Finite Elemente Methode für elliptische Differentialgleichungen

Größe: px
Ab Seite anzeigen:

Download "Finite Elemente Methode für elliptische Differentialgleichungen"

Transkript

1 Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte die Randwertaufgabe u = g in, u = γ. () Die äußere Normale n = n(x) R n existiere für x mit Ausnahme endlich vieler Punkte. genügt also den Voraussetzungen des Gaußschen Integralsatzes, d.h. für F C (, R n ) C(, R n ) gilt F (x) d = F n ds. Für ψ C(, R) sei D ψ = {u C(, R) : u = ψ}. Das Ritzsche Verfahren basiert auf einer Umformulierung der Randwertaufgabe () in ein Variationsproblem. Satz Für eine Funktion u C 2 () D γ sind paarweise äquivalent i) u löst das Problem () ii) u ist stationärer Punkt des Funktionals I(u) = 2 u 2 gu dx, wobei u C () D γ ist S

2 iii) u = u C () D γ erfüllt für alle v C () D 0. u v gv dx = 0 Bemerkung 2 u heißt stationärer Punkt eines Funktionals I : C () D γ R, wenn für alle v C () D 0. ε I(u + εv) ε=0 = 0 Bemerkung 3 Die Aussage ii) ist äquivalent damit, dass das Funktional I sein Minimum bei u annimmt. Man bezeichnet deshalb ii) als Variationsproblem und iii) als Variationsgleichung oder schwache Formulierung der Randwertaufgabe. Beweis: Zum Beweis benötigen wir die erste Greensche Formel v u n ds = v u + v u d, die sich aus dem Gauß schen Satz ableiten lässt. i) ii) Für v C () D 0 gilt ε I(u + εv) = ( ε 2 = ( ε = v u + ε v v g v d. ) ( u + ε v) ( u + ε v) g(u + εv) d 2 u u + ε v u + 2 ε2 v v gu εgv d ) Somit folgt ε I(u + εv) ε=0 = v u gv d. Also ist ε I(u + εv) ε=0 = 0 genau dann, wenn iii) gilt. i) iii) Multipliziere () mit einem v C () D 0 und integriere die dadurch erhaltene Gleichung über. Unter Benutzung der ersten Greenschen Formel ergibt sich die Gültigkeit von gv d = uv d = v u d v u n ds = v u d für alle v C () D 0. 2

3 iii) i) Es gilt umgekehrt genau dann, wenn gv v u d = 0 ( u g)v d = 0 für alle v C () D 0 erfüllt ist. Mit dem Variationslemma folgern wir u g = 0, d.h. i) gilt, da u C 2 () D 0. Wir können nun das Ritzsche Verfahren zur Lösung von () formulieren. Wähle ein u 0 C () D γ und Ansatzfunktionen u i C () D 0, i =,..., m. Mache das Funktional I : C () D γ R stationär bzgl. u u 0 + V, V = u,..., u n, d.h. finde ein u u 0 + V mit ε I(u + εv) ε=0 = 0 für alle v V. Dies ist äquivalent mit folgender Aufgabe: Finde ein ũ u 0 + V mit ũ v gv d = 0 (2) für alle v V. Die Gleichung (2) nennt man Galerkinsche Gleichung zur Randwertaufgabe (). Suche ũ in der Form ũ = u 0 + c j u j, c j R, j =,..., m. j= Es genügt, die Bedingung (2) auf einer Basis von V zu fordern. Wähle die Basis {u,..., u m }. Erhalte ( ) u 0 + c j u j u i gu i d = 0, i =,..., m, ( j= u 0 + j= ) c j u j u i gu i d = 0, i =,..., m, j= c j u j u j d = gu i u 0 u i d, i =,..., m. 3

4 Setzt man A ij = u j u j d und r i = gu 0 u 0 u i d, so ist letzteres mit folgender Gleichung äquivalent: A ij c j = r i, i =,..., m bzw. j= Ac = r mit A = (A ij ) i,j m R m,m und r = (r,..., r m ) R m in der Matrixform. Beim klassischen Ritzschen Verfahren wählt man glatte Ansatzfunktionen u i C () D 0, i =,..., m, die im allgemeinen auf dem ganzen Gebiet nicht verschwinden. A ist dann eine vollbesetzte Matrix. Bemerkung 4 Das Ritzsche Verfahren lässt sich auch auf andere Randbedingungen verallgemeinern. 2 Finite Elemente Methoden Finite Elemente Methoden unterscheiden sich in zwei Punkten von Ritzschen Verfahren. Die wesentlichen Abweichungen sind:. Es wird geringere Glattheit der Ansatzfunktionen vorausgesetzt. Dabei verwendet man schwächere Glattheitsbegriffe, wie etwa schwache Differenzierbarkeit und sogenannte Sobolevräume. Man ersetzt das Gebiet durch eine geeignete Approximation, z.b. durch eine Triangulierung Tn (falls R 2 ), indem man Tn = e e E n setzt, wobei E n eine Menge von Dreiecken ist. Je zwei Dreiecke e, e E n haben entweder eine Seite, oder einen Punkt oder nichts gemeinsam. Ferner definiert man V Tn = {u C( Tn ) u ist linear in x auf jedem Dreieck e E n und u = 0 auf Tn }. Bemerkung 5 Beachte, dass die Funktionen u V Tn nicht zu dem Raum C () gehören! Formal gilt also die Äquivalenz im Satz nicht mehr. Eine andere Äquivalenzaussage lässt sich aber zeigen, wenn die Variationsgleichung u v gv d = 0 4

