Elektrische Leitfähigkeit für zufällige Schrödinger-Operatoren

Größe: px
Ab Seite anzeigen:

Download "Elektrische Leitfähigkeit für zufällige Schrödinger-Operatoren"

Transkript

1 Elektrische Leitfähigkeit für zufällige Schrödinger-Operatoren Peter Müller LMU München

2

3 Inhaltsverzeichnis 1 Zufällige Schrödinger-Operatoren 3 2 Physikalische Heuristik zur elektrischen Leitfähigkeit 9 3 Nicht-kommutative L p -Räume ergodischer Operatoren 13 4 Lineare Antworttheorie in L p (K) 19 1

4 2 INHALTSVERZEICHNIS

5 KAPITEL 1 Zufällige Schrödinger-Operatoren Literatur: W.Kirsch, Random Schrödinger operators: A course in Lecture Notes in Physics, vol. 345, Springer 1989 L.Pastor, A.Figotin, Spectra of random and almost-periodic operators, Springer 1992 R.Carmona, J.Lacroix, Spectral theory of random Schrödinger operators, Birkhäuser 1990 P.Stollmann, Caught by disorder: Bounded states in random media, Birkhäuser 2001 W.Kirsch, An invitation to random Schrödinger operators, arxiv: Ziel: Elektrische Eigenschaften ungeordneter Materialien, z.b. Legierungen, dotierte Halbleiter Abbildung 1.1: irregulärer atomarer Festkörper 3

6 4 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN Modellbildung: Keine Wechselwirkung zwischen den Elektronen 1- Elektronen Hamilton-Operator: kinetische Energie + potetielle Energie } {{ } zufälliges Potential Dies ist das einfachste Modell (Anderson, 1958). 1.1 Definition Sei P 0 ein bezüglich des Lebesgue-Maßes absolut stetiges Wahrscheinlichkeitsmaß auf R mit dp 0 L (R) und kompaktem Träger. sei dν Ω := R Zd, d N, P := Z dp 0. Für ω = (ω x ) x Z d Ω und λ > 0 sei H ω := +λv ω auf l 2 (Z d ) ( ψ)(x) := y Zd x y =1 ψ(y) ψ l 2 (Z d ) (V ω ψ)(x) := ω x ψ(x) x Z d. Dies ist der sogenannte Hamilton-Operator des Anderson-Modells. 1.2 Bemerkung (i) (ω x ) x Z d kanonisch realisierte i.i.d. Zufallsvariablen (ii) = ( ) beschränkter selbstadjungierter Operator auf l 2 (Z d ). spec( ) = spec ac ( ) = [ 2d,2d] V ω beschränkter selbstadjungierter Multiplikationsoperatorinl 2 (Z d )für P-fast alle ω Ω, da suppp 0 kompakt ist. (iii) Wir haben drei Modellparameter: λ, d und dp 0 dν (a) H : ω H ω ist eine operatorwertige Zufallsvariable 1.3 Definition (und Lemma) H ergodisch (bezüglich Z d -Translationen) Für y Z d sei τ y : Ω Ω, ω τ y ω = (ω x+y ) x und U y : l 2 (Z d ) l 2 (Z d ), ψ u y ψ := ψ( y) (unitärer Verschiebungsoperator). Dann gilt (Beweis: Übung!) H τyω = U y Hω U y y Z d ω Ω. 1.4 Bemerkung (τ y ) y Z d ist Gruppe ergodischer Schifts auf Ω, das heißt gilt für eine Zufallsvariable X auf Ω X τ y = X y Z d, so folgt X = const. P-fast sicher.

