k=1 wurde am wahrscheinlichsten gesendet? Enthalten die {r k } L k=1 alle nötige Information, um diese zu ermitteln?
23 Sufficient Statistics der MF-Outputs Die Antwort ist Ja! Satz Die Folge {r k } L k=1 (bzw. der Vektor r) enthält alle Information zur optimalen Schätzung der wahrscheinlichsten Sendefolge {s k } L k=1 (des wahrscheinlichsten Sendevektors r).
24 Sufficient Statistics der MF-Outputs Beweisskizze Gegeben: Die Detektor-Outputs r i zu e i (t) (i = 1,..., L); gedachte zusätzliche Detektoren e L+1 (t),... orthogonal zu e 1 (t),..., e L (t) liefern Outputs n L+1,... (n L+1,...) Zusätzliche Detektoren Rauschvektor (alle Dimensionen). s n (r 1,..., r L ) Dimensionen zu den Detektoren 1 bis L
25 Sufficient Statistics der MF-Outputs Beweisskizze Gegeben: Die Detektor-Outputs r i zu e i (t) (i = 1,..., L); gedachte zusätzliche Detektoren e L+1 (t),... orthogonal zu e 1 (t),..., e L (t) liefern Outputs n L+1,... (n L+1,...) Zusätzliche Detektoren Rauschvektor (alle Dimensionen). s n (r 1,..., r L ) Dimensionen zu den Detektoren 1 bis L Damit erhält man aber nicht mehr brauchbare Information als durch den Vektor r = s+n
26 Sufficient Statistics der MF-Outputs Beweisskizze Gegeben: Die Detektor-Outputs r i zu e i (t) (i = 1,..., L); gedachte zusätzliche Detektoren e L+1 (t),... orthogonal zu e 1 (t),..., e L (t) liefern Outputs n L+1,... (n L+1,...) Zusätzliche Detektoren Rauschvektor (alle Dimensionen). s n (r 1,..., r L ) Dimensionen zu den Detektoren 1 bis L Damit erhält man aber nicht mehr brauchbare Information als durch den Vektor r = s+n Denn: Wegen der Orthogonalität sind die n L+1,... statistisch unabhängig von s und r Pr(s r, n L+1,...) = Pr(s r)
27 Maximum Likelihood Sequence Estimation (MLSE) Diskreter, L-dimensionaler AWGN-Kanal: r = s+n Annahme: Alle Sendevektoren s sind gleich wahrscheinlich. Die bedingte Wahrscheinlichkeit für s bei gegebenem Detektor-Output r lautet: ( ) Pr(s r) p(r s) = (πn 0 ) N 2 exp r s 2 N 0 Maximal, wenn r s! = min Man schreibt auch für den wahrscheinlichsten Sendevektor ŝ = arg min( r s ) s
28 MLSE geometrisch Minimiere die quadratische euklidische Distanz (QED): r s 2 = ŝ s 1 s 3 s 4 ŝ = arg min s ( r s ) = s 2 ist der ML-Vektor
29 Paarfehlerwahrscheinlichkeiten im AWGN-Kanal Fehlerereignis: Sende s 1, aber Empfänger entscheidet auf s Entscheiderschwelle 10 1 s 2 = ŝ r n 12 s 1 Paarfehlerwahrsch Fehlerwahrscheinlichkeit: /N0 12 [db] Pr(s 1 s 2 ) = 1 e 1 x N 2 0 dx = 1 2 πn erfc 12 N 0
30 MLSE geometrisch Korrelationsempfänger bei Signalen gleicher Energie Es gibt M mögliche Sendesignale. Wichtiger Spezialfall: s 1 2 = s 2 2 =... = s M 2 alle Signale haben die gleiche Energie. Dann gilt 4 : ŝ ŝ = arg min( r s ) s = arg max(s r) s Maximiere die Korrelation minimiere den Winkel: s 2 = ŝ r ϕ 2 ϕ 1 s 1 4 Binomische Formel: r s 2 = r r 2s r+s s
31 Das Prinzip der Kanalcodierung geometrisch interpretiert (Informationstheorie; Shannon 1948) In höher-dimensionalen Räumen ist viel Platz! Kann große Distanzen zwischen Vektoren s k erzielen Betrachte z.b. 2 K Sendevektoren der Länge N s 1k s 2k s k =., s ik {±1} (BPSK) s Nk und übertrage damit nur K statt N Bits (K < N). 2 K statt 2 N Vektoren; Codematrix S = [s 1,..., s N ] (N, K)-Blockcode mit N K Bits Redundanz Redundanz vergrößert Distanzen, verringert aber die Bitrate.
