6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)

Größe: px
Ab Seite anzeigen:

Download "6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)"

Transkript

1 6. Hlbertraum und lneare Operatoren (mathematsche Grundlagen QM) 6.1 Hlbertraum Raum = mathematsches Konstrukt: Vektorraum a) Der lneare komplexe Raum st de Menge von mathematschen Objekten mt folgenden Egenschaften: 1. ψ und φ seen Elemente der Menge, dann st ψ±φ auch en Element. 2. Es exstert en Element 0 (Nullelement) mt ψ+0=ψ, ψ-ψ=0. 3. Wenn ψ Element der Menge st, dann st auch λψ (λ= komplexe Zahl) Element. Davd Hlbert * 23. Januar 1862 Köngsberg 14. Februar 1943 Göttngen 44

2 Bespele für Realserungen I. Menge der komplexen 3D Vektoren a=(a x,a y,a z ) mt a x =Re a x + Im a x a, b seen Vektoren, dann st a±b=(a x ±b x,a y ±b y,a z ±b z ) ebenfalls en Vektor a + (0,0,0)=a Nullvektor (0,0,0) λa=(λa x,λa y,λa z ) st ebenfalls en Vektor λa x = Multplkaton zweer komplexer Zahlen II. Menge der Wellenfunktonen (Zustandsfunktonen) aus der Lösung der Schrödngergl. ψ(r,t) und φ(r,t) seen Lösungen der Schrödngerglechung, dann st auch ψ±φ Lsg. Funkton dentsch Null st Lsg. der Schrödngerglechung λψ(r,t) st auch ene Lösung III. wetere mathematsche Mengen (z.b. Matrzen) 45

3 b) der Hlbertraum der Physker Der Hlbertraum st en lnearer komplexer Raum, für den zusätzlch en Skalarprodukt mt folgenden Egenschaften defnert st: 1. (ψ,φ) = a = komplexe Zahl (Mathematk: a st endlch) 2. (ψ, λφ) = λ(ψ,φ) λ = komplexe Zahl 3. (φ,ψ) = (ψ,φ)* = a* => (λψ,φ) = (φ,λψ)* = [λ(φ,ψ)]* = λ*(φ,ψ)* = λ*(ψ,φ) (ψ,φ 1 ±φ 2 ) = (ψ,φ 1 ) ± (ψ,φ 2 ) => (ψ 1 ±ψ 2,φ) = (ψ 1,φ) ± (ψ 2,φ) (ψ,ψ) 0 und reell, endlch (ψ,ψ) = 0 falls ψ = 0 Def. der Norm ( Länge ):, = ψ, φ snd orthonormal, falls, = 0 1 = 46

4 c) der Hlbertraum (der Mathematker) zusätzlche Forderung nach Vollständgket für Mathematk sehr wchtge Forderung, aber jeder komplexe Vektorraum kann vervollständgt werden z.b., Vervollständgung der ratonalen Zahlen durch rratonale Zahlen Grenzwerte müssen m Raum enthalten sen z.b. Menge der reellen Polynome vom Grad N, blden enen lnearen Raum, Skalarprodukt 2 f N, f M 0 Es st f n f m dx sn x=x x3 3! x5 5! = a n x n n=0 N f N x = a n x n n=0 sn = Grenzwert enes reellen Polynoms für N -> Mathematsch strenge Defnton enes Hlbertraum: En lnearer komplexer Raum, der vollständg bezüglch der durch das Skalarprodukt 47 nduzerten Metrk st, n dem also jede Cauchy-Folge konvergert, heßt Hlbertraum.

