Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
|
|
- Emilia Förstner
- vor 6 Jahren
- Abrufe
Transkript
1 Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Multivariate Bezier-Interpolation Transfinite Interpolation Spline-Funktionen Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester 2007 U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 1
2 Vorlesung 16 Allgemeines U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 2
3 Ankündigungen VL-Evaluierung spezielle Fragen? Literaturempfehlung: Bungartz, Griebel, Zenger: Einführung in die Computergraphik - Grundlagen, Geometrische Modellierung, Algorithmen; Vieweg, 1996 U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 3
4 Zum Thema: Rekonstruktion kontinuierlicher Daten Modellierung von Freiformkurven und -flächen: Bezierkurven U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 4
5 Von Kurven zu Flächen transfinite Interpolation Coons-Patch Tensorproduktansatz U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 5
6 Erinnerung:Bilineare Interpolation Überstrichene Fläche bei der Bewegung von P 1 und P 2 auf geradem Weg nach P 3 bzw. P 4, unter Mitführung der jeweiligen Verbindungsstrecke. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 6
7 Bilineare Interpolation Kann implementiert werden als zuerst lineare Interpolation in t, dann lineare Interpolation in s zuerst lineare Interpolation in s, dann lineare Interpolation in t oder direkt mit obiger Formel Kurve: einparametrige Schar von Punkten Fläche: einparametrige Schar von Kurven Tensorproduktansatz: Für jeden Parameter t : ist F(t, ) lineare Kurve (in s). Die Koeffizienten dieser Kurve hängen (linear) von t ab U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 7
8 Erinnerung: Bilineare Interpolation Vier Eckpunkte Der Interpolant ist U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 8
9 Flächenmodellierung und Freiformflächen Verallgemeinerung der bilinearen Interpolation: Tensorproduktfläche = Geometrischer Ort der Punkte einer Kurve, die sich durch den Raum bewegt und dabei ihre Gestalt ändert. Transfinite Interpolation in einer Richtung (Regelfläche): Kuven x(s,0) von P 1 nach P 2 und x(s,1) von P 3 nach P 4 Dann definieren wir die Regelfläche x s (s,t) = (1- t) x(s,0) + t C(s,1) Linear in einer Richtung, Kurven in der anderen U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 9
10 Flächenmodellierung Analog, transfinite Interpolation in der anderen Richtung: Kuven x(0, t) von P 1 nach P 3 und x(1, t) von P 3 nach P 4 Dann definieren wir die Regelfläche x t (s,t) = (1- s) x(0, s) + s x(1, s) Wie kann man nun die beiden jeweils einseitigen transfiniten Interpolationen kombinieren? Die Summe x t (s,t) + x s (s,t) enthält am Rand gerade die bilinearen Anteile zu viel. Lösung: das Coons-Patch U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 10
11 Flächenmodellierung Das Coons-Patch (manchmal auch als die transfinite Interpolation bezeichnet): x(s,t) := x t (s, t) + x s (s, t) - x st (s, t) wobei x st (s, t) der bilineare Interpolant zu den vier Randpunkten ist. Der Coons-Patch stimmt am Rand exakt mit den vier Randkurven überein. Das Flächeninnere wird dabei mit Hilfe linearer Interpolation definiert. Dies kann noch weiter verallgemeinert werden: z.b. kubisches Coons-Patch. Bei Verwendung von Bezier-Kurven entstehen dabei Bezier-Flächen, siehe folgende Folien. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 11
12 Zum Thema: Rekonstruktion kontinuierlicher Daten Modellierung von Freiformkurven und -flächen: Bezierkurven U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 12
13 Bernstein-Polynome Basis für Polynome vom Grad n: Beispiel für n=4: U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 13
14 Bezierkurven U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 14
15 Auswertung von Bézierkurven Oder durch fortgesetzte lineare Interpolation (Algorithmus von de Casteljau): For i = 0,..., n: b i 0 = b i For k = 1,..., n: For i = k,..., n: b i k = (1-t) b i-1 k-1 + t b i k-1 U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 15
16 Auswertung von Bézierkurven b 3 3 = C( 2 / 3 ) Algorithmus von de Casteljau für t = 2 / 3 und n=3 U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 16
17 Tensor-Produkt-Bézier-Flächen Allgemeine Tensor-Produkt Bezier-Fläche vom Grad n und m: Die Kontrollpunkte spannen jetzt ein Kontrollnetz auf. Beispiel für Grad 3 (m=n=3). Kurven mit t = const sind Bezierkurven in s Kurven mit s= const analog U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 17
