Numerische Lösung stochastischer Differentialgleichungen: (Brownsche Bewegung, Laser ) Numerische Physik SS 07, Aufgabe 2, Ausdruck: 23.
|
|
- Paul Franke
- vor 7 Jahren
- Abrufe
Transkript
1 Numerische Lösung sochasischer Differenialgleichungen: (Brownsche Bewegung, Laser ) Numerische Physik SS 7, Aufgabe, Ausdruck: 3. April 7 P.Z.,M.F.,H.E.,H.R. 1 Moivaion Hisorisch gesehen selle die Beschreibung der Brown schen Bewegung den Ausgangspunk der Enwicklung eines mahemaisch-sochasischen Kalküls dar. Dabei wird ein Massenpunk in einem viskosen Medium einer zufälligen gepulsen Kraf unerworfen. Die heuigen Anwendungen reichen von Gebieen in der Quanenopik und Elekronik bis zur sochasischen Konrolle von Prozessen in der Wirschaf. Das Beispiel, das uns noch in einiger Ausführlichkei beschäfigen wird, is die Beschreibung der Brown schen Bewegung eines Teilchens in einem viskosen Medium( Ornsein-Uhlenbeck-Prozeß). Mi analyischen Mehoden können nur sehr einfache Probleme gelös werden. In der Praxis reen aber meis nichlineare SDG auf, sodaß nur eine numerische Simulaion zum Lösen der Probleme bleib. Dabei wird die SDG wiederhol für verschiedene Realisierungen der Rauscherme inegrier um Mielwere und Varianzen der relevanen Größen zu bekommen. Um die Bedeuung sochasischer Mehoden für die Physik zu moivieren, berachen wir zum Aufwärmen folgendes einfache Modell einer Populaionsenwicklung: dn d = a() N(), N() = A, (1) wobei N() die Größe der Populaion und a() die relaive Zuwachsrae zur Zei bezeichnen. Für konsanes a() = a ergib dies je nach Vorzeichen einen genau vorhersagbaren exponeniellen Ansieg oder Zerfall N() =N()e a. Wenn nun a() zufälligen Einflüssen unerlieg, z.b.: a() = 1/ + Rauschen = 1/ + R(), () überräg sich der zufällige Charaker von R() auch auf N(). Of is der Physik das exake Verhalen des Rauschermes nich bekann, aber dessen saisische Eigenschafen, wie z.b. Mielwer und Varianz von R(). Wir wollen die Lösungen von Gl.1 finden und nehmen hier zum Beispiel an, das R() jeweils für einen Tag konsan is, aber von Tag zu Tag zufällig zwischen und 1 schwank. Dabei is jeder Wer gleich wahrscheinlich und hng nich vom Wer des Vorages ab. Dies führ zu einer sogenannen sochasischen Differenialleichung (SDG) für N(), deren Lösung abhängig vom zufälligen Verhalen von R() immer anders aussieh. Wir werden nun versuchen durch Mielung über verschiedene Realisierungen saisische Aussagen über die Populaionsgrösse N() abzuleien. Aufgabe 1.1 Simulieren Sie das Verhalen der Populaion N() aus Gleichung (1) für 3 Tage, wenn am Beginn N( = ) = 1 Exemplare vorhanden sind. R() sei dabei für den i-en Tag eine konsane zufällige Zahl r i (, 1), wobei jeder Wer gleich wahrscheinlich sei. Generieren Sie zunächs einige Beispielrajekorien (siehe Hinweis). Welche Vorhersagen ergeben sich für die Populaion am Ende N( = 3) (Mielwer, Sreuung)? Hinweis: Wählen Sie als Zeieinhei Tage. Wenn dann N( i ) die Populaion am Anfang des i-en Tages is und R( i )=r i [1] für diesen Tag is, gil N( i +1) = N( i )e ri 1/ für die Populaion am Beginn des nächsen Tages (Warum??). Generieren sie nun durch Ieraion dieser Gleichung mehere Folgen von Zahlen {N i = N( i )} für zufällig gewähle Zahlen r i (verwenden Sie die Malab Funkion rand, sammeln Sie die Ergebnisse und sellen Sie sie grafisch dar. Es erweis sich als hilfreich die Populaion auf einer logarihmischen Skala darszusellen. 1
2 1.1 Mahemaische Beschreibung sochasischer Prozesse In diesem Kapiel werden die grundlegenden mahemaischen Ideen zur Lösung sochasischer Differenialgleichungen eingeführ. Es wird versuch qualiaiven Begriffen, wie z.b. zufällige Flukuaionen, weißes Rauschen, ec., einen mahemaisch genauer definieren Sinn zu geben. Lassen Sie sich von den echnisch komplizer klingenden Definiionen nich abschrecken. Nich alle Deails sind dann beim prakischen Lösen der Aufgaben nöig. Vieles wird späer bei der eigenhändigen Implemenaion der physikalischen Gleichungen in Kapiel klarer. Mahemaisch Ineressiere finden eine umfassendere Einführung in das Gebie der sochasischen Differenialgleichungen z.b. in folgenden Büchern [1,, 8, 9, 5]. Berachen wir ein Ensemble von idenischen Syemen von Teilchen {S i } i I und führen wir zu einer fixen Zei z.b. eine Ors- oder Geschwindigkeismessung eines Parikels durch, so sellen wir fes, daß jedes der Syseme S i einen verschiedenen Wer für x oder v liefer. Es is daher sinnvoll, nur Wahrscheinlichkeisvereilungen für Observablen zu berachen. Die Observablen werden durch Zufallsvariable X (mi Weren in R d ) beschrieben, ihre Wahrscheinlichkeisvereilung durch ein Wahrscheinlichkeismaß auf dem Spekrum der möglichen Were der Observablen: P [X B] P X (B) = p(x) dx, für B SpecX. (3) B P X (B) is die Wahrscheinlichkei, für X einen Wer x aus der Teilmenge B zu beobachen. Man nenn p(x) die Dichefunkion der Vereilung P X von X. Der Erwarungswer einer (inegrablen) Zufallsvariablen X is definier durch X := xp(x) dx. (4) Für d = 1 heiß Var(X):= SpecX die Varianz der (quadrainegrablen) Zufallsvariablen X und (X X ) = X X (5) Cov(X, Y ):= (X X )(Y Y ) = XY X Y (6) die Covarianz der zwei (quadrainegrablen) Zufallsvariablen X und Y. Ein sochasischer Prozeß is eine durch paramerisiere Familie von (R d -werigen) Zufallsvariablen X {X } T ;für jedes T is X eine Zufallsvariable mi Dichefunkion p(, x), die von abhäng. Der Parameerraum T is gewöhnlich ein Inervall, N oder die Halbgerade R +. In der Regel sind die Zufallsvariablen X i (i =1,,...,n) zu verschiedenen Zeipunken nich voneinander unabhängig. Ihre Abhängigkei is gerade ein Ausdruck der Dynamik des Zufallsprozesses X und mach sich uner anderem in der Form der Diche p n ( 1,x 1 ;,x ;...; n,x n ) der gemeinsamen Vereilung von (X 1,...,X n ) bemerkbar. 1. Wiener Prozeß Wir beschränken uns hier auf den speziellen Fall von seigen Prozessen, d.h. die Realisierungen ( Wege, Trajekorien) x() vonx sind mi Wahrscheinlichkei 1 in seig. Zu diesen gehören z.b. alle Diffusionsprozesse. Das wichigse Beispiel dieser Gruppe von Prozessen is der sogenanne (d-dimensionale) Wiener- Prozeß W {W } R +. Er bilde die zenrale Komponene bei der Behandlung von Diffusionsprozessen. Wenn i R, < 1 < < < n,nverschiedene Zeipunke fixieren und E 1,...,E n Teilmengen des R d sind, so is die Wahrscheinlichkei, daß W 1 E 1,...,W n E n und zur Zei = der Wer x R d realisier is, durch folgendes Falungsinegral gegeben: P x 1,..., n (E 1 E n ) = (7) = p( n n 1,x n x n 1 ) p( 1,x x 1 ) p( 1,x 1 x) dx 1 dx n, E 1 E n Bemerkung: Die Zufallsvariablen X 1,...,X n heißen (sochasisch) unabhängig, falls gil: P (X1,...,X n) = n P Xi. i=1