5 Bass m Hlbertraum Es gbt Sätze von Elementen des Hlbertraumes, =1, 2,..., de orthonormert, j = j und vollständg snd. De Vollständgket bedeutet, dass jedes Element als Lnearkombnaton der Bass ausgedrückt werden kann. = a Alle weteren Egenschaften lassen sch aus den Defntonen des Skalarproduktes herleten. z.b. erhält man de Entwcklungskoeffzenten a aus:, =, j a j j = j,a j j = j a j, j = j a j j =a 48

6 Bespele für Realserungen: komplexe Vektoren mt a, b =a x * b x a y * b y a z * b z a = a x 2 a y 2 a z 2 reelle Vektoren mt Skalarprodukt De Lösungen der Schrödngerglechung (Wellenfunktonen) snd Elemente enes Hlbertraumes mt dem Skalarprodukt (Metrk), = = * r,t r,t d 3 r, = * d 3 r= * * d 3 r=, *, = * d 3 r= * d 3 r, = * d 3 r= * * d 3 r= * * d 3 r, 1 ± 2 = * 1 ± 2 d 3 r= * 1 d 3 r± * 2 d 3 r=, 1 ±, 2 Paul Adren Maurce Drac * 8. August 1902 Brstol 20. Oktober 1984 Tallahassee Nobelpres Physk 1933 Drac Schrebwese für das Skalarprodukt <ψ φ> bra = <ψ ket= φ> engl. bracket= Klammer 49

7 Verglech N-dmensonaler Vektorraum mt Hlbertraum Vektorraum Hlbertraum a Vektor ψ {e n } Bass {φ n } e e j =δ j Orthonormerung <φ φ j > = δ j a = a e Entwcklung ψ= a φ a = e a a = <φ ψ> a b = b a Symmetre Skalarprodukt <φ ψ> = < ψ φ>* De Elemente des Hlbertraumes für de Quantenmechank snd normerbare Funktonen, de Dmenson des Hlbertraumes st unendlch. De Bass m Hlbertraum st durch en geegnetes vollständges orthonormales System von Funktonen gegeben. 50

8 6.2. Mathematsche Egenschaften 1. Schwarz'sche Unglechung, =,, Bewes: sehe Übung (reelle Vektoren a = a 2 x a 2 2 y a z = Länge des Vektors a) a b = a b cos a b cos 1 b a 2. Dreecksunglechung Bewes: sehe Übung reelle Vektoren a = Länge a a b a b 51

9 6.3. Lneare Operatoren m Hlbertraum Def: En Operator bldet en Element des Hlbertraumes auf en anderes ab. A = Matrx m Raum der 3D Vektoren a axx xy a xz a yx a yy a yz a zx a zy a zz bx x 1, y 2, z 3 3 a j b j =c j=1 x = b y c y b z = cx c z Translatonsoperator T x, y, z = x a, y b, z c Ensten: a j b j =c Operator muss ncht explzt bekannt sen, nur sene Wrkung. Summaton über doppelten Index (Enstensche Summenkonventon) Inversonsoperator P r = r 52

10 Def: en Operator A heßt lnear, falls glt: A = 1 A 1 2 A 2 Gegenbespel: A =, A =, Multplkaton mt 2 m Allgemenen st AB B A z.b. A = p x, B = x Def: De Verknüpfung der Operatoren A und B n folgender Form: AB BA =[A,B] = C (anderer Operator) heßt Kommutator. [ x, p x ]= ħ [ x, p y ]=0 [ x, x]=0 [ p x, p x ]=0 53

11 Def: Inverser Operator ( rückgängg machen ) B st zu A nvers, falls AB = BA = 1 glt. B = A -1 (Schrebwese ncht 1/A, p -1 x -> Integraton) AA -1 = 1 z.b. x x 1 = Integraton Def: Adjungerter Operator B heßt adjungerter Operator zu A, falls glt, A = B, = A *, 1 A 1 2 A 2 * = 1 * A 1 * 2 * A 2 * B= A * AB * =B * A *, A B = A *, B = B * A *,, AB = AB *, AB * =B * A * A ** =A Hausaufgabe 54

12 Def: selbstadjungerter (hermtescher) Operator Operator A heßt selbstadjungert, falls A* = A. Alle physkalsch snnvollen Operatoren snd selbstadjungert. Def: Untäre Operatoren Def: Operatur U heßt untär, falls glt U* = U -1 UU* = U*U = 1 Das Skalarprodukt st be ener untären Transformaton nvarant. (ändert sch ncht, wenn auf Elemente des Hlbertraumes angewandt) (Uψ,Uφ) = (ψ,φ) (U*Uψ,φ) = (ψ,φ) Bewes Bespel: Translatonsoperator Tψ(x) = ψ(x+a) der Ort x wrd um a verschoben, = dx * x x T,T = dx * x a x a = dy * y y y=x a dy=dx 55