18 Tensor-Produkt-Bézier-Flächen Allgemeine Tensor-Produkt Bezier-Fläche vom Grad n und m : Formeigenschaften der Bézierkurven übertragen sich auf Bézierflächen Eckpunktinterpolation Tangentialebenen in den 4 Eckpunkten Affine Invarianz Konvexe Hülle jedoch nicht: Variationsreduktion U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 18
19 Algorithmen für TP-Flächen Allgemeines Vorgehen: Zwei Schritte: Kurven-Algorithums in t-richtung Kurven-Algorithmus in s-richtung (oder umgekehrt) Beispiel: Auswertung mit decasteljau Auf jede Spalte von Kontrollpunkten Kurven-deCasteljau in t-richtung Auf die erhaltenen Punkte einen Kurven-deCasteljau in s-richtung Weiteres Beispiel: Subdivision U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 19
20 Berechnung eines Flächenpunkts: Allgemeine Tensor-Produkt Bezier-Fläche vom Grad n und m: Wie bei anderen Tensor-Produkt Flächen sonst auch: Zuerst eindimensional in erster Richtung mit de Casteljau. Dann eindimensional in zweiter Richtung mit de Casteljau. Verwendet man alternativ Zuerst die rekursive Auswertung der Bernstein-Polynome (in s). Dann die Auswertung nach de Casteljau (in t). Dies kann man interpretieren als Berechnung der Kontrollpunkte für die zweite Interpolation nach de Casteljau U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 20
21 Flächenmodellierung und Freiformflächen Verallgemeinerung der bilinearen Interpolation: Tensorproduktfläche = Geometrischer Ort der Punkte einer Kurve, die sich durch den Raum bewegt und dabei ihre Gestalt ändert. Transfinite Interpolation in einer Richtung (Regelfläche): Kuven x(s,0) von P 1 nach P 2 und x(s,1) von P 3 nach P 4 Dann definieren wir die Regelfläche x s (s,t) = (1- t) x(s,0) + t C(s,1) Linear in einer Richtung, Kurven in der anderen U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 21
22 Flächenmodellierung Analog, transfinite Interpolation in der anderen Richtung: Kuven x(0, t) von P 1 nach P 3 und x(1, t) von P 3 nach P 4 Dann definieren wir die Regelfläche x t (s,t) = (1- s) x(0, s) + s x(1, s) Wie kann man nun die beiden jeweils einseitigen transfiniten Interpolationen kombinieren? Die Summe x t (s,t) + x s (s,t) enthält am Rand gerade die bilinearen Anteile zu viel. Lösung: das Coons-Patch U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 22
23 Flächenmodellierung Das Coons-Patch (manchmal auch als die transfinite Interpolation bezeichnet): x(s,t) := x t (s, t) + x s (s, t) - x st (s, t) wobei x st (s, t) der bilineare Interpolant zu den vier Randpunkten ist. Der Coons-Patch stimmt am Rand exakt mit den vier Randkurven überein. Das Flächeninnere wird dabei mit Hilfe linearer Interpolation definiert. Dies kann noch weiter verallgemeinert werden: z.b. kubisches Coons-Patch. Bei Verwendung von Bezier-Kurven entstehen dabei Bezier-Flächen, siehe folgende Folie. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 23
24 Dreieckige Bezierflächen Für die Flächenmodellierung sind in der Regel zusätzlich dreieckige Flächen erforderlich. Dabei benötigen wir sowohl baryzentrische Koordinaten und spezielle Bernsteinpolynome in baryzentrischen Koordinaten. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 24
25 Dreieckige Bezierflächen Spezielle Bernstein-Polynome in baryzentrischen Koordinaten: Die Punkte b ijk heißen wieder Bezier-Punkte und spannen ein dreieckiges Kontrollnetz auf U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 25
26 Dreieckige Bezierflächen Die Punkte b ijk heißen wieder Bezier-Punkte und spannen ein dreieckiges Kontrollnetz auf U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 26
27 De Casteljau für dreieckige Bezierflächen Fortgesetzte lineare Interpolation im Dreieck mit baryzentrischen Koordinaten U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 27
28 Stetige Übergänge zwischen benachbarten Bezier-Flächen Wenn sich benachbarte Bezier- Patches die Kontrollpunkte teilen, dann ist ein stetiger Übergang gewährleistet. Zum Erzeugen eines glatten Übergangs müssen zusätzliche Bedingungen eingeführt werden U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 28
29 Geometrische Modellierung Zu diesem interessanten Kapitel der angewandten Informatik gibt es im Hauptstudium Spezialvorlesungen, die auf dem Grundwissen aus der Algorithmik III aufbauen. Bezierkurven (und -flächen) werden in der Computergraphik verwendet. Wichtig ist dann, dass man noch höhere Glattheitsbedingungen an den Übergangsstellen stellen kann. Dies führt uns auf die sogenannten Splines, die wir in Zusammenhang mit der Spline-Interpolation als eines der nächsten Themen studieren werden. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 29
