nichtlineare dynamische Systeme
|
|
- Dieter Dressler
- vor 6 Jahren
- Abrufe
Transkript
1 nichtlineare dynamische Systeme dynamische Systeme: - Systeme mit Krafteinwirkung (δυναµιο = Kraft) - zeitabhängige Systemzustände - Zustandsänderung abhängig vom momentanen Zustand deterministisch gleiche Umstände - gleiche Entwicklung stochastisch gleiche Umstände - stochastische Entwicklung, Wahrscheinlichkeitsverteilung abh. vom momentanen Zustand
2 Nichtlinearität und Kausalität schwache Kausalität: gleiche Ursachen haben gleiche Wirkungen t t+τ Lineare Systeme starke Kausalität: ähnliche Ursachen haben ähnliche Wirkungen t t+τ starke Idealisierung; keine Berücksichtigung experimenteller Situationen schließt schwache Kausalität ein; berücksichtigt experimentelle Situationen: kleine Abweichung in Anfangsbedingungen; Störungen des Systems; systematische Fehler,...
3 Nichtlinearität und Kausalität Nichtlineare Systeme Verletzung der starken Kausalität: ähnliche Ursachen haben unterschiedliche Wirkungen t t+τ - sensitive Abhängigkeit von den Anfangsbedingungen deterministisches Chaos - Musterbildung "das Ganze ist mehr als die Summe seiner Teile" Selbstorganisation
4 Charakterisierung einer Dynamik Maß Dimension Lyapunov- Exponenten Eigenschaften statisch dynamisch Charakterisierung Skalenverhalten, Anzahl der Freiheitsgrade, Komplexität Divergenz/Konvergenz, Langzeitverhalten, Stabilität, Prädiktionszeit Entropie dynamisch Unordung, Information, Komplexität, Prädiktionszeit
5 Charakterisierung einer Dynamik Dynamik regulär chaotisch stochastisch Eigenschaften deterministisch Langzeitverhalten prädizierbar starke Kausalität deterministisch begrenzt prädizierbar Verletzung der starken Kausalität Nichtlinearität Rauschen/Zufall nicht prädizierbar unkontrollierte Einflüße äußere Störungen charakterisierende Maße D ganzzahlig, λ = K = D fraktal, (λ, K) > 0 (D, λ, K)
6 Charakterisierung einer Dynamik Wie gut können Dimensionen, Lyapunov-Exponenten und Entropien verschiedene Dynamiken wirklich charakterisieren? Probleme Datenpunkt-Anzahl, Genauigkeit, Rauschen (andere) Trennung Determinismus - Stochastizität?
7 Zeitreihenanalyse Länge der Zeitreihe Experiment: begrenzt begrenzt Modell: beliebig beliebig Abtastintervall Genauigkeit A/D-Wandler Rauschen beliebig
8 Determinismus / Stochastizität Wold-Zerlegung: Jeder stationäre (lineare oder nichtlineare) Prozeß kann in eine Summe von unkorrelierten deterministischen und nichtdeterministischen Komponenten zerlegt werden. Zeitbereich: Frequenzbereich: v( t) = d( t) + n( t) V ( f ) = V ( f ) + V ( f ) + V ( f ) V 1 absolut stetig (fast überall differenzierbar) V 2 monoton wachsende/fallende Sprungfunktion (Treppenfunktion) V singuläre Funktion 3
9 Wold-Zerlegung (Frequenzbereich): V 1 V 3 f f V + V + V f
10 Determinismus / Stochastizität lineare Modellierung (ARMA-Prozeß): deterministische Komponente Autoregressiver Prozeß (AR) der Ordnung p p i= 1 d( t) = a v( t i) i nichtdeterministische Komponente Moving-Average Prozeß (MA) der Ordnung q q i= 1 n( t) = bη( t i) i η Ν( 0, 1)
11 Determinismus / Stochastizität nichtlineare Modellierung (ARMA-Prozeß): deterministische Komponente p i= 1 d( t) = a F [ v( τ), η( τ)] v( t i) i t i nichtdeterministische Komponente q i= 1 n( t) = b G[ x( τ), η( τ)] η( t i) i η Ν( 0, 1) nichtlineare Kernelfunktionen: F [ v( ), ( )], G[ x( ), ( )] t i τ η τ τ η τ mit τ t i
12 Determinismus / Stochastizität Problem: Wold-Zerlegung additiv - entweder deterministisch oder stochastisch - anwendbar auf reale Daten? deterministisches Chaos? - wünschenswert: Abbildung auf [0,1]-Intervall 1,0 deterministisch Zeitreihe 0,5 0,0 stochastisch