3 wobei p(, y) die Gauß sche Glockenkurve is, p(, y) =(π) d/ exp ) ( y, für y R d,>, (8) und die Konvenion geroffen wurde, daß p(,y)=δ(y) is (d.h. Sar des Prozesses bei x : W x). Für die Wahrscheinlichkei, nach einer Zei einen Wer aus E R d zu erhalen, ergib sich: P x (E) = (π) d/ e y x / dy. (9) E Die Varianz von W seig also linear in, der Erwarungswer bleib jedoch für alle Zeien konsan gleich x. Um mi dem Wiener-Prozeß besser verrau zu werden, seien einige grundlegende Eigenschafen erwähn (siehe [1, Kap. II, S. 11] und [, Kap. 3]): (i) W is ein Gauß scher Prozess, d.h. < 1 <...< n is die Zufallsvariable Z (W 1,...,W n ) R nd normalvereil mi Diche: q(u 1,...,u nd )= (π) nd/ exp 1 nd (u i m i )[C 1 ] ij (u j m j ), (1) de C i, wobei m =(m i ) R nd und C =(c ij ) eine posiiv-definie nd nd -Marix is. Für W is konkre m =(x,...,x) }{{} n mal und 1 I d 1 I d 1 I d 1 I d I d I d C = I d I d n I d wobei I d die d d -Einheismarix bezeichne. Dami folg: (Covarianzmarix), Z = m und (Z i m i )(Z j m j ) = c ij, insbesondere also: W = x,, d.h. W W x W s =,, s W x R+, (11) (W i x i ) (Ws j x j ) W = δij x min(, s), i,j =1,...,d, (1) (W x) W x = d, (13) (W W s ) W x = d s. (14) (ii) W ha unabhängige Inkremene, d.h. die Zufallsvariablen W 1,W W 1,..., W k W k 1 sind sochasisch unabhängig für 1 <...< k. (Diese Eigenschaf is wesenlich für die numerische Inegraion von SDGn.) Die Inkremene sind saionär, d.h. die Vereilung von W W s (für >s) häng nur von s ab. (iii) Die Realisierungen von W sind fas sicher (d.h. mi Wahrscheinlichkei 1) seig aber fas sicher nirgends differenzierbar. Sie sind nich von lokal-beschränker Variaion, d.h. die Länge der Wege für jedes kompake -Inervall is nich endlich. (iv) Falls W =(W 1,...,W d ) ein d-dimensionaler Wiener-Prozeß is, dann sind die 1-dimensionalen Prozesse {W j } R + (1 j d) unabhängige 1-dimensionale Wiener-Prozesse. 3
4 Aufgabe 1. Simulieren Sie den eindimensionalen Wiener-Prozeß W (Sar bei x = ) im Inervall [,T]für eine endliche Schriweie τ := T/N an den Sellen j := jτ (j =1,...,N) und sellen Sie die Realisierungen graphisch dar. Konrollieren Sie (graphisch) an einzelnen Zeipunken n, ob die so besimmen Realisierungen Gauß-vereil sind mi Erwarungswer und Varianz n. (Hinweis: Es gil:w = W + dw s ( T ); wobei W δ = +δ dw geeigne gewähle Zufallszahlen (gauß-vereil mi Mielwer) sind. Siehe auch die help-files der Malab-Funkionen rand, his, bar, mean, sd, cov, corrcoef und cumsum.) 1.3 Sochasische Inegraion: Lösen von DGL mi Rauscherm Dieses und das folgende Kapiel wende sich an mahemaisch Ineressiere zur genaueren Erklärung der in den darauffolgenden Kapieln verwendeen mahemaischen Terminologie. Es behandel das Problem, eine wohldefiniere mahemaische Inerpreaion des Rausch -ermes in Gl. (1) bzw. allgemeiner in Gleichungen der Form dx = b(, X )+σ(, X ) Rauschen (15) d zu finden. (b und σ seien Funkionen auf [,T] R n mi Weren in R n bzw. in den reelen n d-marizen). Man möche den Rausch-Term durch einen (R d -werigen) sochasischen Prozeß {ξ } R + modellieren, sodaß aus Gl.(15) eine Differenialgleichung für einen (R n -werigen) sochasischen Prozeß {X } R + wird: dx = b(, X )+σ(, X ) ξ. (16) d Da die Korrelaionszeien des Rausch -Prozesses er beschreib den Einfluß eines Badsysems B mi einer inneren Relaxaionszei τ B auf ein Sysem S, z.b. ein Teilchen in einer Flüssigkei auf der Zeiskala der X -Enwicklung of sehr klein sind, suchen wir für ξ einen Prozeß mi folgenden Eigenschafen [1, Kap. III, S. 13]: (i) Falls 1, sind ξ 1 und ξ sochasisch unabhängig; (ii) {ξ } R + is saionär, d.h. die gemeinsame Vereilung von (ξ 1+τ,...,ξ k +τ )häng nich von τ ab; (iii) ξ =, für alle. (Man kann sons den Erwarungswer in b(, X ) absorbieren). Es sell sich bei genauerer Unersuchung heraus, daß kein seiger sochasischer Prozeß exisier, der (i) und (ii) erfüll. (Nichsdesoweniger exisier ξ als verallgemeinerer sochasischer Prozeß, whie noise process genann, analog der Erweierung des Begriffs der Funkion durch den der Disribuion; siehe dazu [, Kap. 3.] oder [6].) Wir wollen diese Schwierigkei aber vermeiden, indem wir Gleichung (16) in eine Form bringen, die das Ersezen von ξ durch einen geeigneen sochasischen Prozeß zuläß: für eine Zerlegung = < 1 <...< k = des Inervalls [,] berachen wir folgende diskree Version der SDG (16): X j+1 X j = b( j,x j ) j + σ( j,x j ) ξ j j, (17) mi j := j+1 j,ξ j := ξ j,x j := X j,für j =,...,k 1. Wir ersezen nun den Ausdruck ξ j j durch V j := V j+1 V j, wobei {V } ein passender sochasischer Prozeß is. Die Annahmen (i), (ii) und (iii) für ξ legen nahe, von V saionäre unabhängige Inkremene V j mi Mielwer zu verlangen. Es zeig sich, daß der einzige solche Prozeß mi seigen Realisierungen der Wiener-Prozeß is [1, Kap. III, S. 17]. Dami folg aus (17): k 1 X k = X + j= k 1 b( j,x j ) j + j= σ( j,x j ) W j. (18) Falls es nun geling zu zeigen, daß der Limes auf der rechen Seie von Gl. (18) für j in irgendeiner Weise exisier und einen sochasischen Prozeß definier, erhäl man (uner Verwendung der üblichen Noaion für die Inegraion) X = X + b(s, X s ) ds + σ(s, X s ) dw s, (19) 4
5 und man sag, die mahemaische Inerpreaion der SDG (16) is die Inegralgleichung (19). 1 Bemerkung: Um die Problemaik bei der Definiion des sochasischen Inegrals G(s) dw s als Grenzwer von Riemann-Sieljes-Summen k S k := G(τ j )(W j W j 1 ) () mi 1... k = und j 1 τ j j (j =1,...,k) klar zu machen, berachen wir folgenden Erwarungswer eines 1-dimensionalen Wiener-Prozesses: k k [ W τj (W j W j 1 ) = min(τj, j ) min(τ j, j 1 ) ] = α ( ), (1) W wobei wir τ j := j 1 + α ( j j 1 )mi α 1und δ k := max{ j j 1 },...,k gesez haben (siehe Gln. (11) und (1)). Im Gegensaz zum gewöhnlichen Riemann-Sieljes-Inegral häng also der Grenzwer von S k für k und δ k, und dami die Definiion des Inegrals G(s) dw s im allgemeinen von der Wahl der Süzsellen τ j ab. Die Ursache dafür lieg in den beliebig schnellen Flukuaionen des Wiener-Prozesses (siehe Kapiel 3. (iii) oben). 1.4 Io und Sraonovic Inegrale Die folgenden zwei Definiionen von sochasischen Inegralen (bzgl. eines d-dimensionalen Wiener-Prozesses W ) erweisen sich als besonders nüzlich: für k N sei 1... k = T eine Zerlegung des Inervalls [,] mi Feinhei δ k := max{ j j 1 },...,k. Die n d-marixwerige (meßbare) Zufallsfunkion G() mi (fas sicher) T G(s) ds < (wobei. die euklidische Norm in R nd bezeichne) sei auf [,T] (fas sicher) seig und nich-vorgreifend ( non-anicipaing ), d.h. G() is für alle s sochasisch unabhängig von W s W (G() is sozusagen unabhängig vom Verhalen des Wiener-Prozesses in der Zukunf von Zeipunk ). {X } [,T ] sei n d-marixweriger sochasischer Prozeß mi Differenial (siehe Gl. (7) unen): Iô-Definiion (siehe [1, Kap. III], [, Kap. 4] und [8, Kap. 4.]): G(s) dw s := s-lim δ k k G( j 1 )(W j W j 1 ) ; () Sraonovich-Definiion (siehe [, Kap. 1.] und [5, Kap. III, 1]): X s dw s := s-lim δ k k 1 (X j + X j 1 )(W j W j 1 ). (3) Mi s-lim bezeichnen wir den sochasischen Grenzwer ( limi in probabiliy ): für Zufallsvariable {X k } k N und X is s-lim X k = X : ɛ> gil: lim P [ X k X >ɛ]=. k k Im folgenden seien einige wichige Eigenschafen des Iô-Inegrals erwähn [, Kap. 4 und 5]: (i) [cg(s)+h(s)] dw s (ii) G(u) dw u = c G(s) dw s + H(s) dw s (c R). = s G(u) dw u + s G(u) dw u ( s T ). (iii) Falls T G(s) ds <, gil: G(s) dw s =. (4) (Das Iô-Rauschen beeinfluß nich den Erwarungswer.) 1 (Bemerkung: Gl. (19) wird of in verkürzer symbolischer Noaion als Differenialform dx = b(, X ) d + σ(, X ) dw geschrieben. Gleichungen mi Differenialen sind daher als Inegralgleichungen zu inerpreieren!) 5