13 Fourer-Transformaton F[ψ(x)] = ψ(k) (Fφ,Fψ) = (φ,ψ) Norm blebt erhalten Bespele für selbstadjungerter Operatoren: 1), x = d 3 r * r x r = d 3 r x r * r = x, Ortsoperator st en selbstadjungerter Operator (y, z ebenfalls) -> r st en selbstadjungerter Operator partelle Integraton 2) p x =, ħ x = d 3 r * r ħ x r = dx f x d dx g x = = f x g x dx d dx f x g x = dy dz * x= x, y, z x, y, z x= d 3 r ħ x * r r 0, falls ψ* und/oder φ m verschwndet. = d 3 r ħ * r x = r ħ x, = p x 56

14 p x = ħ x st en selbstadjungerter Operator (p y,p z ebenfalls) p= ħ grad st en selbst adjungerter Operator Bemerkung ψ, φ seen ebene Wellen, z. B. r =e k 1 r, ħ 0 für r x = d 3 r e k1 r ħ x = d 3 r e k 1 r ħ k x 2 x =ħ k 2 d 3 r e k 1 k 2 r e k 2 r e k 2 r r =e k 2 r =ħ k 2 x k 1 k 2 57

15 ħ x, = d 3 r ħ x e k 1 r * e k 2 r = d 3 r ħ k 1 x e k 1 r * e k 2 r =ħ k 1 x d 3 r e k 1 r e k 2 r =ħ k 1 x d 3 r e k 1 k 2 r =ħ k 2 x k 1 k 2 3 k k ' = 0 für 0 für k 1 k 2 k 1 = k 2, p x = p x, p x st selbstadjungert Völlg analog lässt sch des für p y und p z zegen, so dass de Komponenten des Impulsoperators selbstadjungert snd. -> p st selbstadjungert 58

16 6.4 Egenwerte und Erwartungswerte von hermteschen Operatoren Messgrößen werden durch selbstadjungerte Operatoren dargestellt. De Lösung der Egenwertglechung für enen Operator A lefert de Egenwerte a n und Egenvektoren φ n. A n =a n n Wenn A en hermtescher Operator (ψ,aψ)=(aψ,ψ) st glt: n A n = n a n n =a n n n A n n = a n n n =a n * n n a n =a n * De Egenwerte hermtescher Operatoren snd mmer reelle Zahlen. Charles Hermte * 24. Dezember 1822 Deuze (Lothrngen) 14. Januar 1901 Pars 59

17 De Egenvektoren hermtescher Operatoren blden ene Bass m Hlbertraum. m A n = m a n n =a n m n A m n = a m m n =a m * m n =a m m n Aus der Dfferenz deser beden Glechungen ergbt sch für hermtesche Operatoren: 0= a n a m m n Daraus folgt für verschedene Egenwerte a n a m, das de Egenfunktonen zu verschedenen Egenwerte zuenander orthogonal snd (Skalarprodukt st Null). Falls zu enem Egenwert mehrere Egenfunktonen exsteren (Entartung), lassen sch mmer Lnearkombnatonen deser Egenfunktonen blden, de orthogonal snd (Gram-Schmdtsches Orthogonalserungsverfahren). Durch Normerung der Egenfunktonen erhalten wr ene orthonormerte Bass m Hlbertraum, mt der sch alle Zustände ausdrücken lassen. 60

18 Im Hlbertraum der komplexen Vektoren st de Matrx A hermtesch, falls für alle Elemente glt a k =a k *. In desem Fall bestzt A nur reelle Egenwerte. Für komplex konjugert und transponert wrd statt * oft geschreben. A*=A b= b 1, b 2,...,b n b, b = b b= b * b b, c = b * c A b= c k a k b k =c b, A b = b, c = b * k a k b k = k b * a k b k A b, b = c, b = k a k b k * b = = k k a * k b * k b a * k b * * b k a k =a k Spezalfall: reelle Matrx muss symmetrsch sen, damt alle Egenwerte reell snd. 61

