n y j l j (x) È n. j=0 n (x x j ). f(x) = a y n+1 p n (x n+1 ) (x n+1 x 0 )...(x n+1 x n ).

Größe: px
Ab Seite anzeigen:

Download "n y j l j (x) È n. j=0 n (x x j ). f(x) = a y n+1 p n (x n+1 ) (x n+1 x 0 )...(x n+1 x n )."

Transkript

1 5 Interpolaton 5.1 De Lagrangesche Interpolatonsaufgabe Mt È n bezechnen wr den Raum der reellen Polynome vom Grad n. Gegeben seen n+1 verschedene Stützstellen x j Ê, j = 0,...,n, und n + 1 ncht notwendg verschedene Werte y 0,...,y n. In der Lagrangeschen Interpolatonsaufgabe st en Polynom p È n gesucht mt (5.1) p(x j ) = y j, j = 0,1,...,n. De y j können wr uns als Werte y j = f(x j ) ener vorgegebenen Funkton f vorstellen. Wr sagen dann, dass p de Funkton f nterpolert. De Dmenson von È n st n+1. Wr haben daher n der Lagrangeschen Interpolatonsaufgabe n+1 Bedngugen gestellt, aber auch n+1 Freheten zur Verfügung. Zur Lösung des Interpolatonsproblems defneren wr de Lagrange-Bass {l j },...,n, l j È n, durch (5.2) l j (x) = (x x 0)...(x x j 1 )(x x j+1 )...(x x n ) (x j x 0 )...(x j x j 1 )(x j x j+1 )...(x j x n ). Es glt dann l (x j ) = δ j und de Interpolatonsaufgabe (5.1) wrd gelöst durch (5.3) p(x) = y j l j (x) È n. Satz De Interpolatonsaufgabe (5.1) wrd endeutg gelöst durch das Lagrangesche Interpolatonspolynom (5.3). Bewes: Gäbe es zwe Lösungen p 1,p 2 È n von p(x j ) = y j, so glt für q = p 1 p 2 È n, dass q(x j ) = 0. Damt hat q n+1 Nullstellen und muss das Nullpolynom sen. Daher st p 1 = p De Newtonsche Interpolatonsformel Das Polynom p n (x) È n nterpolere de Daten (x j,y j ) Ê 2, j = 0,...,n. Wr nehmen en weteres Zahlenpaar (x n+1,y n+1 ) Ê 2, x n+1 x j, j = 0,...,n, hnzu. Kann man dann das Interpolatonspolynom p n+1 (x) È n+1 zu den Daten (x j,y j ), j = 0,...,n+1, schreben als p n+1 (x) = p n (x)+f(x) mt ener lecht berechenbaren Funkton f(x)? Wegen p n È n, p n+1 È n+1 glt f(x) = p n+1 (x) p n (x) È n+1 sowe f(x j ) = 0 für j = 0,...,n. Daher hat f mt enem a Ê de Gestalt f(x) = a a kann man aus der Interpolatonsbedngung n (x x j ). y n+1 = p n+1 (x n+1 ) = p n (x n+1 )+a n (x n+1 x j ) ermtteln a = y n+1 p n (x n+1 ) (x n+1 x 0 )...(x n+1 x n ). Wr wollen nun en enfaches Verfahren zur Berechnung der Zahl a, des führenden Koeffzenten des Interpolatonspolynoms, herleten. Grundlage dafür st 38

2 Satz [Atken Lemma] Es se zu (x j,y j ) Ê 2, j = 0,...,n, x x j, das Interpolatonspolynom p È n gesucht. Seen p [0],p [n] È n 1 de Interpolatonspolynome mt p [0] (x j ) = y j, j = 0,...,n 1, p [n] (x j ) = y j, j = 1,...,n. Dann glt p(x) = p [0](x)(x x n ) p [n] (x)(x x 0 ) x 0 x n. Bewes: Das angegebene Polynom genügt offenbar den Bedngungen p(x j ) = y j für j = 0,...,n sowe p È n. Für 0 j n se nun p j È j das Interpolatonspolynom mt p j (x k ) = y k für k =,...,j. Dann folgt aus dem Atken Lemma, dass für de Interpolatonspolynome de Rekurson glt (5.4) (5.5) p j (x) = p j 1(x)(x x j ) p +1j (x)(x x ) x x j = p +1j (x)+ ( p +1j (x) p j 1 (x) ) x x j x j x Dese Form des Interpolatonspolynoms egnet sch besonders, um enzelne Werte zu berechnen, ohne glech das ganze Polynom aufzustellen. Mt P j, j bezechnen wr den Wert des Interpolatonspolynoms p j (x) für en festes x. Wr erhalten dafür das folgende Nevlle-Schema x 0 y 0 = P 00 x 1 y 1 = P 11 x 2 y 2 = P 22 x 3 y 3 = P 33 x 4 y 4 = P 44 P 01 P 12 P 23 P 34 P 02 P 13 P 24 P 03 P 14 P 04 = p 04 (x), wobe P j aus P j 1 und P +1j mt (5.4) bestmmt wrd. Man kann n desem Schema auf enfache Wese wetere Stützstellen hnzufügen. In obgem Bespel hängt man das Paar (x 5,y 5 = P 55 ) unten an und berechnet de Werte P 45,...,P 05 Aus der Formel (5.5) erhält man ene wetere Darstellung des Interpolatonspolynoms. Da a n n 1 p n = p n 1 +a (x x j ) der Koeffzent der höchsten Potenz x n n p n (x) st, lest man aus (5.5) durch Koeffzentenverglech sofort ab: Satz [Newtonsche Interpolatonsformel] Das Interpolatonspolynom aus (5.1) hat de Gestalt j 1 (5.6) p(x) = [x 0,...,x j ] (x x k ), k=0 1 k=0 = 1, wobe de dvderten Dfferenzen [x 0,...,x j ] rekursv defnert snd durch [x j ] = y j [x k,...,x j ] = [x k+1,...,x j ] [x k,...,x j 1 ] x j x k, j > k 0. 39