30 Zum Thema: Rekonstruktion kontinuierlicher Daten Spline-Interpolation U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 30
31 Motivation: Warum Splines? Aus Thomas A. Grandine: The Extensive Use of Splines at Boeing, SIAM News, May 2005 (im Netz unter Splines are used extensively at Boeing... this means that Boeing uses something like 500 million spline evaluations every day and the number is increasing. Very different kind of applications: Computer Aided Design - Geometric Modelling Computer Aided Manufacturing, e.g. to represent machine tool cutter paths Engineering Analysis and Simulation Embedded Systems, e.g. in navigation and guidance systems Represent airplane performance data U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 31
32 Motivation: Warum Splines? (weitere Zitate) Paul Davis, B-Splines and Geometric Design, SIAM News 29(5), June 1996:... the morphing of Arnold Schwarzenegger's adversary into the various forms he takes on in Terminator 2 is really a bit of mathematical magic: It is B-splines that drive the sophisticated computer graphics.... asking about the impact of B-splines in geometric design, says Ray Sarraga of General Motors Research, "is like asking 'What is the impact of the gasoline engine in the use of cars? U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 32
33 Polynom-Splines Die Hauptnachteile der Polynom-Interpolation zur Erinnerung: Anzahl der Stützpunkte und Polynomgrad sind starr aneinander gekettet. Für größeres n (und somit für den in der Praxis oft auftreten Fall einer größeren Zahl von Stützpunkten) ist die Polynominterpolation unbrauchbar. Idee zur Abhilfe: Klebe Polynomstücke niedrigen Grades aneinander, um so einen globalen Interpolanten auch für eine große Zahl von Stützpunkten zu konstruieren. Genau dies machen Polynom-Splines oder kurz Splines, die wir jedoch allgemein - zunächst ohne konkreten Bezug zur Interpolationsaufgabe einführen. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 33
34 Quadratischer Spline U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 34
35 Definition der Polynom-Splines (2) Wir betrachten nur den Fall einfacher Knoten, d.h. x i x j für i j. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 35
36 Polynom-Splines Zwischen je zwei benachbarten Knoten ist s also ein Polynom vom Grad m-1 global (also insbesondere auch in den Knoten selbst!) ist s m-2-mal stetig differenzierbar. Man sagt auch s ist stückweise polynomiell Was kann man mit Splines machen: Geometrisch Modellieren meist B-Splines ( Vorlesung Geometrisches Modellierung) Interpolieren Achtung - die Stützstellen können, müssen aber mit den Knoten nicht identisch sein. Approximieren U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 36
37 Beispiele Wie sieht ein Polynom-Spline aus? Wir betrachten hierzu die einfachsten Fälle: m = 1: s ist eine Treppenfunktion stückweise konstant, nicht einmal Stetigkeit in den Knoten ist gegeben m = 2: s ist ein Polygonzug stückweise linear, stetig in den Knoten m = 3: s ist ein quadratischer Spline stückweise (höchstens) quadratisch, global einmal stetig differenzierbar m = 4: s ist ein kubischer Spline stückweise (höchstens) kubisch, global zweimal stetig differenzierbar U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 37
38 Eigenschaften zum Namen: Das englische Wort Spline bezeichnet eine elastische Holzlatte, wie sie beim Schiffsbau eingesetzt wird bzw. wurde. Bei festen Knoten und festem Grad bildet die Menge aller Splines offensichtlich einen Vektorraum. Dimension ist n+m-2 Ein globales Polynom vom Grad m-1 legt m Freiheitsgrade fest. Dazu kommt für jeden inneren Knoten x 2,..., x n-1 ein Freiheitsgrad für den Sprung in der m-1-ten Ableitung. Alle niedrigeren Ableitungen sind stetig und damit die Freiheitsgrade festgelegt. Die verbleibenden n+m-2 Freiheitsgrade können eingesetzt werden um an der gleichen Zahl von Stützstellen zu interpolieren. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 38
39 Interpolation mit kubischen Splines Jetzt wollen wir Splines konkret zur Interpolation einsetzten. Für Interpolationszwecke weit verbeitet und außerdem sehr schön zu konstruieren und zu analysieren sind kubische Splines, also der Fall m=4. Betrachte deshalb folgenden Spezialfall: Die Stützstellen sind gerade die Knoten, also lauten die Interpolationsbedingungen: U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 39
