SAGE das ultimative open source Computer-Algebra-System
|
|
- Frida Salzmann
- vor 8 Jahren
- Abrufe
Transkript
1 das ultimative open source Computer-Algebra-System Institut für Informatik & Automation, IIA Fakultät E&I, Hochschule Bremen, HSB IIA-Kolloquium, , ZIMT
2 Agenda 1 für Computer Algebra Systeme 2 = System for Algebraic & Geometric Experimentation 3 = (Symbolic) Calculus Gewöhnliche Differentialgleichungen IVP 7 Gewöhnliche Differentialgleichungen BVP 8 Programmierung 9 10 ausprobieren!
3 für CASs in Forschung & Lehre CASe als Werkzeuge zum Problem-Lösen: kennenlernen, nutzen, lösen CASe als Werkzeug zur Untersuchung von Algorithmen: implementieren, analysieren, Leistung messen CASe helfen, Mathematik zu verstehen: visualisieren, animieren, Konzepte illustrieren/verifizieren CASe zu untersuchen, deckt die Mathematik dahinter auf: untersuchen, erweitern, vergleichen relevante Eigenschaften von CASen = Leistung/Potential CAS für Forschung & Lehre Gebrauchswert CAS ist intuitiv und Problem-Orientiert. Verfügbarkeit CAS ist unmittelbar verfügbar bzw. einfach zu installieren.
4 Ähnlichkeiten = System for Algebraic and Geometric experimentation vs MATLAB oder Octave&GinaC resp. beide CASe (incl. Symbolic Math Toolbox) command line, programmierbar, problem orientiert, erweiterbar gemeinsame Merkmale: graphics, workspaces, interpretiert, precompiled, object orientation etc Differenzen local implementation & web interface Python viele predefined data types objects modules open source MATLAB local implementation & kostenpflichtiger mcc m-files wenig predefined data types handles toolboxes proprietary/open source
5 (Symbolic) Calculus: Visualisierung plot(sin(x)) plot(sin(x),-3,3) p=plot(sin(x),-3,3, \ color='red'); q=plot(cos(x),-3,3, \ color='blue'); show(p+q); ezplot('sin(x)') ezplot('sin(x)',-3,3) hdl=ezplot('sin(x)',-3,3); set(hdl,'color','r'); hold on; hdl=ezplot('cos(x)',-3,3); set(hdl,'color','b'); hold off; plot(1/x,detect_poles=true) ezplot('1/x',-1,1)
6 Differentiation und Integration diff(sin(x)/x,x) integral(x*sin(x),x) diff(sin(x)/x,x) int(x*sin(x),x) integral(exp(-x 2/2),x,0,1) int(exp(-x 2/2),x,0,1) selbstverständlich auch mit numerischer Auswertung, z.b. N(integral(sin(x)/x,x,0,1)) N(int(sin(x)/x,x,0,1))
7 Gleichungen symbolisch lösen z.b. lineare Gleichungen (Gleichungssysteme) vrs=var('a b c d e f x y'); solve([ \ a*x+b*y==c, \ d*x+e*y==f],x,y) z.b. nicht-lineare Gleichungen syms a b c d e f x y; [x y] = solve(... 'a*x+b*y-c',... 'd*x+e*y-f',x,y) vars=var('a b c d x'); solve( \ a*x 3+b*x 2+c*x+d==0,x) syms a b c d x; solve(... 'a*x 3+b*x 2+c*x+d') z.b. Differentialgleichungen t = var('t'); x = function('x',t); desolve(diff(x,t)+x==1,[x,t]) % t is independent % var by default dsolve('dx+x=1')
8 Lineare Algebra Vektoren & Matrizen pnts = [(random(),random())\ for _ in range(5)]; p = line(pnts); c = cos(pi/4); s = sin(pi/4); R=N(matrix([[c,s],[-s,c]])); pnts = matrix(pnts)*r; q=line([(pnts[i,0],pnts[i,1])\ for i in range(5)],\ color='red'); (p+q).show() plgn = rand(2,5); plot(plgn(1,:),... plgn(2,:)); hold on; c=cos(pi/4); s=sin(pi/4); R = [c s;-s c]; plgn = R*plgn; plot(plgn(1,:),... plgn(2,:),'r'); hold off;