32 Beispiel: Tetraeder-Code = (3,2)-SPC-Code SPC=Single Parity Check 3D Konstellation bei SNR I =10 db r r r 1 2 S =
33 Decodierbeispiel für den Tetraeder-Code Empfangsvektor: r = ( ) T MLSE-Skalarprodukte stehen in der Zeile r T S = ( ) ist der ML-Vektor. = ( ) s 3 = Der SPC-Code kann Fehler korrigieren, wenn man den richtigen Decoder verwendet!
34 Zusammenfassung und Anmerkungen Vektoren in der Signaltheorie: Die Anschauung erleichtert den Formalismus Oft reichen Bilder in zwei Dimensionen Viele moderne Übertragungsverfahren lassen sich geometrisch veranschaulichen. Beispiel: Mehrfach-Antennensysteme (MIMO) Übrigens: Schon Shannon hat seine berühmte Formel zur Kanalkapazität geometrisch erklärt
Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrKlausur zur Digitalen Kommunikationstechnik
Klausur zur Digitalen Kommunikationstechnik Prof. Dr. Henrik Schulze, Fachhochschule Südwestfalen, Standort Meschede 16. Januar 2015 Name Matr.-Nr. Vorname Unterschrift Aufgabe 1 2 3 4 Summe Note Punkte
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrL3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren...
L3 Euklidische Geometrie: Längen, Winkel, senkrechte Vektoren... (benötigt neue Struktur über Vektorraumaxiome hinaus) Sei Länge von nach Pythagoras: Länge quadratisch in Komponenten! - Für : Skalarprodukt
MehrDefinition von R n. Parallelverschiebungen in R n. Definition 8.1 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R... R (n-mal), d.h.
8 Elemente der linearen Algebra 81 Der euklidische Raum R n Definition von R n Definition 81 Unter dem Raum R n (n N) versteht man das kartesische Produkt R R R (n-mal), dh R n = {(x 1, x 2,, x n ) : x
MehrKapitel I: Vektorrechnung 2: Vektoren im Raum
WS 1/14 - Prof Dr Manfred Leitz 2 Vektoren im Raum A Grundbegriffe B Rechnen mit Vektoren C Der euklidische Betrag D Das euklidische Skalarprodukt E Vektorprodukt und Spatprodukt F Geraden und Ebenen im
Mehr& sind die Vektorkomponenten von und sind die Vektorkoordinaten von. A x. a) Der Betrag eines Vektors
Einführu hnung Was ist ein Vektor? In Bereichen der Naturwissenschaften treten Größen auf, die nicht nur durch eine Zahlenangabe dargestellt werden können, wie Kraft oder Geschwindigkeit. Zur vollständigen
MehrDas Buch der Natur ist mit mathematischen Symbolen geschrieben. Mathe ist wie Liebe: Eine einfache Idee, aber sie kann kompliziert werden.
TO Rechenmethoden Wise 2011-2012 Jan von Delft 18.10.2011 Das Buch der Natur ist mit mathematischen Symbolen geschrieben. Galileo Galilei Das Wunder der Anwendbarkeit der Sprache der Mathematik für die
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrVektoren. Jörn Loviscach. Versionsstand: 11. April 2009, 23:42
Vektoren Jörn Loviscach Versionsstand:. April 29, 23:42 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen mit Pfeilen schon kennen gelernt. Addition und Subtraktion klappen in drei wie
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
MehrVektoren. Jörn Loviscach. Versionsstand: 30. März 2010, 18:06 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung.