3 De dvderten Dfferenzen können daher völlg analog zum Nevlle Schema bestmmt werden y 0 y 1 y 2 y 3 y 4 [x 0,x 1 ] [x 1,x 2 ] [x 2,x 3 ] [x 3,x 4 ] [x 0,x 1,x 2 ] [x 1,x 2,x 3 ] [x 2,x 3,x 4 ] [x 0,x 1,x 2,x 3 ] [x 1,x 2,x 3,x 4 ] [x 0,x 1,x 2,x 3,x 4 ] Enzelne Werte des Interpolatonspolynoms bestmmt man aus (5.6) unter Verwendung enes Horner-ähnlchen Schemas. Wr schreben (5.6) n der Form p(x) = j 1 c j k=0 und erhalten de Rekurson Dann st p(x) = b 0. (x x k ) = (...(c n (x x n 1 )+c n 1 )(x x n 2 )+...+c 1 )(x x 0 )+c 0 b n = c n, b = b +1 (x x )+c, = n 1,...,0. De Newtonsche Interpolatonsformel lefert de effzenteste Methode zur Auswertung des Interpolatonspolynoms. Selbst wenn man nur an enem Funktonswert nteressert st, st der Aufwand gernger als mt dem Nevlle-Schema. Wegen sener enfachen Gestalt wrd das Nevlle-Schema dennoch n der Praxs verwendet. 5.3 Der Interpolatonsfehler Satz Se f C n+1 [a,b] und seen Stützstellen gegeben mt a x 0 <... < x n b. Se p È n das zugehörge Interpolatonspolynom mt p(x j ) = f(x j ). Zu jedem x [a,b] gbt es en ξ aus dem klensten Intervall I, das de Punkte x,x 0,x 1,...,x n enthält, mt (5.7) f(x) p(x) = ω(x) (n+1)! f(n+1) (ξ), mt ω(x) = (x x 0 ) (x x n ). Bewes: Für x x j betrachte de Funkton (5.8) F(x) = f(x) p(x) αω(x) und bestmme en α Ê so, dass F(x) = 0 erfüllt st, was wegen ω(x) 0 möglch st. Dann bestzt F mndestens de Nullstellen x,x 0,...,x n n I. Nach dem Satz von Rolle bestzt F mndestens n+1 Nullstellen, F mndesten n und F (n+1) mndestens ene Nullstelle ξ n I, also 0 = F (n+1) (ξ) = f (n+1) (ξ) 0 α (n+1)! und damt α = f (n+1) (ξ)/(n+1)!. De Behauptung folgt aus F(x) = 0 n (5.8). Für en Intervall I = [a,b] betrachten wr nun ene Folge von Zerlegungen m = {a = x (m) 0 < x (m) 1 <... < x (m) n m = b} mt Fenhet m = max x (m) +1 x(m). 40