9 lineare Gleichungen vars = var('a,b,c,d,e,f'); A = matrix([[a,b],[c,d]]); b = vector([e,f]); A\b oder auch symbolisch A = matrix([[1,2,3], \ [3,2,1],[1,1,1]]); b =vector([0,-4,-1]); A\b Eigenwerte & Eigenvektoren syms a b c d e f; A = [a b;c d]; b = [e;f]; A\b A = sym([1,2,3;... 3,2,1;1,1,1]); b =sym([0;-4;-1]); A\b A = Matrix([[1,2,3], \ [3,2,1],[1,1,1]]); A.eigenvalues(); # or A.eigenvectors_right(); A = sym([1,2,3;... 3,2,1;1,1,1]); eig(a) % or [V,D] = eig(a);
10 beide CASe basieren auf BLAS oder LAPACK Routinen! lineare Gleichungen per Zerlegung lösen: LU, Cholesky, Schur, SVD least squares, Eigenwerte & Eigenvektoren nicht-lineare Gleichungen lösen Quadratur, einfach/doppelt/dreifach gewöhnliche Differentialgleichungen lösen x = var('x'); find_root( \ cos(x)==sin(x),0,pi/2) % x0 is start guess % or start intervall x0)
11 Gewöhnliche Differentialgleichungen Anfangswertprobleme, IVP ( ) Volterra-Lottka IVP Model y y1 (a by = 2 ) für y 2 ( c + dy 1 ) t [0, 25] und für zwei Populationen y 1 (t) und y 2 (t). # initialize # a,b,c,d,y0[0],y0[1] def odefun(y,t): return [ \ y[0]*(a-b*y[1]), \ y[1]*(-c+d*y[0])]; t = srange(0,25,0.01); y = odeint(odefun,y0,t) % initialize % a,b,c,d,y0(1),y0(2) function fvl = odef(t,y) fvl=[y(1)*(a-b*y(2));... end y(2)*(-c+d*y(1))]; tspan = [0 25]; [t y_ode45] =... ode45(@odef,tspan,y0);
12 Gewöhnliche Differentialgleichungen Randwertprobleme, BVP Etwa das BVP u + 2u + u = 0 für 0 x ( π 2 mit ) u(0) = 3, u( π ) = 2 2 ist äquivalent zu y y = 2. 2y 2 y 1 vars = var('x'); de = diff(y,x,2)+ \ 2*diff(y,x)+y==0; sln = desolve(de, \ y,[0,3,pi/2,2]); plot(sln(x),(x,0,pi/2)); # there are packages # like the numerical # scikits.bvp_solver # also... f [y(2);... -y(2)-y(1)]; g yb(1)-2]; x = linspace(0,pi/2,10)'; yguess=@(x)[3-2*x/pi;... -2/pi]; init = bvpinit(x,yguess); sln = bvp4c(f,g,init); xp = 0:0.01:pi/2; plot(xp,deval(sln,xp,1));
13 Programmierung Animation anmt = animate( \ [point([ \ 2*sin(pi/8*cos(t)),\ 2*(1-cos(pi/8*cos(t)))])\ for t in \ srange(0,11,0.1)],\ xmin=-1,xmax=1, \ ymin=0,ymax=2) anmt.show() plot([-2,2,0,0],... [0,0,0,2],'k'); hold on; h=plot(0,0,'.k'); while true set(h,'xdata',... 2*sin(pi/8*cos(t))); set(h,'ydata', *cos(pi/8*cos(t))); drawnow; end; hold off;
14 def NN(a=(0,2), \ b=1, c=[0,2,4]): p=plot( \ a*x 2+b*x+c,\ -2,2); p.show(); % begin code snippet a = get(ha,'value'); b=double(get(hb,'string')); c = get(hc,'value'); f a*x. 2+b*x+c; ezplot(f); % end code snippet
15 Ein ist schwierig [14]. symbolic engines x=var('x'); bool(x<x+1) syms x; expr = (x<x+1) returns True während MATLABs Symbolic Math Toolbox mit Maple kernel Undefined function or method 'lt' for input arguments of type 'sym' vars=var('a b'); expr= \ sqrt(a*b)-sqrt(a)*sqrt(b); expr.simplify_full() syms a b; expr =... beklagt. sqrt(a*b)-sqrt(a)*sqrt(b); simple(expr) simplify(expr) gibt 0 zurück während MATLABs simple und simplify den originalen Ausdruck expr unverändert zurückgeben. NB MuPad diskrete Mathematik s Stärke ist diskrete Mathematik [13]: Polynom-Ringe, Gruppen, elliptische Kurven, usw. unterstützt daher Anwendungen in Kombinatorik, Kryptographie, Kodierung, Graphentheorie usw. MATLAB bietet m.w. kein Äquivalent!
