Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten
|
|
- Irmela Flater
- vor 6 Jahren
- Abrufe
Transkript
1 Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten Lothar Nannen Institut für Numerische und Angewandte Mathematik Universität Göttingen 9. April 28 1
2 Mikro-Resonator: Streuproblem κ = 1.54 κ = κ = 1.54 κ =
3 Mikro-Resonator: Energie 3
4 Helmholtz Gleichung u κ 2 u = auf Ω Ω Randbedingung auf Ω Die Eigenwerte κ 2 von sind positiv. Genau für diese κ > ist die Helmholtz Gleichung nicht eindeutig lösbar. 4
5 Helmholtz Gleichung u κ 2 u = auf Ω Ω Randbedingung auf Ω Die Eigenwerte κ 2 von sind positiv. Genau für diese κ > ist die Helmholtz Gleichung nicht eindeutig lösbar. Ω Randbedingung auf Ω und Ausstrahlungsbedingung für x Die Eigenwerte κ 2 von sind komplex. κ mit R(κ) > wird Resonanz genannt. 4
6 Übersicht Einleitung Motivation Streu- und Resonanzproblem Ausstrahlungsbedingung Polbedingung Zusammenhang mit Hardy-Räumen Hardy-Raum Methoden Infinite Elemente Methode (HSIEM) Numerische Beispiele Zusammenfassung 5
7 Ω ext Ω int Streuproblem B a u κ 2 u = in Ω = R d \ K, K u K = f auf K, u erfüllt eine Ausstrahlungsbedingung. DtN-Operator Sommerfeldsche Ausstrahlungsbedingung: ( ) r d 1 u 2 (x) iκu(x), r = x. r Reihenentwicklung mit (sphärischen) Hankel-Funktionen 1.Art: u(r, ˆx) = H (1) ν(n) (aκr)φ n(ˆx), r > 1, ˆx B a. n= 6
8 Ω ext Ω int Streuproblem B a u κ 2 u = in Ω = R d \ K, K u K = f auf K, u erfüllt eine Ausstrahlungsbedingung. DtN-Operator Sommerfeldsche Ausstrahlungsbedingung: ( ) r d 1 u 2 (x) iκu(x), r = x. r Reihenentwicklung mit (sphärischen) Hankel-Funktionen 1.Art: u(r, ˆx) = H (1) ν(n) (aκr)φ n(ˆx), r > 1, ˆx B a. n= 6
9 Resonanzproblem Lax & Phillips: Scattering Theory, 1967: Definition Sei (κ 2, u) C Hloc 2 (Ω) \ {} mit R(κ) > eine Lösung des Eigenwertproblems u = κ 2 u in Ω = R d \ K, u K = auf K, u erfüllt eine Ausstrahlungsbedingung. Dann heißt κ eine Resonanz des Streuproblems. 7
10 Laplace-Transformation: û(s) := (Lu)(s) = Polbedingung in 1d e sr u(r)dr, R(s) > I(s) u(r) = C 1 e +iκr + C 2 e iκr L û(s) = C 1 s iκ + C 2 s + iκ. iκ iκ ausstrahlend einfallend R(s) 8
11 Definition Allgemeiner Fall Eine stetige Funktion u erfüllt die Polbedingung, wenn die Laplace-Transformierte in radialer Richtung û(, ˆx) := L{u( ˆx)} für alle ˆx B a eine holomorphe Fortsetzung auf C := {s C I(s) < } besitzt. Veröffentlichungen zur Polbedingung: F. Schmidt, P. Deufelhard (1995) F. Schmidt (22) T. Hohage, F. Schmidt, L. Zschiedrich (23) 9
12 Hardy-Räume Definition f H (R) genau dann, wenn f L 2 (R) und L 2 -Randwert einer in C holomorphen Funktion ist. 1
13 Hardy-Räume Definition f H (R) genau dann, wenn f L 2 (R) und L 2 -Randwert einer in C holomorphen Funktion ist. Definition F H + (S 1 ) genau dann, wenn F L 2 (S 1 ) und L 2 -Randwert einer in D holomorphen Funktion ist. 1