40 Interpolation mit kubischen Splines Damit gilt: Wir haben n+m 2 = n+2 Freiheitsgrade für die Festlegung des konkreten Spline (Dimension des zugrunde liegenden Vektorraums, s.o.). Davon werden n durch die obigen Interpolationsbedingungen aufgebraucht. Somit bleiben 2 offene Freiheitsgrade, die wir für weitere Forderungen an s verwenden können. Zuerst machen wir uns an daran, unseren kubischen Spline zu konstruieren. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 40
41 Lokale Polynomsegmente Definiere auf jedem Teilintervall [x i, x i+1 ] das lokale kubische Polynom als Funktion der vier Parameter y i und y i+1 (Funktionswerte in den beiden tangierten Stützstellen) sowie y i und y i+1 (Ableitungen auch in den beiden Stützstellen) Interpolationsbedingungen: U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 41
42 Lokales Polynomsegment Das Polynom: Man sieht durch einsetzen von x= x i (äquivalent zu t=0) und x=x i+1 (äquivalent zu t=1), dass die Interpolationsbedingungen p i (x i )= y i und p i (x i+1 )= y i+1 erfüllt sind. Ebenso ist p i (x i ) = y i und p i+1 = y i+1 erfüllt Beachte, dass dieser Ansatz also bereits die globale Stetigkeit und stetige Differenzierbarkeit garantiert! U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 42
43 Zusammenfügen (1) Mit dem bisherigen Ansatz garantieren wir automatisch Die zweiten Ableitungen haben allerdings noch Sprünge Andererseits sind die y i noch freie Parameter (weil die Stützstellen einfache Stützstellen sind, an denen keine Ableitungen vorgegeben sind. Wir wählen diese Parameter so, dass auch die zweiten Ableitungen stetig werden. Dies sind n-2 Innenknoten zur Bestimmung von n Freiheitsgraden. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 43
44 Zusammenfügen (2) Wir erhalten daraus folgendes tridiagonale Gleichungssystem für die ersten Ableitungen y i : Das sind n-2 Gleichungen für n Unbekannte y 1,..., y n. Das passt mit der Dimension des Raumes für die kubischen Splinefunktionen von n+2 gerade zusammen. Man kann also noch weitere Forderungen stellen, also z.b. noch zwei weitere Stützpunkte x 0 und x n+1 interpolieren. Oft werden die zusätzlichen Freiheitsgrade jedoch durch andere Bedingungen bestimmt, siehe nächste Folie U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 44
45 Randbedingungen für Splinefunktionen (1) Eingespannt clamped: Die äußeren Stützstellen sind doppelt, d.h. dort werden nicht nur die Stützwerte y 1 und y n vorgegeben sondern auch die Ableitungen dy 1 und dy n. Das Gleichungssystem hat dann die Größe (n-2)x(n-2). Es hat reine Tridiagonalgestalt und ist positiv definit. Der Rechenaufwand ist also nur O(n). U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 45
46 Randbedingungen für Splinefunktionen (2) Natürliche Randbedingungen Man fordert, dass an den Rändern die zweiten Ableitungen verschwinden: also y 1 = 0 und y n = 0. Es ergibt sich ein tridiagonales positiv definites Gleichungssystem von der Größe nxn. U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 46
47 Randbedingungen für Splinefunktionen (3) Periodische Randbedingungen Voraussetzung ist dass y n = y 1 und man fordert noch y n = y 1 und y n = y 1 Es ergibt sich ein Gleichungssystem mit extra Elementen in der rechten oberen und linken unteren Ecke der Koeffizientenmatrix, sonst auch tridiagonal von (n-1)x(n-1). Lösungsverfahren z.b. mit der Sherman-Morrison- Woodbury-Formel oder spezieller Ergänzung des Eliminationsverfahrens. Aufwand immer noch O(n). U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 47
48 Zusammenfassung Spline-Interpolierende liefert glatten Interpolanten (stückweise kubisches Polynom und global C 2 -stetig) Rechenaufwand ist O(n) (da tridiagonales System) Sehr gute Approximations-Eigenschaft: Falls Samples einer C 4 -stetigen Funktion f, dann s - f = O(h 4 ), s - f = O(h 3 ), s - f = O(h 2 ) Spline-Interpolation ist ein globales Verfahren, d.h. Vergleich mit Catmull-Rom Beide stückweise kubisch, beide O(n) C 2 vs C 1 sowie O(h 4 ) vs. O(h 3 ) (Spline vs Catmull Rom) global vs lokal U. Rüde, G. Greiner: Algorithmik III - SS VL 16 - Folie 48
Grundlagen der 3D-Modellierung
April 28, 2009 Inhaltsverzeichnis 1 Einführung 2 Direkte Darstellungsschemata 3 Indirekte Darstellungsschemata 4 Parametrische Kurven und Freiformflächen 5 Abschluss Motivation Vom physikalischen Körper
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
MehrAnsichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung
CNC Power Engineering - Always on the move Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung Amazing ideas and freaky challenges in software development Klaus,
MehrSpline-artige Kurven auf Subdivision Surfaces. Jörn Loviscach Hochschule Bremen, Germany
Spline-artige Kurven auf Subdivision Surfaces Jörn Loviscach Hochschule Bremen, Germany Überblick Spline-artige Kurven auf Spline-Flächen Kurven auf SDS: Problem, Anwendung Verwandte Arbeiten Spline-artige
MehrNumerisches Programmieren
Technische Universität München WS /3 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Inf Dipl-Math Jürgen Bräckle Numerisches Programmieren Programmieraufgabe: Polnominterpolation,
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
MehrAnimation ist das Erzeugen von Filmen mit Hilfe der Computergrafik. Objekte bewegen sich hierbei oder Beleuchtung, Augpunkt, Form,... ändern sich.
Kapitel 1 Animation (Belebung) Animation ist das Erzeugen von Filmen mit Hilfe der Computergrafik. Objekte bewegen sich hierbei oder Beleuchtung, Augpunkt, Form,... ändern sich. Anwendungen findet die
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
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,
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrBildtransformationen. Geometrische Transformationen Grauwert-Interpolation
Bildtransformationen Geometrische Transformationen Grauwert-Interpolation Transformation Transformation zwei Schritte geometrische Transformation (Trafo der Koordinaten) Neuberechnung der Pielwerte an
MehrApproximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.
Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.
MehrPrüfungsprotokoll Computergrafik 1 und 2 (1692 & 1693) Prüfer: M. Felten von: Lindig Florian. Dauer: 30 min jeweils. Note: 1.
Prüfungsprotokoll Computergrafik 1 und 2 (1692 & 1693) Prüfer: M. Felten von: Lindig Florian Dauer: 30 min jeweils Note: 1.0 jeweils Alles in allem eine lockere Atmosphäre, man bekommt genug Papier und
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
MehrÜbungen 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.
MehrModellierung, Simulation, Optimierung Diskretisierung 1
Modellierung, Simulation, Optimierung Diskretisierung Prof. Michael Resch Dr. Martin Bernreuther, Dr. Natalia Currle-Linde, Dr. Martin Hecht, Uwe Küster, Dr. Oliver Mangold, Melanie Mochmann, Christoph
MehrDefinition 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:
MehrOPERATIONS-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:
MehrÜbungen aus den numerischen Methoden der Astronomie SS 2011
Übungen aus den numerischen Methoden der Astronomie SS 2011 1. Fermat Teil I : Berechnen Sie die Fläche eines rechtwinkeligen Dreiecks mit Hilfe des pythagoräischen Lehrsatzes. Die beiden Katheten sollen
MehrÜbungen 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)
MehrNumerisches Programmieren
Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrExtrema 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,
MehrSkriptum zur Vorlesung. Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P. Spellucci
Skriptum zur Vorlesung Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P Spellucci WS 2007/2008 2 HINWEIS: Dieses Skriptum stellt einen ersten Entwurf für den tatsächlichen
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrTeil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29
1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian
MehrModulbezeichnung in Englisch Algebra II Qualifikationsstufe/Geberstudien Bachelormodul/ Lehramt Gymnasium. N.N. verantwortlicher. Modulverantwortung /
Algebra II Modulbezeichnung in Englisch Algebra II Qualifikationsstufe/Geberstudien Bachelormodul/ Lehramt Gymnasium 82-105-L-MAT09-H-0610 N.N. Lehramt (H. Fischer) Leistungspunkte (ECTS-Punkte) 5 Gründliches
MehrSchlussrechnung, Modellbildung und Interpolation
Schlussrechnung, Modellbildung und Interpolation Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 1 Einleitung Schlussrechnungen
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade
MehrErinnerung/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
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
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,
MehrDr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1
.1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische
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
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
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
MehrAnalysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11.