16 ausprobieren! erlaubt, Probleme in vielen Gebieten der Mathematik anzugehen, solche Probleme numerisch und symbolisch zu lösen, und darüberhinaus auf spezialisierte CASe zuzugreifen. kann unmittelbar benutzt werden, ohne software installieren zu müssen, ( server sind etwa oder Lizenz-frei, mit Unterstützung durch eine rege user community. auszuprobieren, zeigt das große Potential von!
17 Referenzen I [1] J. W. Eaton: GNU Octave Manual; Network Theory Ltd 2002, ISBN [2] GiNaC is Not a CAS; [3] David Joyner: Rantings on open source mathematical programs; University of Washington, wdj/sigsam/opensource_math2.html [4] Jan Kiusalaas: Numerical Methods in Engineering with Python; Cambridge University Press, 2010 [5] MATLAB, the Language of Technical Computing; [6] NumPy/SciPy for Matlab Users; [7] Octave;
18 Referenzen II [8] Open source mathematics; [9] home page; [10] web interface login page; and [11] tour & benchmarks; [12] reference; [13] :, ein open source CAS vor allem für die diskrete Mathematik? 8. Workshop Mathe für Ingenieure, Wismar, [14] Michael Wester: A Review of CAS Mathematical Capabilities; in Luis A. Godoy, Sergio R. Idelsohn, Patricio A. A. Laura and Dean T. Mook (Eds): Applied Mechanics in the Americas, Volume III, American Academy of Mechanics and Asociacion Argentina de Mecanica Computacional, Santa Fe, Argentina, 1995, s.a. wester/cas_review.html
SAGE, ein open source CAS vor allem für die diskrete Mathematik?
SAGE, ein open source CAS vor allem für die diskrete Mathematik? Institut für Informatik & Automation, IIA Fakultät E&I, Hochschule Bremen, HSB Mathematik für Ingenieure, 23.6.2010 Agenda 1 Einführung
MehrMathematisch-algorithmische Grundlagen für Big Data
Mathematisch-algorithmische Grundlagen für Big Data Numerische Algorithmen für Datenanalyse und Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Sommersemester 2016
MehrErgänzungsseminar zu "Rechenmethoden für Studierende der Chemie"
Ergänzungsseminar zu "Rechenmethoden für Studierende der Chemie" VAK 02-03-2-RM-3 Johannes Ranke Ergänzungsseminar zu "Rechenmethoden für Studierende der Chemie" p.1/13 Programm 18.4. Überblick über Software
MehrEinführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009
Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,
MehrComputerorientiertes Problemlösen
1 / 13 Computerorientiertes Problemlösen 22. 26. September 2014 Steffen Basting WS 2014-2015 2 / 13 Organisatorisches 22.09. 26.09. Zeit Mo Di Mi Do Fr 11:00 bis 13:00 13:00 bis 15:30 15:30 bis 18:00 Vorlesung:
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrEinführungskus MATLAB
Start Inhalt 1(11) Einführungskus MATLAB Wintersemester 2015/16 3. BGIP www.math.tu-freiberg.de/ queck/lehre/math/matlab/kurs15/ TU Bergakademie Freiberg W. Queck Start Inhalt Einleitung 2(11) Literatur
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrEine Kurzanleitung zu Mathematica
MOSES Projekt, GL, Juni 2003 Eine Kurzanleitung zu Mathematica Wir geben im Folgenden eine sehr kurze Einführung in die Möglichkeiten, die das Computer Algebra System Mathematica bietet. Diese Datei selbst
MehrOperations Research II
Operations Research II Einführung in die kombinatorische Optimierung Prof. Dr. Peter Becker Fachbereich Informatik Hochschule Bonn-Rhein-Sieg Wintersemester 2015/16 Peter Becker (H-BRS) Operations Research
Mehrpromote SAGE für Forschung und Lehre
promote SAGE für und Institut für Informatik & Automation, IIA Fakultät E-Technik & Informatik, Hochschule Bremen risse@hs-bremen.de Source Talk Tage, 30.8.-1.9.2011, Göttingen Agenda 1 HSB- 2 3 HSB- Alternativen
MehrIntegration von Schülerinnen und Schülern mit einer Sehschädigung an Regelschulen. Didaktikpool