6 (iv) Falls T G(s) ds < und T H(s) ds <, gil (i, j =1,...,n): [ ] i [ s ] min(,s) j d G(u) dw u H(u) dw u = [G(u)] i k [H(u)] j k du, (5) k=1 insbesondere: G(s) dw u = G(u) du. (6) (v) Sei X eine für alle von W W sochasisch unabhängige (R n -werige) Zufallsvariable, f() eine (R n -werige, meßbare) nich-vorgreifende Zufallsfunkion, die (fas sicher) T f(s) ds < erf ll, und G() wie in der Definiion oben. Dann is für [,T] X := X + f(s) ds + G(s) dw s (7) ein seiger, nich-vorgreifender (R n -weriger) sochasischer Prozeß. Man schreib für (7) kurz und nenn (8) das sochasische Differenial von X [, Kap. 5.3]. dx = f() d + G() dw (8) (vi) Falls G() L ([,T]) keine Zufallsvariable sondern eine gewöhnliche quadrainegrable Funkion is, dann is G(s) dw s (für [,T]) ein n-dimensionaler Gauß scher Prozeß mi Erwarungwer und Covarianzmarix [, Corollary (4.5.6)] c ij = d k=1 [G(s)] i k [G(s)] j k ds (i, j =1,...,n). (9) für den 1-dimensionalen Wiener-Prozeß zum Beispiel ergib das Iô-Inegral: W s dw s = 1 { (W ) (W ) } 1 ( ). (3) Wie der Zusazerm 1 ( ) zeig, l ß sich das Iô-Inegral nich durch formales Anwenden der Inegraionsregeln gewöhnlicher Inegrale ausweren. Eine nüzliche Hilfe für die Berechnung von Iô-Inegralen is die sogenanne Iô-Formel, die Version der Keenregel für das Iô-Inegral (siehe [1, Kap. 4] und [, Kap. 5.3]): Saz Sei g(, x) eine -mal seig differenzierbare Funkion von [,T] R n nach R, {X } [,T ] ein n dmarixweriger sochasischer Prozeß mi Differenial (8). Dann is Y := g(, X )für [,T] ein sochasischer Prozeß mi Differenial n dy = g d + g x i dx i + 1 n g x i x j dxi dxj, (31) wobei g := g,g g xi := der Produke dx i dx j i=1 i, x,g i xi x j := die pariellen Ableiungen von g bedeuen und für die Berechnung folgende Regeln zu beachen sind: g x i x j dw i dw j = δ ij d (i, j =1,...,d), dw d ==d dw, d d =. (3) Speziell für g C (R + R) und X = W einen 1-dimensionalen Wiener-Prozeß erhalen wir ( dg(, W )= g (, W )+ 1 ) g xx(, W ) d + g x (, W ) dw, (33) 6
7 insbesondere also für g(x) =x k (k N): d [ (W ) k] = k(k 1) (W ) k d + k (W ) k 1 dw. (34) Daraus folg mi k = sofor Gl. (3). Die Iô-Inerpreaion des sochasischen Inegrals in Gl. (19) ermöglich durch seine Eigenschafen zwar eine einfache numerische Behandlung, für physikalische Anwendungen liefer aber meis das Sraonovich- Inegral das richige mahemaische Modell für die SDG (16), wie die folgende Überlegung zeig (siehe [1, Kap. III, S. 3] und [, Kap. 1.3]): Der whie noise -Limes des Rausch -Prozesses in Gl. (16) is als Idealisierung eines korrelieren Rauschens ξ (k) im Limes τ (k) B zu sehen. Konkre berache man eine Folge von in seig differenzierbaren Prozessen W (k) (d.h. ξ (k) (k) dw d sei eine Folge von seigen Prozessen) mi W,für k (und fas alle Realisierungen), gleichmäßig (in ) auf beschränken Inervallen. Uner besimmen Voraussezungen für die Funkionen b und σ konvergier die Lösung X (k) der (für jede Realisierung deerminisischen) Differenialgleichung W (k) dx (k) d (bzw. der dazu äquivalenen Inegralgleichung X (k) = X + = b(, X (k) b(s, X (k) s ) ds + )+σ(, X (k) ) ξ (k) (35) σ(s, X s (k) ) dw s (k), (36) wobei nunmehr das zweie Inegral ein gewöhnliches Riemann-Sieljes-Inegral is), für k (und fas alle Realisierungen) auf beschränken Inervallen gleichmäßig gegen einen sochasischen Prozeß X, der die SDG (19) bei Verwendung des Sraonovich-Inegrals erfüll: X = X + b(s, X s ) ds + σ(s, X s ) dw s. (37) Sind also die Badkorrelaionenzeien klein genug, liefer die Sraonovich-Inerpreaion ein gues Modell für das durch Gl. (16) beschriebene physikalische Problem. In der Physik rechne man aber meis mi weißem Rauschen, indem man dw formal durch ξ d ersez und folgende Beziehungen für Erwarungswer und Korrelaion verwende [9, Kap. 3]: ξ =, ξ ξ s = δ( s). (38) Da die Iô-Form für das numerische Lösen von SDGn nach Cauchy-Euler wesenlich is, is man daran ineressier, eine Verbindung zwischen beiden Inerpreaionsm glichkeien herzusellen. Mi folgender Relaion kann man beide Typen von Inegralen ineinander umrechnen [5, Kap. III, 1]: X dw = X dw + 1 dx dw. (39) Dabei sind auch hier bei der Muliplikaion der Differeniale die Regeln (3) zu beachen. Zum Beispiel gil: W dw = W dw + 1 d (4) (Man sieh also, daß Sraonovich-Rauschen im allgemeinen den Erwarungswer des Prozesses beeinfluß: W s dw s = ). für die der Sraonovich-SDG (37) quivalene Iô-SDG erhäl man auf diese Weise (i =1,...,n): dx i = ( [b(, X )] i + 1 n k=1 d ) [σ x k(, X )] i j [σ(, X )] k j d + d [σ(, X ) dw ] i. (41) Bemerkung: Weiere Bedingungen an die Funkionen b und σ für Exisenz und Eindeuigkei von seigen nich-vorgreifenden Lösungen der Iô-SDG (19) sind in [1, Theorem 5.5], [, Kap. 6] und [8, Kap. 4.3] zu finden. 7
8 1.5 Numerische Lösung von SDGen nach Cauchy-Euler Analyisches Vergleichsmodell Als Beispiel sei hier die lineare oder Gauß sche Diffusion beschrieben. Spezialfälle dieses Prozesses beschreiben die Bewegung einer Parikel in einem viskosen Medium. Sei σ =(σ i k) eine konsane n d-marix und β =(β i k) eine konsane n n-marix. Dann wird die Gauß sche Diffusion durch folgende SDG beschrieben: dy = βy + σ ξ. (4) d Im whie noise -Limes ensprich das folgender Iô-Gleichung dy = βy d + σdw. (43) (Bemerkung: Da σ eine konsane Marix is, simmen Iô- und Sraonovich-Inerpreaion von Gl. (4) berein. Daraus folg z.b., daß der Rauscherm nich den Mielwer der Bewegung beeinfluß.) Wir berachen hier den Fall n = d =1: dv = γv d + σdw (γ>, σ R). (44) Die eindeuige analyische Lösung von (44) zu einem (für alle vonw W unabhängigen) Anfangswer V is der seige sochasische Prozeß [, Kap. 8.3]: V = e γ V + σ e γ( s) dw s ( R + ). (45) Falls V < is, folg mi Gln. (4) und (5) für den Erwarungswer V = V e γ (46) und die Covarianz Cov(V,V s )= ) (Var(V ) σ e γ(+s) + σ γ γ e γ s. (47) Die Varianz von V konvergier also für gegen den konsanen Wer σ γ : Var(V )= ) (Var(V ) σ e γ + σ γ γ σ γ. (48) Da für einen beliebigen Anfangswer V gil: s-lim V e γ =, konvergier für die Vereilung von V gegen eine Normalvereilung mi Mielwer und Varianz σ γ (siehe Gl. (9)). Für einen normalvereilen oder konsanen Anfangswer V is V ein Gauß scher Prozeß, der sogenanne Ornsein-Uhlenbeck-Prozeß. Insbesondere is V für V = und V = σ ein saionärer Gauß scher Prozeß mi γ V V s = σ γ e γ s. (49) Durch Inegraion des Ornsein-Uhlenbeck-Prozesses V erhäl man den Prozeß (der Anfangswer X sei von V und, für alle, von W W sochasisch unabhängig) X := X + V s ds = X + 1 e γ γ der zusammen mi V die Lösung des SDG-Sysems V + σ γ ( 1 e γ( s)) dw s, (5) dx = V d dv = γv d + σdw (51) darsell und für X konsan oder normalvereil ebenso wie V ein Gauß scher Prozeß is. Falls X < is, folg analog zu Gln. (46) und (47) für den Erwarungswer X = X + 1 e γ γ 8 V (5)