5 für alle v H 0() gilt. Der Sobolevraum H 0() umfasst dabei den Raum V Tn. 2. Die Ansatzfunktionen besitzen einen lokalen Träger, d.h. sie verschwinden jeweils im größeren Teil des Gebietes Tn. Als Konsequenz haben wir, dass A dünn besetzt ist. 3 Etwas Theorie zur Finite Elemente Methode Sei ein beschränktes Gebiet. Definition 6 Für u : R heißt supp u = {x u(x) 0} Träger von u. Definition 7 C 0 () = {u C () supp u kompakt} ist der Raum der Testfunktionen. Letzterer Raum ist nicht leer, da insbesondere der Friedrichs sche Molifier (der Glättungskern) u ε ( x 0 ) für alle x 0 und ε < dist(x 0, ) in diesem Raum liegt, wobei { ( ) exp u ε (x) = ε2, x < ε ε n ε 2 x 2 0, sonst Definiere für u C (), v C0 () die Abbildung a(u, v) = u(x) v(x) dx. Setze ferner g, v = g(x)v(x)dx. Dies definiert ein Skalarprodukt auf C(). Eine klassische Lösung u C 2 () C() erfüllt also a(u, v) = g, v für alle v C0 (). Die Bilinearform a definiert auf C0 () ein Skalarprodukt, das eine Norm erzeugt, nämlich u a = ( /2 a(u, u) = u dx) 2. Mit bezeichnen wir im folgenden die übliche Norm in L 2 (). Der Raum C 0 () ist als Grundraum für die Gleichung a(u, v) = g, v zu klein, da im allgemeinen u C 0 (). Der Ansatz eines neuen Grundraums V ist: V := { u C() u existiert und ist stückweise stetig, u = 0 auf }. Das Ziel ist es, die Gleichung a(u, v) = g, v für alle v V zu erstellen. 5

6 Satz 8 Gültig sind die Aussagen. a : V V R ist ein Skalarprodukt 2. C 0 () liegt dicht in V bzgl a und Definition 9 u V heißt schwache (variationelle) Lösung von (), wenn a(u, v) = g, v für alle v V gilt. Lemma 0 Ist u eine klassische Lösung von (), so ist u auch eine schwache Lösung. Lemma Die variationelle Lösung stimmt mit der Lösung der Minimierungsaufgabe F (v) = 2 a(v, v) g, v = 2 v 2 gv dx min v V überein. Lemma 2 Die schwache Lösung ist eindeutig. Der Unterschied zwischen den Normen a und ist wesentlich, da sie auf V nicht äquivalent sind und damit verschiedene Konvergenzbegriffe erzeugen. Die normierten Räume (V, ) und (V, a ) sind nicht vollständig. Die Vollständigkeit ist aber essentiell, um die Minimierungsprobleme zu lösen! Vergrößere nun V nach dem Prinzip der Vollständigkeit ohne die bisherigen Ergebnisse zu verletzen. Definition 3 Es sei L 2 () = {u : R u meßbar, u 2 Lebesgue-integrierbar} mit dem Skalarprodukt u, v = u(x)v(x)dx versehen. Lemma 4 Ist u C k (), ϕ C0 (), α N n 0, α k, so gilt α uϕ dx = ( ) k u α ϕ dx. Dies motiviert die folgende Definition Definition 5 Für u L 2 () heißt v L 2 () (allgemeiner: u, v L loc ()) schwache oder verallgemeinerte Ableitung α u der Ordnung α von u, falls vϕ dx = ( ) α u α ϕdx für alle ϕ C 0 (). 6