Integration von Schülerinnen und Schülern mit einer Sehschädigung an Regelschulen Didaktikpool Taschenrechner für sehgeschädigte Schülerinnen und Schüler Norbert Briezke-Schäfer, Stephanie Löbbing 2010
MehrComputeralgebra in der Thermo- und Fluiddynamik: Zustandsgleichung, Zustandsänderungen und Kreisprozesse
5. TAG DER LEHRE 20. NOVEMBER 2003 FACHHOCHSCHULE NÜRTINGEN HOCHSCHULE FÜR WIRTSCHAFT, LANDWIRTSCHAFT UND LANDESPFLEGE Computeralgebra in der Thermo- und Fluiddynamik: Zustandsgleichung, Zustandsänderungen
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
Mehr. Sage-Einsatz in der Lehre. Open Source Mathematik-Software. Jochen Schulz. Georg-August Universität Göttingen 1/15
1/15 Sage-Einsatz in der Lehre Open Source Mathematik-Software Jochen Schulz Georg-August Universität Göttingen 2/15 Aufbau 1 Was ist Sage? 2 Erfahrungen - Ein Beispiel 3 Zusammenfassung 3/15 Aufbau 1
MehrEin Rundgang durch Sage
Ein Rundgang durch Sage Release 6.6.beta0 The Sage Development Team 21.02.2015 Inhaltsverzeichnis 1 Das Sage- Notebook 3 2 Sage als Taschenrechner 5 3 Hochleistungsrechnen mit Sage 7 4 Sage-Algorithmen
MehrSoftware Engineering. Zur Architektur der Applikation Data Repository. Franz-Josef Elmer, Universität Basel, HS 2015
Software Engineering Zur Architektur der Applikation Data Repository Franz-Josef Elmer, Universität Basel, HS 2015 Software Engineering: Mit acht bewährten Praktiken zu gutem Code 2 Schichtarchitektur
MehrMATHEMATIK mit. 2. elearning Didaktik Fachtagung 24. und 25. Oktober 2007. 03.10.07 Herbert Arzt und Karin Schachner
MATHEMATIK mit 2. elearning Didaktik Fachtagung 24. und 25. Oktober 2007 Fortbildungen 12. und 13. November Workshoptage in Wels 22. bis 24. November off. Start Interpädagogica in Salzburg http://wiris.eduhi.at
MehrSimulink: Einführende Beispiele
Simulink: Einführende Beispiele Simulink ist eine grafische Oberfläche zur Ergänzung von Matlab, mit der Modelle mathematischer, physikalischer bzw. technischer Systeme aus Blöcken mittels plug-and-play
MehrTask: Nmap Skripte ausführen
Task: Nmap Skripte ausführen Inhalt Einfache Netzwerkscans mit NSE Ausführen des Scans Anpassung der Parameter Einleitung Copyright 2009-2015 Greenbone Networks GmbH Herkunft und aktuellste Version dieses
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrGewöhnliche Differentialgleichungen (ODEs) I
Gewöhnliche Differentialgleichungen (ODEs) I Autor: Harald Höller letzte Änderung: 17.03.10 Lizenz: Creative Commons Lizenz by-nc-sa 3.0 at Differentialgleichungen lösen und plotten in Mathematica Grundlegendes
MehrDie Naturwissenschaftlich-Technische Fakultät 6 der Universität des Saarlandes Fachrichtung Informatik
Die Naturwissenschaftlich-Technische Fakultät 6 der Universität des Saarlandes Fachrichtung Informatik Modulkatalog: Kernbereich des Schwerpunktfachs Informatik Fassung vom 17. September 2015 auf Grundlage
Mehr1. Übung zu "Numerik partieller Differentialgleichungen"
1. Übung zu "Numerik partieller Differentialgleichungen" Simon Gawlok, Eva Treiber Engineering Mathematics and Computing Lab 22. Oktober 2014 1 / 15 1 Organisatorisches 2 3 4 2 / 15 Organisatorisches Ort:
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrFiM Fit in Mathematik ein Fitness-Programm
FiM Fit in Mathematik ein Fitness-Programm Institut für Informatik & Automation, IIA FB E&I, Hochschule Bremen, HSB BNMC, 8. Februar im Jahr der Mathematik 2008 im CeVis Agenda 1 bestimmung 2 Gegenstand
MehrErweiterung eines SMIL Players für die Darstellung von Transparenzen und SVG Inhalten