7 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN Satz (Nicht-Zufälligkeit des Spektrums) Es existiert S x R kompakt, sodass spec x (H ω ) = S für P-fast alle ω Ω. Hierbei ist x {ac,sc,pp}. Nebenbedingung: spec pp (A) := {Eigenwerte von A}. [ Pastor 1980, Kunz/Souillard 1980, Kirsch/Martinelli 1982] Beweis: (Grundidee) Für alle E 1 < E 2 R ist X E1,E 2 τ y = X E1,E 2 für alle y Z d, wobei ω X ω E 1,E 2 := tr χ [E1,E 2 ](H ω ) messbarer Spektralprojektor. 1.6 Satz (Lage des Spektrums) Wir haben S = [ 2d,2d] +λ supp(p } {{ } 0 ) = spec( ) {E 0 +λν : E } {{ } 0 spec( ), ν supp(p 0 )}, wobei supp(p 0 ) = [v,v + ], v < E 0 < v +. Erwartung: λ Isolator = lokal Leiter = delokal 2d 2d E Abbildung 1.2: 1.7 Definition (Bereich (vollständiger/anderson-)lokalisierung) E loc := {E S : δ,c > 0 sodass x,y Z d E( sup δ x,f(h) χ [E δ,e+δ] (H) δ y 2 ) ce x y }, f L (R): f 1 wobei, das kanonische Skalarprodukt und δ einen kanonischen Basisvektor in l 2 (Z d ) bezeichne.

8 6 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN 1.8 Bemerkung (i) Sei E E loc, I := [E δ,e+δ], f = e it, t 0, im Supremum erlaubt, ψ t := e ith χ I (H)δ 0 } {{ } ψ 0 E[sup δ x,ψ t 2 ] ce x t 0 } {{ } ψ t(x) ψ t (x) 2 q.m.w., dass dass ein Teilchen mit Anfangszustand ψ 0 (Energie I, ψ 0 (x) 2 ce x aus f 1) zur Zeit t bei x gefunden wird (dynamische Lokalisierung). (ii) Die Betonung in Definition 1.7 liegt auf f nicht glatt! Denn für alle f C (R) gilt: Für alle k N existiert c k > 0, sodass für alle x,y Z d δ x,f(h ω δ y ) c k 1+ x y k gleichmäßig in ω. [Deterministisches Ergebnis via Combes-Thomas- Abschätzung und Helffer-Sjøstrand-Formel; siehe Germinet/Klein, Proc. Amer. Math. Soc. 131, (2002)] (iii) Für µ R, T 0, E R sei χ ],µ] (E),falls T = 0 E fµ T (E) = (e (E µ)/t +1) 1,falls T 0 die Fermi-Funktion. T = µ T > 0 Abbildung 1.3: Sei T > 0 oder µ E loc. Dann folgt nach (ii): Für alle k N existiert ein c k > 0, sodass für alle x,y Z d E[ δ x,f T µ (H)δ y 2 ] c k 1+ x y k

9 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN 7 gilt. T > 0 klar; T = 0 und µ E loc ist eine Übung! Es gilt sogar exponentieller Abfall in x y für T = 0 und µ E loc [Aizenmann/Graf, J.Phys. A 32, (1998)]. 1.9 Satz (Dynamische Lokalisierung Spektrale Lokalisierung) S ac E loc = = S sc E loc ( S E loc = S pp E loc ) und für jede Eigenfunktion ψ ω E l2 (Z d ) von H ω mit Eigenwert E ω E loc gilt: lim sup x ln ψ ω E (x) x < 0 (exponentieller Abfall der Eigenfunktionen). Beweis: Verallgemeinerte Eigenfunktionen + RAGE-Theorem [siehe Kirsch 2007] 1.10 Satz (Anderson-Lokalisierung) d = 1: Für alle λ > 0 ist E loc = S d 1: (i) starke Unordnung: Es existiert ein λ 0 > 0, sodass für alle λ λ 0 : E loc = S. (ii) extreme Energien: (= nahe Bandkanten) Für alle λ > 0 existiert ein ε λ > 0 : E loc [inf(s),inf(s)+ε λ [ ]sup(s) ε λ,sup(s)]. [ Fröhlich/Spencer 1983, Aizenmann/Molchanov 1993, Germinet/Klein 2001, 2004] 1.11 Bemerkung für f.a.ω (i) E loc offen in S (nach Definition) = es existieren unendlich viele dicht liegende Eigenwerte {Ej ω } j N in E loc (beachte: {Ej ω } j N variieren in ω, während E loc unabhängig von ω). (ii) Vermutung für d 3: spektrale Delokalisierung: λ ]0,λ 0 [ und Intervall I S, sodass λ [0, λ] : S pp I = = S cc I ( S I = S ac I). (Bewiesen auf Bethe-Gitter statt Z d : Klein, 1996, Aizenmann/Warzel, Froese/Hasler/Spitze).