13 Determinismus / Stochastizität betrachte Dynamik eines Systems mit n Zustandsgrößen Bewegungsgleichung: kontinuierlich diskret Satz von Differentialgleichungen und Anfangsbedingungen d dt x = f( x, t, λ) x = x( t ) 0 0 Satz von Differenzengleichungen (Abbildungen) xt+ t = F( xt, T, λ) λ = Kontrollparameter f,f: R n R n reellwertigevektorfunktionen i.a. nichtlinear
14 Determinismus / Stochastizität reguläre Dynamik: - schwache Kausalität: gleiche Ursachen haben gleiche Wirkungen - zu jeder Anfangsbedingung kann spezielle Lösung der Bewegungsgleichung gefunden werden Verlauf der Trajektorien im Phasenraum für jeden Zeitpunkt eindeutig festgelegt keine Selbstüberschneidung der Trajektorie falls Bewegungsgleichung stetig: benachbarte Trajektorienabschnitte stehen parallel zueinander - in infinitesimal kleinen Volumenelementen gilt dx dt a dxb xa x dt b
15 Determinismus / Stochastizität reguläre Dynamik: - starke Kausalität: ähnliche Ursachen haben ähnliche Wirkungen - betrachte endliche Volumenelemente (endliche Kantenlänge) - Trajektorienabschnitte innerhalb kleiner (endlicher) Volumenelemente sind zueinander ausgerichtet lokaler Fluß im Phasenraum bei seltsamen Attraktoren nur bedingt richtig (z.b. "leere" Volumenbereiche bei Lorenzsystem), im Mittel (gesamter Attraktor) aber dennoch gültig.
16 Determinismus / Stochastizität
17 Determinismus / Stochastizität Phasenraum-basierte Verfahren zum Nachweis von Determinismus in Zeitreihen - D.T. Kaplan und L.Glass, PRL 68, pp. 427, R. Wayland et al., PRL 70, pp. 580, L.W. Salvino und R. Cawley, PRL 73, pp. 1091, 1994 (- D.T. Kaplan, Physica D 73, pp. 38, 1994)
18 Determinismus / Stochastizität Kaplan-Glass Verfahren: Beobachtung: Tangente an Trajektorie eines deterministischen Systems ist abhängig von Position im Phasenraum Determinismus: in einer gegebenen Region im Phasenraum haben alle Tangenten an eine Trajektorie eine ähnliche Orientierung
19 Determinismus / Stochastizität (Kaplan & Glass) Vorgehensweise: - Rekonstruktion der Dynamik im Phasenraum v( t) = ( v( t), v( t τ), v( t 2τ),..., v( t mτ )) - grobe Unterteilung des m-dimensionalen Phasenraums in Hyperkuben (coarse graining) - k-ter Durchgang einer Trajektorie durch Hyperkubus j generiert Trajektorienvektor υ k, j
20 Determinismus / Stochastizität (Kaplan & Glass) Trajektorienvektor - Länge: 1 (normierter Einheitsvektor) - Richtung: abh. von Vektor zwischen Eintritts- und Austrittspunkt (mittlere Richtung des Trajektoriendurchgangs) ( VORTEIL: Tiefpaßfilterung der Dynamik, weniger rauschanfällig) Trajektorie k Trajektorienvektor υ k, j Hyperkubus j m = 2
21 Determinismus / Stochastizität (Kaplan & Glass) Statistik über Trajektorienvektoren - Trajektorie durchläuft j-ten Hyperkubus n -mal - bilde n j normierte Trajektorienvektoren (wichtig: alle Durchgänge gleichberechtigt, egal ob zentral oder am Rande) - vektorielle Addition und Normierung auf Anzahl der Passagen (alle Hyperkuben sind gleichberechtigt) n j j - mittlerer Trajektorienvektor: Υ n j j υ k, j k := = 1 n j
22 Determinismus / Stochastizität (Kaplan & Glass) Charakterisierung der Dynamik: - Lokaler Fluß im Phasenraum - Ansatz: globaler Mittelwert über alle Hyperkuben - Sortierung der Hyperkuben nach jeweiligen n -Wert - betrachte Verteilung der mittleren Trajektorienlänge in Abh. von Anzahl der Passagen j L n m := Υ j n j n= n j