Bachlor-Abschlussarbeit Erweiterung eines SMIL Players für die Darstellung von Transparenzen und SVG Inhalten im Studiengang Informatik der Fakultät IV - Wirtschaft und Informatik Sommersemester 2009 Burim
MehrWerkzeuge der Informatik UNIX
Autor: David Mainzer Institut für Informatik 1 Werkzeuge der Informatik UNIX Prof. Dr. Gabriel Zachmann (zach@in.tu-clausthal.de) David Mainzer (dm@tu-clausthal.de) Institut für Informatik 17. Dezember
Mehr32 Bachelorstudiengang Allgemeine Informatik
32 Bachelorstudiengang Allgemeine Informatik (1) Im Studiengang Allgemeine Informatik umfasst das Grundstudium zwei Lehrplansemester, das Hauptstudium fünf Lehrplansemester. (2) Der Gesamtumfang der für
MehrEclipse Equinox als Basis für Smart Client Anwendungen. Christian Campo, compeople AG, 5.7.2007 Java Forum Stuttgart 2007
Eclipse Equinox als Basis für Smart Client Anwendungen Christian Campo, compeople AG, 5.7.2007 Java Forum Stuttgart 2007 Übersicht Definition / Architektur Smart Client Smart Client mit RCP / Equinox Gesamtfazit
MehrGliederung. 1. That s Radiant 2. User Interface 3. Rollen 4. Installation 5. Extensions 6. Fazit
Gliederung 1. That s Radiant 2. User Interface 3. Rollen 4. Installation 5. Extensions 6. Fazit It s Radiant (1/2) It s Radiant (1/2) It s Radiant (1/2) Drupal Joomla! Radiant CMS * * http://www.cmsmatrix.org
MehrStabilität mittels Ljapunov Funktion
Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt
MehrZ- module telematic I. Software Overview. 2014 Johannes Schütt
Software Overview Inhalt: JackOSX QjackCtl.app Terminal Jacktrip LifeSize-Softphone Google-Chat JackOSX: JackOSX ->??? JackPilot = AudioServer! JackOSX: (inter-application audio bridge) Wollen mehrere
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrTheoretische Informatik I
Theoretische Informatik I Einheit 2.4 Grammatiken 1. Arbeitsweise 2. Klassifizierung 3. Beziehung zu Automaten Beschreibungsformen für Sprachen Mathematische Mengennotation Prädikate beschreiben Eigenschaften
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrSAP NetWeaver Gateway. Connectivity@SNAP 2013
SAP NetWeaver Gateway Connectivity@SNAP 2013 Neue Wege im Unternehmen Neue Geräte und Usererfahrungen Technische Innovationen in Unternehmen Wachsende Gemeinschaft an Entwicklern Ausdehnung der Geschäftsdaten
MehrSpieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory
Spieltheorie Kapitel 7, 8 Evolutionary Game Theory Modelling Network Traffic using Game Theory 01.12.2010 Arno Mittelbach 1 Spieltheorie Einführung Evolutionary Game Theory Spieltheorie in Netzwerken Erstens
MehrInstallation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.
Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst
MehrDiskrete Modellierung
Diskrete Modellierung Wintersemester 2013/14 Prof. Dr. Isolde Adler Letzte Vorlesung: Korrespondenz zwischen der Page-Rank-Eigenschaft und Eigenvektoren zum Eigenwert 1 der Page-Rank-Matrix Markov-Ketten
MehrBeispiel 19. December 4, 2009
Beispiel 9 December 4, 2009 Computermathematik (für Informatik) 4. Übungsblatt (Musterlösung) 2. 2. 2009 Die heutigen Übungen sollen mit dem Computeralgebrasystem Sage gelöst werden. Die Lösung der Beispiele
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrComputer Aided Engineering
Computer Aided Engineering André Dietzsch 03Inf Übersicht Definition Teilgebiete des CAE CAD FEM Anwendungen Was hat das mit Rechnernetzen zu tun? André Dietzsch 03Inf Computer Aided Engineering 2 Definition
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrScala & Lift. Ferenc Lajko 04.02.2010
Scala & Lift Ferenc Lajko 04.02.2010 Gliederung 1. Scala 1.1. Allgemein 1.2. Merkmale 1.3. Unterschiede zu Java 1.4. Code-Beispiel 1.5. Vorteile zu anderen Sprachen 2. Lift 2.1. Allgemein 2.2. Idee 2.3.