19 6.5 Erwartungswerte hermtescher Operatoren En hermtescher Operator A habe bekannte Egenwerte und Egenfunktonen. A n =a n n En belebger Zustand enes physkalschen Systemes kann als Lnearkombnaton n der Bass der Egenfunktonen von A dargestellt werden. = c = c Der Erwartungswert für de Messung der physkalschen Größe A n desem Zustand st: A =, A = A = A = a c j c j j = j c = c A = c a = c a = c * j a c j = c * j a c j = a c * c = a c 2 j Es ergbt sch der Messwert a mt der Wahrschenlchketen c 2. 62

20 6.6 Hermtesche Operatoren und Messung Jede physkalsche Messgröße kann durch enen hermteschen (selbstadjungerten) Operator dargestellt werden. De Egenwerte deses Operators snd mmer reelle Zahlen und entsprechen den möglchen Messwerten der physkalschen Größe. De Egenfunktonen jedes hermteschen Operators blden ene Bass m Hlbertraum, so dass jeder belebge Zustand als Lnearkombnaton der Basszustände ausgedrückt werden kann. De Messung ener physkalschen Größe m Zustand ψ lefert mmer enen Egenwert, der mt der Wahrschenlchket c 2 auftrtt. De Wahrschenlchket ergbt sch aus dem Antel von ψ für den entsprechenden Egenzustand (Basszustand). Ist das System n enem Egenzustand wrd der entsprechende Egenwert als Messwert ohne Schwankung (Unschärfe = 0) gemessen. 63

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

1 Differentialrechnung in mehreren Variablen

1 Differentialrechnung in mehreren Variablen 1 Dfferentalrechnung n mehreren Varablen 1.1 De Geometre eukldscher Räume Zur Ernnerung De Elemente des R n schreben wr normalerwese als Zelenvektoren: x = (x 1,..., x n ). Kommen Matrzen ns Spel, so st

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Lineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan

Lineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan Lneare Algebra IIa - 04 orlesung - Pro Dr Danel Roggenkamp & Sen Balnojan 93 Untäre ektorräume hermtesche Form au enem C ektorraum sesqulnear (ant-lnear m ersten lnear m zweten Argument (, w (w, (, 2 R

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme Runge-Kutta-Teore: Adjungerte Verfaren, A-Stabltät, Stefe Systeme Andre Neubert bat@un-paderborn.de Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete Glederung : - Adjungerte Verfaren / Symmetrsce

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

2 Matrizen (A + B) + C = A + (B + C) (A + B)C = AC + BC. Seien A R m n und B = (b (1)... b (p) ) R n p zwei Matrizen. Dann gilt

2 Matrizen (A + B) + C = A + (B + C) (A + B)C = AC + BC. Seien A R m n und B = (b (1)... b (p) ) R n p zwei Matrizen. Dann gilt Lneare Algebra Wel Gao September Gauss sches Elmnatonsverfahren a x + a x + + a n x n = b a x + a x + + a n x n = b a m x + a m x + + a mnx n = b m Das LGS mt m Glechungen und n Unbekannten n ene erweterte

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

Dichtematrix und verschränkte Zustände

Dichtematrix und verschränkte Zustände Dchtematrx und verschränkte Zustände Felpe Gerhard Unverstät Segen QM-Semnar, 20/06/2006 Dchtematrx und verschränkte Zustände - Felpe Gerhard, Unverstät Segen 1 Überscht 1. Rene und gemschte Zustände 2.

Mehr

Ko- und kontravariante Darstellung

Ko- und kontravariante Darstellung Ko- und kontravarante Darstellung Physkalsche Sachverhalte snd vom verwendeten Koordnatensystem unabhängg. Sehr oft st es snnvoll, se n verschedenen Koordnatensystemen darzustellen. Berets erwähnt wurden

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Der starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade

Der starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade Der starre Körper Domnk Fauser 1 Grundlagen 1.1 Denton Als enen starren Körper bezechnet man en System von Massepunkten m, deren Abstände zuenander konstant snd: r j = r r j. Mest betrachtet man ene sehr

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:

4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig: 4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

3 Elastizitätstheorie

3 Elastizitätstheorie 3 Elastztätstheore Für en elastsches Medum nmmt man enen spannungsfreen Referenzzustand an, der n Eulerkoordnaten durch x = Ax, t) gegeben st. Abwechungen werden beschreben durch de Verschebung ux, t)

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind.

