Maximalität und Globalität von Lösungen
|
|
- Hermann Wolf
- vor 6 Jahren
- Abrufe
Transkript
1 Gewöhnliche Differentialgleichungen Florian Wörz SoSe 205 Maximalität und Globalität von Lösungen Maximale Lösungen Sei Ω : T U R R n ein Gebiet, f : Ω R n stetig und (t 0, u 0 ) Ω. Im Folgenden betrachten wir das { u(t) = f (t, y(t)) (AWP) u(t 0 ) = u 0. Definition.. Eine Funktion u : Imax R n heißt maximale Lösung des (AWP)s, falls u eine Lösung des (AWP)s ist und jede andere Lösung v des (AWP)s lediglich eine Einschränkung von u auf ein kleineres Intervall I Imax ist. M.a.W. kann man u also nicht mehr fortsetzen. Erinnerung.2 (Zusatzinfo 5.5 aus der Vorlesung). Ist f zustätzlich Lipschitz-stetig in der 2. Komponente, so garantiert der Existenz- und Eindeutigkeitssatz von Picard- Lindelöf, dass man ein beliebiges Kompaktum K : K K 2 T U = Ω mit (t 0, u 0 ) K wählen kann, und eine eindeutige Lösung u : I R n auf einem beliebig großen kompakten Intervall I K mit t 0 I erhält. Das bemerkenswerte daran ist, dass das Kompaktum beliebig gewählt werden kann, es muss lediglich den Anfangswert enthalten. Man hat allerdings nicht immer Lipschitz-Stetigkeit in der 2. Komponente von f vorliegen. Satz. (Satz 6. aus der Vorlesung). Ist der rechte Endpunkt t + des maximalen Lösungsintervalls kleiner als +, verlässt der Graph (t, u(t)) der Lösung jedes Kompaktum K Ω, sobald t t + geht. Analoges gilt für den linken Endpunkt t. Theorem.4 (Korollar 6.2 aus der Vorlesung). Es treten drei mögliche Fälle auf (Analoges gilt wieder für t ):. t + = + 2. t + < + und es existiert eine Folge (t n ) n N T mit t n t +, sodass dist ((t n, u(t n )), Ω) 0.. t + < + und es existiert eine Zeit t < t + und ein ε, sodass dist ((t, u(t)), Ω) ε für alle t t aber lim t t + u(t) = + gilt. In diesem Fall ist die Lösung offensichtlich nicht stetig fortsetzbar.
2 Beispiel.5. Bestimme eine maximale Lösung des { 2 u(t) = u(t) (AWP) u(0) =. Schritt : Typ der DGL erkennen & lösen. Die DGL ist vom Typ der getrennten Veränderlichen. Es ist nämlich u(t) u(t) 2 =. Diese Umformung ist gültig für u(t) 0, was wegen dem Anfangswert zumindest lokal um den Zeitpunkt 0 gültig ist. Integration von 0 bis t liefert t 0 t u(s) u(s) 2 ds = ds. 0 Mit der Substitutionsregel b f (ϕ(s)) a ϕ (s) ds = ϕ(b) f (x) dx und den Identifikationen ϕ u sowei f ( ) 2 ϕ(a) folgt u(t) u(0) x 2 dx = t und somit Umgeformt erhält man x u(t) u(0) = u(t) = t. u(t) = 27 (t + ). Man sieht sofort (z.b. durch direktes Nachrechnen), dass dieses Ergebnis das (AWP) löst, wir haben also in der Tat einen Lösungskandidaten gefunden. Schritt 2: Lösungsintervall bestimmen. Die Lösung ist verschieden von Null im Intervall I := (, + ). Schritt : Begründen, dass wir tatsächlich eine Lösung haben. In diesem Intervall sind die obigen Umformungen gerechtfertigt, d.h. die Lösung ist auch eine. Schritt 4: Prüfen, ob die Lösung fortsetzbar ist. Die bisherige Lösung ist nicht maximal, da lim t (t + ) 27 = 0 + ist. Im Intervall (, ] müssen wir keinen Anfangswert mehr berücksichtigen, d.h. die triviale Lösung u 0 ist auf diesem Intervall eine Lösung der DGL. 2
3 Der linksseitige Grenzwert der neuen Lösung stimmt mit dem rechtsseitigen Grenzwert der alten überein: lim o(t) = 0 = lim t t (t + ) 27. Somit ist nach Zusammenkleben der Lösungen gemäß Blatt /A4 auch { 0, für t (, ] u(t) := (t + 27 ), für t (, + ). eine Lösung des (AWP). Schritt 5: Maximalität des Lösungsintervalls. Da die Lösung auf ganz R definiert ist, ist sie maximal.