10 8 1. ZUFÄLLIGE SCHRÖDINGER-OPERATOREN dynamische Delokalisierung auch nicht bekannt: Zum Beispiel Diffusion: ψ 0 l 2 (Z d ) und D > 0, sodass E[ x Z d x 2 (e ith ψ 0 )(x) 2 ] t Dt. Im Folgenden: Direkte physikalische Observable zur Charakterisierung als Leiter/Isolator.

11 KAPITEL 2 Physikalische Heuristik zur elektrischen Leitfähigkeit Elektrische Leitfähigkeit: Quantifizierung der Fähigkeit eines Materials auf ein angelegtes elektrisches Feld mit einem elektrischen Strom zu reagieren. Räumlich konstantes, zeitabhängiges Feld: Abbildung 2.1: Energie: H E (t) := H +E(t) X, H hier gemäß Anderson, Operator: (X α ψ)(x) := x α ψ(x), α = 1,...,d. elektrische Stromdichte für nicht wechselwirkende, identische Elektronen: Q.m. Erwartungswert des Geschwindigkeitsoperators eines elektrons mit Fermi-Funktion J(tE) α := τ(w E (t)ẋα) (2.1) mit - Spur pro Volumen τ := E[ δ 0,( )δ 0 ] 9

12 10 2. PHYSIKALISCHE HEURISTIK ZUR ELEKTRISCHEN LEITFÄHIGKEIT - Geschwindigkeitsoperator Ẋ (nicht zufällig!) Ẋ α := i[h(t),x α ] = i[,x α ]. (Übung: (Ẋαψ)(x) = iψ(x+e α ) iψ(x e α )) - Zeitentwickelter Zustand im E-Feld aus thermodynamischem Gleichgewicht (Temperatur T 0, chemische Potential µ R) zur Zeit t = : w E (t) (zufällig!) löst das Anfangswertproblem der Liouville-von Neumann-Gleichung d dt wω E (t) = i[hω E (t),wω E ] lim t w ω E (t) = ft µ (Hω ) - in geeignetem nicht-kommutativen L p -Raum von Operatoren: Siehe nächstes Kapitel. - chemisches Potential µ codiert die Elektronendichte (Jargon für T = 0: µ = Fermi-Energie) Da (2.1) nicht berechenbar für beliebige E(t) ist (viel zu kompliziert!), beschäftigen wir uns mit der Linearen Antworttheorie: falls J(t, E) Taylorentwickelbar in E bis zur Ordnung 2 ist, so ist die erwartete Form: J(t,E) α = d β=1 t keine E 0 -Terme, da E = 0 J = 0 dt ˇσ αβ (t t )E β (t ) +O(E 2 ). } {{ } J lin (t,e) α Lineare Antwortfunktionen t ˇσ αβ (t) R - Maß wiestarkeine-felde β (t )indervergangenheit (t t Kausalität!) Stromdichte J(t,E) α in der Gegenwart beeinflusst. - wird ausschließlich durch H (hier: Anderson) bestimmt Falls E(t) = R dν eiνt σ αβ (ν)êβ(ν) [E reel Ê(ν) = Ê( ν)] J lin(t,e) α = d β=1 R dν eiνt σ αβ (ν)êβ(ν) Stromdichte in linearer Antwort. Komplexe frequenzabhängige Leitfähigkeit (Matrix mit Einträgen) ν σ αβ (ν) := 0 dt e iνt ˇσ αβ (t), ν R. } {{ } R

13 2. PHYSIKALISCHE HEURISTIK ZUR ELEKTRISCHEN LEITFÄHIGKEIT 11 In-/außerphasiger Anteil ν Re(σ αβ (ν)),gerade in ν i Im(σ αβ (ν)),ungerade in ν Zerlegung J lin (t,e) α = J in lin (t,e) α } {{ } Anteil von Re + Jlin ant (t,e) α. } {{ } Anteil von i Im in- beziehungsweise außerphasiger Anteil des linearen Antwortstroms. Interpretation: E(t) = E 0 cos(ν 0 t) (bzw. sin(ν 0 t)). Ziele: J in lin cos(ν 0 t) (bzw. sin(ν 0 t)) J ant lin sin(ν 0t) (bzw. cos(ν 0 t)) Mathematische Rechtfertigung des obigen Vorgehens Dichte σ αβ durch Spektraleigenschaften von H aus Kubo-Formel Für T = 0 und µ E loc : σ αβ (0) } {{ } = 0 α,β = 1,...,d Gleichstromleitfähigkeit