14 Hardy-Räume Definition f H (R) genau dann, wenn f L 2 (R) und L 2 -Randwert einer in C holomorphen Funktion ist. Definition F H + (S 1 ) genau dann, wenn F L 2 (S 1 ) und L 2 -Randwert einer in D holomorphen Funktion ist. Beide Hardy-Räume sind Hilbert-Räume. {z, z 1,...} ist Orthogonalbasis von H + (S 1 ). 1
15 Möbius-Transformation iκ ϕ(z) = iκ z+1 z 1 Lemma 1 Die Möbius-Transformation Mu(z) := (u ϕ)(z) z 1 ist eine Familie von bis auf den Faktor 2 κ unitären Abbildungen von H (κ R) nach H + (S 1 ). 11
16 Polbedingung in Hardy-Räumen Definition Die Funktion u erfüllt die Polbedingung, wenn (L id)u H (κ R) L 2 ( B a ) oder äquivalent (ML id)u H + (S 1 ) L 2 ( B a ). 12
17 Polbedingung in Hardy-Räumen Definition Die Funktion u erfüllt die Polbedingung, wenn (L id)u H (κ R) L 2 ( B a ) oder äquivalent (ML id)u H + (S 1 ) L 2 ( B a ). Theorem Für hinreichend großes a sind die beiden Versionen der Polbedingung für Lösungen der Helmholtz Gleichung zueinander und zu den üblichen Ausstrahlungsbedingungen äquivalent. 12
18 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext 13
19 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext Substitution des externen Integrals in Polarkoordinaten: (...) dx = (...) dr d ˆx Ω ext B a 13
20 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext Substitution des externen Integrals in Polarkoordinaten: (...) dx = (...) dr d ˆx Ω ext B a Transformation des unbeschränkten Integrals über r in den Hardy-Raum H + (S 1 ): Transformation der Bilinearform f (r)g(r)dr = iκ (MLf )(z) (MLg)(z) dz π S 1 13
21 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext Substitution des externen Integrals in Polarkoordinaten: (...) dx = (...) dr d ˆx Ω ext B a Transformation des unbeschränkten Integrals über r in den Hardy-Raum H + (S 1 ): Transformation der Bilinearform f (r)g(r)dr = iκ (MLf )(z) (MLg)(z) dz π S 1 Galerkin-Verfahren in H + (S 1 ) bzgl. der orthogonalen Basis {z, z 1,...}: iκ z j z k dz = ( 2iκ ) δ jk π S 1 13
22 Variationsformulierung Ansatzraum: X H 1 (Ω int ) (H + (S 1 ) L 2 ( B a )) Finde nichttriviale Lösungen ((u, U), κ 2 ) X C des Variationsproblems A((u, U), (v, V ) ) = κ 2 B((u, U), (v, V ) ), (v, V ) X. 14
23 Variationsformulierung Ansatzraum: X H 1 (Ω int ) (H + (S 1 ) L 2 ( B a )) Finde nichttriviale Lösungen ((u, U), κ 2 ) X C des Variationsproblems A((u, U), (v, V ) ) = κ 2 B((u, U), (v, V ) ), (v, V ) X. ( ( ) ( ) ) u v A, := u v dx + d 1 U V Ω int 2a iκ ( u (T + id) aπ B a S 1 U ( u ( ( ) u B, U ) (T + id) B a u v d ˆx ( v V ) dz d ˆx ic ) d (J T id) (J T aκ π B a S 1 U id) + ia ( ) u (J T ˆx ) (J T κ π B a S 1 U ˆx ) ( ) ) v := u v dx ia (T V id) κ π B a S 1 Ω int ( v V ) dz d ˆx ( v V ) dz d ˆx ( u U ) (T id) ( v V ) dz d ˆx. 14
24 Äquivalenz Theorem Sei (u int, U) X eine Lösung des Variationsproblems A (( ) ( )) uint v, κ 2 B U V (( ) ( )) uint v, = l(v), U V ( ) v X. V Wenn κ keine Resonanz des Streuproblems auf Ω ext ist, dann ist u int H 2 (Ω int ) die Einschränkung einer ausstrahlenden Lösung u Hloc 2 (Ω) der Helmholtz Gleichung, d.h. u int = u Ωint. 15