4 Beispiel.6. Bestimme eine maximale Lösung des { u(t) = u(t) (AWP) u(0) =. Es folgt eine viel zu kurze Lösungskizze! Trennen der Veränderlichen liefert u(t) u(t) = für u(t) 0, was lokal um den Zeitpunkt 0 gerechtfertigt ist. Integration und anschließende Substitution liefert dann u(t) u(0) x dx = t, also 2 u(t) = t. Wir erhalten als Lösungskandidaten u(t) = ( 2t + ) 2. I := (, 2 ). Dies ist eine Lösung: klar! lim t u(t) = +, also existiert keine stetige Fortsetzung nach rechts, daher 2 ist I maximal. 4
5 2 Globale Lösungen Wir geben nun ein Kriterium an, dass die Globalität einer gefundenen Lösung impliziert: Satz 2.. Seien α, β : [t 0, b) R + stetig, sodass f (t, x) α(t) + β(t) x R n für alle t [t 0, b) gilt. Dann ist t + =. Analoges gilt für t. Beispiel 2.2. Besitzt das folgende (AWP) eine Lösung y : [0, ) R? { ẏ(t) = y(t) (AWP) 4 + (π + sin(t))y(t) + (tanh(t) + )t y(0) = e. Die lokale Existenz der Lösung ergibt sich aus dem Satz von Picard-Lindelöf. Schritt : y(t) 0. Wir verwenden ein wichtiges Standardargument: Angenommen es gäbe ein t 0 mit y(t) <, dann finden wir auch eine Zeit t 0 mit y(t 0 ) = 0 aber ẏ(t 0 ) 0. Man kann nämlich z.b. t 0 := inf{t y(t) < } wählen. Durch Einsetzen dieser Tatsachen in die (DGL) erhält man ein Widerspruch! ẏ(t 0 ) = (tanh(t) + ) t 0, Schritt 2: y(t) z(t), solange beide Lösungen definiert sind. Es sei hierbei z(t) die Lösung von { ż(t) = z(t) 4 (AWP2) z(0) = e. Wäre nämlich y(t) < z(t) für ein t 0, wo beide Lösungen definiert sind, dann finden wir gemäß unseres Standardarguments auch ein t 0 0 mit y(t 0 ) = z(t 0 ) aber ẏ(t 0 ) ż(t 0 ). Wir unterscheiden nun beim Einsetzen in die (DGL) zwei Fälle: Fall : t 0 = 0. Wir erhalten Ein Widerspruch! ẏ(t 0 ) = y(t 0 ) 4 + (π + sin(0) ) y(0) + (tanh(0) + ) 0 }{{}}{{}}{{} = 0 = e = 0 = y(t 0 ) 4 + π e > y(t 0 ) 4 = z(t 0 ) 4 = ż(t 0 ). 5
6 Fall 2: t 0. Mit sin( ) = tanh( ) = erhalten wir nun ẏ(t 0 ) = y(t 0 ) 4 + (π + sin(t 0 )) y(t }{{} 0 ) }{{} 0 wg. S + (tanh(t 0 ) + ) }{{} t 0 }{{} } {{ } > y(t 0 ) 4 = z(t 0 ) 4 = ż(t 0 ). Erneut ein Widerspruch! Aus den Widersprüchen in beiden möglichen Fällen schließen wir die Behauptung. Schritt : Löse (AWP2). Wir wollen zunächst (DGL2) lösen. Durch scharfes Hinschauen (mit ein bisschen Rumprobieren) erhalten wir die Idee für den Ansatz (alternativ trennt man die Veränderlichen und integriert): z(t) = c (c 2 t) mit c R, c 2 R. Dann ist ż(t) = ( ) (c 2 t) 4 ( ) c = c (c 2 t) 4. ( ) 4 Koeffizientenvergleich mit z(t) 4 = c (c2 t) 4 liefert also c 2 =, weshalb wir c e 2 := somit zu z(t) = ( ) 4 = c c = c c 4 =, c also c :=. Zusätzlich bestimmen wir c 2 so, dass der Anfangswert erfüllt ist. Es soll gelten z(0) =! = e, c 2 0 ( ) e = wählen. Die Lösung ergibt sich e e. t Als Lösungsintervall wählen wir [ ) I := [0, c 2 ) = 0,. e 6
7 Schritt 4: Es gibt keine globale Lösung von (AWP). Es gilt lim t c2 z(t) = +. Daher haben wir im vorherigen Schritt eine maximale Lösung des (AWP2) bestimmt. Folglich (a) existiert die Lösung der (DGL) entweder nicht auf dem ganzen Intervall I (weshalb es keine globale Lösung gäbe), oder (b) es gilt lim t c2 y(t) = +. In diesem Fall kann die Lösung auch nicht über I fortgesetzt werden bzw. auf dem ganzen Intervall I definiert sein. Wie auch immer: Die maximale Lösung des (AWP) ist höchstens auf I definiert (das genaue Intervall ist unbekannt). Es gibt damit keine Lösung auf [0, + ). 7
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
Mehr2 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
MehrKommentierte 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.