9 und die Covarianzen Insbesondere gil: Cov(X,X s ) = Var(X )+ (1 e γ )(1 e γs ) γ Var(V )+ σ min(, s) γ { } + σ γ 3 e γ +e γs e γ(+s) e γ s, (53) Cov(X,V s ) = e γs (1 e γ ) Var(V ) γ { + σ γ e γs (e γ min(,s) 1) + e γ(+s) e γ s }. (54) Var(X ) = Var(X )+ (1 e γ ) γ Cov(X,V ) = e γ (1 e γ ) γ 1.5. Implemenaion in der Praxis Var(V )+ σ γ 3 { γ +1 ( e γ ) }, (55) Var(V )+ σ γ ( 1 e γ ). (56) Wir wollen uns nun der numerischen Lösung der SDG (43) zuwenden. Da wir nur an Ausdrücken der Form f(y ) ineressier sind, wählen wir dafür das Cauchy-Euler-Verfahren (siehe [8, Kap. 4.3], [9, Kap. 3.6] und [7, Abschn. 8.]). Die zenrale Idee dabei is, den Rauscherm (Wiener-Prozeß) durch Zufallszahlen am Compuer zu simulieren, und die SDG mi diesem numerisch simulieren Term zu inegrieren. Dies erlaub die gewünschen Mielwere für eine große Zahl so erzeuger Realisierungen ( Ensemblezahl) zu bilden. Die Compuersimulaion von W und die numerische Inegraion können dabei simulan ausgeführ werden. Um die Mehode an einem Beispiel zu demonsrieren, berachen wir die Iô-SDG (43). Als erses unereilen wir das Zeiinervall [,T]in N kleine endliche Teilinervalle der Länge τ := T/N,während derer sich die Sysemvariablen nur unwesenlich ändern: j := jτ, j =,...,N. Andererseis muß τ wesenlich größer sein als die inernen Badkorrelaionszeien τ B, um den whie noise -Limes aufrech zu erhalen. Die SDG (43) schreiben wir nun in eine Differenzengleichung um (j =,...,N 1): Y j+1 = Y j + βy j τ + σ W j, mi W j := W j+1 W j. (57) Man erhäl also den Wer der sochasischen Variable Y j+1 zu einem späeren Zeipunk j+1 aus dem bekannen Wer Y j zur Zei j durch Addiion eines deerminisischen Terms βy j τ und eines sochasischen Terms σ W j, wobei das Wiener-Inkremen W j für alle j i von Y i unabhängig is. Nach Voraussezung is die Funkionen b (insbesondere auch βy ) und σ nich-vorgreifend und Y für alle vonw W unabhängig. (Bemerkung: Die Iô-Form von Gl. (4) is für die Unabhängikei unbeding nowendig!) Jedes der Wiener-Inkremene W, W τ,..., W T is nach Gln. (11) und (14) Gauß-vereil mi Mielwer und Varianz τ und unabhängig von den übrigen Inkremenen. Man kann daher bei der Konsrukion einer NäherungsLösung der SDG (43) mi Hilfe von Gl. (57) schriweise in der Zei nach vor schreien, ohne die Vergangenhei bzw. die Zukunf des Prozesses in Berach ziehen zu müssen (Markov-Eigenschaf), und erhäl so eine Folge von Zufallsvariablen {Y jτ } j=,...,n, deren Realisierungen durch Simulaion der normalvereilen Wiener-Inkremene (randn) am Compuer mi einem Zufallsgeneraor erzeug werden können. (Der Fehler bei diesem Verfahren is für einen Schri von der Ordnung τ und nach N Schrien von der Ordnung τ.) Die Erwarungswere f(y ) zu den einzelnen Zeipunken = jτ berechne man dann dadurch, daß man eine große Zahl verschiedener Realisierungen von (Y,Y τ,...,y T ) abspeicher und saisisch auswere. Zusammenfassend erhalen wir folgenden Algorihmus: (i) Anfangswer ensprechend der Vereilung von Y wählen; (ii) W wird aus einer Gauß schen Vereilung mi Mielwer und Varianz τ ein Wer zugeordne; (iii) Mi Punk (i) und (ii) erhäl man die Were für Y τ ; (iv) Indukives Vorgehen jτ (j + 1)τ mi Hilfe von Gl. (57); 9
10 (v) Dadurch bekomm man eine Realisierung des Prozesses (Y,Y τ,...,y T ). Speicher man viele solcher Realisierungen, kann man leich alle gewünschen Eigenschafen des Prozesses errechnen. (Bemerkung: Da für ein solches Vorgehen sehr viel Speicherplaz nowendig wäre und man ohnehin nur an Mielweren und Varianzen ineressier is, is es angebrach Schri (v) nach Schri (iii) einzuschieben und die sochasische Auswerung für jeden Zeipunk durchzuführen.) 1.6 Brown sche Bewegung Aufgabe 1.3 Or X und Geschwindigkei V eines Brown schen Teilchens genügen dem folgenden Sysem von SDGn dx = V d dv = γv d + γ V sa dw (58) wobei γ die Dämpfung, V der saionäre (d.h. der sich im Limes einsellende) Erwarungswer sa des Quaraes der Geschwindigkei und dw ein Wiener-Inkremen bedeuen. Inegrieren Sie die SDG (58) numerisch (zu den Anfangsbedingungen X = und V normalvereil oder konsan) und zeichnen Sie nach einer jeweils fesen Zahl von Zeischrien die Phasenraumdiche und die Vereilungen (Hisogramme) von X und V. Sellen Sie die zeiliche Enwicklung von Varianz und Covarianz von X und V zusammen mi den analyischen Resulaen sowie einzelne Realisierungen dieser Prozesse graphisch dar. Diskuieren Sie die Abhängigkei der numerischen Ergebnisse von der Ensemblezahl und der Größe des Zeischries. (Hinweis: Durch Umskalieren von X,V und kann γ = 1 und V = 1 erreich werden.) sa Klassische Dynamik eines Einmodenlasers Die elekrische Feldampliude eines Einmodenlasers läß sich in guer Näherung durch eine beinahe monochromaisches ebene Welle mi kleinen zufälligen Schwankungen der Feldsärke und Phase beschreiben. Für einen fixen Or x =wähl man daher einen Ansaz der Form: E l (x =,):=E()e iφ() e iω + c.c. =(x()+iy())e iω + c.c.. (59) Dabei is ω die milere Laserfrequenz, sowie E() bzw. φ() die momenane reelle Ampliude bzw. Phase des Laserfeldes. Wei oberhalb der Laserschwelle finde man, daß die Laserampliude (oder Inensiä) nur sehr gering schwank, während die Laserphase ein zufälliges Verhalen ähnlich einer Brown schen Bewegung zeig. Diese Verhalen nenn man Phasendiffusion und es führ zu einer Linienbreie (Frequenzungenauigkei) des Lasers. Unerhalb der Laserschwelle finde man sarke Schwankungen von Laserampliude und Phase und das elekrische is sehr ähnlich dem hermischen Srahlungsfeld, wie es z.b. eine Glühlampe absrahl. Dieser Übergang von einem hermischen Srahlungsfeld zu einem kohärenen Laserfeld läß sich sehr gu anhand der sogenannen Roaing Wave van der Pol Gleichung beschreiben ( siehe: H. Risken : The Fokker-Planck equaion, Springer 1984, Seie 37 oder C.W. Gardiner, Handbook of sochasic Mehods ). Für den Real- x() und Imaginäreil y() der elekrischen Feldampliude erhäl man dabei folgende sochasische Differenialgleichung: dx() = x()(i() c)d + dw 1 () (6) dy() = y()(i() c)d + dw (), (61) mi (6) I() =(x ()+y ()). W 1 und W sind dabei zwei unabhängige Wienerprozesse. Den Parameer c nenn man normieren Pumpparameer. Er is proporional zur Leisung die dem Laser zugeführ wird. c = ensprich dabei genau der Schwellbedingung für den Laser..1 Aufgabensellung Aufgabe.1 1