25 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u 16
26 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u Definition des DtN-Operators: DtN : u u := u ext ν Ba DtN-Operator 16
27 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u Definition des DtN-Operators: DtN : u u := u ext ν Ba ( ) (( ) ( )) A ext κ 2 u B v ext, = u U V v d ˆx B a DtN-Operator 16
28 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u Definition des DtN-Operators: ( ) (( ) A ext κ 2 u B ext, U ( u int v κ 2 u int v Ω int DtN : u u := u ext ν ( v )) V ) dx = Ba = u v d ˆx B a B a u v d ˆx K DtN-Operator f v K ds. 16
29 Infinite Elemente Methode (HSIEM) Standard-FEM für u H 1 (Ω int ) Nˆx u (ˆx) c k b (ˆx) k (ˆx) k= 17
30 Infinite Elemente Methode (HSIEM) Standard-FEM für u H 1 (Ω int ) Nˆx u (ˆx) c k b (ˆx) k (ˆx) k= Tensorprodukt-Ansatz für U: Nˆx N r U(z, ˆx) c jk z j b (ˆx) k (ˆx) k= j= 17
31 B a Infinite Elemente Methode (HSIEM) Standard-FEM für u H 1 (Ω int ) Nˆx u (ˆx) c k b (ˆx) k (ˆx) k= Tensorprodukt-Ansatz für U: Nˆx N r U(z, ˆx) c jk z j b (ˆx) k (ˆx) k= j= Masse- und Steifigkeitsmatrix: M = M ˆx M r, S = M ˆx L 1 +Sˆx L 2 ( ) ( ) (...) dz d ˆx = (...) d ˆx (...) dz S 1 B a S 1 Matrizen 17
32 Konvergenzaussagen zur HSIEM Exponentielle Konvergenz für eindimensionale Streuprobleme super-algebraische Konvergenz für separierte Streuprobleme U ( H + (S 1 ) C (S 1 ) ) L 2 ( B a ) Beweis 18
33 Konvergenzaussagen zur HSIEM Exponentielle Konvergenz für eindimensionale Streuprobleme super-algebraische Konvergenz für separierte Streuprobleme U ( H + (S 1 ) C (S 1 ) ) L 2 ( B a ) Beweis offen: Stabilität für mehrdimensionale Streuprobleme Resonanzprobleme 18
34 Diskretisierung des Hardy-Raums Basisfunktionen für U H + (S 1 ): N r U(z) α j z j j= 19
35 Diskretisierung des Hardy-Raums Basisfunktionen für U H + (S 1 ): N r U(z) α j z j j= Basisfunktionen für MLu H + (S 1 ): (MLu)(z) = 1 ( ) u (h) 2iκ + (z 1)U(z) 19
36 Diskretisierung des Hardy-Raums Basisfunktionen für U H + (S 1 ): N r U(z) α j z j j= Basisfunktionen für MLu H + (S 1 ): Basisfunktionen für u: (MLu)(z) = 1 ( ) u (h) 2iκ + (z 1)U(z) u(r) e iκ r j u (h) N r + α j j= k= ( j k ) (2iκ r) k+1 (k + 1)! 19
37 Parameter κ Lösung der eindimensionalen Helmholtz Gleichung: Basisfunktionen für u: u(r) e iκ r u(r) = u e iκr r j u (h) N r + α j j= k= ( j k ) (2iκ r) k+1 (k + 1)! 2
38 Konvergenz des Streuproblems κ = 1 κ = 5 κ = 25 21
39 Resonanzproblem QF 1, QF 199, 6 QF 2, 24 22
40 Resonanzfrequenzen κ = κ = κ = 3.8 Bildbereich: [ 2 1 5, ] Bildbereich: [ 1 5, 1 5 ] Bildbereich: [ 3 1 4, ] 23
41 Vergleich HSIEM - PML 24
42 Zusammenfassung Polbedingung als theoretische Grundlage zur Behandlung von Streu- und Resonanzproblemen Neue numerische Methoden zur Lösung dieser Probleme Die Methoden führen zu linearen Eigenwertproblemen Implementierung in bestehende Finite-Elemente Programme möglich super-algebraische Konvergenz 25