MehrERGÄNZUNGEN 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,
Mehr3. 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
Mehr0, 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,
MehrBeispiel 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;.
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrExtremwertverteilungen
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
MehrMathematik für Physiker III/Analysis III
Mathematik für Physiker III/Analysis III Ausarbeitung einer Vorlesung vom Wintersemester 26/7 Joachim Weidmann Fachbereich Informatik und Mathematik der Universität Frankfurt Stand 9. Februar 27 2 Teil
MehrOptimalitätskriterien
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
MehrMathematische Methoden in den Ingenieurwissenschaften 2. Übungsblatt
Prof. Dr. T. Apel J. Mihael Mathematishe Methoden in den Ingenieurwissenshaften. Übungsblatt Wintertrimester 5 Aufgabe 4 : (Variationsrehnung Extremalen Bestimmen Sie die Extremalen der folgenden Variationsprobleme
MehrAnalytische 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
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
MehrMengensysteme, 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
MehrKlausur Analysis II (SS 2005)
Klausur Analysis II (SS 5) Prof. Dr. J. Franke Abschlußklausur vom. Juli 5 Name, Vorname: Matrikelnummer: Gruppe, Tutor: Pseudonym: ir wünschen Ihnen viel Erfolg! Mit 5 Punkten oder mehr von 5 ist die
MehrModulabschlussklausur 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
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
MehrCodierung, Codes (variabler Länge)
Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls
MehrVorlesung. 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.
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr34 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.
MehrSkalare 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
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
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
Mehr2.12 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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschftsmthemtik für Interntionl Mngement (BA) und Betriebswirtschft (BA) Wintersemester 2013/14 Stefn Etschberger Hochschule Augsburg Mthemtik: Gliederung 1 Aussgenlogik 2 Linere Algebr 3 Linere
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
MehrKapitel 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
MehrEntscheidungsbäume. 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
MehrBitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben.
Mathematik I für Wirtschaftswissenschaftler Klausur für alle gemeldeten Fachrichtungen außer Immobilientechnik und Immobilienwirtschaft am 9..9, 9... Bitte unbedingt beachten: a) Gewertet werden alle acht
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität
Mehr4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140
4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}
MehrCharakteristikenmethode 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)
MehrStochastische Eingangsprüfung, 17.05.2008
Stochastische Eingangsprüfung, 17.5.8 Wir gehen stets von einem Wahrscheinlichkeitsraum (Ω, A, P) aus. Aufgabe 1 ( Punkte) Sei X : Ω [, ) eine integrierbare Zufallsvariable mit XdP = 1. Sei Q : A R, Q(A)
MehrAbsolute 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
MehrEinführung 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
MehrErgänzungen 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.
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrCodierungstheorie 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
Mehr9.2. 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
MehrMathematik I für Wirtschaftswissenschaftler Klausur am 08.06.2004, 15.45 17.45.
Mathematik I für Wirtschaftswissenschaftler Klausur am 8.6.4, 5.45 7.45. Bitte unbedingt beachten: a) Gewertet werden alle acht gestellten Aufgaben. b) Lösungswege und Begründungen sind anzugeben. Die
MehrVorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)
Algebra und Zahlentheorie Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrBetragsgleichungen und die Methode der Fallunterscheidungen
mathe online Skripten http://www.mathe-online.at/skripten/ Betragsgleichungen und die Methode der Fallunterscheidungen Franz Embacher Fakultät für Mathematik der Universität Wien E-mail: franz.embacher@univie.ac.at
MehrGeometrische 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
Mehr2.4 Adaptive Verfahren mit Schrittweitensteuerung
0 0 0 Euler und RK4 fuer f(t,y) = t 0. Euler RK4 /N 0 0 f(t,y) =. t 0., graduiertes Gitter RK4 /N 4 Fehler bei T = 0 3 0 4 0 5 Fehler bei T = 0 5 0 0 0 6 0 7 0 0 0 0 2 0 3 0 4 0 5 Anzahl Schritte N 0 5
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
Mehr1 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.