14 12 2. PHYSIKALISCHE HEURISTIK ZUR ELEKTRISCHEN LEITFÄHIGKEIT

15 KAPITEL 3 Nicht-kommutative L p -Räume ergodischer Operatoren Wir betrachten den Hilbert-Raum H = l 2 (Z d ) und die messbare Abbildung A : Ω BL(H), ω A ω, wobei BL(H) die Menge der beschränkten linearen Operatoren auf H bezeichne. Darüberhinaus ist ω ϕ,a ω ψ messbar für alle ϕ,ψ H.Essei(τ x ) x Z d einegruppeergodischer TransformationenaufΩ.Wir benötigen eine Referenz-Algebra und eine halbendliche, normale, treue Spur. 3.1 Definition (Referenz-Algebra) K := {A : Ω BL(H) messbar, ergodisch, A < }, mit A := P-essup ω Ω A Op. Analog zu 1.3 ist A τxω = U xa ω U x mit U x unitäre (projektive) Darstellung von Z d auf H. 3.2 Lemma K ist von Neumann-Algebra, das heißt -invariante, schwach abgeschlossene Unteralgebra von BL(H Ω ), wobei H Ω := Ω P (dω) H := {Ψ = (ψ ω ) ω Ω : ψ ω H für P-fast alle ω Ω, ω ψ ω messbar, Ψ,Ψ Ω < }. Φ,Ψ Ω := Ω P(dω) ϕω,ψ ω sei das zugehörige Skalarprodukt. Beweis: (Skizze) Ziel: Benutze von Neumanns Bikommutantensatz: K von Neumann-Algebra in BL(H) K = K. Hierbei bezeichnet K := {A BL(H Ω ) : [A,A] = 0 a K} die Kommutante und K := (K ) K die Bikommutante. Wir müssen zeigen, dass K K gültig ist. klar: K BL(H Ω ) [ω (AΨ) ω := A ω ψ ω messbar (zerlegbarer Operator: Diagonal in ω)] Charaktersisierung: 13

16 14 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN 3.3 Satz A BL(H Ω ) zerlegbar A M, wobei M := {M f BL(H Ω ) : f L (Ω,P)} und (M f Ψ) ω := f(ω)ψ ω [Beweis: Dixmier, Cor., p.188] A ergodisch U x A ω = A τ xω U x x Z d. Definiere Ûx BL(H Ω ) via (ÛxΨ) ω := U x ψ τ xω, also A ergodisch S U, wobei U := {Ûx : x Z d } K = M U K M U M U K K M M und K K U U, d.h K M U = K 3.4 Definition (und Lemma; Spur auf K) Sei τ : K C, A dp(ω) δ 0,A ω δ 0 =: τ(a). Dann gilt (i) τ(a) A A K, also τ K (ii) τ(a A) = τ(aa ) A K (iii) Treu: 0 A 0 τ(a) > 0 Ω (iv) Normal: Für alle beschränkten, wachsenden Netzte (A i ) i I τ(sup i I A i ) = sup i I τ(a i ). Es sei erwähnt, dass aus (i) und (ii) die Endlichkeit folgt. gilt Beweis: (i) klar! (ii) τ(a A) Parseval = τ x maßerh. = x Z d x Z d Ω Ω = τ(aa ) dp(ω) δ 0,A ω δ x δ x,a ω δ 0 dp(ω) δ 0,A ω δ x δ x,a ω δ 0