43 Linienmethode auf Ω ext Transformation der Helmholtz Gleichung: U := (ML id)u H + (S 1 ) L 2 ( B a ) löst ) ((T 1 κ 2 T 2 ) id +T 3 ˆx U = RHS ( u, u ) Herleitung 26
44 Linienmethode auf Ω ext Transformation der Helmholtz Gleichung: U := (ML id)u H + (S 1 ) L 2 ( B a ) löst ) ((T 1 κ 2 T 2 ) id +T 3 ˆx U = RHS ( u, u ) Tensorprodukt-Ansatz: N r U(z, ˆx) α j (ˆx)z j j= Herleitung 26
45 Linienmethode auf Ω ext Transformation der Helmholtz Gleichung: U := (ML id)u H + (S 1 ) L 2 ( B a ) löst ) ((T 1 κ 2 T 2 ) id +T 3 ˆx U = RHS ( u, u ) Tensorprodukt-Ansatz: N r U(z, ˆx) α j (ˆx)z j j= Herleitung Lösung des Systems partieller DGL s auf B a mit FEM: ( ) α ˆx α T (Nr ) 1 κ 2 T (Nr ) 2. +T (Nr ). = RHS (Nr ) ( u, u ) 3 α Nr ˆx α Nr 26
46 Linienmethode (HSLM) Ω ext B a Ω int K Gleichungssystem aus drei Komponenten: ( (T 1 κ 2 ) ( T 2 ) id +T 3 ˆx U = RHS u, u ) 27
47 Linienmethode (HSLM) Ω ext B a Ω int K Gleichungssystem aus drei Komponenten: ( (T 1 κ 2 ) ( T 2 ) id +T 3 ˆx U = RHS u, u ) ( ) u v κ 2 uv dx = u v d ˆx B a Ω int K f v K ds 27
48 Linienmethode (HSLM) Ω ext B a Ω int K Gleichungssystem aus drei Komponenten: ( (T 1 κ 2 ) ( T 2 ) id +T 3 ˆx U = RHS u, u ) ( ) u v κ 2 uv dx = u v d ˆx B a Ω int u = 4κ2 U (1) 2κ 2 U(1) K f v K ds 27
49 Konvergenz der HSIEM Operator-Gleichung: ( ) ( ) ( ) (T m C d K ) id a 2 u K u ˆx = U K ist ein kompakter Operator und T m ein Toeplitz-Operator mit Symbol m(z) = κ 2 z κ 2 z 1 2. Toeplitz-Operator 28
50 Konvergenz der HSIEM Operator-Gleichung: ( ) ( ) ( ) (T m C d K ) id a 2 u K u ˆx = U K ist ein kompakter Operator und T m ein Toeplitz-Operator mit Symbol m(z) = κ 2 z κ 2 z 1 2. Toeplitz-Operator Projektionsmethode auf span{z,..., z Nr }: sep. Problem ( ) P Nr (T m (C d + a 2 u (Nr ) ( ) λ n )K )P,n u Nr U (Nr ) =,n n 28
51 Konvergenz der HSIEM Operator-Gleichung: ( ) ( ) ( ) (T m C d K ) id a 2 u K u ˆx = U K ist ein kompakter Operator und T m ein Toeplitz-Operator mit Symbol m(z) = κ 2 z κ 2 z 1 2. Toeplitz-Operator Projektionsmethode auf span{z,..., z Nr }: sep. Problem ( ) P Nr (T m (C d + a 2 u (Nr ) ( ) λ n )K )P,n u Nr U (Nr ) =,n n Theorem Die Projektionsmethode konvergiert super-algebraisch, d.h. für beliebiges p N existiert eine Fehlerabschätzung der Form u (Nr ),n u,n C p(λ n, κ) (N r ) p. Konvergenz HSIEM 28
52 Kondition der Hardy-Raum Methoden 29
53 Konvergenz des MCR-Problems 3
54 Veröffentlichungen zur Polbedingung F. Schmidt, P. Deufelhard: Discrete Transparent Boundary Conditions for the Numerical Solution of Fresnel s Equation Computers Math. Applic., 29 (9): (1995) F. Schmidt: Solution of Interior-Exterior Helmholtz-Type Problems Based on the Pole Condition Concept: Theory and Algorithms Habilitation, Freie Universität Berlin (22) T. Hohage, F. Schmidt, L. Zschiedrich: Solving time-harmonic scattering problems based on the pole condition. I:Theory SIAM J. Math. Anal., 35: (23) D. Ruprecht, A. Schädle, F. Schmidt, L. Zschiedrich: Transparent boundary conditions for time-dependent problems Zuse Institut Berlin - Preprint 12 (27) 31