23 Determinismus / Stochastizität (Kaplan & Glass) L m=6 n n Lorenz Rauschen theoretischer Verlauf R m n 120 L: = L n m n >1 Lorenz-System L(m=6) = 0,97 weißes Rauschen L(m=6) = 0,23
24 Determinismus / Stochastizität (Kaplan & Glass) Lorenz-System deterministisch L=0,97 < 1 weißes Rauschen stochastisch L=0,23 > 0 Abweichung vom maximalen Wert:? - allg. gilt: lim L m = n ε endliche Datenlänge endliche Hyperkubenanzahl endliche Kantenlänge ε - bei ε 0 Abnahme der Trajektorienpassagen/Hyperkubus Verschlechterung der Statistik
25 Determinismus / Stochastizität (Kaplan & Glass) Abweichung vom minimalen Wert: - betrachte Funktionsverlauf von für weißes Rauschen: L fit n : - funktionaler Verlauf und Vorfaktor ergeben sich aus Summation von Trajektorienvektoren eines random-walk in m Dimensionen (Lord Rayleigh, 1919) - random-walk: n Schritte (Einheitslänge) in m Dimensionen, wobei Winkel von Schritt zu Schritt zufällig gewählt wird L n m 0, 96 1 = n n
26 Determinismus / Stochastizität (Kaplan & Glass) Abweichung vom minimalen Wert: - betrachte mittlere Änderung pro Schritt (n ): R m n = m+ 1 Γ 2 2 nm m Γ 2 R m n = c m 1 n m = c m = π 2 4 6π 3 π lim 32 0,886 0,921 0,939 m cm = 1
27 Determinismus / Stochastizität (Kaplan & Glass) 1 cm m 30
28 Determinismus / Stochastizität (Kaplan & Glass) Renormierung des lokalen Flusses im Phasenraum: - mit R m n = c m 1 n Renormierung: F * := m Ln R 1 R m n m n n> 1 F * := 0 L m < R n m n Lorenz-System L(m=6) = 0,97 F* = 0,965 weißes Rauschen L(m=6) = 0,23 F* 0
29 Determinismus / Stochastizität (Kaplan & Glass) F* Lorenz Rauschen n 120
30 Determinismus / Stochastizität (Wayland et al.) Wayland et al. Verfahren: operationale Definition: eine Zeitreihe v(t) heißt deterministisch, wenn eine Folge von Phasenraumvektoren durch die Iteration einer kontinuierlichen Funktion f exakt modelliert werden kann (Vorauss.: m und τ geeignet gewählt).
31 Determinismus / Stochastizität (Wayland et al.) Vorgehensweise: - Rekonstruktion der Dynamik im Phasenraum v( t) = ( v( t), v( t τ), v( t 2τ ),..., v( t mτ )) - empirischer Test auf Kontinuität (aufgrund endlicher Folge von Phasenraumvektoren) - Annahme: wenn Abbildung f kontinuierlich, dann gilt: dicht benachbarte Punkte im Phasenraum werden auf dicht benachbarte Punkte abgebildet
32 Determinismus / Stochastizität (Wayland et al.) lokale Betrachtung: - betrachte Punkt auf einem Attraktor, seine nächsten Nachbarn v,..., 1 v k, sowie deren Bilder w,..., 0 w k aufgrund der Wirkung von f ε-umgebung f v 0 w 0 v 0
33 Determinismus / Stochastizität (Wayland et al.) - wenn Zeitreihe deterministisch und v,..., 0 vk auf kleines Volumen im m-dimensionalen Phasenraum beschränkt Translationsvektoren t j = w j v j nahezu gleich sei t k 1 = t k + = 1 j 0 definiere: Translationsfehler (Varianz) j Mittelwert der Translationsvektoren t = Euklidische Länge des Vektors t e trans k 1 t j = k + 1 j= 0 t t 2 2
34 Determinismus / Stochastizität (Wayland et al.) Translationsfehler minimal bei deterministischen Zeitreihen Erweiterung auf globale Abschätzung: - wähle N* Punkte auf einem Attraktor (N* beliebig) - bestimme jeweiligen Translationsfehler - Median der Translationsfehler Maß für Determinismus - Vorteile des Verfahrens: kleine Datenmengen geringe Rauschanfälligkeit
35 Determinismus / Stochastizität (Salvino & Cawley) Salvino & Cawley Verfahren: Hypothese: Stetigkeit im Phasenraum impliziert Determinismus in Zeitreihe bisherige Verfahren: Einheits-Vektorfeld vorausgesetzt jetzt: Vektorfeld im Phasenraum beliebig