17 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN 15 (iii) Sei A 0 und 0 = τ(a) = Ω dp(ω) δ 0,A ω δ 0 } {{ } 0 0 = δ 0,A ω δ 0 für P-fast alle ω Ω x Z d δ x,a ω δ x = δ 0,Ux Aω U } {{ x δ } 0 A τxω x,y Z d δ x,a ω δ y A 0 = Cauchy-Schwarz (A ω ) δx } {{ } δ x,a ω δ y =0 = 0 ω Ω x, P(Ω x ) = 1 (A ω ) 1 2 δx,(a ω ) 1 2 δy (A ω ) δy Sei Ω := x Z d Ω x, so folgt P( Ω) = 1 und für alle ω Ω δ x,a ω δ y = 0 x,y Z d A ω = 0. (iv) Folgt aus sup i I ϕ 0,A ω i ϕ 0 = ϕ 0,sup i I A ω i ϕ 0 für P-fast alle ω. 3.5 Definition ( Nicht-kommutative L p -Räume) Für p [1, [ ist A p := τ( A p ) 1 p Norm auf K (τ treu, A := (A A) 1 2). Setze für p [1, ] 3.6 Bemerkung L p (K) := K. (i) Definition 3.5 benutzt die Endlichkeit von τ. Falls τ nur halbendlich ist, führe eine Vervollständigung bezüglich der τ-maß-topologie ein (generelles Vorgehen!). (ii) L p (K) enthält unbeschränkte Operatoren für p <. 3.7 Satz (i) L p (K)isteinBanach-Raumfürallep [1, ],insbesondereistl (K) = K. (ii) L 2 (K) ist ein Hilbert-Raum bezüglich A,B := τ(a B). (iii) Für alle p [1, ]; 1 p + 1 q = 1 und A Lp (K), B L q (K) gilt: AB,BA L 1 (K), τ(ab) = τ(ba)und τ(ab) A p B q (Hölder)

18 16 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN (iv) L (K) L p (K) L p (K) L 1 (K) für alle p > p ]1, [. Moral: Wie komm. L p -Räume mit endlichem Maß! 3.8 Definition Sei K B := {A K : R > 0, sodass δ x,aδ y = 0, falls x y > R} -Unteralbegra der endlichen Bandoperatoren. Für α {1,...,d} ist α : A i[x α,a] =: α A wohldefiniert als Abbildung von K B in sich selbst (Übung). Setze := ( 1,..., d ) 3.9 Bemerkung X α ist nicht ergodisch!!! δ x, α Aδ y = (x y) δ x,aδ y 3.10 Lemma ( Nicht-Kommutativer Sobolev-Raum) Für alle p [1, ] gilt: (i) W 1,p (K) := {A L p (K) : α A L p (K), α = 1,...,d} liegt dicht in L p (K) und ist -Derivation auf W 1,p (K). (ii) τ( A) = 0 für alle A W 1,1 (K) Beweis: (Grundidee) (i) K B liegt dicht in K bezüglich (siehe Dombrowski), K p = L p (K) K p B = L p (K) und K B W 1,p (K). -Derivation: α A = ( α A), α linear und α (AB) Rechnen = ( α A)B +A( α B) für alle A,B W 1,p (K) mit AB,( α A)B,A( α B) L p (K) (ii) klar, da X αδ0 = Bemerkung Gemäß Bemerkung 1.8(iii) ist f T µ (H) W1,p (K) p [1, [, falls T > 0 und µ E loc Definition Sei H L (K) und p [1, ]. Wir definieren den Liouville-Operator L : L p (K) L p (K), A i[h,a].

19 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN Bemerkung (i) cl BL(L p (K)) mit L 2 H (ii) Für p = 2 ist L = L auf L 2 (K) (Übung) (iii) Für alle A L p (K) und für alle B L q (K) mit = 1 gilt p q τ((la)b) = τ(a(lb)) (Übung)

