9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

Größe: px
Ab Seite anzeigen:

Download "9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83"

Transkript

1 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x 0 V mit f(x 0 ) = a, wie sieht für eine kleine Zahl δ > 0 die Menge { } L = x V x x 0 V < δ, f(x) = a aus? Wäre f linear, V, W endlich dimensional, so wüssten wir die Antwort aus der linearen Algebra: Diese Menge wäre der Schnitt eines affinen Unterraums mit der δ-kugel um x 0, wobei die Dimension des Unterraumes von den Dimensionen n von V, m von W und dem Rang von f abhängt. Für die nichtlineare Situation wollen wir fragen, ob und wann es einen Teilmenge Ω W und eine Abbildung von g : Ω V gibt, so dass die Paare (g(y), y) genau diese Menge L bilden. Noch ein Wort zur Notation: Für eine stetig differenzierbare Abbildung f : U W Z, U offen in V, W offen in Y ist für festes y 0 V die Abbildung differenzierbar. Wir setzen h y0 : U Z : x f(x, y 0 ) D x f(x 0, y 0 ) = Dh y0 (x 0 ) und bezeichnen dies als Differential bezüglich der ersten Variablen. Entsprechend lassen sich Differentiale bezüglich der zweiten und eventuell weiterer Variablen bilden. In der Literatur ist es oft gebräuchlich dafür auch D f(x 0,... ) bzw. D j f(x 0,... ) zu schreiben, um auf die Ableitung bezüglich der ersten bzw. j- ten Variablen hinzuweisen. Solange wir die Variablen unterschiedlich bezeichnen, sind die Schreibweisen äquivalent. Wir nennen dies auch partielle Ableitung bzgl. der entsprechenden Variablen. Satz 9.. (Satz über implizite Funktionen, Teil : Existenz) Es seien (X, X ), (Y, Y ), (Z, Z ) Banachräume, U X, V Y und f : U V Z sei stetig differenzierbar. Es sei für x 0 U, y 0 V f(x 0, y 0 ) = a und die Ableitung D x f(x 0, y 0 ) : X Z sei invertierbar und D x f(0, 0) sei stetig. Dann gibt es Umgebungen Ω U von x 0 und Γ V von y 0 und eine Abbildung g : Γ Ω mit der Eigenschaft:. f(g(y), y) = a für alle y Γ.

2 84 KAPITEL 9. ANWENDUNGEN DER DIFFERENTIALRECHNUNG. Ist (x, y) Γ Ω mit f(x, y) = a, so ist x = g(y). Ferner gilt: g ist stetig. Bemerkung 9..3 (Stetigkeit der inversen Abbildung) Die Forderung, dass D x f(0, 0) stetig ist, ist an sich überflüssig, endlich deimensional ist dies offensichtlich, im Banachräumen folgt dies aus dem sogenannten Satz von der offenen Abbildung, der als einer der wichtigen Sätze von Banach gilt. Dieser wird typischerweise in der Vorlesung Funktionalanalysis bewiesen und ist uns deshalb an dieser Stelle noch nicht bekannt. Beweis. (0) Vorbemerkung. Wir betrachten die Linearisierung D x f(x, y) für (x, y) in der Nähe von (x 0, y 0 ). Diese Abbildung (x, y) D x f(x, y) ist stetig, denn laut Voraussetzung sind alle partiellen Ableitungen stetig. () Konstruktion der Abbildung. Laut Voraussetzung ist die lineare Abbildung D x f(x 0, y 0 ) invertierbar. OBdA setzen wir voraus, dass (x 0, y 0 ) = (0, 0) und a = 0 ist (dies kann erreicht werden durch eine Verschiebung des Problems um den entsprechenden Vektor). Setze dazu f(x, y) = f(x 0 + x, y 0 + y) f(x 0, y 0 ). Dann ist f(0, 0) = 0. Definiere T(x, y) = x (D x f(0, 0)) f(x, y). Diese Abbildung ist auf U V stetig, da D x f(0, 0) stetig ist und gleiches fur f gilt. () Konstruktion einer Menge, die in sich abgebildet wird. Zeige: Es gibt δ > 0, δ > 0, so dass für alle y V mit < δ die Abbildung die δ-kugel um 0 in U in sich abbildet, d. h. T (, y) : B δ (0) B δ (0). Beweis dieser Behauptung: T (, y) ist für fest gewähltes y V differenzierbar ist und D x T (0, 0) = l (D x f(0, 0)) D x f(0, 0) = 0. Daher existiert nach unserer Vorbemerkung ein δ > 0, so dass sowohl in X B δ (0) U wie in Y B δ (0) V gilt und für x X < δ, < δ D x T (x, y) L(X) <