36 Determinismus / Stochastizität (Salvino & Cawley) Vorgehensweise: - Rekonstruktion der Dynamik im Phasenraum v( t) = ( v( t), v( t τ), v( t 2τ ),..., v( t mτ )) - Test auf Stetigkeit - Grundannahme 1: DGL rechte Seite stetige (lokal Lipschitz) Funktion des Ortes Lösung der DGL eindeutig bestimmt für gegebene Anfangsbedingungen benachbarte Punkte im Phasenraum zeigen ähnliche zeitliche Entwicklung
37 Determinismus / Stochastizität (Salvino & Cawley) - Grundannahme 2: diskrete Abbildung Definition Stetigkeit nicht eindeutig jedoch: Stetigkeit Existenz einer Regel, die aus der zeitlichen Entwicklung der Zustände im Phasenraum abgeleitet werden kann - Grundannahme 3: betrachte Vektorfeld in R d als Funktion des Ortes: φ 1 k = φ( ) = (, ( ),..., 1 x Ψ x f x f ( x)), k > 1 wobei f i i-te Iteration von f und Ψ stetige Funktion
38 Determinismus / Stochastizität (Salvino & Cawley) einfachste Form von φ(x): k 1 r= 0 r φ( x) = c f ( x), k > r 1 f beliebig: Fluß oder Abbildung z.b. 0 1 f ( x( t)) = x( t), f ( x( t)) = x( t 1), usw. c zunächst beliebig, jedoch unabhängig von x r
39 Determinismus / Stochastizität (Salvino & Cawley) Bestimmung des Vektorfeldes φ(x): - wie bei Kaplan-Glass Verfahren auch: - grobe Partionierung des Phasenraums (Hyperkuben) - mittlerer Trajektorienvektor / Hyperkubus Υ n j υ k, j k := = 1 - Statistik (hier gewichteter quadrierter Mittelwert): j n j n j W = n j Υ 2 n j j
40 Determinismus / Stochastizität Zusammenfassung: Vektorfeld im Phasenraum Ausrichtung der Vektoren (Parallelität) (Kaplan & Glass) Kontinuität (Wayland et al.) Stetigkeit (Salvino & Cawley) Determinismus / Stochastizität Statistik
41 Determinismus / Stochastizität Zusammenfassung - prinzipiell basieren alle Verfahren auf Stetigkeit im Phasenraum f ( x) f ( x ) < ε sofern x x < δ = δ ( ε) Äquivalenz Stetigkeit Determinismus gerechtfertigt? - Ausschlußbeweis: Stochastische Dynamik muß sich unter der verwendeten Statistik deutlich anders verhalten.
Flüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrSeltsame Attraktoren
1 Seltsame Attraktoren Proseminar: Theoretische Physik Jonas Haferkamp 9. Juli 2014 Abbildung: Poincaré-Schnitt der Duffing-Gleichungen 2 3 Gliederung 1 Motivation 2 Was ist ein (seltsamer) Attraktor?
MehrLjapunov Exponenten. Reiner Lauterbach
Ljapunov Exponenten Reiner Lauterbach 28. Februar 2003 2 Zusammenfassung n diesem Teil betrachten wir ein wichtiges Thema: sensitive Abhängigkeit. Zunächst hat man ja stetige Abhängigkeit, wie man sie
Mehr11. Nichtlineare Dynamik und Chaos. Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt.
11. Nichtlineare Dynamik und Chaos Bei den meisten bisherigen Phänomenen z. B: Pendelbewegung: Kraft linear als Fkt. der Auslenkung Fadenlänge L, Masse m, Auslenkwinkel φ Rücktreibende Kraft: Beschleunigung:
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
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
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
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)
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
MehrNichtlineare Prozesse in der Elektrochemie II
Nichtlineare Prozesse in der Elektrochemie II 5. Stabilität und Instabilität Neue (dissipative) Strukturen entstehen, wenn der bisherige stationäre Zustand, der den thermodynamischen Zweig repräsentiert,
MehrCharakterisierung einer Dynamik im Phasenraum
Charakterisierung einer Dynamik im Phasenraum Information? Entropie? wie dicht ist der Phasenraum besetzt? Selbstähnlichkeit? Skalenverhalten? Vorhersagbarkeit? x(t+τ) linear? nichtlinear? x(t) deterministisch?