11 Simulieren Sie miels der obigen Lasergleichungen den Anschwingvorgang des Lasers (Sar bei x = y = ). Vergleichen Sie das Verhalen von Inensiä und Phase unerhalb und oberhalb Schwelle (verwende z.b. polarplo). Wann sell sich ein saionärer Zusand ein? Aufgabe. Berachen Sie nun im saionären Fall den Laser genügend wei über der Schwelle. Wie groß sind die relaive Inensiässchwankungen I/ < I >. Wie häng die Särke der Phasendiffusion von c ab? Hinweis: Sezen Sie fuer einen besimmen Zeipunk = die Phase auf einen vorgegebenen Wer φ( )=φ und berechnen Sie φ() =< (φ() φ ) >. Lieraur [1] B. Øksenal, Sochasic Differenial Equaions: An Inroducion wih Applicaions, Springer, Berlin [] L. Arnold, Sochasic Differenial Equaions: Theory and Applicaions, Wiley-Inerscience, New York [3] C. W. Gardiner, Handbook of Sochasic Mehods, Springer Series Synergeics, Vol. 13, Berlin [4] H. Risken, The Fokker-Planck-Equaion: Mehods of Soluion and Applicaions, Springer Series Synergeics, Vol. 18, Berlin [5] N. Ikeda, S. Waanabe, Sochasic Differenial Equaions and Diffusion Processes, Norh-Holland Mahemaical Library, Vol. 4, [6] T. Hida, Brownian Moion, Springer, 198. [7] J. Honerkamp, Sochasische Dynamische Syseme, VCH Verlagsgesellschaf 199. [8] C. W. Gardiner, Handbook of Sochasic Mehods, Springer Series Synergeics, Vol. 13, Berlin [9] H. Risken, The Fokker-Planck-Equaion: Mehods of Soluion and Applicaions, Springer Series Synergeics, Vol. 18, Berlin
Fokker-Planck-Gleichung
Fokker-Planck-Gleichung Beschreibung sochasischer Prozesse David Kleinhans kleinhan@uni-muenser.de WWU Münser David Kleinhans, WWU Münser Fokker-Planck-Gleichung Beschreibung elemenarer sochasischer Prozesse
MehrMathematische Methoden der klassischen Physik Zusammenfassung Differentialgleichungen
Dr. G. Lechner Mahemaische Mehoden der klassischen Physik Zusammenfassung Differenialgleichungen In der Vorlesung wurden drei unerschiedliche Typen von Differenialgleichungen (DGL) besprochen, die jeweils
MehrGewöhnliche Differentialgleichungen (DGL)
Gewöhnliche Differenialgleichungen (DGL) Einführende Beispiele und Definiion einer DGL Beispiel 1: 1. Die lineare Pendelbewegung eines Federschwingers führ uner Zuhilfenahme des Newonschen Krafgesezes
MehrMotivation: Sampling. (14) Sampling. Motivation: Sampling. Beispiele. Beispiel Kreisscheibe. Beispiel: Kreisscheibe
Moivaion: Sampling (4) Sampling Vorlesung Phoorealisische Compuergraphik S. Müller Ein naiver (und sehr eurer) Ansaz, die Rendering Equaion mi Hilfe eines Rayracing-Ansazes zu lösen, wäre wird eine diffuse
MehrEinführung in gewöhnliche Differentialgleichungen
Einführung in gewöhnliche Differenialgleichungen Jonahan Zinsl 25. Mai 202 Definiionen Definiion.(Gewöhnliche Differenialgleichung. Ordnung) Uner einer gewöhnlichen Differenialgleichung. Ordnung verseh
MehrDIE LINEARE DIFFERENTIALGLEICHUNG ZWEITER ORDNUNG MIT KONSTANTEN KOEF- FIZIENTEN
Skrium zum Fach Mechanik 5Jahrgang HTL-Eisensad DIE LINEARE DIFFERENTIALGLEICHUNG ZWEITER ORDNUNG MIT KONSTANTEN KOEF- FIZIENTEN DilIngDrGüner Hackmüller 5 DilIngDrGüner Hackmüller Alle Reche vorbehalen
MehrTyp A: Separierbare Differentialgleichungen I. Separierbare Differentialgleichungen II. Beispiel einer separierbaren Dgl
Typ A: Separierbare Differenialgleichungen I Gegeben sei die Differenialgleichung y () = f () g(y) in einem Bereich D der (, y) Ebene. Gil g(y) 0, so lassen sich die Variablen und y rennen: y () g(y) =
Mehr3.4 Systeme linearer Differentialgleichungen
58 Kapiel 3 Invarianen linearer Transformaionen 34 Syseme linearer Differenialgleichungen Die Unersuchung der Normalformen von Marizen soll nun auf die Lösung von Differenialgleichungssysemen angewende
Mehr7.3. Partielle Ableitungen und Richtungsableitungen
7.3. Parielle Ableiungen und Richungsableiungen Generell vorgegeben sei eine Funkion f von einer Teilmenge A der Ebene R oder allgemeiner des n-dimensionalen Raumes R n nach R. Für x [x 1,..., x n ] aus
Mehr3.3 Langevin Gleichung Bewegungsgleichung der Brown schen Bewegung Beobachtung: 1827 R. Brown, Erklärung: 1905 A. Einstein, M.
Langevin Gleichung 3.3 Langevin Gleichung Bewegungsgleichung der Brown schen Bewegung Beobachung: 187 R. Brown, Erklärung: 195. Einsein, M. Smoluchovski (c Encyclopedia Briannica 1911 (c Wikimedia Commons
Mehr2.2 Rechnen mit Fourierreihen
2.2 Rechnen mi Fourierreihen In diesem Abschni sollen alle Funkionen als sückweise seig und -periodisch vorausgesez werden. Ses sei ω 2π/. Wir sezen jez aus Funkionen neue Funkionen zusammen und schauen,
MehrIntegralrechnung. Grundidee der Integralrechnung. Einführung des Riemann- Integrals
1/8 Grundidee der Inegralrechnung Inegralrechnung Die Inegralrechnung is neben der Differenialrechnung der wichigse Zweig der Analysis. Sie is aus dem Problem der Flächen- und Volumenberechnung ensanden.
MehrSystemtheorie Teil A. - Zeitkontinuierliche Signale und Systeme - Musterlösungen. Manfred Strohrmann Urban Brunner
Sysemheorie eil A - Zeikoninuierliche Signale und Syseme - Muserlösungen Manfred Srohrmann Urban Brunner Inhal 3 Muserlösungen - Zeikoninuierliche Syseme im Zeibereich 3 3. Nachweis der ineariä... 3 3.
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 4 Schäzung univariaer Zeireihenmodelle Y = c+ α Y + + α Y + ε + βε + + β ε p p q q Problem: Direke Schäzung der Parameer α,, αp und β,, βq über OLS nich möglich, da die Residuen
MehrMATHEMATIK 3 FÜR EI - ÜBUNGSBLATT 13 Wintersemester 2011/2012
Prof Dr O Junge, A Biracher Zenrum Mahemaik - M3 Technische Universiä München MATHEMATIK 3 FÜR EI - ÜBUNGSBLATT 3 Winersemeser 2/22 Tuorübungsaufgaben (3-3222) Aufgabe T Berachen Sie das Anfangswerproblem
MehrLaplacetransformation in der Technik
Verallgemeinere Funkionen Laplaceransformaion in der echnik Fakulä Grundlagen Februar 26 Fakulä Grundlagen Laplaceransformaion in der echnik Übersich Verallgemeinere Funkionen Verallgemeinere Funkionen
MehrUniversität Ulm Samstag,
Universiä Ulm Samsag, 5.6. Prof. Dr. W. Arend Robin Nika Sommersemeser Punkzahl: Lösungen Gewöhnliche Differenialgleichungen: Klausur. Besimmen Sie die Lösung (in möglichs einfacher Darsellung) folgender
MehrMathematik III DGL der Technik
Mahemaik III DGL der Technik Grundbegriffe: Differenialgleichung: Bedingung in der Form einer Gleichung in der Ableiungen der zu suchenden Funkion bis zu einer endlichen Ordnung aufreen. Funkions- und
MehrProbeklausur 1. Thema Nr. 1 (Aufgabengruppe) Es sind alle Aufgaben dieser Aufgabengruppe zu bearbeiten!