3 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 85 gilt. Dann ist für solche x X < δ, < δ T (x, y) X T (x, y) T (0, y) X + T (0, y) T (0, 0) X. } Den ersten Term können wir durch δ sup { D x T (ξ, y) L(X) ξ S(0, x) δ abschätzen (unter Verwendung des Allgemeinen Mittelwertsatzes 8.7.). Der zweite Teil folgt aus der Steigkeit von T auf {0} B δ (0). Daher existiert ein 0 < δ δ, so dass insgesamt δ impliziert T (0, y) T (0, 0) X < δ. Dann ist T (x, y) X δ, falls x X < δ und < δ. Daher bildet T : B δ (0) B δ (0) B δ (0) ab (nach Satz 4..6 Teil 3). (3) Nachweis der Kontraktionseigenschaft. T ist für alle y B δ (0) eine Kontraktion auf B δ (0). Sind x, x B δ (0), so ist für < δ T (x, y) T (x, y) X x x X, denn die Ableitung genügt der Bedingung D x T (, y) L(X;Y ) und die Abschätzung folgt wieder aus Satz Die Kontraktionsrate ist unabhängig von y B δ (0) und damit existiert nach dem Banachschen Fixpunktsatz 9.. ein eindeutiger Fixpunkt von T (x y, y) = x y und nach Satz 9..3 ist die Abbildung y x y stetig. Wir setzen g : B δ (0) B δ (0) : g(y) = x y und erhalten T (g(y), y) = g(y). Nach der Eindeutigkeitsaussage im Banachschen Fixpunktsatz gibt es keine weiteren Fixpunkte. (4) Auflösungseigenschaft. Wir wollen noch sehen, dass Da folgt und damit f(g(y), y) = 0. g(y) = T (g(y), y) = g(y) (D x f(0, 0)) f(g(y), y) (D x f(0, 0)) f(g(y), y) = 0 f(g(y), y) = 0. (5) Ausschluss weiterer Lösungen. Ist f(x, y) = 0, so ist T (x, y) = x (D x f(0, 0)) 0 und damit ist x Fixpunkt von T (, y), also x = g(y).

4 86 KAPITEL 9. ANWENDUNGEN DER DIFFERENTIALRECHNUNG Satz 9..4 (Satz über implizite Funktionen, Teil : Differenzierbarkeit) Es seien U X, V Y offen und f : U V Z stetig differenzierbar. Es sei für x 0 U, y 0 V f(x 0, y 0 ) = 0 und die Ableitung D x f(x 0, y 0 ) : X Z sei invertierbar mit stetiger Inverse. Gibt es Umgebungen Ω U von x 0 und Γ V von y 0 und eine stetige Abbildung g : Γ Ω mit der Eigenschaft so ist g differenzierbar im Punkt y 0. f(g(y), y) = 0 für alle y Ω, Beweis. Wiederum ist es keine Beschränkung der Allgemeinheit anzunehmen, dass der Punkt (x 0, y 0 ) = (0, 0) ist. Auf X Y schreiben wir (x, y) X Y = x X + y Y für die übliche Norm. Wir prüfen die Differenzierbarkeit von g nach, indem wir g in der Form schreiben und zeigen, dass g(y) = (D x f(0, 0)) D y f(0, 0)y + ψ(y) lim y 0 ψ(y) = 0 ist. Damit haben wir dann die Linearisierung im Nullpunkt bestimmt. Wir beginnen mit einer Darstellung von f in der Form f(x, y) = D x f(0, 0)x + D y f(0, 0)y + R(x, y) (9.) mit Für y Ω gilt nun lim (x,y) 0 R(x, y) Z (x, y) X Y = 0. (9.) 0 = f(g(y), y) = D x f(0, 0)g(y) + D y f(0, 0)y + R(g(y), y). Damit erhalten wir eine Darstellung von g in der Form g(y) = D x f(0, 0) (D y f(0, 0)y + R(g(y), y)).