4 Aus obger Fehlerdarstellung erhält man sofort, dass sehr glatte Funktonen we etwa de e-funkton auf beschränkten Intervallen mmer genauer nterpolert werden. Für alle übrgen Funktonen wrd der Interpolatonsfehler n der Regel anstegen, wenn wr vele Stützstellen verwenden. Enge Resultate: Satz von Faber: Zu jeder Folge { m } gbt es ene stetge Funkton f, so dass de zugehörgen Interpolatonspolynome ncht glechmäßg gegen f konvergeren. Runge-Phänomen: De Folge der Interpolatonspolynome auf äqudstanten Zerlegungen st ncht beschränkt, wenn de Funkton 1/(1+x 2 ) auf dem Intervall [ 5,5] nterpolert wrd. Zur Darstellung ener Funkton st de Polynomnterpolaton daher ungeegnet. 5.4 Hermte-Interpolaton In desem Abschntt gehen wr von enem beschränkten Intervall [a,b] und ener Funkton f C 1 [a,b] aus. Für paarwese verschedene Stützstellen x 0,x 1,...,x n [a,b] suchen wr en Polynom p È 2n+1, das de Hermtesche Interpolatonsaufgabe (5.9) p(x j ) = f(x j ) = f j p (x j ) = f (x j ) = f j. für j = 0,...,n erfüllt. Analog zum Vorgehen bem Lagrangen Interpolatonsproblem suchen wr ene Bass φ j,ψ j È 2n+1 mt φ j (x ) = δ j, φ j(x ) = 0, ψ j (x ) = 0, ψ j(x ) = δ j, für,j = 0,...,n. Mt den Bassfunktonen l j È n des Lagrangeschen Interpolatonsproblems n (5.2) glt dann φ j (x ) = ( 1 2l j(x j )(x x j ) ) l 2 j(x) ψ j (x ) = (x x j )l 2 j(x), was man für j = 0,...,n lecht nachrechnen kann. De Lösung von (5.9) st dann (5.10) p(x) = f j φ j (x)+ f jψ j (x). Satz Das Hermte-Interpolatonspolynom p È 2n+1 aus (5.10) st de endeutge Lösung des Hermteschen Interpolatonsproblems (5.9). Bewes: Gäbe es zwe Interpolatonspolynome p 1,p 2 È 2n+1, de (5.9) erfüllen, so besäße q = p 1 p 2 È 2n+1 n + 1 Nullstellen und n + 1 Nullstellen der ersten Abletung. Damt st q = 0 und p 1 = p 2. Für den Interpolatonsfehler glt entsprechend Satz 5.3: Satz Se f C 2n+2 [a,b], seen de Stützstellen x 0,...,x n [a,b] paarwese verscheden, und se p È 2n+1 das Hermtesche Interpolatonspolynom, das den Bedngungen (5.9) genügt. Dann gbt es zu jedem x [a,b] en ξ aus dem klensten Intervall, das de Punkte x,x 0,...,x n enthält mt (5.11) f(x) p(x) = ω2 (x) (2n+2)! f(2n+2) (ξ). mt ω(x) = (x x 0 ) (x x n ). Bewes: Für x = x j st de Glechung rchtg, se also x x j für alle j. De Funkton F(z) = ( f(x) p(x) ) ω 2 (z) ( (f(z) p(z) ) ω 2 (x) 41

5 bestzt für jedes x j mndestens ene doppelte und für x mndestens ene enfache Nullstelle. (2n+2)- fache Anwendung des Satzes von Rolle zegt, dass F (2n+2) mndestens ene Nullstelle ξ bestzt, also 0 = F (2n+2) (ξ) = (2n+2)! ( f(x) p(x) ) f (2n+2) (ξ)ω 2 (x) = 0. Ene enfache Umformung lefert de Behauptung. 5.5 Splnes De n den vorhergehenden Abschntten behandelte Polynomnterpolaton st zwar lecht durchführbar, hat aber den Nachtel, dass be Verfenerung der Zerlegung kene Konvergenz zu erwarten st. Bessere Konvergenzegenschaften haben de nun zu besprechenden Splnes. Se (5.12) = {a = x 0 < x 1 <... < x n = b} ene Zerlegung des Intervalls [a,b]. Dann bezechnen wr mt S(,p,q), p,q Æ 0, 0 q < p, den Raum aller Funktonen s C q [a,b], de auf jedem Telntervall [x 1,x ], = 1,...,n, mt enem Polynom vom Höchstgrad p überenstmmen. Jedes s S(, p, q) heßt (Polynom-)Splne vom Grade p der Dfferenzerbarketsklasse q zur Zerlegung. Wr behandeln nur Splnes, be denen es ene lecht zugänglche Bassdarstellung ähnlch we de Lagrange-Bass n der Polynomnterpolaton gbt, de aber zusätzlch noch lokaler Natur st. Der Raum der stückwese lnearen Funktonen S(, 1, 0) Se ene Zerlegung des Intervalls we n (5.12). Wr defneren S 1 = S(,1,0) = {s C[a,b] : s [x 1,x ] È 1 für = 1,...,n}. a x 1 x 2 x 3 b x - 1 x x + 1 Offenbar st ene solche stetge, stückwese lneare Splne-Funkton s durch de Vorgabe hrer Werte an den Stützstellen x 0,...,x n endeutg bestmmt, da se ja nnerhalb der Telntervalle affn lnear st. Wr defneren de Bassfunktonen φ S 1 durch Es glt dann φ (x) = x x 1 x x 1 falls x 1 x x und > 0 x +1 x x +1 x 0 sonst falls x x x +1 und < n φ (x j ) = δ j,,j = 0,...,n.. Aufgrund deser Egenschaft snd de φ lnear unabhängg und blden ene Bass von S 1. De m Inneren des Intervalls legenden Bassfunktonen haben de charakterstsche Hut-Gestalt, we m Bld oben rechts zu sehen st.. 42