20 18 3. NICHT-KOMMUTATIVE L P -RÄUME ERGODISCHER OPERATOREN

21 KAPITEL 4 Lineare Antworttheorie in L p (K) Grundvoraussetzungen: H wie in Definition 1.1 Ê (C c(r)) d, Ê( ν) = Ê(ν), E(t) := R dν eiνt Ê(ν) Für η > 0 sei F η (t) := t ds eηs E(s) adiabatische Einschalten } {{ } E η(s) Ungleichung: Da H Eη (t) = H +E η (t)x nicht beschränkt, verwende H η (t), ( H ω η(t)ψ)(x) := y Zd x y =1 für alle ψ l 2 (Z d ) und für alle x Z d. physikalisch gleichwertig: e ifη(t)(y x) ψ(y)+ω x ψ(x) i t ψ t = H ω E η (t)ψ t i t ψ t = H ω E η (t) psi t ( ) mit psi t := e ifη(t)x ψ t. H η (t) L (K) für alle t. 4.1 Satz (Yosida; Propagator für Schrödinger-Gleichung) Für P-fast alle ω Ω und für alle t,s R existiert ein U ω (t,s) BL(l 2 (Z d )) unitär, sodass U ω (t,r)u ω (r,s) = U Ω (t,s,),u ω (t,t) = 1,U ω (t,s) = (U ω (s,t)) i t Uω (t,s)ϕ = H ω η (t)uω (t,s)ϕ (also:( )) i s Uω (t,s)ϕ = U ω (t,s) H ω η (s)ϕ (t,s) U ω (t,s) stark stetig Beweis: Satz XIV.3.1 in Yosida, Func. Analysis, Bemerkung Spezialfall E(T) = 0 (also H η (t) = H): mit U (ω) 0 (t) := e ithω. U (ω) (t,s) = U (ω) 0 (t s) 19

22 20 4. LINEARE ANTWORTTHEORIE IN L P (K) 4.3 Definition (und Lemma) Für alle p [1, ], für alle A L p (K) und für alle t,s R sei Es gilt: U(t,s) BL(L p (K)) (Messbarkeit). U(t,s)A : ω U ω (t,s)a ω U ω (s,t). U(t,s) ist eine Isometrie, für p = 2 unitär. (t,s) U(t,s) stark stetig. i t U(t,s)A = [ H η (t),u(t,s)a]. i s U(t,s)A = U(t,s)([ H η (t),a]). Aus den letzten beiden Punkten folgt U(t,s) und U(t,s) liegen in t s BL(L p (K)). Analoges gilt für U 0 (t) := e itα 4.4 Satz Sei p [1, [, T > 0 oder µ E loc. Das Anfangswertproblem i t w E η (t) = [ H η (t),w Eη (t)] lim t w Eη (t) = f T µ(h) hat eine eindeutige Lösung t w(t) L p (K), wobei w Eη (t) = lim U(t,s)w 0 s = f T µ( H η (t)) t ds e ηs U(t,s)(E(s) f T µ( H η (s))). Beweis: Satz 4.1, Definition und Lemma 4.3. Explizizte form der Lösung durch Differenzieren bestätigen. Benutze H ω η (t) = eifη(t) X H ω e ifη(t) X f T µ ( H ω η (t)) = eifη(t) X f T µ (Hω )e ifη(t) X in l 2 (Z d ) f T µ ( H η (t)) = e Fη(t) (f T µ (H)) in Lp (K). 4.5 Satz Sei T > 0 oder µ E loc. Dann ist R γ J(t,γE η ) := τ(w γeη (t) H η (t))

23 4. LINEARE ANTWORTTHEORIE IN L P (K) 21 differenzierbar in γ = 0 und für alle α {1,...,d} J lin (t,e η ) α := γ γ=0 J(t,γE η ) α d ( t = τ ds e ηs E β (s) ( ) e i(t s)l β fµ T (H)) α H β=1 d = e ηt dν e iνt Ê β (ν)σ αβ (ν,η) β=1 R mit σ µ,t αβ (ν,η) := τ ( t ds ( e i(t s)(l+ν iη) β fµ(h) ) ) T α H = iτ((l+ν iη) 1 β f T µ (H)) αh adiabatisch regularisierte Leitfähigkeit. 4.6 Definition Sei T > 0 oder µ E loc, sei B R Borel. Σ µ,t αβ (B) := π α H,χ B (L) β f T µ (H) Leitfähigkeitsmaß (gerades, positives Maß!). Damit σ µ,t αβ (ν,η) = i Σ µ,t αβ π (dλ) 1 λ+ν iη. R 4.7 Satz J in lin (t,e) α := lim ηց0 = d β=1 d β=1 R R ( ) dν e iνt Ê(ν) Re σ µ,t αβ (ν,η) Σ µ,t αβ (dν) eiνt Ê(ν). Beweis: ( ) Re σ µ,t αβ (ν,η) = Σ µ,t αβ (dλ) η/π R (λ+ν) 2 +η Bemerkung (i) Ob Σ µ,t αβ absolut stetig bezüglich des Lebesgue-Maßes ist, ist ein offenes ( ) σ µ,t αβ (ν) = Σµ,T αβ (dν). dν Problem. Sollte dies gelten, so wäre Re

24 22 4. LINEARE ANTWORTTHEORIE IN L P (K) (ii) Definition 4.6 ist die Kubo-Formel für das Leitfähigkeitsmaß. 4.9 Satz(Gleichstromleitfähigkeit) Es sei µ E loc, so gilt lim ηց0 σµ,0 αβ (0,η) = iτ { fµ(h) [ 0 α fµ(h), 0 β fµ(h) ]} 0 = 0.