55 Transformation auf Polarkoordinaten ˆx u(r, ˆx) := (r + 1) d 1 2 u ( (r + 1)ˆx ) r ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ) ˆx (r + 1) 2 u(r, ˆx) =, r >, ˆx B a 32
56 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= 33
57 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= 33
58 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= Masse- und Steifigkeitsmatrix: Ω ext ( ) ( H ν (1) 1 (aκr)w µ1 (ˆx) H (1) ( = w µ1 (ˆx)w µ2 (ˆx)d ˆx B a M = M ˆx M r, S = M ˆx L 1 +Sˆx L 2 ) ν 2 (aκr)w µ2 (ˆx) d (r ˆx) ) ( 1 H (1) ν 1 (aκr)h (1) ν 2 (aκr)r d 1 dr ) 33
59 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= Masse- und Steifigkeitsmatrix: Ω ext ( ) ( H ν (1) 1 (aκr)w µ1 (ˆx) H (1) ( = w µ1 (ˆx)w µ2 (ˆx)d ˆx B a M = M ˆx M r, S = M ˆx L 1 +Sˆx L 2 ) ν 2 (aκr)w µ2 (ˆx) d (r ˆx) ) ( 1 H (1) ν 1 (aκr)h (1) ν 2 (aκr)r d 1 dr ) 33
60 Hardy-Raum Infinite Elemente Methode (HSIEM) Tensorprodukt-Ansatz M = M ˆx M r S = M ˆx L 1 + Sˆx L 2 L 1 := d 1 ( 1 2a ) 2iκ a T (Nr ) (N + T r ) + 2C di κ a T (Nr ) ( D (Nr )) 2 (N T r ), L 2 := 2ai T (Nr ) ( D (Nr )) 2 (N T r ) κ, Mr := 2ai T (Nr ) (N T r ) κ. HSIEM 34
61 Hardy-Raum Infinite Elemente Methode (HSIEM) Tensorprodukt-Ansatz M = M ˆx M r S = M ˆx L 1 + Sˆx L 2 L 1 := d 1 ( 1 2a ) 2iκ a T (Nr ) (N + T r ) + 2C di κ a T (Nr ) ( D (Nr )) 2 (N T r ), L 2 := 2ai T (Nr ) ( D (Nr )) 2 (N T r ) κ, Mr := 2ai T (Nr ) (N T r ) κ. HSIEM 34
62 Hardy-Raum Infinite Elemente Methode (HSIEM) Tensorprodukt-Ansatz M = M ˆx M r S = M ˆx L 1 + Sˆx L 2 L 1 := d 1 ( 1 2a ) 2iκ a T (Nr ) (N + T r ) + 2C di κ a T (Nr ) ( D (Nr )) 2 (N T r ), L 2 := 2ai T (Nr ) ( D (Nr )) 2 (N T r ) κ, Mr := 2ai T (Nr ) (N T r ) κ. HSIEM 34
63 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ) ˆx (r + 1) 2 u(r, ˆx) = 35
64 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u Ba (ˆx) a u (ˆx) 2 ν Ba 35
65 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u (ˆx) a u 2 (ˆx) 35
66 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u (ˆx) a u 2 (ˆx) Möbius-Transformation U := (M id)û H + (S 1 ) L 2 ( B a ) 35
67 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u (ˆx) a u 2 (ˆx) Möbius-Transformation U := (M id)û H + (S 1 ) L 2 ( B a ) ((T m C d K ) id a 2 K ˆx ) U = RHS ( u, u mit m(z) := κ 2 (z + 1)2 κ 2 (z 1) 2 ) Toeplitz-Operator HSLM 35
68 Definition Toeplitz operator Seien m L (S 1 ) und P : L 2 (S 1 ) H + (S 1 ) die orthogonale Projektion auf H + (S 1 ). Dann ist der Toeplitz-Operator T m : H + (S 1 ) H + (S 1 ) mit Symbol m definiert durch T m F := P(m F), F H + (S 1 ). Theorem Wenn m auf S 1 nicht verschwindet, dann ist T m ein Fredholm-Operator mit Index ind(t m ) = wn(m), wobei wn(m) die Windungszahl von m um ist. A. Böttcher, B. Silbermann: Analysis of Toeplitz operators Springer-Verlag (26) HSLM HSIEM 36