6 Für ene auf dem Intervall [a,b] stetge Funkton f st de Interpolerende I f S 1 defnert durch I f(x) = f(x )φ (x). I f st damt de endeutge stetge, stückwese lneare Funkton, de an den Stützstellen mt f überenstmmt. En Bespel für ene solche Interpolerende st m Bld oben lnks zu sehen, aus dem auch klar wrd, dass man ene täuschend echte Approxmaton von f nur errecht, wenn de Fenhet der Zerlegung sehr klen st. Zur Darstellung ener Funkton st also der Raum S 1 wenger geegnet. Dennoch kann man mt solchen Splnes sehr vel anfangen, um schwerge Probleme we de Approxmaton gewöhnlcher und parteller Dfferentalglechungen zu behandeln. Denn das Stabltätsverhalten deser Splnes st unverglechlch vel besser als das der Polynomnterpolaton. Aus dem obgen Bld wrd bespelswese sofort klar, dass I f f rchtg st, wobe de Maxmumsnorm st. Weter st für de Auswertung von I f nur de Bestmmung enes gewchteten Mttelwerts der Werte von f an den benachbarten Stützstellen erforderlch. Wr leten nun ene Abschätzung für den Fehler her. Satz Se f C 2 [a,b]. Dann glt mt = max x +1 x f I f f. Bewes: Aus Satz 5.3 erhalten wr für x [x 1,x ] f(x) I f(x) = 1 2 (x x 1)(x x )f (ξ ), ξ [x 1,x ]. De Funkton n x auf der rechten Sete wrd maxmal für den Mttelwert von x 1 und x, daher f I f (x) 1 8 x x 1 2 max x [x 1,x ] f (x), also f I f f. Der Raum der kubschen Hermte-Splnes S(, 3, 1) Se ene Zerlegung des Intervalls we n (5.12). Wr defneren S 3 = S(,3,1) = {s C 1 [a,b] : s [x 1,x ] È 3 für = 1,...,n}. In desem Fall st de Funkton s S 3 durch de Vorgabe hrer Werte und der Werte hrer Abletung an den Stützstellen x 0,...,x n endeutg bestmmt, da se nnerhalb der Telntervalle ene kubsche Funkton st. Wr benötgen Bassfunktonen φ S 3, deren Abletungen an den Stützstellen verschwnden, mt φ (x j ) = δ j und Bassfunktonen ψ S 3, de an den Stützstellen verschwnden, 43

7 mt ψ (x j) = δ j : φ (x) = (x x 1 ) 2 (3x x 1 2x) (x x 1 ) 3 falls x 1 x x und > 0 (x +1 x) 2 (x +1 3x +2x) (x +1 x ) 3 falls x x x +1 und < n 0 sonst, ψ (x) = (x x 1 ) 2 (x x ) (x x 1 ) 2 falls x 1 x x und > 0 (x x +1 ) 2 (x x ) (x +1 x ) 2 falls x x x +1 und < n 0 sonst. Man rechnet lecht nach, dass dann φ (x j ) = δ j, φ (x j) = 0 ψ (x j ) = 0, φ (x j) = δ j },j = 0,...,n. Demnach stellen dese Funktonen ene Bass des Raumes S 3 dar, de zudem lokal st: Der Träger der Bassfunktonen φ,ψ besteht ledglch aus dem Intervall [x 1,x +1 ]. Für ene auf dem Intervall [a,b] stetg dfferenzerbare Funkton f st de Interpolerende I f S 3 defnert durch ( I f(x) = f(x )φ (x)+f (x )ψ (x) ). I f erfüllt dann de Bedngungen f(x ) = I f(x ), f (x ) = I f (x ) für = 0,...,n. Ene Fehlerabschätzung folgt aus (5.11). Für f C 4 [a,b] glt für belebges x [x 1,x ] f(x) I f(x) = 1 4! (x x 1) 2 (x x ) 2 f (4) (ξ ) für en ξ [x 1,x ]. Auch her wrd de Funkton n x auf der rechten Sete maxmal für den Mttelwert von x 1 und x, f I f (x) 1 4! 1 16 x 1 x 4 max x [x 1,x ] f(4) (x). Damt haben wr gezegt Satz Se f C 4 [a,b]. Dann glt mt = max x +1 x f I f f (4). 5.6 Bézerkurven Wr gehen von der Aufgabe aus, ene Kurve zu zechnen, von deren Verlauf wr ene gewsse Vorstellung haben. We bestmmen wr ene Realserung x : [0,1] Ê n? Es legt nahe, gewsse Punkte x = (x 1,...,x n) festzulegen, durch de de Kurve laufen soll, und für jede Komponente ene Polynomnterpolaton durchzuführen. We m Abschntt über Polynomnterpolaton ausgeführt, nmmt de Kurve dann n der Regel enen erratschen Verlauf, wenn wr vele Punkte vorgeben. Auch her st de Polynomnterpolaton ken geegnetes Hlfsmttel. 44