MehrNumerische Mathematik mit Matlab
Günter Grämlich Wilhelm Werner Numerische Mathematik mit Matlab Eine Einführung für Naturwissenschaftler und Ingenieure ГЗ I dpunkt.verlag Inhaltsverzeichnis 1 Einleitung 1 2 MATLAB-Grundlagen 5 2.1 Was
MehrLog Parser 2.0 HackerScan.js. Beschreibung. Anforderungen. Unterstützte Plattformen. Script-Code. Zurück zur Übersichtsseite
Zurück zur Übersichtsseite Log Parser 2.0 HackerScan.js (Engl. Originaltitel: HackerScan.js) Beschreibung Dieses Script sucht in allen IIS-Protokolldateien (IIS-, HTTPError- und UrlScan-Protokolldateien)
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
MehrStudien- und Prüfungsordnung für Bachelor- Studiengänge der Hochschule Aalen (SPO 31) vom 29. Juni 2012
Studien- und rüfungsordnung für Bachelor- Studiengänge der Hochschule Aalen (SO 31) vom 29. Juni 2012 Lesefassung vom 14. August 201 (nach 9. Änderungssatzung) Auf Grund von 8 Abs. in Verbindung mit 34
MehrFAQs zum Bachelorstudiengang Software Engineering PO-Version 2010. Allgemeine Informationen zum Bachelorstudiengang Software Engineering
FAQs zum Bachelorstudiengang Software Engineering PO-Version 2010 Allgemeine Informationen zum Bachelorstudiengang Software Engineering Wann kann das Studium begonnen werden? Im Winter- und Sommersemester
MehrAlgorithmen mit Python
Algorithmen mit Python Vorbesprechung zum Proseminar im Sommersemester 2009 http://www.python.org 1 Sie lernen in DAP Java und C/C++: 80% Syntax, 20% Algorithmen-Design Idee Schon ein einfaches Hello World
MehrHans Walser, [20090509a] Wurzeln aus Matrizen
Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn
MehrBabeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005. Modulare Programmierung
Babeș-Bolyai Universität Cluj Napoca Fakultät für Mathematik und Informatik Grundlagen der Programmierung MLG5005 Modulare Programmierung Test Driven Development Refactoring Modular programmierung der
MehrInstallation des Add-Ins für Lineare Algebra in Microsoft Excel
Installation des Add-Ins für Lineare Algebra in Microsoft Excel Matrix 2.2 by The Foxes Team http://digilander.libero.it/foxes/ Download der Matrix 2.2 Im Browser die Seite http://digilander.libero.it/foxes/download.htm
MehrRapide An Event-Based Architecture Definition Language
Rapide An Event-Based Architecture Definition Language Ralf Bettentrup Seminar: Architekturbeschreibungssprachen Wozu Rapide? Computer mit Modem Provider Broker Client Broker PC Prov 1 Client 1 RS-232
MehrPädagogische Hochschule Thurgau. Lehre Weiterbildung Forschung
Variante 1 Swisscom-Router direkt ans Netzwerk angeschlossen fixe IP-Adressen (kein DHCP) 1. Aufrufen des «Netz- und Freigabecenters». 2. Doppelklick auf «LAN-Verbindung» 3. Klick auf «Eigenschaften» 4.
MehrInformatik, Mathematik und Naturwissenschaften
Hochschule für Technik, Wirtschaft und Kultur Leipzig Leipzig University of Applied Sciences OPAL 2 Softwareprojekt der HTWK Leipzig Fakultät Informatik, Mathematik und Naturwissenschaften portal.imn.htwk-leipzig.de
MehrModellierung und Programmierung 1
Modellierung und Programmierung 1 Prof. Dr. Sonja Prohaska Computational EvoDevo Group Institut für Informatik Universität Leipzig 19. November 2015 Gültigkeitsbereich (Scope) von Variablen { int m; {
MehrÄquivalenztabelle der Studienleistungen
Äquivalenztabelle der Studienleistungen Bachelorstudium Angewandte Informatik 2008 Bakkalaureatsstudium alt (14.5.2003) Fachgebiet Lehrveranstaltung LV Lehrveranstaltung LV SSt Art ECTS SSt Art ECTS (1)
MehrAufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).
Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrWICHTIGER HINWEIS FÜR HÄNDLER UND SERVICE-WERKSTÄTTEN:
Sehr geehrter Kunde, ruwido erweitert seine Serviceleistungen für den Sektor seiner Symphony Ersatzfernbedienungen sowie der bisher für ASWO/ESPO hergestellten COM genius Ersatzfernbedienungen mit einem
MehrKlassenentwurf. Wie schreiben wir Klassen, die leicht zu verstehen, wartbar und wiederverwendbar sind? Objektorientierte Programmierung mit Java
Objektorientierte Programmierung mit Java Eine praxisnahe Einführung mit BlueJ Klassenentwurf Wie schreiben wir Klassen, die leicht zu verstehen, wartbar und wiederverwendbar sind? 1.0 Zentrale Konzepte
MehrErste Schritte am Rechner
Erste Schritte am Rechner Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik, Kristian Witsch 10. April 2008 Computergestützte Mathematik zur Linearen Algebra
MehrTest-Driven Design: Ein einfaches Beispiel
Test-Driven Design: Ein einfaches Beispiel Martin Wirsing in Zusammenarbeit mit Moritz Hammer und Axel Rauschmayer SS 06 2 Ziele Veranschaulichung der Technik des Test-Driven Design am Beispiel eines Programms
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
MehrInformation Systems Engineering Seminar
Information Systems Engineering Seminar Algorithmische Prüfung der Planarität eines Graphen Marcel Stüttgen, 22.10.2012 FH AACHEN UNIVERSITY OF APPLIED SCIENCES 1 Planarität - Definition Ein Graph heißt
MehrWie Google Webseiten bewertet. François Bry
Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google
MehrInstallation und Inbetriebnahme von SolidWorks
Inhaltsverzeichnis FAKULTÄT FÜR INGENIEURWISSENSCHAFTEN I Prof. Dr.-Ing. Frank Lobeck Installation und Inbetriebnahme von SolidWorks Inhaltsverzeichnis Inhaltsverzeichnis... I 1. Einleitung... 1 2. Installation...