Vektoren Jörn Loviscach Versionsstand: 30. März 2010, 18:06 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. 1 Rechnen mit Pfeilen Bei den komplexen Zahlen haben wir das Rechnen
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrVektoren, Vektorräume
Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: 2) Vektoren: vollständig bestimmt durch Angabe einer und einer Beispiele: Übliche
MehrMathematik für Chemische Technologie 2
Mathematik für Chemische Technologie 2 Themenüberblick: Funktionen mehrerer unabhängigen Veränderlichen Vektoralgebra Lineare Gleichungssysteme und Determinanten Fehlerrechnung Schwerpunkt des Sommersemesters
Mehr10.2 Linearkombinationen
147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrAufgabe 1 - Pegelrechnung und LTI-Systeme
KLAUSUR Nachrichtentechnik 06.08.0 Prof. Dr.-Ing. Dr. h.c. G. Fettweis Dauer: 0 min. Aufgabe 3 4 Punkte 5 0 4 50 Aufgabe - Pegelrechnung und LTI-Systeme Hinweis: Die Teilaufgaben (a), (b) und (c) können
MehrMathematische Werkzeuge R. Neubecker, WS 2016 / 2017
Mustererkennung Mathematische Werkzeuge R. Neubecker, WS 2016 / 2017 Optimierung: Lagrange-Funktionen, Karush-Kuhn-Tucker-Bedingungen Optimierungsprobleme Optimierung Suche nach dem Maximum oder Minimum
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrVektorrechnung. 10. August Inhaltsverzeichnis. 1 Vektoren 2. 2 Grundlegende Rechenoperationen mit Vektoren 3. 3 Geometrie der Vektoren 5
Vektorrechnung 0. August 07 Inhaltsverzeichnis Vektoren Grundlegende Rechenoperationen mit Vektoren 3 3 Geometrie der Vektoren 5 4 Das Kreuzprodukt 9 Vektoren Die reellen Zahlen R können wir uns als eine
MehrMathematischer Vorkurs
Klaus Hefft Mathematischer Vorkurs zum Studium der Physik Das Begleitbuch zum Heidelberger Online-Kurs ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spektrum k_/l AKADEMISCHER VERLAG Inhaltsverzeichnis Vorwort
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
MehrVektorräume. 1. v + w = w + v (Kommutativität der Vektoraddition)
Vektorräume In vielen physikalischen Betrachtungen treten Größen auf, die nicht nur durch ihren Zahlenwert charakterisiert werden, sondern auch durch ihre Richtung Man nennt sie vektorielle Größen im Gegensatz
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
MehrUniversität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n
Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine
MehrZusammenfassung Mathe III. Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren
Zusammenfassung Mathe III Themenschwerpunkt 3: Analytische Geometrie / lineare Algebra (ean) 1. Rechenregeln mit Vektoren Definition: (1) anschaulich: Ein Vektor ist eine direkt gerichtete Verbindung zweier
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 6 4. Mai 2010 Definition 69. Der Vektor f 3 x 2 (x 1, x 2, x 3 ) f 2 x 3 (x 1, x 2, x 3 ) f 1 x 3 (x 1, x 2, x 3 ) f 3 x 1 (x 1, x 2, x 3 ) f 2 x
MehrDefinition: Euklidischer Raum mit Skalarprodukt. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:
Definition: Euklidischer Raum mit Skalarprodukt Einsteinsche Summenkonvention (ES): über doppelt vorkommende Indizes wird summiert. Die kanonische Basis von Einheitsvektoren sind paarweise orthogonal zueinander:
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
Mehr10 Komplexe Zahlen. 2. Februar Komplexe Multiplikation: Für zwei Vektoren. z 1 =