8 De Polynome ( m B m (t) = ) t (1 t) m, t [0,1], = 0,...,m heßen Bernsten-Polynome vom Grad m. Satz Es glt: (a) 0 < B m (t) < 1 n (0,1). (b) m Bm (t) = 1. (c) B m (t) hat ene -fache Nullstelle n t = 0 und ene (m )-fache Nullstelle n t = 1. (d) Es glt für alle m und = 0,...,m+1 de Rekurson (5.13) B m+1 (t) = (1 t)b m (t)+tb 1(t), m wobe B 1 m = Bm m+1 = 0 und B0 0 = 1 gesetzt wrd. Bewes: De Egenschaft (c) st trvalerwese erfüllt. In (a) st B m (t) > 0 klar, de Schranke (t) < 1 folgt aus (b). B m (b) folgt aus der bnomschen Formel wegen (d) glt wegen B m (t) = ( m ( m+1 ) (( m B m+1 (t) = t (1 t) m+1 = ( m = (1 t) = (1 t)b m (t)+tb m 1(t). ) t (1 t) m = ( t+(1 t) ) m = 1. ) ( m )) + t (1 t) m+1 1 ) ( m ) t (1 y) m +t t 1 (1 t) m ( 1) 1 folgt Wegen (c) snd de Bernsten-Polynome lnear unabhängg, denn aus und daher φ(t) = φ(0) = α B m (t) = 0 α B m (0) = α 0 = 0 φ(t) = α B m (t) = 0. =1 Genauso folgt aus φ (t) = 0, dass α 1 = 0 und damt α = 0 für alle. De B m blden daher für = 0,...,m ene Bass des Polynomraums È m. Mt den Bernsten-Polynomen lassen sch auf folgende Art schöne Kurven zechnen: Es seen x Ê n, = 0,...,m, vorgegeben. Dann heßt F(t) = x B m (t) 45

9 de Bézer-Kurve vom Grade m zu den Bézerpunkten (auch Kontrollpunkte genannt) x. Wegen (c) glt F(0) = x 0 und F(1) = x m, de Bézerkurve verbndet demnach de Punkte x 0 und x m. De anderen Bézerpunkte denen dazu, den Kurvenverlauf zu steuern, und legen n der Regel ncht auf der Kurve. Wegen (a) und (b) st F(t) für jedes t ene Konvexkombnaton der Punkte x. Damt legt de ganze Kurve n der konvexen Hülle der x. In der Programmersprache postscrpt gbt es den Befehl curveto, mt dem Bézerkurven für m = 3 gezechnet werden können. In der folgenden Abbldung geben wr enge Bespele für de Ausführung deses Befehls für x 0 = (0,0) und x 3 = (10,0). Mt dem Punkt x 1 lässt sch de erste Abletung m Punkt x 0 vorgeben und damt glechzetg de Anfangsgeschwndgket der Kurve. De gleche Bedeutung hat der Punkt x 2 für x 3. De zugehörge Kurve der Kontrollpunkte st gestrchelt engezechnet De Rekursonsformel (5.13) lefert ene enfache Methode zur Auswertung des Bézer-Polynoms an ener festen Stelle, den Algorthmus von de Casteljau: Satz Se ˆt [0,1]. Setze x,0 = x für = 0,...,m und bestmme Dann glt x,k+1 = (1 ˆt)x 1,k +ˆtx,k, k = 0,...,m 1, = k +1,...,m. Bewes: Für m = 1 glt x m,m = F(ˆt). x 1,1 = (1 ˆt)x 0,0 +ˆtx 1,0 = x 0 B 1 0(ˆt)+x 1 B 1 1(ˆt) = F(ˆt). Ist m 2 und de Behauptung für m 1 bewesen, so x m,m = (1 ˆt)x m 1,m 1 +ˆtx m,m 1 m 1 = (1 ˆt) m 1 x B m 1 (ˆt)+ˆt x +1 B m 1 (ˆt) m 1 = (1 ˆt)x 0 B0 m 1 (ˆt) + x ( ) (1 ˆt)B m 1 (ˆt)+ˆtB 1 m 1 (ˆt) +ˆtx m Bm 1 m 1 (ˆt) = x B m (ˆt) = F(ˆt). =1 Im Bld rechts wrd der Algorthmus von Casteljau für ˆt = 1/2 gezegt, dort werden also mmer de Setenmtten benachbarter Seten mtenander verbunden

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung

Mehr

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe 5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Numerisches Programmieren (IN0019) 5. Interpolation. Interpolation. Polynome. Motivation. Funktionen-Vektorraum. Bildinterpolation (Beispiel)

Numerisches Programmieren (IN0019) 5. Interpolation. Interpolation. Polynome. Motivation. Funktionen-Vektorraum. Bildinterpolation (Beispiel) Numersches Programmeren (IN9) Frank R Schmdt 5 Interpolaton Wnter Semester 26/27 Motvaton Bs jetzt snd wr mmer davon ausgegangen, dass ene Funkton f : R Ñ R bekannt st und dass wr ledglch de Berechnung

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

konvergiert punktweise, wenn es l : U C C gibt derart, dass konvergiert gleichmäßig, wenn es l : U C C gibt derart, dass

konvergiert punktweise, wenn es l : U C C gibt derart, dass konvergiert gleichmäßig, wenn es l : U C C gibt derart, dass Funktonentheore, Woche 4 Konvergenz und Folgen 4. Glechmäßge Konvergenz Ene Zahlenfolge {α n } n N C konvergert, wenn es en l C gbt derart, dass ε > 0 N ε N : n > N ε = α n l < ε. Auch zu Folgen von Funktonen

Mehr

Wir steuern einen Mini-Roboter!