7 Bemerkung 6 Ist u C k (), so besitzt u schwache Ableitungen α u, α k und diese stimmen mit den klassischen Ableitungen überein. Definiere W k () := {u L 2 () α u L 2 (), α k} mit dem Skalarprodukt u, v W k := α u, α v. α k Definition 7 W k () heißt ein Sobolevraum. Statt dieser Verallgemeinerung der klassischen Ableitung im schwachen Sinn ist auch eine Verallgemeinerung im starken Sinn möglich: Satz 8 Es gilt: W k () = H k (). H k () = C k () W k (). Die Räume H k () und W k () sind vollständig. Die richtige Wahl für V ist der Raum V = H 0() = {u H () u = 0 auf }. Bemerkung 9 Da die Elemente aus H 0() nicht stetig sein müssen, ist der Ausdruck u = 0 auf möglicherweise nicht definiert. Dieser lässt sich aber im schwachen Sinne erklären. Satz 20 Sei R n ein beschränktes Gebiet und sei stückweise glatt. Dann existiert eindeutig ein linearer stetiger Operator derart, dass Γ(u) = u für alle u C (). Γ : H () L 2 ( ) Man nennt Γ(u) ein Spuroperator oder verallgemeinerte Randwerte von u. Dann ist sinnvoll erklärt. H 0() = {u H () Γ(u) = 0} Bemerkung 2 Die Räume H 0() und W 0 () definiert man wie folgt H0() = C0 () W (), { W0 () = u H () F (L 2 ()) n, F L 2 () : u F d = } uf d. 7

8 Die schwache Formulierung von () mit γ = 0 lautet damit wie folgt. Gesucht ist ein u V = H 0() mit a(u, v) = b(v), v V wobei b(v) = g(x)v(x) dx. Ist γ 0, so ist u γ H0(). w = u γ sei die Lösung von w = g + γ. So löst u = w + γ die Gleichung u = g und erfüllt die Randbedingung u = γ. Es bleibt uns noch zu zeigen, dass die Anfangswertaufgabe () schwach lösbar ist. Dafür verwenden wir den Satz 22 Lax und Milgram Es sei H ein Hilbertraum und B(, ) eine Bilinearform auf H mit gilt. i) c > 0 : u, v H : B(u, v) c u v ii) p > 0 : u H : B(u, u) p u 2 Dann existiert für alle F H genau ein u H, so dass für alle v H F v = B(v, u) Bemerkung 23 Die Bedingungen i) und ii) heißen Stetigkeit bzw. Koerzitivität (in Numerik: H-Elliptizität). Die Schwarzsche Ungleichung besagt nun a(u, v) u v u H () v H (), u, v V. Die Poincarésche Ungleichung liefert a(u, u) = u 2 min{, c 2 } u 2 H (), u V, wobei c = c() > 0 die Poincarésche Konstante bezeichne. Wegen bv v g v g H () handelt es sich bei b um ein stetiges lineares Funktional auf V. Da a und b alle Voraussetzungen vom Satz 22 erfüllen, folgt es, dass die Randwertaufgabe eindeutig schwach lösbar in V ist, falls g L 2 (). 8

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

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

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Kevin Caldwell. 18.April 2012

Kevin 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

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Fakultät für Mathematik und Informatik Ruprecht-Karls-Universität Heidelberg Diplomarbeit Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Bärbel Janssen

Mehr

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen von Christian Brennecke Bachelorarbeit in Mathematik vorgelegt der Fakultät für Mathematik

Mehr

Die Methode der Finiten Elemente

Die Methode der Finiten Elemente KAPITEL 2 Die Methode der Finiten Elemente 1. Theoretische Grundlagen Wir bezeichnen im Folgenden mit H m (Ω) L 2 (Ω), Ω R n offen, den Sobolevraum aller Funktionen mit schwachen Ableitungen α u in L 2

Mehr

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel

Mehr

17. Penalty- und Barriere-Methoden

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

Mehr

Computer Vision: Optische Flüsse

Computer Vision: Optische Flüsse Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische

Mehr

1.3 Ein paar Standardaufgaben

1.3 Ein paar Standardaufgaben 1.3 Ein paar Standardaufgaben 15 1.3 Ein paar Standardaufgaben Einerseits betrachten wir eine formale und weitgehend abgeschlossene mathematische Theorie. Sie bildet einen Rahmen, in dem man angewandte

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen

Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

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

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

Mehr

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

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

Mehr

Grundlagen der Variationsrechnung

Grundlagen der Variationsrechnung Universität des Saarlandes Fachrichtung 6.1 Mathematik /home/lehrstuhl/ag-fuchs/olli/work/texstyles/eule-eps-conv Grundlagen der Variationsrechnung Eine anwendungsorientierte Einführung in die lineare

Mehr

Kapitel 15: Differentialgleichungen

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

Mehr

3. Grundlagen der Linearen Programmierung

3. 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

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

FEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem

FEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem apitel 1 FEM in 1D Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem 1.1 Variationsformulierung u = f auf := (0, 1) (1.1a) u(0) = u(1) = 0 (1.1b) Eine klassische Lösung