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind. Kresel z y koerperfestes KS z y x raumfestes KS x Starrer Körper: System von Massepunkten m, deren Abstände r r j unterenander konstant snd. Der Zustand läßt sch beschreben durch: Poston des Schwerpunktes,

Mehr

Noethertheorem. 30. Januar 2012

Noethertheorem. 30. Januar 2012 Noethertheorem 30. Januar 2012 1 Inhaltsverzechns 1 Symmetre 3 1.1 Symmetre n der Geometre................... 3 1.2 Symmetre n der Mathematk.................. 3 1.3 Symmetre n der Physk.....................

Mehr

Vorlesung Physikalische Chemie IV Handout 2: Einführung in die Hartree-Fock Theorie

Vorlesung Physikalische Chemie IV Handout 2: Einführung in die Hartree-Fock Theorie Dr. Martn O. Stenhauser Unverstät Basel Physkalsche Cheme IV (Tel 2) Herbstsemester 2014 Vorlesung Physkalsche Cheme IV Handout 2: Enführung n de Hartree-Fock Theore 1 Enletung Deses Handout zur Vorlesung

Mehr

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Dynamik starrer Körper

Dynamik starrer Körper Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

Komplexe Zahlen. Roger Burkhardt 2008

Komplexe Zahlen. Roger Burkhardt 2008 Komplexe Zahlen Roger Burkhardt (roger.burkhardt@fhnw.ch) 008 Enführung De Unvollkommenhet des Körpers der reellen Zahlen N 1,,,,... snd sowohl { } In der Menge der natürlchen Zahlen Addton we Multplkaton

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Kapitel 7: Matrixeigenwertproblem

Kapitel 7: Matrixeigenwertproblem Kaptel 7: Matrxegenwertproblem Umwandlung von Dfferentaloperator-Egenwertglechungen n Matrx- Egenwertglechungen: (A) Fnte Dfferenzen: De Schrödngerglechung für de Bewegung enes Telchens der Masse m n ener

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

Lineare Algebra B. Herzog, Universität Leipzig, Institut für Mathematik und Informatik, Vorlesung des ersten Studienjahrs im Herbstsemester 2007

Lineare Algebra B. Herzog, Universität Leipzig, Institut für Mathematik und Informatik, Vorlesung des ersten Studienjahrs im Herbstsemester 2007 Lneare Algebra B. Herzog, Unverstät Lepzg, Insttut für Mathematk und Informatk, Vorlesung des ersten Studenjahrs m Herbstsemester 2007 Hnwese Aufgaben Am Anfang jeder Woche werden jewels 3 Aufgaben ns

Mehr

Theoretische Physik II Elektrodynamik Blatt 2

Theoretische Physik II Elektrodynamik Blatt 2 PDDr.S.Mertens M. Hummel Theoretsche Physk II Elektrodynamk Blatt 2 SS 29 8.4.29 1. Rechnen mt Nabla. Zegen Se durch Auswertung n kartesschen Koordnaten de folgende Relaton und werten Se de anderen Relatonen

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren Inhalt 4 Realserung elementarer Funktonen Rehenentwcklung Konvergenzverfahren 5 Unkonventonelle Zahlenssteme redundante Zahlenssteme Restklassen-Zahlenssteme logarthmsche Zahlenssteme 6 Rechnen mt Zahlen

Mehr

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate

Mehr

14 Exakte Statistik nichtwechselwirkender Teilchen

14 Exakte Statistik nichtwechselwirkender Teilchen Woche 4 Exakte Statstk nchtwechselwrkender Telchen 4 Bose-Ensten Statstk Engeführt von Satyendra ath Bose 924) für Photonen von A Ensten für massve Telchen 925) Voraussetzung: Bosonen Telchen mt ganzzahlgen

Mehr

8 Numerik von Eigenwertproblemen

8 Numerik von Eigenwertproblemen 8 Numerk von Egenwertproblemen 8 Das Lanczos-Verfahren Mt dem Lanczos-Verfahren bestmmt man für ene hermtesche Matrx A n n ene untäre Matrx U mt U H AU = T, wobe T ene reelle symmetrsche Trdagonalmatrx