MehrAgile Programmierung in der Praxis
Agile Programmierung in der Praxis Tatyana Yotsova Universität Hamburg Fakultät für Mathematik, Informatik und Naturwissenschaften Seminar Softwareentwicklung in der Wissenschaft Betreuer: Christian Hovy
Mehr... über OGVIT GmbH & Co. KG
Einführung OpenSTA Agenda - über OGVIT - Warum Lasttests - Was ist OpenSTA - Wie arbeitet OpenSTA - Skripte für OpenSTA - OpenSTA Collectors - Tests planen - Testen - Ergebnisse analysieren - Beispiel
MehrStatistik und Computer Statistische Software (R) Paul Fink, M.Sc. Formeln und Code Was ist Statistiksoftware?
Statistik und Computer Efron (2001): Statistik im 20. Jahrhundert Statistische Software (R) Paul Fink, M.Sc. Institut für Statistik Ludwig-Maximilians-Universität München Einführung Applications 1900 Theory?
MehrSpline Morphing. Softwarepraktikum im IWR. Carl Friedrich Bolz. Carl Friedrich Bolz
Spline Morphing Softwarepraktikum im IWR Einführung Motivation: Splines sind die Grundlage von jeglicher Vektorgrafik, 3D-Grafik, CAD/CAM,... Splines werden häufig zur Beschreibung von Schrift verwendet,
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrVorkurs: Mathematik für Informatiker Steven Köhler, Anja Moldenhauer, Marcel Morisse
Vorkurs: Mathematik für Informatiker Steven Köhler, Anja Moldenhauer, Marcel Morisse Wintersemester 2014/15 Aufgaben I-1. Es seien die folgenden Mengen A = {5,7,9}, B = {5,6,7} und C = {1,3,5,7,9} gegeben.
MehrProgrammierparadigmen
Programmierparadigmen D. Rösner Institut für Wissens- und Sprachverarbeitung Fakultät für Informatik Otto-von-Guericke Universität Magdeburg Sommer 2011, 20. Juni 2011, c 2011 D.Rösner D. Rösner PGP 2011...
MehrBildverarbeitung und Algorithmen. Einführung in ImageJ
Prof. Dr. Wolfgang Konen Einführung in ImageJ SS06 3b.1 Konen SS06 3b.2 Konen Tools in der Bildverarbeitung Früher: fast so viele BV-Tools wie BV-Formate Lösungen nur schwer auf andere Systeme übertragbar
MehrPredictive Modeling Markup Language. Thomas Morandell
Predictive Modeling Markup Language Thomas Morandell Index Einführung PMML als Standard für den Austausch von Data Mining Ergebnissen/Prozessen Allgemeine Struktur eines PMML Dokuments Beispiel von PMML
MehrAzure und die Cloud. Proseminar Objektorientiertes Programmieren mit.net und C# Simon Pigat. Institut für Informatik Software & Systems Engineering
Azure und die Cloud Proseminar Objektorientiertes Programmieren mit.net und C# Simon Pigat Institut für Informatik Software & Systems Engineering Agenda Was heißt Cloud? IaaS? PaaS? SaaS? Woraus besteht
MehrORM & OLAP. Object-oriented Enterprise Application Programming Model for In-Memory Databases. Sebastian Oergel
ORM & OLAP Object-oriented Enterprise Application Programming Model for In-Memory Databases Sebastian Oergel Probleme 2 Datenbanken sind elementar für Business-Anwendungen Gängiges Datenbankparadigma:
MehrBegleitendes Praktikum zur Vorlesung Künstliche Intelligenz
Begleitendes Praktikum zur Vorlesung Künstliche Intelligenz SS12 Kontakt Internet: http://cvpr.uni-muenster.de/teaching/ss12/ki/ RSS-Feed Kalender Dipl.-Math. Michael Schmeing m.schmeinguni-muenster.de
MehrKapitel MK:IV. IV. Modellieren mit Constraints
Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren
MehrMINT-Initiative am FKG: Von der Mathematik zur IT