Wir steuern einen Mini-Roboter! Wr steuern enen Mn-Roboter! Telnehmer: Marek Bartusch Cecla Lange Yannck Lehmann Johannes-Lucas Löwe Ncolas Menzel Huong Thao Pham Floran Pogatzk Anne Reulke Jonas Wanke Maran Zuska mt tatkräftger Unterstützung

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

-70- Anhang: -Lineare Regression-

-70- Anhang: -Lineare Regression- -70- Anhang: -Lneare Regressn- Für ene Messgröße y f(x) gelte flgender mathematsche Zusammenhang: y a+ b x () In der Regel läßt sch durch enen Satz vn Messwerten (x, y ) aber kene Gerade zechnen, da de

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13 M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

e dt (Gaußsches Fehlerintegral)

e dt (Gaußsches Fehlerintegral) Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)

Mehr

Seminar zur Numerischen Analysis im Wintersemester 2009/2010 Splines Spline-Räume - B-Spline-Basen

Seminar zur Numerischen Analysis im Wintersemester 2009/2010 Splines Spline-Räume - B-Spline-Basen Semnar zur Numerschen Analyss m Wntersemester 2009/2010 Splnes Splne-Räume - B-Splne-Basen René Janssens 16.10.2009 Inhaltsverzechns 1 Enletung 1 2 Räume von Splnefunktonen 2 2.1 Der Raum der Splnes.............................

Mehr

22. Vorlesung Sommersemester

22. Vorlesung Sommersemester 22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Seminar über Numerische Mathematik

Seminar über Numerische Mathematik Andreas Mester Semnar über Numersche Mathematk Semnar m Wntersemester 008/009 Unverstät Kassel Fachberech Mathematk Inhaltsverzechns Bezer-Kurven 1 1 Enletung 1 Der Algorthmus von de-castelau.1 Parabeln....................................

Mehr

Lineare Optimierung Einführung

Lineare Optimierung Einführung Kaptel Lneare Optmerung Enführung B... (Dre klasssche Anwendungen) Im Folgenden führen wr de ersten dre klassschen (zvlen) Anwendungen der lnearen Optmerung an: BS... (Produktonsplanoptmerung) En Betreb

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Rotation (2. Versuch)

Rotation (2. Versuch) Rotaton 2. Versuch Bekannt snd berets Vektorfelder be denen das Lnenntegral über ene geschlossene Kurve Null wrd Stchworte: konservatve Kraft Potentalfelder Gradentenfeld. Es gbt auch Vektorfelder be denen

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben.

1.Schularbeit 22.Okt A. A) Berechne ohne TI-92: Beachte: Für die Beispiele 1 und 2 sind alle notwendigen Rechenschritte anzugeben. 1.Schularbet.Okt. 1997 7.A A) Berechne ohne TI-9: Beachte: Für de Bespele 1 und snd alle notwendgen Rechenschrtte anzugeben. 1a) De zu z= a + bkonjugert komplexe Zahl st z= a b. Zege für z 1 = -4 + 3 und

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

1 Finanzmathematik. 1.1 Das Modell. Sei Xt

1 Finanzmathematik. 1.1 Das Modell. Sei Xt 1.1 Das Modell Se Xt der Pres enes Assets zur Zet t und X = X ) 1 d der Rd +-dmensonale Presprozess. Das Geld kann auch zu dem rskolosen Znssatz r be ener Bank angelegt werden. Der Wert deser Anlage wrd

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren Inhalt 4 Realserung elementarer Funktonen Rehenentwcklung Konvergenzverfahren 5 Unkonventonelle Zahlenssteme redundante Zahlenssteme Restklassen-Zahlenssteme logarthmsche Zahlenssteme 6 Rechnen mt Zahlen

Mehr

16. Vorlesung Sommersemester

16. Vorlesung Sommersemester 16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,

Mehr

2.9 Freiformkurven und -flächen

2.9 Freiformkurven und -flächen 2.9 Freformkurven und -flächen Motvaton 2 Darstellung geometrscher Objekte, Farbe, Freformkurven- und Freformflächentechnken haben n den letzten Jahren ene große Bedeutung für de Entwcklung bzw. den Ausbau