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

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 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

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 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

Mehr

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens

8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 1 8.6.1 Erwartungswert eines beliebigen Operators O 8.6.2 Beispiel: Erwartungswert des Impulses eines freien Teilchens phys4.013 Page 2 8.6.3 Beispiel: Orts- und Impuls-Erwartungswerte für

Mehr

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum

Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv

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

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Statistische Thermodynamik I Lösungen zur Serie 1

Statistische Thermodynamik I Lösungen zur Serie 1 Statistische Thermodynamik I Lösungen zur Serie Zufallsvariablen, Wahrscheinlichkeitsverteilungen 4. März 2. Zwei Lektoren lesen ein Buch. Lektor A findet 2 Druckfehler, Lektor B nur 5. Von den gefundenen

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

Physik 4, Übung 8, Prof. Förster

Physik 4, Übung 8, Prof. Förster Physik 4, Übung 8, Prof. Förster Christoph Hansen Emailkontakt Dieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls

Mehr

Korrelation (II) Korrelation und Kausalität

Korrelation (II) Korrelation und Kausalität Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen

Mehr

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zur Linearen Algebra II Blatt 5 Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische

Mehr

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

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

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

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:

1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:

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

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte

50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte 50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien

Mehr

Primzahlen und RSA-Verschlüsselung

Primzahlen und RSA-Verschlüsselung Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also

Mehr

3. Grundlagen der Linearen Programmierung

3. Grundlagen der Linearen Programmierung 3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations

Mehr

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011 Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h

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

6.2 Perfekte Sicherheit

6.2 Perfekte Sicherheit 04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da

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

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

4. Versicherungsangebot

4. Versicherungsangebot 4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil

Mehr

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.

Würfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!. 040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl

Mehr

Thermodynamik. Basics. Dietmar Pflumm: KSR/MSE. April 2008

Thermodynamik. Basics. Dietmar Pflumm: KSR/MSE. April 2008 Thermodynamik Basics Dietmar Pflumm: KSR/MSE Thermodynamik Definition Die Thermodynamik... ist eine allgemeine Energielehre als Teilgebiet der Chemie befasst sie sich mit den Gesetzmässigkeiten der Umwandlungsvorgänge

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Achim Rosch, Institut für Theoretische Physik, Köln. Belegt das Gutachten wesentliche fachliche Fehler im KPK?

Achim Rosch, Institut für Theoretische Physik, Köln. Belegt das Gutachten wesentliche fachliche Fehler im KPK? Impulsstrom Achim Rosch, Institut für Theoretische Physik, Köln zwei Fragen: Belegt das Gutachten wesentliche fachliche Fehler im KPK? Gibt es im Gutachten selbst wesentliche fachliche Fehler? andere wichtige

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

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.

!(0) + o 1(). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen. Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

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

Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand

Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Grundbegriffe der Informatik

Grundbegriffe der Informatik Grundbegriffe der Informatik Kapitel 6: Induktives Vorgehen Thomas Worsch KIT, Institut für Theoretische Informatik Wintersemester 2015/2016 GBI Grundbegriffe der Informatik KIT, Institut für Theoretische

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

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

Mehr

1 Mathematische Grundlagen

1 Mathematische Grundlagen Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.

Mehr

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen

Rente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren Rentenperiode = Zeitabstand zwischen zwei Rentenzahlungen 5.2. entenrechnung Definition: ente = laufende Zahlungen, die in regelmäßigen Zeitabschnitten (periodisch) wiederkehren entenperiode = Zeitabstand zwischen zwei entenzahlungen Finanzmathematisch sind zwei

Mehr

Kapitel 4A: Einschub - Binärcodierung elementarer Datentypen. Einschub: Teile aus Kapitel 2 in Küchlin/Weber: Einführung in die Informatik