69 Separiertes Problem Durch Zerlegung von u in seine Fourier-Koeffizienten u n bzgl. {Φ n, n =, 1,...} mit ˆx Φ n = λ n Φ n, λ n = 1 a 2 { ν(n) 2, d = 2 ν(n)(ν(n) + 1), d = 3 zerfällt die Helmholtz Gleichung in die eindimensionalen (sphärischen) Besselschen Differentialgleichungen u n(r) d 1 ( ) u r n(r) (aκ) 2 + a2 λ n r 2 u n (r) =, r 1. Lösungen: u n (r) = c (1) n H (1) ν(n) (aκr) + c(2) n H (2) ν(n) (aκr) DtN-Operator: u = n= κh (1) ν(n) (aκ) H (1) ν(n) (aκ) u,n Φ n Streuproblem HSIEM Konvergenz HSIEM 37
70 Transformation einer Bilinearform f (r)g(r)dr Variationsproblem 38
71 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() Variationsproblem 38
72 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 2π F{f e M }(t)f{g e M }( t)dt Variationsproblem 38
73 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 2π F{f }(t im)f{g }( t + im)dt Variationsproblem 38
74 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 2π L{f }(it + M)L{g}( (it + M))dt Variationsproblem 38
75 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 L{f }(it + M)L{g}( (it + M))dt 2π = i 2π lim L{f }(s)l{g}( s)ds R γ 1 γ4 R γ1 M γ3 γ2 κ Variationsproblem 38
76 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 L{f }(it + M)L{g}( (it + M))dt 2π = i 2π lim L{f }(s)l{g}( s)ds R γ 3 γ4 R γ1 M γ3 γ2 κ Variationsproblem 38
77 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 L{f }(it + M)L{g}( (it + M))dt 2π = i 2π lim L{f }(s)l{g}( s)ds R γ 3 = iκ ML{f }(z) ML{g}(z) dz π S 1 γ4 R γ1 M γ3 γ2 κ Variationsproblem 38
78 Kopplung bei der HSIEM Randterme: u (ˆx)v (ˆx)d ˆx B a Laplace-Transformation von r u(r, ˆx): L{ r u(r, ˆx)}(s) = sl{u(, ˆx)}(s) u (ˆx) Grenzwertsatz der Laplace-Transformation: u (ˆx) lim sl{u(, ˆx)}(s) (MLu(, ˆx)) (1) s Zerlegung von MLu in u und U: (MLu(, ˆx)) (z) = c u (ˆx) + (z 1)U(z, ˆx), U(, ˆx) H + (S 1 ) C (S 1 ) 39
79 resonance frequencies II κ = κ = κ = 3.8 plot range: [ 1 1, 1 1 ] plot range: [ 2 1 5, ] plot range: [ 4 1 5, ] 4
80 resonance frequencies III κ = κ = 3.8 plot range: [ 1 5, 1 5 ] plot range: [ 3 1 5, ] 41
Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten
Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten Dissertation zur Erlangung des Doktorgrades der Mathematisch-Naturwissenschaftlichen Fakultäten der
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
MehrFinite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
Mehr3.5 Duale Vektorräume und Abbildungen
3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung
MehrKlausur: Höhere Mathematik IV
Prof. Dr. Josef Bemelmans Templergraben 55 52062 Aachen Raum 00 (Hauptgebäude) Klausur: Höhere Mathematik IV Tel.: +49 24 80 94889 Sekr.: +49 24 80 9492 Fax: +49 24 80 92323 bemelmans@instmath.rwth-aachen.de
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
Mehr2.9 Die komplexen Zahlen
LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
Mehr9. Übung zur Linearen Algebra II -
9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).