2. Februar 2009 66 0 Komplexe Zahlen 0. Komplexe Multiplikation: Für zwei Vektoren [ [ a a2 z =, z 2 = in R 2 wird neben der üblichen Addition die komplexe Multiplikation [ a a z z 2 := 2 b b 2 a b 2 +
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
MehrSkalarprodukt und Orthogonalität
Skalarprodukt und Orthogonalität Skalarprodukt und Orthogonalität in R n Wir erinnern an das euklidische Skalarprodukt im R 2 : Wir erinnern an das euklidische Skalarprodukt im R 2 : < a, b >:= α 1 β 1
MehrL2. Vektorräume. Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer. Beispiele:
L2. Vektorräume Physikalische Größen lassen sich einteilen in: 1) Skalare: vollständig bestimmt durch Angabe einer Beispiele: Masse, Volumen, Energie, Arbeit, Druck, Temperatur 2) Vektoren: vollständig
MehrLernunterlagen Vektoren in R 2
Die Menge aller reellen Zahlen wird mit R bezeichnet, die Menge aller Paare a 1 a 2 reeller Zahlen wird mit R 2 bezeichnet. Definition der Menge R 2 : R 2 { a 1 a 2 a 1, a 2 R} Ein Zahlenpaar a 1 a 2 bezeichnet
Mehr4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen
196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen
Mehr1 Vektoralgebra (3D euklidischer Raum R 3 )
Institut für Physik der Martin-Luther-Universität Halle-Wittenberg WS 202/203 Vorlesung Elektrodynamik LAG PD Dr. Angelika Chassé) Vektoralgebra 3D euklidischer Raum R 3 ). Grundbegriffe = Vektordefinition
Mehr1 Vorlesungen: und Vektor Rechnung: 1.Teil
1 Vorlesungen: 4.10.005 und 31.10.005 Vektor Rechnung: 1.Teil Einige in der Physik auftretende Messgrößen sind durch eine einzige Zahl bestimmt: Temperatur T K Dichte kg/m 3 Leistung P Watt = J/s = kg
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrGrundsätzliches Produkte Anwendungen in der Geometrie. Vektorrechnung. Fakultät Grundlagen. Juli 2015
Vektorrechnung Fakultät Grundlagen Juli 205 Fakultät Grundlagen Vektorrechnung Übersicht Grundsätzliches Grundsätzliches Vektorbegriff Algebraisierung der Vektorrechnung Betrag 2 Skalarprodukt Vektorprodukt
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrAufgabe 2.1 Gegeben seien zwei voneinander statistisch unabhängige Gauß-Prozesse s(t) und g(t) mit den zeitunabhängigen Verteilungsdichtefunktionen
Aufgabe 2. Gegeben seien zwei voneinander statistisch unabhängige Gauß-Prozesse s(t) und g(t) mit den zeitunabhängigen Verteilungsdichtefunktionen p s (x) = 2πσ 2 s e x2 2σ 2 s, p g (y) = e y 2 2σ g 2.
Mehr2. Vorlesung Wintersemester
2. Vorlesung Wintersemester 1 Mechanik von Punktteilchen Ein Punktteilchen ist eine Abstraktion. In der Natur gibt es zwar Elementarteilchen (Elektronen, Neutrinos, usw.), von denen bisher keine Ausdehnung
MehrDWT 1.4 Rechnen mit kontinuierlichen Zufallsvariablen 234/467 Ernst W. Mayr
1.4.2 Kontinuierliche Zufallsvariablen als Grenzwerte diskreter Zufallsvariablen Sei X eine kontinuierliche Zufallsvariable. Wir können aus X leicht eine diskrete Zufallsvariable konstruieren, indem wir
MehrVektoralgebra Anwendungen der Vektorrechnung VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen 1/64
1/64 VEKTORRECHNUNG Prof. Dr. Dan Eugen Ulmet Hochschule Esslingen März 2011 2/64 Overview Vektoralgebra 1 Vektoralgebra 2 Was sind Vektoren? 3/64 Vektoren werden geometrisch definiert als Pfeilklassen:
MehrMathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben
Mathematik-1, Wintersemester 2014-15 Vorlesungsplan, Übungen, Hausaufgaben Vorlesungen: Lubov Vassilevskaya Übungen: Dr. Wilhelm Mons, Lubov Vassilevskaya http://www.math-grain.de/ Inhaltsverzeichnis 1.