Mehr7.2 Moment und Varianz
7.2 Moment und Varianz Def. 21 Es sei X eine zufällige Variable. Falls der Erwartungswert E( X p ) existiert, heißt der Erwartungswert EX p p tes Moment der zufälligen Variablen X. Es gilt dann: + x p
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
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
MehrMotivation. Motivation 2
Grenzzyklen 1 Motivation Grenzzyklen modellieren von selbst oszillierende Systeme Stabile Grenzzyklen kleine Abweichungen in den Anfangsbedingungen gehen in Grenzzyklus über Beispiele: Van-der-Pol Schwingkreis
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
MehrKapitel 2.1: Die stochastische Sicht auf Signale Georg Dorffner 67
Kapitel 2.1: Die stochastische Sicht auf Signale 215 Georg Dorffner 67 Stochastische Prozesse Stochastische Prozesse sind von Zufall geprägte Zeitreihen x n f x, n 1 xn2,... n vorhersagbarer Teil, Signal
Mehr1.3 Flüsse. Y (t) = f(y(t))
18 Kapitel 1. Gewöhnliche Differentialgleichungen 1.3 Flüsse Sei jetzt F:D R n R n ein stetig differenzierbares Vektorfeld. Dann erfüllt F die Voraussetzungen des Existenz- und Eindeutigkeitssatzes. Das
Mehr4.5 Schranken an die Dichte von Kugelpackungen
Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
MehrAdaptive Systeme. Sommersemester Prof. Dr. -Ing. Heinz-Georg Fehn. Prof. Dr. rer. nat. Nikolaus Wulff
Adaptive Systeme Sommersemester 2015 Prof. Dr. -Ing. Heinz-Georg Fehn Prof. Dr. rer. nat. Nikolaus Wulff Prof. Dr. H.-G. Fehn und Prof. Dr. N. Wulff 1 Adaptive Systeme Adaptives System: ein System, das
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
MehrTrennung der Variablen, Aufgaben, Teil 1
Trennung der Variablen, Aufgaben, Teil -E -E Trennung der Variablen Die Differenzialgleichung. Ordnung mit getrennten Variablen hat die Gestalt f ( y) dy = g (x) dx Satz: Sei f (y) im Intervall I und g
MehrExperimente, Ideen und Entwicklung der Chaostheorie
Experimente, Ideen und Entwicklung der Chaostheorie Stephan Lück Ursprünge der Chaostheorie Edward Lorenz (1917-2008) Meteorologe einfaches Atmosphärenmodell (ca. 1960) basierend auf Konvektion Modellexperiment
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
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehr2. Räumliche Bewegung
2. Räumliche Bewegung Wenn die Bahn des Massenpunkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort im Raum zu bestimmen. Es muss ein Ortsvektor angegeben werden. Prof.
Mehr31 Die Potentialgleichung
3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-
MehrDie Varianz (Streuung) Definition
Die (Streuung) Definition Diskrete Stetige Ang., die betrachteten e existieren. var(x) = E(X EX) 2 heißt der Zufallsvariable X. σ = Var(X) heißt Standardabweichung der X. Bez.: var(x), Var(X), varx, σ
MehrTutorübung 5. Analysis 2 für Lehramt TU Dortmund, Sommersemester 2014
Tutorübung 5 Analysis 2 für Lehramt TU Dortmund, Sommersemester 24 Aufgabe T Bestimme die Taylorreihen von (a) cos(x) um a. (b) ln(x) um a. (c) um a 2. +x Bestimme in allen Fällen das Taylorpolynom T n,a
MehrKorrelationsdimension und 1/f -Rauschen
α Korrelationsdimension und 1/f -Rauschen D 2 10 9 8 7 6 5 4 3 2 1 0 0 1 2 3 4 5 6 aus: Osborne & Provenzale (Physica D 35, pp 357, 1989): "Finite correlation dimension for stochastic systems with power-law
Mehr5 Erwartungswerte, Varianzen und Kovarianzen
47 5 Erwartungswerte, Varianzen und Kovarianzen Zur Charakterisierung von Verteilungen unterscheidet man Lageparameter, wie z. B. Erwartungswert ( mittlerer Wert ) Modus (Maximum der Wahrscheinlichkeitsfunktion,
MehrÜbungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik'
Übungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik' 1. Diskretisierung in der Zeit: Die Evolutionsgleichung Kurzzusammenfassung Zur Erprobung der Verfahren zur zeitlichen Diskretisierung
MehrLinearisierung einer Funktion Tangente, Normale
Linearisierung einer Funktion Tangente, Normale 1 E Linearisierung einer Funktion Abb. 1 1: Die Gerade T ist die Tangente der Funktion y = f (x) im Punkt P Eine im Punkt x = a differenzierbare Funktion
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,
Mehr2. Räumliche Bewegung
2. Räumliche Bewegung Prof. Dr. Wandinger 1. Kinematik des Punktes TM 3 1.2-1 2. Räumliche Bewegung Wenn die Bahn des Punkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort
MehrPraktikum I PP Physikalisches Pendel
Praktikum I PP Physikalisches Pendel Hanno Rein Betreuer: Heiko Eitel 16. November 2003 1 Ziel der Versuchsreihe In der Physik lassen sich viele Vorgänge mit Hilfe von Schwingungen beschreiben. Die klassische
Mehr1 Stochastische Konvergenz 2. 2 Das Gesetz der grossen Zahlen 4. 3 Der Satz von Bernoulli 6
Wirtschaftswissenschaftliches Zentrum 0 Universität Basel Mathematik Dr. Thomas Zehrt Grenzwertsätze Benötigtes Vorwissen: Der Stoff der Vorlesung,,Statistik wird als bekannt vorausgesetzt, insbesondere
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
MehrEinführung in die (induktive) Statistik
Einführung in die (induktive) Statistik Typische Fragestellung der Statistik: Auf Grund einer Problemmodellierung sind wir interessiert an: Zufallsexperiment beschrieben durch ZV X. Problem: Verteilung
MehrGedämpftes Quantentunneln in makroskopischen Systemen
Gedämpftes Quantentunneln in makroskopischen Systemen Kerstin Helfrich Seminar über konforme Feldtheorie, 27.06.06 Gliederung 1 Motivation 2 Voraussetzungen Allgemein Ungedämpfter Fall 3 Gedämpftes Tunneln
MehrDefinition 3.1. Sei A X. Unter einer offenen Überdeckung von A versteht man eine Familie (U i ) i I offener Mengen U i X mit U i
3 Kompaktheit In der Analysis I zeigt man, dass stetige Funktionen f : [a, b] R auf abgeschlossenen, beschränkten Intervallen [a, b] gleichmäßig stetig und beschränkt sind und dass sie ihr Supremum und
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
MehrHauptseminar zum Thema:
Fakultät Informatik Institut für angewandte Informatik Professur Technische Informationssysteme Hauptseminar zum Thema: Vergleich ARCH- und GARCH- Modelle bei der Analyse von Zeitreihen mit veränderlichen
MehrZusammenfassung Mathe II. Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen
Zusammenfassung Mathe II Themenschwerpunkt 2: Stochastik (ean) 1. Ein- und mehrstufige Zufallsexperimente; Ergebnismengen Zufallsexperiment: Ein Vorgang, bei dem mindestens zwei Ereignisse möglich sind
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
MehrFC3 - Duffing Oszillator
FC3 - Duffing Oszillator 4. Oktober 2007 Universität Paderborn - Theoretische Physik leer Autor: Stephan Blankenburg, Björn Lange Datum: 4. Oktober 2007 FC3 - Duffing Oszillator 3 1 Theorie komplexer Systeme
MehrFormelsammlung zum Starterstudium Mathematik
Formelsammlung zum Starterstudium Mathematik Universität des Saarlandes ¼ Version.3 Inhaltsverzeichnis. Potenzgesetze. Vollständige Induktion 3. Betragsgleichungen, Betragsungleichungen 4 4. Folgen und
MehrOutline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
Mehr1 Vektoralgebra (3D euklidischer Raum R 3 )
Institut für Physik der Martin-Luther-Universität Halle-Wittenberg WS 202/203 Vorlesung Elektrodynamik LAG PD Dr. Angelika Chassé) Vektoralgebra 3D euklidischer Raum R 3 ). Grundbegriffe = Vektordefinition
MehrWahrscheinlichkeitsrechnung und Quantentheorie
Physikalische Chemie II: Atombau und chemische Bindung Winter 2013/14 Wahrscheinlichkeitsrechnung und Quantentheorie Messergebnisse können in der Quantenmechanik ganz prinzipiell nur noch mit einer bestimmten
Mehr7. Kritische Exponenten, Skalenhypothese
7. Kritische Exponenten, Skalenhypothese 1 Kritische Exponenten, Universalitätsklassen 2 Beziehungen zwischen den kritischen Exponenten 3 Skalenhypothese für die thermodynamischen Potentiale G. Kahl (Institut
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrTopologische Aspekte: Eine kurze Zusammenfassung
Kapitel 1 Topologische Aspekte: Eine kurze Zusammenfassung Wer das erste Knopfloch verfehlt, kommt mit dem Zuknöpfen nicht zu Rande J. W. Goethe In diesem Kapitel bringen wir die Begriffe Umgebung, Konvergenz,
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
Mehr2. Vorlesung Wintersemester
2. Vorlesung Wintersemester 1 Mechanik von Punktteilchen Ein Punktteilchen ist eine Abstraktion. In der Natur gibt es zwar Elementarteilchen (Elektronen, Neutrinos, usw.), von denen bisher keine Ausdehnung
MehrKorrektur: Lineare Regression in Excel
Korrektur: Lineare Regression in Excel Doppelsummenkurve 1 8 kum. Abfluss 6 4 2 Juni 1987 5 1 15 2 kum. Niederschlag 1 PDFA Abfluss Lange Bramke 4 kum. Stabw. 3 2 1 Feb. 1981 1.8 1.82 1.84 1.86 1.88 1.9
Mehrden Satz von Poincaré-Bendixson.