MehrEigenschaften kompakter Operatoren
Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften
MehrTeil III. Fourieranalysis
Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
MehrModellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.
Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrDie schwingende Membran
Die schwingende Membran Michael Beer 1. Februar 2001 Inhaltsverzeichnis 1 Die Differentialgleichung der homogenen schwingenden Membran 1 2 Die allgemeine Lösung 2 3 Spezialfälle 4 3.1 Die rechteckige Membran.............................
MehrStochastische FEM mit elementaren Zufallselementen
Stochastische FEM mit elementaren Zufallselementen Hans-Jörg Starkloff Westsächsische Hochschule Zwickau 13. Südostdeutsches Kolloquium zur Numerischen Mathematik 2007 Freiberg, 27. April 2007 Einführung
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
MehrSchwache Formulierung der Poisson-Gleichung Finite Elemente Methoden Fouriermethoden für Wärmeleitungsgleichung
Department Mathematik der Universität Hamburg SoSe 29 Dr. Hanna Peywand Kiani Schwache Formulierung der Poisson-Gleichung Finite Elemente Methoden Fouriermethoden für Wärmeleitungsgleichung Die ins Netz
MehrNumerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden.
Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden Dissertation zur Erlangung des akademischen Grades doctor rerum naturalium (Dr. rer.
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
MehrDie Laplace-Transformation und ihre Anwendung in der Elektrotechnik
Die Laplace-Transformation und ihre Anwendung in der Elektrotechnik Jürgen Struckmeier j.struckmeier@gsi.de, www.gsi.de/ struck Vortrag im Rahmen des Winterseminars Aktuelle Probleme der Beschleuniger-
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
MehrÜbungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrNebenfach Mathematik im Informatik-Studium. Martin Gugat FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26.
Nebenfach Mathematik im Informatik-Studium Martin Gugat martin.gugat@fau.de FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26. Oktober 2016 Motivation Die rigorose Analyse von Algorithmen erfordert
Mehr4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden
Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
Mehr4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau
312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
Mehr3 Markov-Eigenschaft der Brownschen Bewegung
Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrMathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n-
I. Lineare Algebra Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung 1. Determinanten (siehe Fischer/Kaul I, S.329-339) Matrix. Determinanten von 2 2- und 3 3-Matrizen. Alternierende Multilinearformen
MehrSeminar stabile Zufallsprozesse
Definitionen und Eigenschaften stabiler Verteilungen 2. November 2011 Inhalt 1 Definitionen Definitionen Beweis der Äquivalenz Beispiele 2 Eigenschaften 3 Charakteristische Funktion 4 Laplace Transformation
MehrNumerische Simulation mit finiten Elementen
Institut für Numerische Mathematik und Optimierung Numerische Simulation mit finiten Elementen Antje Franke-Börner Übung im gleichnamigen Modul Hörerkreis: 2. MNC, 2. MGPHY, 4. BGIP, 6. BEC-II, 2. MGIN
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Probeklausur Mathematik 4 für Physik (Analysis 3) I...
................ Note I II Name Vorname Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
MehrOptimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations
Prof. Dr. H. J. Pesch Lehrstuhl für Ingenieurmathematik Universität Bayreuth Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations (Teil 1: SS 26) 4. Übung
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 27.01.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
MehrEinführung in die Mathematische Physik
Alle Aufgaben 16.07.2010 Einführung in die Mathematische Physik Universität Stuttgart PD. Dr. P. H. Lesky 1) Die homogene Wellengleichung im 1 mit konstanter Ausbreitungsgeschwindigkeit c > 0: t 2u(t,
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
Mehr6 Komplexe Integration
6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrStochastik I. Vorlesungsmitschrift
Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrModellieren in der Angewandten Geologie II. Sebastian Bauer
Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrKlausur Lineare Algebra I & II
Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte
MehrDer Laplace-Operator auf einer Riemannschen Mannigfaltigkeit
Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit (Eine kurze Einführung im Rahmen des Seminars Spektraltheorie des Laplace-Operators, Sommersemester 2009) Inhalt: 1) Einführung 2) (Unter-)
MehrDefinition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=
Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)
MehrTheoretische Physik 1, Mechanik
Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische
Mehr23 Laurentreihen und Residuen
23 Laurentreihen und Residuen 23. Laurentreihen Ist eine Funktion f in einem Punkt z nicht holomorph (oder nicht einmal definiert), so läßt sich f nicht durch eine Potenzreihe mit Entwicklungspunkt z darstellen.