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper Raometrsche Kalbrerung Tratoneller Ansatz Kalbrerung aus mehreren Blern Behanlung von übersteuerten Blern Zweck Das Antwortverhalten es Systems Kamera Framegrabber st ncht mmer lnear Grauwerte sn ncht

Mehr

Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie

Prof. Dr. Jürgen Dassow Otto-von-Guericke-Universität Magdeburg Fakultät für Informatik. Codierungstheorie und Kryptographie Prof. Dr. Jürgen Dassow Otto-von-Guercke-Unverstät Magdeburg Fakultät für Informatk Coderungstheore und Kryptographe Sommersemester 2005 1 2 Inhaltsverzechns 1 Defnton und Charakterserung von Codes 5 1.1

Mehr

Die mathematischen Grundlagen der Wellenmechanik

Die mathematischen Grundlagen der Wellenmechanik De mathematschen Grundlagen der Wellenmechank Zustände und deren Darstellung En physkalsches System wrd durch enen Zustand u charaktersert, ndem es durch ene bestmmte expermentelle Präparaton gebracht

Mehr

Beschreibung von Vorgängen durch Funktionen

Beschreibung von Vorgängen durch Funktionen Beschrebung von Vorgängen durch Funktonen.. Splnes (Sete 6) a +b c Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

5.3.3 Relaxationsverfahren: das SOR-Verfahren

5.3.3 Relaxationsverfahren: das SOR-Verfahren 53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx

Mehr

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

Mehr

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY)

Bedingte Entropie. Bedingte Entropie. Bedingte Entropie. Kapitel 4: Bedingte Entropie I(X;Y) H(X Y) H(Y) H(X) H(XY) Bedngte Entrope Kaptel : Bedngte Entrope Das vorherge Theorem kann durch mehrfache Anwendung drekt verallgemenert werden H (... H ( = Ebenso kann de bedngt Entrope defnert werden Defnton: De bedngte Entrope

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

1.11 Beispielaufgaben

1.11 Beispielaufgaben . Bespelaufgaben Darstellung komplexer Zahlen Aufgabe. Man stelle de komplexe Zahl z = +e 5f n algebrascher Form, also als x + y dar. Damt man de Formel für de Dvson anwenden kann, muss zunächst der Nenner

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Erwartungswert, Varianz, Standardabweichung

Erwartungswert, Varianz, Standardabweichung RS 24.2.2005 Erwartungswert_Varanz_.mcd 4) Erwartungswert Erwartungswert, Varanz, Standardabwechung Be jedem Glücksspel nteresseren den Speler vor allem de Gewnnchancen. 1. Bespel: Setzen auf 1. Dutzend

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Freiformkurven und -flächen

Freiformkurven und -flächen Freformkurven und -flächen Motvaton Freformkurven- und Freformflächentechnken haen n den letzten Jahren ene große Bedeutung für de Entwcklung zw. den Ausau von CAD/CAM-Systemen gewonnen. Deses Kaptel stellt

Mehr

Numerische Methoden II

Numerische Methoden II umersche Methoden II Tm Hoffmann 23. Januar 27 umersche Bespele umersche Methoden zur Approxmaton von Dervatpresen: - Trnomsche Gttermethode - Implzte Fnte Dfferenzen - Explzte Fnte Dfferenzen - Crank-colson

Mehr

f s, x(s) ds max f s, x(s) f s, y(s) ds exp L s t0 L t t 0 ) ds

f s, x(s) ds max f s, x(s) f s, y(s) ds exp L s t0 L t t 0 ) ds 8 1 Fxpunktsätze 2. Nach Defnton von M glt xt p 0 X b für alle t [t 0 c, t 0 + c], d.h. xt Q für alle t [t 0 c, t 0 + c]. Also lefern 1.18 1 und de Egenschaften des Integrals cf. Folgerung??.?? T p0 x

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2

Arbeitsgruppe Radiochemie Radiochemisches Praktikum P 06. Einführung in die Statistik. 1. Zählung von radioaktiven Zerfällen und Statistik 2 ETH Arbetsgruppe Radocheme Radochemsches Praktkum P 06 Enführung n de Statstk INHALTSVERZEICHNIS Sete 1. Zählung von radoaktven Zerfällen und Statstk 2 2. Mttelwert und Varanz 2 3. Momente ener Vertelung

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr

Schriftliche Prüfung aus Signaltransformationen Teil: Dourdoumas am

Schriftliche Prüfung aus Signaltransformationen Teil: Dourdoumas am TU Graz, Insttut für Regelungs- und Automatserungstechnk 1 Schrftlche Prüfung aus Sgnaltransformatonen Tel: Dourdoumas am 1. 10. 01 Name / Vorname(n): Kennzahl / Matrkel-Nummer: 1 errechbare Punkte 4 errechte

Mehr

1. Graphen 8. B={{d,e},{b,d},{a,b},{d,f},{b,c}}.

1. Graphen 8. B={{d,e},{b,d},{a,b},{d,f},{b,c}}. . Graphen 8 Bespel: f 5 5 d e 7 7 a 4 b 6 c Für den obenstehenden zusammenhängenden Graphen soll en Mnmalgerüst konstruert werden. Wr ordnen zunächst de Kanten des Graphen nach wachsender Bewertung, d.h.