ETH EIDGENÖSSISCHE TECHNISCHE HOCHSCHULE ZÜRICH Analysis mit dem Computer-Algebra-System des TI-92 Anhang 2: Gedanken zum Lehrplan Beat Eicke und Edmund Holzherr 11. November 1997 Eidgenössische Technische
MehrElemente 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
Mehrklar. 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
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
MehrZwei Aufgaben, die auf windschiefe Regelflächen führen,
Zwei Aufgaben, die auf windschiefe Regelflächen führen, von À. KIEFER (Zürich). (Als Manuskript eingegangen am 25. Januar 1926.) I. Gesucht im Raum der Ort des Punktes, von dem aus die Zentralprojektionen
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
Mehr4 Runge-Kutta-Verfahren
Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
MehrProjekt Standardisierte schriftliche Reifeprüfung in Mathematik. T e s t h e f t B 1. Schulbezeichnung:.. Klasse: Vorname: Datum:.
Projekt Standardisierte schriftliche Reifeprüfung in Mathematik T e s t h e f t B Schulbezeichnung:.. Klasse: Schüler(in) Nachname:. Vorname: Datum:. B Große und kleine Zahlen In Wikipedia findet man die
MehrDas Falten-und-Schneiden Problem
Das Falten-und-Schneiden Problem Kristian Bredies Uttendorf, 14. Februar 2005 Inhalt Einleitung Origami Das Falten-und-Schneiden Problem Mathematische Analyse Flaches Origami Lokale Eigenschaften Faltbarkeit
MehrPrüfungsplan Master of Science in Wirtschaftsinformatik
Prüfungsplan Master of Science in Wirtschaftsinformatik Modul Art Creditpunkte Schwerpunkt Very Large Business Applications Module aus dem Bereich Wirtschaftsinformatik SWS Empfohlenes Semester Prüfungsart
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
MehrMitglied der Leibniz-Gemeinschaft
Methods of research into dictionary use: online questionnaires Annette Klosa (Institut für Deutsche Sprache, Mannheim) 5. Arbeitstreffen Netzwerk Internetlexikografie, Leiden, 25./26. März 2013 Content
MehrLineare Programmierung
Lineare Programmierung WS 2003/04 Rolle der Linearen Programmierung für das TSP 1954: Dantzig, Fulkerson & Johnson lösen das TSP für 49 US-Städte (ca. 6.2 10 60 mögliche Touren) 1998: 13.509 Städte in
MehrGrundlagen der Numerischen Mathematik. Heinrich Voß
Grundlagen der Numerischen Mathematik Heinrich Voß Technische Universität Hamburg Harburg Arbeitsbereich Mathematik 2004 2 Inhaltsverzeichnis 1 Einleitung 1 1.1 Zahlendarstellung............................
MehrKlassische 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
MehrDefinition 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
MehrBildrekonstruktion & Multiresolution
Bildrekonstruktion & Multiresolution Verkleinern von Bildern? Was ist zu beachten? Es kann aliasing auftreten! Das Abtasttheorem sagt wie man es vermeidet? ===> Page 1 Verkleinern von Bildern (2) Vor dem
MehrLösungsblatt zur Vorlesung. Kryptanalyse WS 2009/2010. Blatt 6 / 23. Dezember 2009 / Abgabe bis spätestens 20. Januar 2010, 10 Uhr (vor der Übung)
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May Mathias Herrmann, Alexander Meurer Lösungsblatt zur Vorlesung Kryptanalyse WS 2009/2010 Blatt 6 / 23. Dezember
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
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
MehrThere are 10 weeks this summer vacation the weeks beginning: June 23, June 30, July 7, July 14, July 21, Jul 28, Aug 4, Aug 11, Aug 18, Aug 25
Name: AP Deutsch Sommerpaket 2014 The AP German exam is designed to test your language proficiency your ability to use the German language to speak, listen, read and write. All the grammar concepts and
MehrOptimale 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
MehrAnhand des bereits hergeleiteten Models erstellen wir nun mit der Formel
Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung
Mehr\"UBER DIE BIVEKTOR\"UBERTRAGUNG
TitleÜBER DIE BIVEKTORÜBERTRAGUNG Author(s) Hokari Shisanji Journal of the Faculty of Science Citation University Ser 1 Mathematics = 北 要 02(1-2): 103-117 Issue Date 1934 DOI Doc URLhttp://hdlhandlenet/2115/55900
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrOptimierung 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
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrRough copy for the art project >hardware/software< of the imbenge-dreamhouse artist Nele Ströbel.