Universiä Regensburg, Winersemeser 3/4 Examenskurs Analysis (LGy) Dr. Farid Madani Probeklausur Thema Nr. (Aufgabengruppe) Es sind alle Aufgaben dieser Aufgabengruppe zu bearbeien! Aufgabe (5 Punke). Man
MehrIII.2 Radioaktive Zerfallsreihen
N.BORGHINI Version vom 5. November 14, 13:57 Kernphysik III. Radioakive Zerfallsreihen Das Produk eines radioakiven Zerfalls kann selbs insabil sein und späer zerfallen, und so weier, sodass ganze Zerfallsreihen
MehrMasse, Kraft und Beschleunigung Masse:
Masse, Kraf und Beschleunigung Masse: Sei 1889 is die Einhei der Masse wie folg fesgeleg: Das Kilogramm is die Einhei der Masse; es is gleich der Masse des Inernaionalen Kilogrammprooyps. Einzige Einhei
MehrGrenzwertsätze für Zeitreihen
KAPIEL 6 Grenzwersäze für Zeireihen In diesem Kapiel sellen wir wichige Grenzwersäze für saionäre Zeireihen {X n } in diskreer Zei zusammen. Sei µ = E(X ) und ρ(k) = E(X 1 µ)(x 1+k µ) = Cov (X 1, X 1+k
MehrStationarität/Ergodizität
Empirische Mehoden (MA) SS 011 Übungsbla 3 Willi Muschler willi.muschler@uni-muenser.de Saionariä/Ergodiziä 1. Beanworen Sie folgende Fragen: (a) Was verseh man uner einem sochasischen Prozess, was uner
MehrArbitragefreie Preise
Arbiragefreie Preise Maren Schmeck 24. Okober 2006 1 Einleiung P i () Preis von Anleihe i zur Zei, i = 1,..., n x i Anzahl an Einheien der Anleihe i V () = n i=1 x ip i () Wer eines Porfolios mi x i Einheien
Mehr14 Kurven in Parameterdarstellung, Tangentenvektor und Bogenlänge
Dr. Dirk Windelberg Leibniz Universiä Hannover Mahemaik für Ingenieure Mahemaik hp://www.windelberg.de/agq 14 Kurven in Parameerdarsellung, Tangenenvekor und Bogenlänge Aufgabe 14.1 (Tangenenvekor und
MehrMATLAB: Kapitel 4 Gewöhnliche Differentialgleichungen
4. Einleiung Eine der herausragenden Särken von MATLAB is das numerische (näherungsweise) Auflösen von Differenialgleichungen. In diesem kurzen Kapiel werden wir uns mi einigen Funkionen zum Lösen von
MehrZeitreihenökonometrie
Zeireihenökonomerie Kapiel 1 - Grundlagen Einführung in die Verfahren der Zeireihenanalyse (1) Typischerweise beginn man mi einer Beschreibung der jeweils zu unersuchenden Zeireihe (graphisch) Trendverhalen,
MehrNumerisches Programmieren
Technische Universiä München WS 11/1 Insiu für Informaik Prof. Dr. Hans-Joachim Bungarz Michael Lieb, M. Sc. Dipl.-Inf. Chrisoph Riesinger Dipl.-Inf. Marin Schreiber Numerisches Programmieren 4. Programmieraufgabe:
MehrMathematische Methoden in den Ingenieurwissenschaften 4. Übungsblatt
Prof Dr M Gerds Dr A Dreves J Michael Winerrimeser 6 Mahemaische Mehoden in den Ingenieurwissenschafen 4 Übungsbla Aufgabe 9 : Mehrmassenschwinger Berache wird ein schwingendes Sysem aus Körpern der Masse
MehrStochastische Automaten und Quellen
KAPITEL 2 Sochasische Auomaen und Quellen Sei A ein Sysem allgemeiner Ar (z.b. ein physikalisches Sysem oder eine Nachrichenquelle), das wir zu diskreen Zeipunken = 0, 1,... beobachen. Wir nehmen an: (SA
MehrStochastische Differentialgleichungen
INSTITUT FÜR STOCHASTIK SS 2007/08 UNIVRSITÄT KARLSRUH Bla 9 Priv.-Doz. Dr. D. Kadelka Übungen zur Vorleung Sochaiche Differenialgleichungen Muerlöungen Aufgabe 21: Definieren Sie analog zur d-dimenionalen
MehrDifferenzieren von Funktionen zwischen Banachräumen
Differenzieren von Funkionen zwischen Banachräumen Ingmar Gezner In dieser Seminararbei wollen wir das Differenzieren auf Funkionen zwischen Banachräume verallgemeinern. In unendlichdimensionalen Räumen
MehrMotivation der Dierenzial- und Integralrechnung
Moivaion der Dierenzial- und Inegralrechnung Fakulä Grundlagen Hochschule Esslingen SS 2010 4 3 2 1 0 5 10 15 20 25 30 Fakulä Grundlagen (Hochschule Esslingen) SS 2010 1 / 9 Übersich 1 Vorberachungen Ableiungsbegri
MehrStochastische Analysis und Finanzmathematik
Sochasische Analysis und Finanzmahemaik Vorlesung im Winersemeser 211/212 von Dr. Markus Schulz Inhalsverzeichnis 1 Sochasische Prozesse 1 1.1 Grundlagen................................ 1 1.2 Die Brownsche
MehrLösungen zu Übungsblatt 4
Fakulä für Mahemaik, Technische Universiä Dormund Vorlesung Geomerie für Lehram Gymnasium, Winersemeser 24/5 Dipl-Mah Aranç Kayaçelebi Lösungen zu Übungsbla 4 Aufgabe 2 Punke a Geben Sie eine Funkion f
MehrStetige Gleichverteilung auf [a, b]
2.2.2 Seige Vereilungen Seige Gleichvereilung auf [a, b] Bezeichnung: X U[a, b]. Dichefunkion: (a < b) f() = 1 b a : a b 0 : sons Vereilungsfunkion: 0 : < a a F () = : a b b a 1 : > b Median(X) = EX =
MehrTechnische Universität München. Lösung Montag SS 2012
Technische Universiä München Andreas Wörfel Ferienkurs Analysis für Physiker Lösung Monag SS 0 Aufgabe Gradien und Tangene ( ) Besimmen Sie zur Funkion f(x, y) = x y + xy + y die pariellen Ableiungen,
MehrLeseprobe. Ines Rennert, Bernhard Bundschuh. Signale und Systeme. Einführung in die Systemtheorie. ISBN (Buch):
Leseprobe Ines Renner, Bernhard Bundschuh Signale und Syseme Einführung in die Sysemheorie ISBN (Buch): 978-3-446-43327-4 ISBN (E-Book): 978-3-446-43328- Weiere Informaionen oder Besellungen uner hp://www.hanser-fachbuch.de/978-3-446-43327-4
MehrStruktur und Verhalten I
Kapiel 9 Srukur und Verhalen I Ganz allgemein gesag is das Thema dieses Kurses die Ersellung, Simulaion und Unersuchung von Modellen räumlich homogener dynamischer Syseme aus Naur und Technik. Wir haben
MehrZentrale schriftliche Abiturprüfungen im Fach Mathematik
Zenrale schrifliche Abiurprüfungen im Fach Mahemaik Aufgabe 9: Radioakiver Zerfall Beim radioakiven Zerfall einer Subsanz S 1 beschreib m 1 () die Masse der noch nich zerfallenen Subsanz zum Zeipunk mi
Mehr3. Partielle Differentialgleichungen
3.. Grundlagen und Klassifikaion Welche Ordnung haben diese Gleichungen?? 3.4.1 Lineare parielle Differenialgleichungen. Ordnung Analogie: Klassifikaion Kegelschnie 1 3.4.3 Korrek geselle Probleme Anfangs-
MehrKennzeichnung stochastischer Prozesse
. Kennzeichnung sochasischer Prozesse...1.0. Der Plaz der sochasischen Prozesse in der Regelungsechnik...1.1. Beschreibung sochasischer Prozesse im Zeibereich...3.1.1. Die Auokorrelaionsfunkion (AKF)...3.1..
MehrMathematik für Physiker I
Mahemaik für Physiker I Themenübersich Michael Junk Raum G 47 Beispiel Bewegung 4 Verfolger Esefania Jeder beweg sich mi feser Geschwindigkei immer in Richung zum Vorgänger Dieer B. Paparaz Verona Auf
MehrKondensator und Spule im Gleichstromkreis
E2 Kondensaor und Spule im Gleichsromkreis Es sollen experimenelle nersuchungen zu Ein- und Ausschalvorgängen bei Kapaziäen und ndukiviäen im Gleichsromkreis durchgeführ werden. Als Messgerä wird dabei
MehrName: Punkte: Note: Ø:
Name: Punke: Noe: Ø: Kernfach Physik Abzüge für Darsellung: Rundung: 4. Klausur in K am 5. 5. 0 Ache auf die Darsellung und vergiss nich Geg., Ges., Formeln, Einheien, Rundung...! Angaben: e =,60 0-9 C
Mehr7 Erzwungene Schwingung bei Impulslasten
Einmassenschwinger eil I.7 Impulslasen 53 7 Erzwungene Schwingung bei Impulslasen Impulslasen im echnischen Allag sind zum Beispiel Soß- oder Aufprallvorgänge oder Schläge. Die Las seig dabei in kurzer
MehrZeit (in h) Ausflussrate (in l/h)
Aufgabe 6 (Enwicklung einer Populaion): (Anforderungen: Inerpreaion von Schaubildern; Inegralfunkion in der Praxis) Von einer Populaion wird - jeweils in Abhängigkei von der Zei - die Geburenrae (in Individuen
MehrKapitel : Exponentielles Wachstum
Wachsumsprozesse Kapiel : Exponenielles Wachsum Die Grundbegriffe aus wachsum 1.xmcd werden auch hier verwende! Wir verwenden im Beispiel 2 auch fas die gleiche Angabe wie in Beispiel 1 - lediglich eine
MehrDiskrete Integratoren und Ihre Eigenschaften
Diskree Inegraoren und Ihre Eigenschafen Whie Paper von Dipl.-Ing. Ingo Völlmecke Indusrielle eglersrukuren werden im Allgemeinen mi Hilfe von Inegraoren aufgebau. Aufgrund des analogen Schalungsaufbaus
MehrINTELLIGENTE DATENANALYSE IN MATLAB
INTELLIGENTE DATENANALYSE IN MATLAB Sequenzanalyse Überblick Sh Schrie der Daenanalyse: Daenvorverarbeiung Problemanalyse Problemlösung Anwendung der Lösung Aggregaion und Selekion von Daen. Inegraion
MehrLösungen Test 2 Büro: Semester: 2
Fachhochschule Nordwesschweiz (FHNW) Hochschule für Technik Insiu für Geises- und Naurwissenschaf Dozen: Roger Burkhard Klasse: Sudiengang ST Lösungen Tes Büro: 4.613 Semeser: Modul: MDS Daum: FS1 Bemerkungen:
MehrStrömung im Rohr. Versuch: Inhaltsverzeichnis. Fachrichtung Physik. Physikalisches Grundpraktikum. 1 Aufgabenstellung 2
Fachrichung Physik Physikalisches Grundprakikum Ersell: Bearbeie: Versuch: L. Jahn SR M. Kreller J. Kelling F. Lemke S. Majewsky i. A. Dr. Escher Akualisier: am 29. 03. 2010 Srömung im Rohr Inhalsverzeichnis
MehrMotivation. Finanzmathematik in diskreter Zeit
Moivaion Finanzmahemaik in diskreer Zei Eine Hinführung zu akuellen Forschungsergebnissen Alber-Ludwigs-Universiä Freiburg Prof. Dr. Thorsen Schmid Abeilung für Mahemaische Sochasik Freiburg, 22. April
MehrThe Matlab ODE Suite. Simone Bast Martin Vogt
The Malab ODE Suie Simone Bas Marin Vog Gliederung Wiederholung BDF-Verfahren Verbesserung: NDF-Verfahren ode5s und ode3s User Inerface Vergleich der Löser Zusammenfassung ) Implizie Formeln für seife
MehrUniversität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Sequenzanalyse
Universiä Posdam Insiu für Informaik Lehrsuhl Maschinelles Lernen Sequenzanalyse Michael Brückner (Verreung) Chrisoph Sawade/Niels Landwehr Paul Prasse Tobias Scheffer Lieraur Klaus Neusser: Zeireihenanalyse
MehrAbiturprüfung 2017 ff Beispielaufgabe Grundkurs Mathematik; Analysis Beispiel Wirkstoff
Die Bioverfügbarkei is eine Messgröße dafür, wie schnell und in welchem Umfang ein Arzneimiel resorbier wird und am Wirkor zur Verfügung seh. Zur Messung der Bioverfügbarkei wird die Wirksoffkonzenraion
MehrLösung Klausur. p(t) = (M + dm)v p(t + dt) = M(v + dv) + dm(v + dv u) Wir behalten nur die Terme der ersten Ordnung und erhalten.