5 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 87 Mit der oben angegebenen Linearisierung hat nun ψ(y) die Gestalt ψ(y) = D x f(0, 0) R(g(y), y). Will man dies nun abschätzen, so reicht es nicht aus, dass g(0) = 0 ist und g stetig ist, sondern man benötigt noch, dass für y 0 beschränkt ist. g(y) Dazu zeigen wir, dass g einer Abschätzung der Form g(y) X K (9.3) genügt mit einer geeigneten Konstanten K > 0. Dafür ist der Ausgangspunkt die oben angegebene Formel für g. Wir beginnen mit einer Abschätzung für R. Wegen (9.) gibt es ein δ > 0, so dass x X, < δ impliziert R(x, y) Z (x, y) X Y (D xf(0, 0) L(Z;X), also R(x, y) Z D xf(0, 0) L(Z;X) (x, y) X Y (9.4) D xf(0, 0) L(Z;X) ( x X + ). (9.5) Die Stetigkeit von g impliziert, dass ein 0 < δ < δ existiert mit g(y) X < δ für < δ. Dann ist für < δ R(g(y), y) Z D xf(0, 0) L(Z;X) ( g(y) X + ). Nun bekommen wir aus der obigen Gleichung (9.), dass also 0 = f(g(y), y) = D x f(0, 0)g(y) + D y f(0, 0)y + R(g(y), y), g(y) = (D x f(0, 0)) D y f(0, 0)y (D x f(0, 0)) R(g(y), y). Damit erhalten wir aus (9.4) g(y) X (D x f(0, 0)) D y f(0, 0) L(Y ;Z) + ( g(y) Y + ).

6 88 KAPITEL 9. ANWENDUNGEN DER DIFFERENTIALRECHNUNG Durch Umschreiben erhalten wir g(y) X ( (D x f(0, 0)) D y f(0, 0) L(Y ;X) + ). Damit ist die Zwischenbehauptung (9.3) gezeigt. Nun ist ψ aufgrund der obigen Gleichung gegeben durch ψ(y) = (D x f(0, 0)) R(g(y), y). Damit lässt sich der Quotient abschätzen durch ψ(y) X D x f(0, 0)) L(Z;X) R(g(y), y) Z D x f(0, 0) L(Z;X) R(g(y), y) Z g(y) X + y Y g(y) X + y Y. Da D x f(0, 0)) g(y) L(Z;X) eine Konstante ist, X + y Y beschränkt ist und der verbleibende Teil gegen 0 konvergiert, erhalten wir die behauptete Konvergenzaussage und die Differenzierbarkeit von g. Das Differential von g ist aufgrund der gleichen Rechnung gegeben durch Dg(0) = D x f(0, 0)) D y f(0, 0). Lemma 9..5 (Differenzierbarkeit der Inversen) Es sei U X ein Gebiet in einem Banachraum (X, X ) und A : U L(X) sei eine k-fach stetig differenzierbare Abbildung, für ein x 0 U sei A(x 0 ) stetig invertierbar. Dann gibt es ein δ > 0 so dass die Abbildung eine C k -Abbildung ist. A : B δ (x 0 ) L(X) : x A(x) Beweis. Wir zeigen in den ubungen, dass für ein hinreichend kleines δ > 0 A(x) für x B δ (x 0 ) durch eine absolut konvergierende Reihe dargestellt werden kann. Setzt man dort eine C k -Funktion ein, so ergibt sich eine C k -Funktion. Korollar 9..6 (Satz über implizite Funktionen, Teil 3: Glattheit) Unter den Voraussetzungen der Sätze 9.., 9..4 und unter der Annahme f C k (U V ; Z) ist die Funktion g auch k-fach stetig differenzierbar.