Rough copy for the art project >hardware/software< of the imbenge-dreamhouse artist. Title >hardware/software< This art project reflects different aspects of work and its meaning for human kind in our
MehrSchwerpunkt Vektor vs. Pixel
the making of unregelmäßige Publikation Habemus Dito, Design Agentur Schwerpunkt Vektor vs. Pixel Neu in München Teil 1 Bürogemeinschaft I ngrid Tancsics, Innenarchitektur Schwerpunkt Vektor vs. Pixel
Mehr3 Quellencodierung. 3.1 Einleitung
Source coding is what Alice uses to save money on her telephone bills. It is usually used for data compression, in other words, to make messages shorter. John Gordon 3 Quellencodierung 3. Einleitung Im
MehrDLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27
DLP Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de Fachbereich Mathematik und Informatik ALZAGK SEMINAR Bremen, den 18. Januar 2011 1 / 27 Inhaltsverzeichnis 1 Der diskrete Logarithmus Definition
MehrDAS SNELLIUSSCHE BRECHUNGSGESETZ UND LINSEN MIT EXAKT PUNKTFÖRMIGEM FOKUS. Eugen Grycko, Werner Kirsch, Tobias Mühlenbruch
DAS SNELLIUSSCHE BRECHUNGSGESETZ UND LINSEN MIT EXAKT PUNKTFÖRMIGEM FOKUS Eugen Grycko, Werner Kirsch, Tobias Mühlenbruch Fakultät für Mathematik und Informatik FernUniversität Universitätsstraße 1 Hagen
MehrSplinekurven und -flächen in CAGD und Anwendung
Splinekurven und -flächen in CAGD und Anwendung Vorlesung, zuerst gehalten im Sommersemester 2012 Tomas Sauer Version 0.0 Letzte Änderung: 6.5.2013 Statt einer Leerseite... 0 Welcher aber... durch die
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:
Mehr4. Kapitel 3D Engine Geometry
15.11.2007 Mathematics for 3D Game Programming & Computer Graphics 4. Kapitel 3D Engine Geometry Anne Adams & Katharina Schmitt Universität Trier Fachbereich IV Proseminar Numerik Wintersemester 2007/08
MehrFAKTORIELLE VERSUCHSPLÄNE. Andreas Handl
FAKTORIELLE VERSUCHSPLÄNE Andreas Handl 1 Inhaltsverzeichnis 1 Versuchsplanung 4 2 Einfaktorielle Varianzanalyse 6 2.1 DieAnnahmen... 6 2.2 Die ANOVA-Tabelle und der F -Test... 6 2.3 Versuche mit zwei
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
MehrKapitel 6. Komplexität von Algorithmen. Xiaoyi Jiang Informatik I Grundlagen der Programmierung
Kapitel 6 Komplexität von Algorithmen 1 6.1 Beurteilung von Algorithmen I.d.R. existieren viele Algorithmen, um dieselbe Funktion zu realisieren. Welche Algorithmen sind die besseren? Betrachtung nicht-funktionaler
MehrTaylorentwicklung der k ten Dimension
Taylorentwicklung der k ten Dimension 1.) Taylorentwicklung... 2 1.1.) Vorgehenesweise... 2 1.2.) Beispiel: f ((x, y)) = e x2 +y 2 8x 2 4y 4... 3 2.) Realisierung des Algorithmus im CAS Sage Math... 5
MehrGIS und raumbezogene Datenbanken
GIS und raumbezogene Datenbanken Eine raumbezogene Datenbank (spatial database) dient der effizienten Speicherung, Verwaltung und Anfrage von raumbezogenen Daten. datenbankorientiert Ein geographisches
MehrCustomer-specific software for autonomous driving and driver assistance (ADAS)
This press release is approved for publication. Press Release Chemnitz, February 6 th, 2014 Customer-specific software for autonomous driving and driver assistance (ADAS) With the new product line Baselabs
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
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;.