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
Mehr2.2 Kollineare und koplanare Vektoren
. Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,
MehrTechnische Universität München
Technische Universität München Michael Schreier Ferienkurs Lineare Algebra für Physiker Vorlesung Montag WS 2008/09 1 komplexe Zahlen Viele Probleme in der Mathematik oder Physik lassen sich nicht oder
Mehr1 Fraktale Eigenschaften der Koch-Kurve
Anhang Inhaltsverzeichnis Fraktale Eigenschaften der Koch-Kurve iii. Einführung.................................. iii.2 Defintion.................................... iii.3 Gesamtlänge der Koch-Kurve........................
MehrGrundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrDidaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra
A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische
Mehr3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit
3. Gemeinsame und bedingte Verteilung, stochastische Unabhängigkeit Lernziele dieses Kapitels: Mehrdimensionale Zufallsvariablen (Zufallsvektoren) (Verteilung, Kenngrößen) Abhängigkeitsstrukturen Multivariate
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
MehrLernmaterialblatt Mathematik. Vektorrechnung eine Einführung. Anwendung Mathematik I. Einleitung:
Vektorrechnung eine Einführung Einleitung: Um beispielsweise das Dreieck ABC in der Abbildung an die Position A'B'C' zu verschieben, muss jeder Punkt um sieben Einheiten nach rechts und drei nach oben
MehrAnalytische Geometrie, Vektorund Matrixrechnung
Kapitel 1 Analytische Geometrie, Vektorund Matrixrechnung 11 Koordinatensysteme Eine Gerade, eine Ebene oder den Anschauungsraum beschreibt man durch Koordinatensysteme 111 Was sind Koordinatensysteme?
MehrVektoren und Matrizen
Vektoren und Matrizen Die multivariate Statistik behandelt statistische Eigenschaften und Zusammenhänge mehrerer Variablen, im Gegensatz zu univariaten Statistik, die in der Regel nur eine Variable untersucht.
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrCODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005
CODIERUNGSTHEORIE KURS ZELL AN DER PRAM, FEBRUAR 2005 1. Das Problem 1.1. Kanalcodierung und Fehlerkorrektur. Wir wollen eine Nachricht über einen digitalen Kanal, der nur 0 oder 1 übertragen kann, schicken.
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 8 (SS 2011) Abgabetermin: Donnerstag, 9. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Hermitesche
Mehr4.4 Eigenwerte und Eigenvektoren
4.4-1 4.4 Eigenwerte und Eigenvektoren 4.4.1 Die Eulersche Gleichung Der Drehimpulsvektor kann folgendermaßen geschrieben werden, (1) worin die e i o Einheitsvektoren in Richtung der Hauptachsen sind,
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
Mehr4.3 OFDM (Variante mit Cyclic Prefix) Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Drahtlose Nachrichtenübertragung 65
(Variante mit Cyclic Prefix) Dr. Mike Wolf, Fachgebiet Nachrichtentechnik Drahtlose Nachrichtenübertragung 65 (Variante mit Cyclic Prefix) zeitkontinuierliches Sendesignal ohne CP Bitrate: R b (Bitrate
MehrVorlesung Mathematik 2 für Informatik
Vorlesung Mathematik für Informatik Inhalt: Lineare Algebra Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare Abbildungen Eigenwerte und Eigenvektoren Literatur
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrEinführung. 1 Vektoren
Einführung Die Vektorgeometrie beschreibt geometrische Sachverhalte in einer algebraischen Sprache. Sie gibt uns ein mathematisches Hilfsmittel in die Hand, mit welchem wir Geometrie nicht nur konstruktiv
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrEinführung Vektoralgebra VEKTORRECHNUNG. Prof. Dr. Dan Eugen Ulmet. Hochschule Esslingen. October 6, 2007
Hochschule Esslingen October 6, 2007 Overview Einführung 1 Einführung 2 Was sind Vektoren? Vektoren werden geometrisch definiert als Pfeilklassen: Strecken mit gleichem Betrag, gleicher Richtung und Orientierung.