Vorlesung. Funktionen/Abbildungen 1

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

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

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

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

Mehr

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

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

Mehr

Geometrische Mannigfaltigkeiten

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

Mehr

Absolute Stetigkeit von Maßen

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

Mehr

17. Penalty- und Barriere-Methoden

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

Mehr

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

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

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

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

Mehr

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

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

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

Extrema von Funktionen in zwei Variablen

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

Mehr

Elemente der Analysis II

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

Mehr

Klausur Analysis II (SS 2005)

Klausur Analysis II (SS 2005) Klausur Analysis II (SS 5) Prof. Dr. J. Franke Abschlußklausur vom. Juli 5 Name, Vorname: Matrikelnummer: Gruppe, Tutor: Pseudonym: ir wünschen Ihnen viel Erfolg! Mit 5 Punkten oder mehr von 5 ist die

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

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

Mehr

Teil II. Nichtlineare Optimierung

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

Mehr

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen

Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Seminar Analysis Konvexe Funktionen und einige wichtige Ungleichungen Michael Schaeer 3.04.03 Abstract This seminar is about convex functions and several imortant ineualities. At the beginning the term

Mehr

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

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

Mehr

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

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

Mehr

Charakteristikenmethode im Beispiel

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

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

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

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Kapitel 15: Differentialgleichungen

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

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

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

Mehr

3. Zusammenhang. 22 Andreas Gathmann

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

Mehr

Quantitative Risk Management

Quantitative Risk Management Quantitative Risk Management Copulas und Abhängigkeit Johannes Paschetag Mathematisches Institut der Universität zu Köln Wintersemester 2009/10 Betreuung: Prof. Schmidli, J. Eisenberg i Inhaltsverzeichnis

Mehr

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

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

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

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

Mehr

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor

GNS-Konstruktion und normale Zustände. 1 Rückblick. 2 Beispiel für einen Typ-II 1 -Faktor GNS-Konstruktion und normale Zustände 1 Rückblick Wir betrachten von-neumann-algebren M B(H), d.h. Unteralgebren mit 1 H M, die in der schwachen Operatortopologie (und damit in jeder der anderen) abgeschlossen

Mehr

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013

Reelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013 Reelle Analysis Vorlesungsskript Enno Lenzmann, Universität Basel 7. November 2013 6 L p -Räume Mit Hilfe der Masstheorie können wir nun die sog. L p -Räume einführen. Diese Räume sind wichtig in vielen

Mehr

Stabilität mittels Ljapunov Funktion

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

Mehr

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten: KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand

Mehr

6 Symmetrische Matrizen und quadratische Formen

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

Mehr

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

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

Mehr

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/

Finanzmathematik - Wintersemester 2007/08. http://code.google.com/p/mitgetexed/ Finanzmathematik - Wintersemester 2007/08 http://code.google.com/p/mitgetexed/ Stand: 4. November 2007 Inhaltsverzeichnis 1 Motivation und erste Begriffe 2 2 Endliche Finanzmärkte 4 3 Das Cox-Ross-Rubinstein-Modell

Mehr

Vorlesung. Informationsökonomik und die Theorie der Firma

Vorlesung. Informationsökonomik und die Theorie der Firma Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6 Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (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

Mehr

Lineare Algebra - alles was man wissen muß

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

Mehr

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

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

Mehr

OPERATIONS-RESEARCH (OR)

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

Mehr

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Tangentengleichung. 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

Mehr

4 Runge-Kutta-Verfahren

4 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

Mehr

3 Konvexe Analysis. 3.1 Grundlagen

3 Konvexe Analysis. 3.1 Grundlagen 25 3 Konvee Analsis 3.1 Grundlagen Die konvee Analsis auch Konveitätstheorie genannt untersucht geometrische Eigenschaften von konveen Mengen, Funktionen und Funktionalen in linearen Räumen. Eine tpische

Mehr

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert:

a n + 2 1 auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: Beispiel: Wir untersuchen die rekursiv definierte Folge a 0 + auf Konvergenz. Berechnen der ersten paar Folgenglieder liefert: ( ) (,, 7, 5,...) Wir können also vermuten, dass die Folge monoton fallend

Mehr

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg

Optimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei

Mehr

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise:

Beispiel. Bsp.: Betrachte Schlussweise in: (3) folgt aus (1) und (2), siehe z.b. Resolutionsregel. was ist mit folgender Schlußweise: Theoretische Informatik: Logik, M. Lange, FB16, Uni Kassel: 5.4 Prädikatenlogik mit Gleichheit Resolution 192 Beispiel Bsp.: Betrachte Schlussweise in: 1 Wenn es regnet, dann wird die Straße nass. R N

Mehr

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

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

Mehr

Definition und Eigenschaften Finiter Elemente

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

Mehr

Der Zwei-Quadrate-Satz von Fermat

Der Zwei-Quadrate-Satz von Fermat Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat

Mehr

Die Weierstraßsche Funktion

Die Weierstraßsche Funktion Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede

Mehr

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013

Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013 Finanzmarktökonometrie: Einführung in die Optionsbewertung Sommersemester 2013 Walter Sanddorf-Köhle Foliensatz Nr. 3 1 / 46 Ein Einperiodenmodell Beispiel 5 Betrachtet wird nun ein Wertpapiermarkt mit

Mehr

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung

Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung Lösung des Hedging-Problems mittels Stochastischer Dynamischer Optimierung Ausarbeitung zum Vortrag im Seminar Stochastische Dynamische Optimierung vom 18.01.2008 Datum : 18.01.2008 Verfasser: Martin Schymalla

Mehr

Computer Vision: Optische Flüsse

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

Mehr

Kapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies

Kapitel 7 Dr. Jérôme Kunegis. Logische Kalküle. WeST Web Science & Technologies Kapitel 7 Dr. Jérôme Kunegis Logische Kalküle WeST Web Science & Technologies Lernziele Grundideen des Domain-Relationenkalküls (DRK) und des Tupel-Relationenkalküls (TRK) Relationale Datenbank als Formelmenge

Mehr

194 Beweis eines Satzes von Tschebyschef. Von P. E RDŐS in Budapest. Für den zuerst von T SCHEBYSCHEF bewiesenen Satz, laut dessen es zwischen einer natürlichen Zahl und ihrer zweifachen stets wenigstens

Mehr

Der Advanced Encryption Standard (AES)

Der Advanced Encryption Standard (AES) Der Advanced Encryption Standard (AES) Prof. Dr. Rüdiger Weis TFH Berlin Sommersemester 2008 Geschichte des AES Die Struktur des AES Angriffe auf den AES Aktuelle Ergebnisse DerAdvanced Encryption Standard

Mehr

6 Fehlerkorrigierende Codes

6 Fehlerkorrigierende Codes R. Reischuk, ITCS 35 6 Fehlerkorrigierende Codes Wir betrachten im folgenden nur Blockcodes, da sich bei diesen das Decodieren und auch die Analyse der Fehlertoleranz-Eigenschaften einfacher gestaltet.

Mehr

Optionspreisbestimmung nach Cox-Ross-Rubinstein

Optionspreisbestimmung nach Cox-Ross-Rubinstein Optionspreisbestimmung nach Cox-Ross-Rubinstein Michael Beer 8. Mai 000 Inhaltsverzeichnis Einführung und Problembeschreibung. Was sind Optionen?.............................. Modellspezifikation..............................3

Mehr

Karlsruher Institut für Technologie Institut für Algebra und Geometrie

Karlsruher Institut für Technologie Institut für Algebra und Geometrie Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. Stefan Kühnlein Dipl.-Math. Jochen Schröder Einführung in Algebra und Zahlentheorie Übungsblatt 2 Aufgabe 1 (4 Punkte) Seien

Mehr

Codierung, Codes (variabler Länge)

Codierung, Codes (variabler Länge) Codierung, Codes (variabler Länge) A = {a, b, c,...} eine endliche Menge von Nachrichten (Quellalphabet) B = {0, 1} das Kanalalphabet Eine (binäre) Codierung ist eine injektive Abbildung Φ : A B +, falls

Mehr

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung

Kernel, Perceptron, Regression. Erich Schubert, Arthur Zimek. 2014-07-20 KDD Übung Kernel, Perceptron, Regression Erich Schubert, Arthur Zimek Ludwig-Maximilians-Universität München 2014-07-20 KDD Übung Kernel-Fukctionen Kernel kann mehrdeutig sein! Unterscheidet zwischen: Kernel function

Mehr

Sprechen wir über Zahlen (Karl-Heinz Wolff)

Sprechen wir über Zahlen (Karl-Heinz Wolff) Sprechen wir über Zahlen (Karl-Heinz Wolff) Die Überschrift ist insoweit irreführend, als der Autor ja schreibt und nicht mit dem Leser spricht. Was Mathematik im allgemeinen und Zahlen im besonderen betrifft,

Mehr

Die Cantor-Funktion. Stephan Welz

Die Cantor-Funktion. Stephan Welz Die Cantor-Funktion Stephan Welz Ausarbeitung zum Vortrag im Proseminar Überraschungen und Gegenbeispiele in der Analysis (Sommersemester 2009, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: In dieser