MehrFür die Parameter t und ϕ sind das im angegebenen Bereich Funktionen, d.h. zu jedem Parameterwert gehört genau ein Punkt.
PARAMETERFUNKTIONEN Zwei Beispiele: gsave currentpoint translate 21 4 div setlin 1 1 x = 2t 2 1 y = t < t
Mehr(Lineare) stochastische Optimierung
(Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:
Mehr8. Übung zur Vorlesung Mathematisches Modellieren Lösung
Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ
MehrMathematik I Internationales Wirtschaftsingenieurwesen
Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrGewöhnliche Differentialgleichungen
Notizen zur Vorlesung Gewöhnliche Differentialgleichungen G Sweers Wintersemester 08/09 ii Inhaltsverzeichnis Einführung Modelle 2 Explizite Lösungen 4 2 Trennbar 5 22 Linear erster Ordnung 6 23 Homogen
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
MehrFinanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/
Finanzmathematik - Wintersemester 2007/08 http://code.google.com/p/mitgetexed/ Stand: 4. November 2007 Inhaltsverzeichnis 1 Motivation und erste Begriffe 2 2 Endliche Finanzmärkte 4 3 Das Cox-Ross-Rubinstein-Modell
Mehr22 Die trigonometrischen Funktionen und die Hyperbelfunktionen
22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens
MehrAbituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrTeil 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
MehrLiteratur. 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,
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag 8. Übungsblatt zur Vorlesung Finanzmathematik I Aufgabe Hedging Amerikanischer Optionen Wir sind in einem arbitragefreien
MehrNumerische Verfahren zur Lösung nichtlinearer Gleichungen
Kapitel 2 Numerische Verfahren zur Lösung nichtlinearer Gleichungen 21 Aufgabenstellung und Motivation Ist f eine in einem abgeschlossenen Intervall I = [a, b] stetige und reellwertige Funktion, so heißt
MehrEL1 - Die Diode. E1 - Die Diode Simon Schlesinger Andreas Behrendt
EL1 - Die Diode Einleitung: In diesem Versuch beschäftigen wir uns mit der pn-halbleiterdiode. Im ersten Versuchsteil beschäftigen wir uns mit einer grundlegenden Eigenschaft, nämlich die Kennlinien einer
MehrPRAKTIKUM REGELUNGSTECHNIK 2
FACHHOCHSCHULE LANDSHUT Fachbereich Elektrotechnik Prof. Dr. G. Dorn PRAKTIKUM REGELUNGSTECHNIK 2 1 Versuch 2: Übertragungsfunktion und Polvorgabe 1.1 Einleitung Die Laplace Transformation ist ein äußerst
MehrModellierung mit Differentialgleichungen
Modellierung mit Differentialgleichungen Lars Grüne Mathematisches Institut Fakultät für Mathematik und Physik Universität Bayreuth 9544 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/ lgruene/
MehrMathematik 1. Lösungsvorschläge zum 2. Übungsblatt
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Wintersemester 0/0 Wirtschaftsinformatik Bachelor IW Informatik Bachelor IN Vorlesung Mathematik Mathematik Lösungsvorschläge zum Übungsblatt
MehrEinfache Differentialgleichungen
Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine
MehrIngenieurmathematik für Maschinenbau, Blatt 1
Ingenieurmathematik für Maschinenbau, Blatt 1 Probeklausur Ingenieurmathematik für Maschinenbau Studiengang Prüfungsfach Prüfer Prüfungstermin Prüfungsdauer Prüfungsunterlagen Hilfsmittel Maschinenbau
MehrApproximationsalgorithmen: Klassiker I. Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling
Approximationsalgorithmen: Klassiker I Kombinatorische Optimierung Absolute Gütegarantie Graph-Coloring Clique Relative Gütegarantie Scheduling VO Approximationsalgorithmen WiSe 2011/12 Markus Chimani
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrGrundlagen verteilter Systeme
Universität Augsburg Institut für Informatik Prof. Dr. Bernhard Bauer Stephan Roser Viviane Schöbel Wintersemester 07/08 Übungsblatt 5 08.01.08 Grundlagen verteilter Systeme Lösungsvorschlag Aufgabe 1:
Mehr5.1 Drei wichtige Beweistechniken... 55 5.2 Erklärungen zu den Beweistechniken... 56
5 Beweistechniken Übersicht 5.1 Drei wichtige Beweistechniken................................. 55 5. Erklärungen zu den Beweistechniken............................ 56 Dieses Kapitel ist den drei wichtigsten
Mehr4. Jeder Knoten hat höchstens zwei Kinder, ein linkes und ein rechtes.