Mehr

8 Numerik von Eigenwertproblemen

8 Numerik von Eigenwertproblemen 8 Numerk von Egenwertproblemen 8 Das Lanczos-Verfahren Mt dem Lanczos-Verfahren bestmmt man für ene hermtesche Matrx A n n ene untäre Matrx U mt U H AU = T, wobe T ene reelle symmetrsche Trdagonalmatrx

Mehr

2 Vektoren. 2.1 Vektorraum 2 VEKTOREN 1

2 Vektoren. 2.1 Vektorraum 2 VEKTOREN 1 2 VEKTOREN 1 2 Vektoren 2.1 Vektorraum In der Physk unterscheden wr skalare Grössen von vektorellen. En Skalar st ene reelle Messgrösse, mathematsch enfach ene Zahl, phykalsch ene dmensonsbehaftete Zahl.

Mehr

6 Die Sobolev-Räume H m,p (Ω)

6 Die Sobolev-Räume H m,p (Ω) 6 De Sobolev-Räume H m,p () 6.1 Das Fundamentallemma der Varatonsrechnung In desem Abschntt snd ausnahmswese alle Funktonen reellwertg. We zuvor bezechnen wr mt L 1 loc () den Raum der messbaren Funktonen

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

Kapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation

Kapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation Kaptel 8: Kernel-Methoden SS 009 Maschnelles Lernen und Neural Computaton 50 Ausgangsbass: Perceptron Learnng Rule Δw y = Kf = 0Ksonst K"target" = Kf Rosenblatt (96) Input wrd dazugezählt (abgezogen),

Mehr

INTELLIGENTE DATENANALYSE IN MATLAB. Mathematische Grundlagen

INTELLIGENTE DATENANALYSE IN MATLAB. Mathematische Grundlagen INTELLIGENTE DATENANALYSE IN MATLAB Mathematsche Grundlagen Überblck Lneare Algebra: Vektoren, Matrzen, Analyss & Optmerung: Dstanzen, konvexe Funktonen, Lagrange-Ansatz, Stochastk: Wahrschenlchketstheore,

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Einführung in die theoretische Physik 1

Einführung in die theoretische Physik 1 Enführung n de theoretsche hysk 1 rof. Dr. L. Mathey Denstag 15:45 16:45 und Donnerstag 10:45 12:00 Begnn: 23.10.12 Jungus 9, Hörs 2 Mathey Enführung n de theor. hysk 1 1 Grundhypothese der Thermostatk

Mehr

Experimentalphysik II (Kip SS 2007)

Experimentalphysik II (Kip SS 2007) permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

MASCHINELLES LERNEN TOBIAS SCHEFFER, NIELS LANDWEHR, MATTHIAS BUSSAS. Mathematische Grundlagen

MASCHINELLES LERNEN TOBIAS SCHEFFER, NIELS LANDWEHR, MATTHIAS BUSSAS. Mathematische Grundlagen MASCHINELLES LERNEN TOBIAS SCHEFFER, NIELS LANDWEHR, MATTHIAS BUSSAS Matheatsche Grundlagen Überblck Lneare Algebra: Vektoren, Matrzen, Analyss & Opterung: Dstanzen, konvexe Funktonen, Lagrange-Ansatz,

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

18. Vorlesung Sommersemester

18. Vorlesung Sommersemester 8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

Mehr

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

Mehr

Multilineare Algebra. Anwendungen des Tensors

Multilineare Algebra. Anwendungen des Tensors Multlneare Alebra Anwendunen des Tensors.06.007 Maranne Sommer, Greor Specer, Rued Stahel, Tna Vontobel. Bascs zu Tensoren 0. Basstransformaton Ene Basstransformaton be enem Tensor nullter Stufe, also

Mehr

5.3.3 Relaxationsverfahren: das SOR-Verfahren

5.3.3 Relaxationsverfahren: das SOR-Verfahren 53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx

Mehr

Theoretische Physik: Mechanik

Theoretische Physik: Mechanik Ferenkurs Theoretsche Physk: Mechank Sommer 2017 Vorlesung 2 (mt freundlcher Genehmgung von Merln Mtscheck und Verena Walbrecht) Technsche Unverstät München 1 Fakultät für Physk Inhaltsverzechns 1 Systeme