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

5. Verschiedene Repräsentanten

5. Verschiedene Repräsentanten 5. Verschiedene Repräsentanten 5.1. Die Sätze Hall und König Sei I := {1,...,n}, und sei A(I) = (A 1,...,A n ) eine Familie von Teilmengen einer endlichen Menge E. Zu K I seien A(K) := (A i : i K) und

Mehr

Neues Thema: Inversion am Kreis (Kreisspiegelung)

Neues Thema: Inversion am Kreis (Kreisspiegelung) Neues Thema: Inversion am Kreis (Kreisspiegelung) Wir arbeiten in ( R 2,, standard ). Def. Betrachte einen Kreis um O vom Radius r > 0. Inversion (bzgl. des Kreises) ist eine Abbildung I O,r : R 2 \ {O}

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Zusammenfalten des Post schen Verbandes mittels Operationen aus binären booleschen Funktionen

Zusammenfalten des Post schen Verbandes mittels Operationen aus binären booleschen Funktionen Institut für Informatik der Bayerischen Julius Maximilians Universität Würzburg Zusammenfalten des Post schen Verbandes mittels Operationen aus binären booleschen Funktionen Studienarbeit von Christian

Mehr

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2

w a is die Anzahl der Vorkommen von a in w Beispiel: abba a = 2 1 2 Notation für Wörter Grundlagen der Theoretischen Informatik Till Mossakowski Fakultät für Informatik Otto-von-Guericke Universität Magdeburg w a is die Anzahl der Vorkommen von a in w Beispiel: abba

Mehr

Z = 60! 29!31! 1,1 1017.

Z = 60! 29!31! 1,1 1017. Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der

Mehr

Einkommensteuertarif. Herleitung der Zahlenwerte

Einkommensteuertarif. Herleitung der Zahlenwerte Anhang D: Steuertarife in Deutschland Einommensteuertarif Herleitung der Zahlenwerte Prof Dr Andreas Pfeifer, Hochschule Darmstadt Februar 015 In diesem Beitrag wird erlärt, wie die Berechnungsformeln

Mehr

Qualitative Datenanalyse

Qualitative Datenanalyse Qualitative Datenanalyse Prof. Dr. Stefan E. Schmidt Francesco Kriegel TU Dresden Fakultät Mathematik Institut Algebra SS 2007 28. September 2008 Inhaltsverzeichnis Kapitel 1 Formale Begriffsanalyse 1

Mehr

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Lenstras Algorithmus für Faktorisierung

Lenstras Algorithmus für Faktorisierung Lenstras Algorithmus für Faktorisierung Bertil Nestorius 9 März 2010 1 Motivation Die schnelle Faktorisierung von Zahlen ist heutzutage ein sehr wichtigen Thema, zb gibt es in der Kryptographie viele weit

Mehr

WS 2009/10. Diskrete Strukturen

WS 2009/10. Diskrete Strukturen WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910

Mehr

Differentialgleichungen

Differentialgleichungen Differentialgleichungen Teilnehmer: Phili Bannach Heinrich-Hertz-Oberchule) Levin Keller Herder-Oberchule) Phili Kende Herder-Oberchule) Carten Kubbernuh Andrea-Oberchule) Giang Nguyen Herder-Oberchule)

Mehr

Wie viele Nullstellen hat ein Polynom?

Wie viele Nullstellen hat ein Polynom? Wie viele Nullstellen hat ein Polynom? Verena Pölzl 0812265 Sabine Prettner 8930280 Juni 2013 1 Inhaltsverzeichnis 1 Warum will man wissen, wie viele Nullstellen ein Polynom hat? 3 2 Oligonome 4 3 Die

Mehr

Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme

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

Mehr

Monte Carlo Methoden in Kreditrisiko-Management

Monte Carlo Methoden in Kreditrisiko-Management Monte Carlo Methoden in Kreditrisiko-Management P Kreditportfolio bestehend aus m Krediten; Verlustfunktion L = n i=1 L i; Die Verluste L i sind unabhängig bedingt durch einen Vektor Z von ökonomischen

Mehr

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K.

Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Beispiel 5 Europäische Call Option (ECO) in einer Aktie S mit Laufzeit T und Ausübungspreis (Strikepreis) K. Wert der Call Option zum Zeitpunkt T: max{s T K,0} Preis der ECO zum Zeitpunkt t < T: C = C(t,

Mehr

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens

Mehr

Berechnung von Eigenwerten und Eigenvektoren

Berechnung von Eigenwerten und Eigenvektoren Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.

Mehr

\"UBER DIE BIVEKTOR\"UBERTRAGUNG

\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

Mehr

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die

Mehr

Modern Methods in Nonlinear Optimization

Modern Methods in Nonlinear Optimization Modern Methods in Nonlinear Optimization Regularisierung Inverser Probleme Prof. Dr. Bastian von Harrach Technische Universität München, Fakultät für Mathematik - M1 Wintersemester 2010/2011 http://www-m1.ma.tum.de/bin/view/lehrstuhl/harrach_ws1011_modernmethods

Mehr

4. Kapitel 3D Engine Geometry

4. 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

Mehr

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht

8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2 Thermodynamische Gleichgewichte, insbesondere Gleichgewichte in Mehrkomponentensystemen Mechanisches und thermisches Gleichgewicht 8.2-1 Stoffliches Gleichgewicht Beispiel Stickstoff Sauerstoff: Desweiteren

Mehr

II. Klein Gordon-Gleichung

II. Klein Gordon-Gleichung II. Klein Gordon-Gleichung Dieses Kapitel und die zwei darauf folgenden befassen sich mit relativistischen Wellengleichungen, 1 für Teilchen mit dem Spin 0 (hiernach), 2 (Kap. III) oder 1 (Kap. IV). In

Mehr

Einführung in die Vektor- und Matrizenrechnung. Matrizen

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

Mehr

Transformation und Darstellung funktionaler Daten

Transformation und Darstellung funktionaler Daten Transformation und Darstellung funktionaler Daten Seminar - Statistik funktionaler Daten Jakob Bossek Fakultät für Statistik 7. Mai 2012 Übersicht Einleitung Einordnung im Seminar Motivation am Beispiel

Mehr

4. Abbildung / Funktion

4. Abbildung / Funktion 4. Abbildung / Funktion In der Mathematik ist eine Funktion oder Abbildung eine Beziehung zwischen zwei Mengen, die jedem Element der einen Menge (Eingangsgröße, Funktionsargument, unabhängige Variable,

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen

Mehr

Einige Gedanken zur mathematischen Syntax. Andreas Kriegl email:andreas.kriegl@univie.ac.at

Einige Gedanken zur mathematischen Syntax. Andreas Kriegl email:andreas.kriegl@univie.ac.at Einige Gedanken zur mathematischen Syntax Andreas Kriegl email:andreas.kriegl@univie.ac.at Einige Gedanken zur mathematischen Syntax 1 Vorweg möchte ich einige Thesen aufstellen, von denen ich annehme,

Mehr

1 Das Lemma von Burnside und seine Anwendungen

1 Das Lemma von Burnside und seine Anwendungen Das Lemma von Burnside und seine Anwendungen Mit dem Lemma von Burnside lassen sich Zählprobleme lösen, bei denen Symmetrien eine Rolle spielen. Betrachten wir als einführendes Beispiel die Anzahl der

Mehr

3.2 Spiegelungen an zwei Spiegeln

3.2 Spiegelungen an zwei Spiegeln 3 Die Theorie des Spiegelbuches 45 sehen, wenn die Person uns direkt gegenüber steht. Denn dann hat sie eine Drehung um die senkrechte Achse gemacht und dabei links und rechts vertauscht. 3.2 Spiegelungen

Mehr

Effizienten MAC-Konstruktion aus der Praxis: NMAC Idee von NMAC:

Effizienten MAC-Konstruktion aus der Praxis: NMAC Idee von NMAC: Effizienten MAC-Konstruktion aus der Praxis: NMAC Idee von NMAC: Hashe m {0, 1} auf einen Hashwert in {0, 1} n. Verwende Π MAC3 für Nachrichten fixer Länge auf dem Hashwert. Wir konstruieren Π MAC3 mittels

Mehr

Entwurf robuster Regelungen

Entwurf robuster Regelungen Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler

Mehr

Zusammenhänge zwischen metrischen Merkmalen

Zusammenhänge zwischen metrischen Merkmalen Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl

Mehr