Seminar zu Geometrie der Gewöhnlichen Differentialgleichungen Der Satz von Poincaré-Bendixson bearbeitet von Rodrigo Menendez Zusammenfassung Fragen des Langzeitverhaltens und der Stabilität spielen in
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrEinleitung. Kapitel 1
Kapitel 1 Einleitung Die mathematische Analyse von Zeitreihen gewinnt wegen ihrer vielseitigen Anwendungsmöglichkeiten zunehmend an Bedeutung. Zu den wichtigsten Zeitreihen in der Ökonometrie zählen Preisverläufe,
Mehry = A(x) y + b(x). (1) y = A(x) y (2)
73 5.2 Lineare Systeme Sei weiterhin IK = C oder IK = IR. Seien = I IR ein offenes Intervall, x 0 I, y 0 IK n, A: I IK n n und b: I IK n stetige matrix- bzw vektorwertige Funktionen. Wir betrachten komplexe
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrNachrichtentechnik [NAT] Kapitel 2: Zeitkontinuierliche Signale. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 2: Zeitkontinuierliche Signale Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 2 Zeitkontinuierliche
Mehr15 Hauptsätze über stetige Funktionen
15 Hauptsätze über stetige Funktionen 15.1 Extremalsatz von Weierstraß 15.2 Zwischenwertsatz für stetige Funktionen 15.3 Nullstellensatz von Bolzano 15.5 Stetige Funktionen sind intervalltreu 15.6 Umkehrfunktionen
MehrSimulation von Zufallsvariablen und Punktprozessen
Simulation von Zufallsvariablen und Punktprozessen 09.11.2009 Inhaltsverzeichnis 1 Einleitung 2 Pseudozufallszahlen 3 Punktprozesse Zufallszahlen Definition (Duden): Eine Zufallszahl ist eine Zahl, die
MehrPollards Rho-Methode zur Faktorisierung
C A R L V O N O S S I E T Z K Y Pollards Rho-Methode zur Faktorisierung Abschlusspräsentation Bachelorarbeit Janosch Döcker Carl von Ossietzky Universität Oldenburg Department für Informatik Abteilung
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
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
MehrÜbungen zur Nichtgleichgewichtsthermodynamik Blatt 3 Lösungen
Prof. C. Greiner, Dr. H. van Hees Wintersemester 2015/2016 Übungen zur Nichtgleichgewichtsthermodynamik Blatt 3 Lösungen Aufgabe: Diffusion im 3D Gitter Wir betrachten einen Markovschen Random Walk in
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrVerteilung ordinaler Muster in EEG-Daten
Verteilung ordinaler Muster in EEG-Daten Karsten Keller Mathieu Sinn Institut für Mathematik Universität zu Lübeck GMDS-Jahrestagung 2006 a we want to develop methods combining symbolic dynamics, nominal
MehrDas Histogramm ist glockenförmig. Es würde bei mehr als vier Fehlerquellen sich der Glockenform noch besser annähern.
10. Stetige Zufallsvariable, Normalverteilung 55 Die in den folgenden Beispielen dargestellten Verteilungen haben ungefähr Glockenform. Sie können durch die sogenannte Normalverteilung oder Gaussverteilung
Mehr3. Leistungsdichtespektren
Stochastische Prozesse: 3. Leistungsdichtespektren Wird das gleiche Geräusch mehrmals gemessen, so ergeben sich in der Regel unterschiedliche zeitliche Verläufe des Schalldrucks. Bei Geräuschen handelt
MehrStatistics, Data Analysis, and Simulation SS 2015
Mainz, May 12, 2015 Statistics, Data Analysis, and Simulation SS 2015 08.128.730 Statistik, Datenanalyse und Simulation Dr. Michael O. Distler Dr. Michael O. Distler
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
MehrVokabelliste FB Mathematik Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II. Mengenbegriffe:
Vokabeln 7./8. Klasse // Vokabeln 9./10. Klasse // Vokabeln Sek II Mathematik Symbol, Definition N N 0 Z Q Z + + Q 0 A = {a 1,, a n } Deutsch Erklärung Mengenbegriffe: natürlichen Zahlen natürlichen Zahlen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
Mehr11. Elektrodynamik Magnetische Kraft auf Stromleiter Quellen von Magnetfeldern. 11. Elektrodynamik. Physik für E-Techniker
11. Elektrodynamik 11.5.2 Magnetische Kraft auf Stromleiter 11.5.3 Quellen von Magnetfeldern 11.5.2 Magnetische Kraft auf Stromleiter Wir hatten: Frage: Kraft auf einzelne Punktladung Kraft auf Stromleiter
MehrVorlesung 6: Alternativen zur Erwartungsnutzentheorie
Vorlesung 6: Alternativen zur Erwartungsnutzentheorie Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Entscheidung VL 6 (FS 11) Alternativen zur Erwartungsnutzentheorie 1 / 21 1.