MINT-Initiative am FKG: Von der Mathematik zur IT Michael Adam ma@sernet.de 2012-05-23 Hi! Michael Adam Mathe...IT (3 / 12) Mathematik Mathe... Mathematik ist NICHT Rechnen! Reine Wissenschaft Streng logische
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrWhitepaper. Produkt: List & Label 16. List & Label 16 unter Linux/Wine. combit GmbH Untere Laube 30 78462 Konstanz
combit GmbH Untere Laube 30 78462 Konstanz Whitepaper Produkt: List & Label 16 List & Label 16 unter Linux/Wine List & Label 16 unter Linux/Wine - 2 - Inhalt Allgemeines 3 Voraussetzungen 3 Schritt-für-Schritt
MehrFunktionales Programmieren in Python
Wintersemester 2008/2009 1 Funktionen sind Objekte 2 lambda Funktionen 3 apply 4 map 5 zip 6 filter 7 reduce 8 List Comprehension Funktionales Programmieren Wer nicht funktional programmiert, programmiert
MehrVorlesung Objektorientierte Softwareentwicklung. Kapitel 0. Java-Überblick
Vorlesung Objektorientierte Softwareentwicklung Sommersemester este 2008 Kapitel 0. Java-Überblick Was sind die Ziele? Warum Java? Komplexe Anwendungen e-business verteilt zuverlässig sicher mobil persistent
MehrVerbesserungsdetails: PTC Mathcad Prime 3.0. Copyright 2013 Parametric Technology Corporation. weiter Infos unter www.mcg-service.
: PTC Mathcad Prime 3.0 Copyright 2013 Parametric Technology Corporation PTC Mathcad Angepasste Funktionen Sie können eigene Funktionen, die in C++ oder anderen Sprachen geschrieben sind, in die PTC Mathcad
MehrThe B Method. B ist eine Methode zur Spezifikation zum Entwurf zur Implementierung von Software Systemen. Bücher zur B-Methode
The B Method B ist eine Methode zur Spezifikation zum Entwurf zur Implementierung von Software Systemen. Bücher zur B-Methode P. Schmitt: Formal Specification and Verification of Software p.1 The B Method
MehrDer Einsatz von Computeralgebrasystemen in Abiturprüfungen
Der Einsatz von Computeralgebrasystemen in Abiturprüfungen Dr. Gilbert Greefrath Ausgangslage Zentrale Prüfungen mit (und ohne) CAS Aufgabeninhalt und -kontext Verwendung verschiedener Werkzeuge Erfahrungen
MehrZuuL - Entwicklung eines Adventures
ZuuL - Entwicklung eines Adventures im Rahmen der Uni-Tage 2009 Team 120 Universität Hamburg 16./17. November 2009 Team 120 (Universität Hamburg) ZuuL - Entwicklung eines Adventures 16.11.09 1 / 21 Übersicht
MehrEinführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung)
Wintersemester 2007/08 Einführung in die Informatik für Naturwissenschaftler und Ingenieure (alias Einführung in die Programmierung) (Vorlesung) Prof. Dr. Günter Rudolph Fakultät für Informatik Lehrstuhl
MehrThe Modular Structure of Complex Systems. 30.06.2004 Seminar SoftwareArchitektur Fabian Schultz
The Modular Structure of Complex Systems 1 Modularisierung Vorteile Organisation Mehrere unabhängig Teams können gleichzeitig arbeiten Flexibilität Änderung einzelner Module Verständlichkeit Nachteile
MehrEigenMath Howto. Beispiele: Was erhält man, wenn man 100 mal die Zahl 2 mit sich multipliziert? Antwort 1267650600228229401496703205376
EigenMath Howto EigenMath ist ein kleines Programm, das als 'Taschenrechner' für die Mathematik der Oberstufe verwendet werden kann. Es ist viel weniger mächtig als die großen Brüder Sage, Maxima, Axiom
MehrMathematik + Informatik dual studieren
Mathematik + Informatik dual studieren Bachelor Scientific Programming und Ausbildung zum MATSE (Mathematisch technische/-r Softwareentwickler/-in) Dipl.-Volksw. Jochen Goeser Fachbereich Medizintechnik
Mehr