MehrVersuchsauswertung mit Polynom-Regression in Excel
Versuchsauswertung mit Polynom-Regression in Excel Aufgabenstellung: Gegeben sei die in Bild 1 gezeigte Excel-Tabelle mit Messwertepaaren y i und x i. Aufgrund bekannter physikalischer Zusammenhänge wird
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.
MehrVisuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen
Visuelle Simulation eines Radiosity Algorithmus und ihre Anwendung in Lernprozessen Abschlussvortrag zur Diplomarbeit von Jörg Karpf Graphische Datenverarbeitung, Institut für Informatik 3. September 2009
MehrNP-Vollständigkeit. Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984)
NP-Vollständigkeit Krautgartner Martin (9920077) Markgraf Waldomir (9921041) Rattensberger Martin (9921846) Rieder Caroline (0020984) 0 Übersicht: Einleitung Einteilung in Klassen Die Klassen P und NP
MehrEclipse User Interface Guidelines
SS 2009 Softwarequalität 06.05.2009 C. M. Bopda, S. Vaupel {kaymic/vaupel84}@mathematik.uni-marburg.de Motivation (Problem) Motivation (Problem) Eclipse is a universal tool platform - an open, extensible
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
MehrKreisprozesse und Wärmekraftmaschinen: Wie ein Gas Arbeit verrichtet
Kreisprozesse und Wärmekraftmaschinen: Wie ein Gas Arbeit verrichtet Unterrichtsmaterial - schriftliche Informationen zu Gasen für Studierende - Folien Fach Schultyp: Vorkenntnisse: Bearbeitungsdauer Thermodynamik
MehrRekursionen. 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
MehrPRESS RELEASE. Kundenspezifische Lichtlösungen von MENTOR
Kundenspezifische Lichtlösungen von MENTOR Mit Licht Mehrwert schaffen. Immer mehr Designer, Entwicklungsingenieure und Produktverantwortliche erkennen das Potential innovativer Lichtkonzepte für ihre
MehrProjektive 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
Mehr17. 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
MehrFotografie * Informatik * Mathematik * Computer-Algebra * Handreichung für Lehrer
BIKUBISCHE INTERPOLATION AM BEISPIEL DER DIGITALEN BILDBEARBEITUNG - AUFGABENSTELLUNG FÜR SCHÜLER Problem Bei Veränderung der Größe eines Digitalbildes sind entweder zuviel Pixel (Verkleinerung) oder zuwenig
MehrSchnelle und konsistente Stoffwertberechnung mit Spline Interpolation Arbeiten innerhalb der IAPWS Task Group "CFD Steam Property Formulation"
M. Kunick, H. J. Kretzschmar Hochschule Zittau/Görlitz, Fachgebiet Technische Thermodynamik, Zittau Schnelle und konsistente Stoffwertberechnung mit Spline Interpolation Arbeiten innerhalb der IAPWS Task
MehrVorlesungsplan. Von Naïve Bayes zu Bayesischen Netzwerk- Klassifikatoren. Naïve Bayes. Bayesische Netzwerke
Vorlesungsplan 17.10. Einleitung 24.10. Ein- und Ausgabe 31.10. Reformationstag, Einfache Regeln 7.11. Naïve Bayes, Entscheidungsbäume 14.11. Entscheidungsregeln, Assoziationsregeln 21.11. Lineare Modelle,
MehrDirk Hachenberger Mathematik für Informatiker
Dirk Hachenberger Mathematik für Informatiker ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis Vorwort
MehrARBEITSUNTERLAGEN ZUR VORLESUNG UND ÜBUNG AN DER UNIVERSITÄT DES SAARLANDES LINEARE OPTIMIERUNG
¾ REITSUNTERLGEN ZUR VORLESUNG UND ÜUNG N DER UNIVERSITÄT DES SRLNDES LINERE OPTIMIERUNG IM SS Lineare Optimierung (SS ). ufgabe (Graphische Lineare Optimierung) Nach einem anstrengenden Semester steht
MehrLernskript. Technisch-angewandte Informatik. Kerngebiete: Technische Informatik Angewandte Informatik. Vertiefungsgebiet:
Lernskript Technisch-angewandte Informatik Kerngebiete: Technische Informatik Angewandte Informatik Vertiefungsgebiet: A1 (Methoden der Informatik für spezielle Anwendungen) FRAGEN Computergrafik Allgemeines
Mehr