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM) 6. Hlbertraum und lneare Operatoren (mathematsche Grundlagen QM) 6.1 Hlbertraum Raum = mathematsches Konstrukt: Vektorraum a) Der lneare komplexe Raum st de Menge von mathematschen Objekten mt folgenden

Mehr

=, grad Z(s) = m n = grad N(s).

=, grad Z(s) = m n = grad N(s). 4 7... Stabltätsprüfung anhand der Übertragungsfunkton (.9) leferte den Zusammenhang zwschen der Gewchtsfunkton g(t) und der Übertragungsfunkton G(s) enes lnearen zetnvaranten Systems G (s) { g ( t)}.

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

1 Differentialrechnung in mehreren Variablen

1 Differentialrechnung in mehreren Variablen 1 Dfferentalrechnung n mehreren Varablen 1.1 De Geometre eukldscher Räume Zur Ernnerung De Elemente des R n schreben wr normalerwese als Zelenvektoren: x = (x 1,..., x n ). Kommen Matrzen ns Spel, so st

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

3 Das Lanczos Verfahren

3 Das Lanczos Verfahren Computatonal Physcs III, SS 2014, c Burkhard Bunk, HU Berln 13 3 Das Lanczos Verfahren 3.1 Idee Ausgehend von enem (normerten) Startvektor v 0 soll durch wederholtes Anwenden der (hermteschen) Matrx A

Mehr

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel!

z.b. Münzwurf: Kopf = 1 Zahl = 2 oder z.b. 2 Würfel: Merkmal = Summe der Augenzahlen, also hier: Bilde die Summe der Augenzahlen der beiden Würfel! Aufgabe : Vorbemerkung: Ene Zufallsvarable st ene endeutge Funkton bzw. ene Abbldungsvorschrft, de angbt, auf welche Art aus enem Elementareregns ene reelle Zahl gewonnen wrd. x 4 (, ) z.b. Münzwurf: Kopf

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Diplomvorprüfung DI H 04 VD : 1

Diplomvorprüfung DI H 04 VD : 1 Dplomvorprüfung DI H 04 VD : Aufgabe : Bewesen Se (zum Bespel mt Hlfe der Dfferentalrechnung) de folgende Glechung: ln(snh(x) + cosh(x)) + ln(cosh(x) snh(x)) 0, für alle x R. Es gbt (mnd.) 2 Möglchketen:.

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg

Hauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg Hauptprüfung Abturprüfung 2014 (ohne CAS) Baden-Württemberg Lneare Optmerung Hlfsmttel: GTR, Formelsammlung beruflche Gymnasen (AG, BTG, EG, SG, TG, WG) Alexander Schwarz www.mathe-aufgaben.com Oktober

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

Invariantentheorie. Vorlesung 3. Lineare Operationen

Invariantentheorie. Vorlesung 3. Lineare Operationen Prof. Dr. H. Brenner Osnabrück WS 2012/2013 Invarantentheore Vorlesung 3 Lneare Operatonen Ene Operaton ener Gruppe G auf ener (geometrschen) Menge M st das gleche we en Gruppenhomomorphsmus der Gruppe

Mehr

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz

ω 0 = Protokoll zu Versuch E6: Elektrische Resonanz Protokoll zu Versuch E6: Elektrsche esonanz. Enletung En Schwngkres st ene elektrsche Schaltung, de aus Kapaztät, Induktvtät und ohmschen Wderstand besteht. Stmmt de Frequenz der anregenden Wechselspannung

Mehr

Statistik und Wahrscheinlichkeitsrechnung

Statistik und Wahrscheinlichkeitsrechnung Statstk und Wahrschenlchketsrechnung Statstk und Wahrschenlchketsrechnung 5. Vorlesung Dr. Jochen Köhler.03.0 Statstk und Wahrschenlchketsrechnung Wchtg!!! Vorlesung Do 4.03.0 HCI G3 Übung 5 D 9.03.0 Fnk

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

Mehr

Freiformkurven und -flächen. Rationale Kurven

Freiformkurven und -flächen. Rationale Kurven Freformkurven und -flächen Ratonale Kurven Ratonale Bézer-Kurven Mt polynomalen Segmenten lassen sch Kegelschntte, we z.b. Krese und Ellpsen, ncht exakt darstellen. Um des zu ermöglchen, betrachten wr

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Äquivalenzen stetiger und glatter Hauptfaserbündel

Äquivalenzen stetiger und glatter Hauptfaserbündel Äquvalenzen stetger und glatter Hauptfaserbündel Chrstoph Müller Chrstoph Wockel Fachberech Mathematk Unverstät Darmstadt 31. Süddeutsches Kolloquum über Dfferenzalgeometre Glederung 1 De Problemstellung

Mehr