T1 I. Theorieeil a) Zur Zei wird ein Pake der Masse dm mi der Geschwindigkei aus der Rakee ausgesoÿen. Newon's zweies Gesez läss sich schreiben als dp d = F p( + ) p() = F d = Av2 d Der Impuls des Sysems
MehrMedikamentendosierung A. M.
Medikamenendosierung A M Inhalsverzeichnis 1 Einleiung 2 2 Ar der Einnahme 3 3 Tropfenweise Einnahme 4 31 Differenialgleichung 4 32 Exake Lösung 5 33 Näherungsweise Lösung 5 4 Periodische Einnahme 7 41
Mehr11. Populationsdynamik/-kinetik
. Populaionsdynamik/-kineik Themen. Einzelpopulaionen (Reine Geburs- und Todesprozesse, Dicheabhängiges Wachsum). Wechselwirkung zweier Populaionen (Räuber-Beue, Konkurrenz und Koexisenz, Muualismus) Ziel:
MehrZwischenwerteigenschaft
Zwischenwereigenschaf Markus Berberich Ausarbeiung zum Vorrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemeser 2009, Leiung PD Dr. Gudrun Thäer) Zusammenfassung: In dieser
MehrAbiturprüfung Mathematik 2009 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
www.mahe-aufgaben.com Abiurprüfung Mahemaik 009 (Baden-Würemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe. (7 Punke) Das Schaubild P einer Polynomfunkion drien Grades ha den Wendepunk W(-/-) und
Mehr5. Übungsblatt zur Linearen Algebra II
Fachbereich Mahemaik Prof. J. Bokowski Dennis Frisch, Nicole Nowak Sommersemeser 27 5., 8. und 2. Mai 5. Übungsbla zur Linearen Algebra II Gruppenübung Aufgabe G (Hüllen) In dieser Aufgabe soll es darum
MehrLösungshinweise zu den Hausaufgaben:
P. Engel, T. Pfrommer S. Poppiz, Dr. I. Rbak 8. Gruppenübung zur Vorlesung Höhere Mahemaik Sommersemeser 9 Prof. Dr. M. Sroppel Prof. Dr. N. Knarr Lösungshinweise zu den Hausaufgaben: Aufgabe H. Konvergenzverhalen
MehrAbituraufgaben Grundkurs 2009 Bayern Analysis I. dt mit D F = R.
Abiuraufgaben Grundkurs 9 Bayern Analysis I I.). Die Abbildung zeig den Graphen G f einer ganzraionalen Funkion f drien Grades mi dem Definiionsbereich D f R. Die in der Abbildung angegebenen Punke P(
MehrVorkurs Mathematik-Physik, Teil 6 c 2016 A. Kersch
Vorkurs Mahemaik-Physik, Teil 6 c 6 A. Kersch Kinemaik In der Kinemaik geh es um die Frage: wie kann ich Bewegungen, also Bahnen von punkförmigen (Kinemaik der Translaion) oder ausgedehnen Körpern (Kinemaik
MehrKapitel 11 Produktion, Sparen und der Aufbau von Kapital
apiel 11 Produkion, Sparen und der Aufbau von apial Vorbereie durch: Florian Barholomae / Sebasian Jauch / Angelika Sachs Die Wechselwirkung zwischen Produkion und apial Gesamwirschafliche Produkionsfunkion:
MehrEine stochastische verzögerte Differentialgleichung und ihr Stabilitätsgebiet im Parameterraum. Theoretikum Christian Brettschneider
Eine sochasische verzögere Differenialgleichung und ihr Sabiliäsgebie im Parameerraum Theoreikum Chrisian Breschneider 16. März 26 Inhalsverzeichnis 1 Einleiung 3 2 Sabiliäsgebie des deerminisischen Sysems
Mehr1 Abtastung, Quantisierung und Codierung analoger Signale
Abasung, Quanisierung und Codierung analoger Signale Analoge Signale werden in den meisen nachrichenechnischen Geräen heuzuage digial verarbeie. Um diese digiale Verarbeiung zu ermöglichen, wird das analoge
Mehr4. Quadratische Funktionen.
4-1 Funkionen 4 Quadraische Funkionen 41 Skalierung, Nullsellen Eine quadraische Funkion is von der Form f() = c 2 + b + a mi reellen Zahlen a, b, c; is c 0, so sprechen wir von einer echen quadraischen
MehrRegelungstechnik. Steuerung. Regelung. Beim Steuern bewirkt eine Eingangsgröße eine gewünschte Ausgangsgröße (Die nicht auf den Eingang zurückwirkt.
Regelungsechnik Seuerung Beim Seuern bewirk eine Eingangsgröße eine gewünsche Ausgangsgröße (Die nich auf den Eingang zurückwirk. Seuern is eine Wirkungskee Seuerkee (Eingahnsraße) Bsp. Boiler Regelung
MehrProf. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeitreihenanalyse Sommer 2003
Prof. Dr. W. Zucchini 06 Wiederholung Kap. 1-4 Zeireihenanalyse Sommer 2003 I.) Klassische Zeireihenanalyse Komponenen einer Zeireihe: Trend- (u. Zyklus), Saison- und Residualkomponene Addiive und muliplikaive
Mehr3.3 Moving-Average-Prozesse (MA-Modelle)
. Moving-Average-Prozesse MA-Modelle Definiion: in sochasischer Prozess heiß Moving-Average-Prozess der Ordnng [MA-Prozess], wenn er die Form θ θ i i... θ i oder B mi ha. is dabei ein reiner Zfallsprozess
MehrGrundbegriffe Geschwindigkeit und Beschleunigung. r = r dt
Gundbegiffe Geschwindigkei und Beschleunigung Die Geschwindigkei eines Köpes is ein Maß fü seinen je Zeieinhei in eine besimmen Richung zuückgelegen Weg. Sie is, wie de O, ein Veko und definie duch die
MehrRüdiger Scholz Die Poisson-Verteilung foexlab-materialien
Rüdiger Scholz Die Poisson-Vereilung foexlab-maerialien Poisson-Vereilung Anforderungsniveau Maheaik Sichwore LFB Theorie: Einfach Experien: Einfach ahe Sochasik Mielwer, Varianz, Sichprobe, Wahrscheinlichkeisvereilung,
MehrLeistungselektronik Grundlagen und Standardanwendungen. Übung 3: Kommutierung
Lehrsuhl für Elekrische Anriebssyseme und Leisungselekronik Technische Universiä München Arcissraße 1 D 8333 München Email: eal@ei.um.de Inerne: hp://www.eal.ei.um.de Prof. Dr.-Ing. Ralph Kennel Tel.:
MehrKapitel 6: Ort, Geschwindigkeit und Beschleunigung als Funktion der Zeit
Kapiel 6: Or, Geschwindigkei und Beschleunigung als Funkion der Zei 2 Kapiel 6: Or, Geschwindigkei und Beschleunigung als Funkion der Zei Einführung Lerninhal Einführung 3 Das Programm yzet erlaub es,
MehrLineare Algebra I - Lösungshinweise zur Klausur
Insiu für Mahemaik Winersemeser 0/3 Universiä Würzburg 0 Februar 03 Prof Dr Jörn Seuding Dr Anna von Heusinger Frederike Rüppel Lineare Algebra I - Lösungshinweise zur Klausur Aufgabe : (0 Punke) Zeigen
MehrPrüfung zum Fach Regelungstechnik für Studierende Lehramt an beruflichen Schulen (Diplom/Bachelor)
Technische Universiä München Lehrsuhl für Regelungsechnik Prof. Dr.-Ing. B. Lohmann Prüfung zum Fach Regelungsechnik 7.9. für Sudierende Lehram an beruflichen Schulen (Diplom/Bachelor) Name: Vorname: Mar.-Nr.