MehrVektorprodukte und analytische Geometrie
KAPITEL 4 Vektorprodukte und analytische Geometrie 4. Vektorprodukte.................................... 8 4. Skalarprodukt für Vektoren im R n.......................... 8 4. Anwendung des Skalarprodukts..........................
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrMathematik für Naturwissenschaftler II
Mathematik für Naturwissenschaftler II Dr Peter J Bauer Institut für Mathematik Universität Frankfurt am Main Sommersemester 27 Lineare Algebra Der mehrdimensionale Raum Vektoren Im Teil I dieser Vorlesung
MehrAlgebraische Eigenschaften des Skalarprodukts
Voyage TM 00/ TI-89 Titanium Analytische Geometrie Vektorrechnung Name des KB: Algebraische Eigenschaften des Skalarprodukts Wir wissen: Das Rechnen mit Zahlen beruht auf bestimmten Rechengesetzen. Gesetze
MehrÜbungsaufgaben Vektoren
Kallenrode, www.sotere.uos.de Übungsaufgaben Vektoren 1. Gegeben sind die Einheitsvektoren in Zylinderkoordinaten e ϱ = cos ϕ sin ϕ, e ϕ = sin ϕ cos ϕ und e z = 0 0 0 0 1 und Kugelkoordinaten: sin ϑ cos
MehrEinführung in die MIMO-Technik: Räumliches Multiplexing. Luciano Sarperi,
Einführung in die MIMO-Technik: Räumliches Multiplexing Luciano Sarperi, 22.03.2017 Inhalt Überblick Multi-Antennen Systeme Was ist räumliches Multiplexing? Wann wird räumliches Multiplexing angewandt?
Mehr12. R n als EUKLIDISCHER VEKTORRAUM
12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie
MehrLINEARE ALGEBRA II. FÜR PHYSIKER
LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders
MehrMathematik, Signale und moderne Kommunikation
Natur ab 4 - PH Baden Mathematik, Signale und moderne Kommunikation 1 monika.doerfler@univie.ac.at 29.4.2009 1 NuHAG, Universität Wien monika.doerfler@univie.ac.at Mathematik, Signale und moderne Kommunikation
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
Mehr42 Orthogonalität Motivation Definition: Orthogonalität Beispiel
4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
MehrInhaltsverzeichnis. Inhalt. Einleitung Vektoralgebra
Inhalt 3 Inhaltsverzeichnis Einleitung...9 1 Vektoralgebra 1.1 Geometrische Darstellung von Vektoren... 14 1.1.1 Begriff des Vektors... 14 1.1.2 Inverser Vektor und Nullvektor... 17 1.1.3 Addition von
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrAufgabe 1. Die ganzen Zahlen Z sind ein R-Vektorraum bezüglich der gewöhnlichen Multiplikation in R.
Aufgabe Die ganzen Zahlen Z sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in Q. Die reellen Zahlen R sind ein Q-Vektorraum bezüglich der gewöhnlichen Multiplikation in R. Die komplexen
MehrFerienkurs Quantenmechanik. Grundlagen und Formalismus
Ferienkurs Quantenmechanik Sommersemester 203 Seite Daniel Rosenblüh und Florian Häse Fakultät für Physik Technische Universität München Grundlagen und Formalismus In der Quantenmechanik werden Zustände
MehrVektoren. Kapitel 3. 3.1 Skalare, Vektoren, Tensoren. 3.2 Vektoren
Kapitel 3 Vektoren 31 Skalare, Vektoren, Tensoren Viele physikalische Größen lassen sich bei bekannter Maßeinheit durch Angabe ihres Betrages als reelle Zahl vollständig angeben Solche Größen nennt man
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 1. Vektorrechnung und Geometrie Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies
Mehr