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

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

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009

Einführung. 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,

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

Elemente der Analysis II

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

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme

Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme Diplomarbeit vorgelegt von Johannes Löwe aus Göttingen angefertigt im Institut für Numerische und Angewandte Mathematik der Georg-August-Universität

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

1 Stochastische Prozesse in stetiger Zeit

1 Stochastische Prozesse in stetiger Zeit 1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.

Mehr

Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem

Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem Inauguraldissertation zur Erlangung des Doktorgrades der Mathematisch Naturwissenschaftlichen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken

Mehr

Grundbegriffe der Informatik

Grundbegriffe 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

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Stabilität mittels Ljapunov Funktion

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

Mehr

Analytische Methoden und die Black-Scholes Modelle

Analytische Methoden und die Black-Scholes Modelle Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem

Mehr

Definition und Eigenschaften Finiter Elemente

Definition und Eigenschaften Finiter Elemente Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe

Kapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:

Mehr

Programmiersprachen und Übersetzer

Programmiersprachen und Übersetzer Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

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

Mehr

Solvency II und die Standardformel

Solvency II und die Standardformel Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs

Mehr

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?

Entscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem für kontextfreie Grammatiken Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?

Mehr

Geometrische Mannigfaltigkeiten

Geometrische Mannigfaltigkeiten Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie

Mehr

6 Symmetrische Matrizen und quadratische Formen

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

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

Mehr

Schranken für zulässige Lösungen

Schranken für zulässige Lösungen Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung

Mehr

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen

Entscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,

Mehr

Grammatiken. Einführung

Grammatiken. Einführung Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, 17-19 Uhr

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, 17-19 Uhr KIT SS 0 Klassische Theoretische Physik II V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch Klausur Lösung 0. August 0, 7-9 Uhr Aufgabe : Kurzfragen (+++4=0 Punkte (a Zwangsbedingungen beschreiben Einschränkungen

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Prolog basiert auf Prädikatenlogik

Prolog basiert auf Prädikatenlogik Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

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

Mehr

Lineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen

Lineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen Datenstrukturen & Algorithmen Einführung Standard- und Schlupfformen Simplex Algorithmus Matthias Zwicker Universität Bern Frühling 2009 2 Beispiel: Wahlkampf Ziel: mit möglichst wenig Werbung eine gewisse

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität

Algebraische Kurven. Vorlesung 26. Die Schnittmultiplizität Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

Mehr

OPERATIONS-RESEARCH (OR)

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

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

Mehr

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1 Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Skalare Differentialgleichungen

Skalare Differentialgleichungen Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen

Mehr

Lineare Algebra - alles was man wissen muß

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

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

Extrema von Funktionen in zwei Variablen

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

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.

Motivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel. Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de

Mehr

Teil II. Nichtlineare Optimierung

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

Mehr

Welfenlab Institut für Mensch-Maschine-Kommunikation

Welfenlab Institut für Mensch-Maschine-Kommunikation Welfenlab Institut für Mensch-Maschine-Kommunikation Δu = -λu Welfen Laboratory Report No.7 Laplace-Spektra - Anwendungen in Gestalt- und Bildkognition Franz-Erich Wolter, Thomas Howind, Thomas Altschaffel,

Mehr

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

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

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

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

Mehr

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1

IV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1 IV. Spieltheorie 1. Gegenstand der Spieltheorie 2. Einführung in Matrixspiele 3. Strategien bei Matrixspielen 4. Weitere Beispiele 5. Mögliche Erweiterungen H. Weber, FHW, OR SS07, Teil 7, Seite 1 1. Gegenstand

Mehr

Physik 1 für Ingenieure

Physik 1 für Ingenieure Physik 1 für Ingenieure Othmar Marti Experimentelle Physik Universität Ulm Othmar.Marti@Physik.Uni-Ulm.de Skript: http://wwwex.physik.uni-ulm.de/lehre/physing1 Übungsblätter und Lösungen: http://wwwex.physik.uni-ulm.de/lehre/physing1/ueb/ue#

Mehr

Hilbertraum-Methoden

Hilbertraum-Methoden Skript zur Vorlesung Hilbertraum-Methoden SS 2013 Peter Junghanns Hinweis: Das vorliegende Skript stellt nur ein Gerüst zu den Inhalten der Vorlesung dar. Die Vorlesung selbst bietet weiterführende Erläuterungen,

Mehr

Die Black-Scholes-Gleichung

Die Black-Scholes-Gleichung Die Black-Scholes-Gleichung Franziska Merk 22.06.2012 Outline Optionen 1 Optionen 2 3 Optionen Eine Kaufoption ist ein Recht, eine Aktie zu einem heute (t=0) festgelegten Preis E an einem zukünftigen Zeitpunkt

Mehr

Theorie der Informatik

Theorie der Informatik Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax

Mehr