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
MehrAnleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras
Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrAufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).
Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =
MehrD-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j
D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrStroppel Musterlösung , 180min. Aufgabe 1 (7 Punkte) Gegeben seien folgende Potenzreihen: ( 2) n n xn,
Stroppel Musterlösung 0. 09. 03, 80min Aufgabe 7 Punkte) Gegeben seien folgende Potenzreihen: ) n fx) = n xn, gx) = n= + ) n n x+) n. 3 n= a) Bestimmen Sie jeweils den Konvergenzradius und den Entwicklungspunkt.
MehrInhaltsverzeichnis. Vorwort zur ersten Auflage. Bezeichnungen
Inhaltsverzeichnis Vorwort zur vierten Auflage Vorwort zur ersten Auflage Bezeichnungen v vi xv Kapitel I Einführung 1 1. Beispiele und Typeneinteilung 2 Beispiele 2 Typeneinteilung 7 Sachgemäß gestellte
Mehr7 Die Hamilton-Jacobi-Theorie
7 Die Hamilton-Jacobi-Theorie Ausgearbeitet von Rolf Horn und Bernhard Schmitz 7.1 Einleitung Um die Hamilton schen Bewegungsgleichungen q k = H(q, p) p k ṗ k = H(p, q) q k zu vereinfachen, führten wir
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrHöhere Mathematik für Naturwissenschaftler und Ingenieure
Günter Bärwolff Höhere Mathematik für Naturwissenschaftler und Ingenieure unter Mitarbeit von Gottfried Seifert ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spekt rum K-/1. AKADEMISCHER VERLAG AKADEMISC Inhaltsverzeichnis
MehrDefinition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.
Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer
MehrMultivariate Verteilungen
Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Berechnen Sie die folgenden unbestimmten Integrale.
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
Mehr8 Laplace-Transformation
8 Laplace-Transformation Ausgangspunkt: Die Heaviside-Funktion für t < u(t) = 1 für t besitzt keine Fourier-Transformation. Denn: Formal bekommt man das unbestimmte Integral ^u(ω) = e iωτ dτ = 1 iω das
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
MehrKapitel 11. Bilinearformen über beliebigen Bilinearformen
Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
MehrHarmonische und Holomorphe Funktionen
Harmonische und Holomorphe Funktionen Jonathan Bischoff LMU München illertal am 14.12.2014 Jonathan Bischoff Harmonische und Holomorphe Funktionen 1/14 Definition harmonische Funktion Sei G R 2 ein Gebiet.
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
MehrDas wissen Sie: 6. Welche Möglichkeiten zur Darstellung periodischer Funktionen (Signalen) kennen Sie?
Das wissen Sie: 1. Wann ist eine Funktion (Signal) gerade, ungerade, harmonisch, periodisch (Kombinationsbeispiele)? 2. Wie lassen sich harmonische Schwingungen mathematisch beschreiben und welche Beziehungen
MehrLösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt
Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
Mehr4 Lineare Abbildungen und Matrizen
Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrStetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543
Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen
MehrLösungen zu Übungsblatt 9
Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da
Mehr3.3 Das Abtasttheorem
17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann
MehrMusterlösungen Online Zwischentest - Serie 10
D-MAVT, D-MATL Analysis II FS 2013 Prof. Dr. P. Biran Musterlösungen Online Zwischentest - Serie 10 Frage 1 [Prüfungsaufgabe Frühling 2011)] Sei das Vektorfeld in R 3, ( x v(x,y,z) = 2, x+y ),0 2 und der
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
Mehr