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
MehrCopula Funktionen. Eine Einführung. Nils Friewald
Copula Funktionen Eine Einführung Nils Friewald Institut für Managementwissenschaften Abteilung Finanzwirtschaft und Controlling Favoritenstraße 9-11, 1040 Wien friewald@imw.tuwien.ac.at 13. Juni 2005
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
Mehr1 Formen und äußeres Differential
1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein
Mehr1 Zahlen... 1 1.1 Anzahlen... 1 1.2 Reelle Zahlen... 10 1.3 Dokumentation von Messwerten... 12 1.4 Ausgewählte Übungsaufgaben...
Inhaltsverzeichnis 1 Zahlen... 1 1.1 Anzahlen... 1 1.2 Reelle Zahlen... 10 1.3 Dokumentation von Messwerten... 12 1.4 Ausgewählte Übungsaufgaben... 14 2 Beschreibende Statistik... 15 2.1 Merkmale und ihre
MehrSpezielle stetige Verteilungen
Spezielle stetige Verteilungen schon bekannt: Die Exponentialverteilung mit Parameter k R, k > 0 hat die Dichte f (x) = ke kx für x 0 und die Verteilungsfunktion F (x) = 1 e kx für x 0. Eigenschaften Für
Mehr1 Lambert-Beersches Gesetz
Physikalische Chemie II Lösung 6 23. Oktober 205 Lambert-Beersches Gesetz Anhand des idealen Gasgesetzes lässt sich die Teilchenkonzentration C wie folgt ausrechnen: C = N V = n N A V pv =nrt = N A p R
MehrKapitel 6 Martingale
Kapitel 6 Martingale Martingale spielen eine große Rolle in der Finanzmathematik, und sind zudem ein wichtiges Hilfsmittel für die statistische Inferenz stochastischer Prozesse, insbesondere auch für Zählprozesse
MehrWas ist Physik? Modell der Natur universell es war schon immer so
Was ist Physik? Modell der Natur universell es war schon immer so Kultur Aus was sind wir gemacht? Ursprung und Aufbau der Materie Von wo/was kommen wir? Ursprung und Aufbau von Raum und Zeit Wirtschaft
MehrVektorgeometrie Layout: Tibor Stolz
Hanspeter Horlacher Vektorgeometrie Layout: Tibor Stolz 1. Einführung Eine Grösse, zu deren Festlegung ausser einer Zahl auch noch die Angabe einer Richtung nötig ist, heisst VEKTOR. P 2 P 1 P 1 P 2 P
MehrSignale und Systeme I
FACULTY OF ENGNEERING CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITAL SIGNAL PROCESSING AND SYSTEM THEORY DSS Signale und Systeme I Musterlösung zur Modulklausur WS 010/011 Prüfer: Prof. Dr.-Ing. Gerhard
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
MehrFormelsammlung für Wirtschaftswissenschaftler
Fred Böker Formelsammlung für Wirtschaftswissenschaftler Mathematik und Statistik PEARSON.. ;. ; ; ; *:;- V f - - ' / > Щ DtUClllirn ein Imprint von Pearson Education München Boston San Francisco Harlow,
MehrDynamische Lasten. 1. Kraft- und Weganregung 2. Deterministische Lasten. 3. Stochastische Lasten
Dynamische Lasten 1. Kraft- und Weganregung 2. Deterministische Lasten 2.1 Allgemeine zeitabhängige Lasten 2.2 Periodische Lasten 2.3 Harmonische Lasten 3. Stochastische Lasten 3.1 Instationäre stochastische
MehrEinführung in die Physik I. Schwingungen und Wellen 1
Einführung in die Physik I Schwingungen und Wellen O. von der Lühe und U. Landgraf Schwingungen Periodische Vorgänge spielen in eine große Rolle in vielen Gebieten der Physik E pot Schwingungen treten
Mehr