MehrTheoretische Physik I/II
Theoreische Physik I/II Prof. Dr. M. Bleicher Insiu für Theoreische Physik J.. Goehe-Universiä Frankfur Aufgabenzeel IV 9. Mai hp://h.physik.uni-frankfur.de/ baeuchle/u Lösungen Die Vorlesung wird durch
Mehr8.2 Die Theorie stetiger Halbgruppen im Banachraum
8.2 Die Theorie seiger Halbgruppen im Banachraum 3 8.2 Die Theorie seiger Halbgruppen im Banachraum Im weieren sellen wir einige allgemeine Aussagen der Theorie seiger Halbgruppen in Banachräumen zusammen.
MehrV1 - Poisson-Statistik
V1 - Poisson-Saisik Michael Baron, Sven Pallus 03. Mai 2006 Inhalsverzeichnis 1 Aufgabensellung 1 2 Theoreischer Hinergrund 2 2.1 Geiger-Müller-Zählrohr...................... 2 2.2 Poisson-Vereilung........................
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Insiu für Technologie Insiu für Analysis Dr. Chrisoph Schmoeger Dipl.-Mah. Sebasian Schwarz SS 015 17.05.015 Höhere Mahemaik II für die Fachrichung Physik Lösungsvorschläge zum 6. Übungsbla
MehrÜbung zu Quantitative Methoden der Marktanalyse. Tests zu den Annahmen der OLS-Schätzung. 1. Annahmen zur OLS-Schätzung. 1. Annahmen zur OLS-Schätzung
Termin Übungsinhal Übung zu Quaniaive Mehoden der Markanalyse Annahmen derols-schäzung 9.06.009 9.06.009 Tess zu den Annahmen der OLS- Schäzung 06.07.009 Klausurvorbereiung.07.009 Klausurvorbereiung 0.07.009
MehrWechselspannung. Zeitlich veränderliche Spannung mit periodischer Wiederholung
Elekrische Schwingungen und Wellen. Wechselsröme i. Wechselsromgrößen ii.wechselsromwidersand iii.verhalen von LC Kombinaionen. Elekrischer Schwingkreis 3. Elekromagneische Wellen Wechselspannung Zeilich
MehrEmpirische Wirtschaftsforschung
Empirische Wirschafsforschung Prof. Dr. Bernd Süßmuh Universiä Leipzig Insiu für Empirische Wirschafsforschung Volkswirschafslehre, insbesondere Ökonomerie 9.6. Zeireihen und Zeireihenmodelle Prinzipielle
MehrPraktikum Grundlagen der Elektrotechnik Versuch 5. Matrikelnummer:... ...
FH D FB 3 Fachhochschule Düsseldorf Universiy of Applied Sciences Fachbereich Elekroechnik Deparmen of Elecrical Engineering Prakikum Grundlagen der Elekroechnik Versuch 5 Name Marikelnummer:... Anesa
MehrStaatsexamen Didaktiken einer Fächergruppe der Hauptschule Herbst 2007 Thema 2
Referenin: Chrisina Börger Dozen: Dr. Thomas Wilhelm Daum: 16. 01.2008 Saasexamen Didakiken einer Fächergruppe der Haupschule Herbs 2007 Thema 2 Geschwindigkei 1. Viele physikalische Geseze drücken eine
MehrDiplomarbeit. second sound
Universiä Konsanz Diplomarbei Nichlineare Wärmeleiung mi second sound Verfasser: Naalie Indlekofer eingereich am: 5. Dezember 7 Bereuer: Prof. Dr. Reinhard Racke Guacher: Prof. Dr. Reinhard Racke Prof.
MehrOptimierung eines Mean-Variance Portfolios. Diplomarbeit
Universiä Leipzig Fakulä für Mahemaik und Informaik Mahemaisches Insiu Opimierung eines Mean-Variance Porfolios Diplomarbei Leipzig, 23. Januar 212 vorgeleg von: Oliver Janke, B.Sc. Sudiengang Diplom-Wirschafsmahemaik
MehrÖkonometrie - Eine Einführung
Ökonomerie - Eine Einführung 5. Auflage Ludwig von Auer 28. März 2011 Inhalsverzeichnis 1 1 Einleiung 1 1.1 BrauchmanÖkonomeriker?... 2 1.2 WasisÖkonomerie?... 2 1.3 DievierAufgabenderÖkonomerie... 3 1.3.1
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt = r cos t. mit 0 t 2π und interpretieren Sie das Ergebnis geometrisch.
Übungen zur Ingenieur-Mahemaik III WS 9/ Bla 3 7.. Aufgabe 59: Berechnen Sie die Bogenlänge der Schraubenlinie r γ() := r h mi π und inerpreieren Sie das Ergebnis geomerisch. Lösung: Der Tangenialvekor
MehrMathematik: Mag. Schmid Wolfgang Arbeitsblatt Semester ARBEITSBLATT 11 LAGEBEZIEHUNG DREIER EBENEN
Mahemaik Mag. Schmid Wolfgang Arbeisbla. Semeser ARBEITSBLATT LAGEBEZIEHUNG DREIER EBENEN Nachdem wir die Lage weier Ebenen unersuch haben, wollen wir uns nun mi der Lage von drei Ebenen beschäfigen. Anders
MehrDie Lösungen der Übungsaufgaben werden durch folgendes Lemma etwas vereinfacht:
Prof. Dr. D. Kuske, M.Sc. M. Huschenbe Fachgebie Theoreische Informaik, TU Ilmenau Muserlösung zum 2. Übungsbla Auomaenheorie Die Lösungen der Übungsaufgaben werden durch folgendes Lemma ewas vereinfach:
MehrVersuch 1 Schaltungen der Messtechnik
Fachhochschule Merseburg FB Informaik und Angewande Naurwissenschafen Prakikum Messechnik Versuch 1 Schalungen der Messechnik Analog-Digial-Umsezer 1. Aufgaben 1. Sägezahn-Umsezer 1.1. Bauen Sie einen
Mehr2) Neoklassisches Wachstumsmodell (ohne technischen Fortschritt)
) Neoklassisches Wachsumsmodell (ohne echnischen Forschri).1) Problemsellung (Arbeismark) Das Problem, das von Solow - dem Begründer der neoklassischen Wachsumsheorie - angegangen wurde, bezog sich auf
MehrDynamische Systeme. Inhalt dieses Kapitels. Einleitung und Überblick. Einleitung und Überblick. Kapitel O
Prof. Dr. Michael Eisermann Höhere Mahemaik 3 (verief Inhal dieses Kapiels O000 3 2 0 2 x2 0 3 2 0 2 3 x Kapiel O Dynamische Syseme x2 Runge Kua h = B A B x x (Länge/0 Nich das Exisenzheorem is das Wervolle,
MehrKapitel 4. Versuch 415 T-Flipflop
Kapiel 4 Versuch 415 T-Flipflop Flipflops, die mi jeder seigenden oder mi jeder fallenden Takflanke in den engegengesezen Zusand kippen, heissen T Flipflops ( Toggle Flipflops ). T-Flipflops können aus
MehrNäherung einer Wechselspannung
HL Seyr Wechselsromparabel Seie 1 von 1 Nieros Bernhard bernhard.nieros@hl-seyr.ac.a Näherung einer Wechselspannung Mahemaische / Fachliche Inhale in Sichworen: Polynomfunkion, allgemeine Sinusschwingung,
Mehr4.7. Exponential- und Logarithmusfunktionen
... Eonenialfunkionen Definiion:.. Eonenial- und Logarihmusfunkionen Die Funkion f() = c a mi D = R, c und a R + \{}heiß Eonenialfunkion zur Basis a. Die Eonenialfunkion zur Basis a = e mi der Eulerschen
MehrGrundlagen der Elektrotechnik 3
Grundlagen der Elekroechnik 3 Kapiel 3. Schalvorgänge - Die aplace Transformaion Prof. Dr.-Ing. I. Willms Grundlagen der Elekroechnik 3 S. Fachgebie Nachrichenechnische Syseme 3.. Einführung Nuzung einer
Mehr