Binäre Bäume Definition: Ein binärer Baum T besteht aus einer Menge von Knoten, die durch eine Vater-Kind-Beziehung wie folgt strukturiert ist: 1. Es gibt genau einen hervorgehobenen Knoten r T, die Wurzel
MehrSeminar Kryptographie
Seminar Kryptographie Elliptische Kurven in der Kryptographie Prusoth Vijayakumar Sommersemester 2011 Inhaltsverzeichnis 1 Motivation 3 2 Verfahren 5 2.1 Diffie-Hellman-Schlüsselaustausch.......................
Mehr1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.
1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch
Mehr11. 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
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrEin kausaler Zusammenhang entspricht einer speziellen wahren Implikation. Beispiel: Wenn es regnet, dann wird die Erde nass.
Implikation Implikation Warum ist die Tabelle schwer zu schlucken? In der Umgangssprache benutzt man daraus folgt, also, impliziert, wenn dann, nur für kausale Zusammenhänge Eine Implikation der Form:
MehrPhysik 4, Übung 8, Prof. Förster
Physik 4, Übung 8, Prof. Förster Christoph Hansen Emailkontakt Dieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls
MehrZusammenfassung der 8. Vorlesung
Zusammenfassung der 8. Vorlesung Beschreibung und und Analyse dynamischer Systeme im im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr11.3 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
MehrProbabilistische Primzahltests
Probabilistische Primzahltests Daniel Tanke 11. Dezember 2007 In dieser Arbeit wird ein Verfahren vorgestellt, mit welchem man relativ schnell testen kann, ob eine ganze Zahl eine Primzahl ist. Für einen
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen
MehrOptimierung. 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
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrAngewandte Stochastik
Angewandte Stochastik Dr. C.J. Luchsinger 14 Lehren für s Management & das tägliche Leben III: Zins und exponentielles Wachstum Zur Erinnerung: mit grossen n gilt: n! > c n > n c > log n. Aus der Analysis
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
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrAbschlussbericht Mathematik-Online
Abschlussbericht Mathematik-Online 1 Zusammenfassung. Im November 2001 riefen die Universitäten Stuttgart und Ulm das von dem Ministerium für Wissenschaft, Forschung und Kunst geförderte Projekt Mathematik-
Mehre βεa = 1 β eα Z 1 (β,v ), über die allgemeine Beziehung e αn Z (kl) N (β,v )
Im Limes e α lautet das großkanonische Potential XII.29) Ωβ,,α)= ln ± e α βεa β β eα a a e βεa = β eα Z β, ), XII.62) mit Z β, ) der kanonischen Zustandssumme für ein Teilchen. Der ergleich mit der allgemeinen
MehrK2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte
K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5
MehrS=[n] Menge von Veranstaltungen J S kompatibel mit maximaler Größe J
Greedy-Strategie Definition Paradigma Greedy Der Greedy-Ansatz verwendet die Strategie 1 Top-down Auswahl: Bestimme in jedem Schritt eine lokal optimale Lösung, so dass man eine global optimale Lösung
MehrBeispiel-Abiturprüfung
Mthemtik BeispielAbiturprüfung Prüfungsteile A und B Bewertungsschlüssel und Lösungshinweise (nicht für den Prüfling bestimmt) Die Bewertung der erbrchten Prüfungsleistungen ht sich für jede Aufgbe nch
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
Mehr194 Beweis eines Satzes von Tschebyschef. Von P. E RDŐS in Budapest. Für den zuerst von T SCHEBYSCHEF bewiesenen Satz, laut dessen es zwischen einer natürlichen Zahl und ihrer zweifachen stets wenigstens
Mehr