Mehr

Zusammenfassung der letzten LVA. Diskrete Mathematik

Zusammenfassung der letzten LVA. Diskrete Mathematik Zusammenfassung Dskrete Mathematk Chrstna Kohl Georg Moser Oleksandra Panasuk Chrstan Sternagel Vncent van Oostrom Insttut für Informatk @ UIBK Sommersemester 2017 Zusammenfassung der letzten LVA ene Telmenge

Mehr

arxiv: v1 [math.nt] 10 Apr 2014

arxiv: v1 [math.nt] 10 Apr 2014 Über de ratonalen Punkte auf der Sphäre von Nkolay Moshchevtn 1 Moskau) arxv:1404.907v1 [math.nt] 10 Apr 014 Wr beschäftgen uns her mt der Approxmaton von Punkten auf der n-dmensonalen Sphäre durch ratonale

Mehr

Theoretische Physik: Mechanik

Theoretische Physik: Mechanik Merln Mtschek, Verena Walbrecht Ferenkurs Theoretsche Physk: Mechank Sommer 2013 Vorlesung 3 Technsche Unverstät München 1 Fakultät für Physk Merln Mtschek, Verena Walbrecht Inhaltsverzechns 1 Symmetren

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

lee ZZaahhl leenn IQ, Zahlen die als Brüche geschrieben werden. Damit hat auch eine Gleichung der Form 12 x = 3 eine Lösung, nämlich x = 4

lee ZZaahhl leenn IQ, Zahlen die als Brüche geschrieben werden. Damit hat auch eine Gleichung der Form 12 x = 3 eine Lösung, nämlich x = 4 Kompllexe Zahllen We kommtt man zzu den komplexen Zahlen? Zaahl lbeerree cchss-- eerrwee tteerrung:: gaanzzee Zaahl leen rraatt onaal lee Zaahl leen In der Grundschule rechnet man nur mt natürlchen Zahlen.

Mehr

Der stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden.

Der stöchiometrische Luftbedarf einer Reaktion kann aus dem Sauerstoffbedarf der Reaktion und der Zusammensetzung der Luft berechnet werden. Stoffwerte De Stoffwerte für de enzelnen omponenten raftstoff, Luft und Abgas snd den verschedenen Stellen aus den Lteraturhnwesen zu entnehmen, für enge Stoffe sollen jedoch de grundlegenden Zusammenhänge

Mehr

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen

Näherungsverfahren. Wiederhole den Algorithmusbegriff. Erläutere die Begriffe: Klasse der NP-Probleme. Probleme. Probleme. Approximative Algorithmen Näherungsverfahren Wederhole den Algorthmusbegrff. Erläutere de Begrffe: Klasse der P-ProblemeP Probleme Klasse der NP-Probleme Probleme Approxmatve Algorthmen Stochastsche Algorthmen ALGORITHMEN Def.:

Mehr

4. Rechnen mit Wahrscheinlichkeiten

4. Rechnen mit Wahrscheinlichkeiten 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,

Mehr

Lagrangesche Mechanik

Lagrangesche Mechanik Kaptel Lagrangesche Mechank De Newtonsche Mechank hat enge Nachtele. 1) De Bewegungsglechungen snd ncht kovarant, d.h. se haben n verschedenen Koordnatensystemen verschedene Form. Z.B., zwedmensonale Bewegungsglechungen

Mehr

Alternative Beweise. Man notiere jede positive rationale Zahl im Stellenwertsystem zur Basis 2; der Bruch 5 7. zum Beispiel hat also dann die Form 101

Alternative Beweise. Man notiere jede positive rationale Zahl im Stellenwertsystem zur Basis 2; der Bruch 5 7. zum Beispiel hat also dann die Form 101 Alternatve Bewese Klaus-R. Löffler Inhaltsverzechns Vorbemerkungen De nachfolgend angegebenen Bewese oder Bewesvaranten snd n gewsser Wese der Unterhaltungsmathematk zuzurechnen: Es geht darum, zu engen

Mehr