Kapitel 4A: Einschub - Binärcodierung elementarer Datentypen. Einschub: Teile aus Kapitel 2 in Küchlin/Weber: Einführung in die Informatik Einschub: Binärcodierung elementarer Datentypen Teile aus Kapitel 2 in Küchlin/Weber: Einführung in die Informatik Unterscheide Zahl-Wert Zahl-Bezeichner Zu ein- und demselben Zahl-Wert kann es verschiedene

Mehr

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin

Mathematik des Hybriden Monte-Carlo. Marcus Weber. Zuse Institute Berlin Mathematik des Hybriden Monte-Carlo Marcus Weber Zuse Institute Berlin Statistische Thermodynamik Ziel: Am Computer ein Ensemble samplen. Messung im Gleichgewicht (zeitunabhängige Verteilung π der Systemzustände

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Die Klein-Gordon Gleichung

Die Klein-Gordon Gleichung Kapitel 5 Die Klein-Gordon Gleichung 5.1 Einleitung Die Gleichung für die Rutherford-Streuung ist ein sehr nützlicher Ansatz, um die Streuung von geladenen Teilchen zu studieren. Viele Aspekte sind aber

Mehr

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel

Anhand des bereits hergeleiteten Models erstellen wir nun mit der Formel Ausarbeitung zum Proseminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn zum Thema Simulation des Anlagenpreismodels von Simon Uphus im WS 09/10 Zusammenfassung

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

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

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

Institut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2

Institut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2 Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung

Mehr

= 8.28 10 23 g = 50u. n = 1 a 3 = = 2.02 10 8 = 2.02Å. 2 a. k G = Die Dispersionsfunktion hat an der Brillouinzonengrenze ein Maximum; dort gilt also

= 8.28 10 23 g = 50u. n = 1 a 3 = = 2.02 10 8 = 2.02Å. 2 a. k G = Die Dispersionsfunktion hat an der Brillouinzonengrenze ein Maximum; dort gilt also Aufgabe 1 Ein reines Material habe sc-struktur und eine Dichte von 10 g/cm ; in (1,1,1) Richtung messen Sie eine Schallgeschwindigkeit (für große Wellenlängen) von 000 m/s. Außerdem messen Sie bei nicht

Mehr

Ausarbeitung des Seminarvortrags zum Thema

Ausarbeitung des Seminarvortrags zum Thema Ausarbeitung des Seminarvortrags zum Thema Anlagepreisbewegung zum Seminar Finanzmathematische Modelle und Simulationen bei Raphael Kruse und Prof. Dr. Wolf-Jürgen Beyn von Imke Meyer im W9/10 Anlagepreisbewegung

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

Mathematik I für Wirtschaftswissenschaftler

Mathematik I für Wirtschaftswissenschaftler 1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.

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

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen

Beispiel 48. 4.3.2 Zusammengesetzte Zufallsvariablen 4.3.2 Zusammengesetzte Zufallsvariablen Beispiel 48 Ein Würfel werde zweimal geworfen. X bzw. Y bezeichne die Augenzahl im ersten bzw. zweiten Wurf. Sei Z := X + Y die Summe der gewürfelten Augenzahlen.

Mehr

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge

Füllmenge. Füllmenge. Füllmenge. Füllmenge. Mean = 500,0029 Std. Dev. = 3,96016 N = 10.000. 485,00 490,00 495,00 500,00 505,00 510,00 515,00 Füllmenge 2.4 Stetige Zufallsvariable Beispiel. Abfüllung von 500 Gramm Packungen einer bestimmten Ware auf einer automatischen Abfüllanlage. Die Zufallsvariable X beschreibe die Füllmenge einer zufällig ausgewählten

Mehr

Einführung in. Logische Schaltungen

Einführung in. Logische Schaltungen Einführung in Logische Schaltungen 1/7 Inhaltsverzeichnis 1. Einführung 1. Was sind logische Schaltungen 2. Grundlegende Elemente 3. Weitere Elemente 4. Beispiel einer logischen Schaltung 2. Notation von

Mehr

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung. Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,

Mehr

8. Quadratische Reste. Reziprozitätsgesetz

8. Quadratische Reste. Reziprozitätsgesetz O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung

Mehr

Wurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik

Wurzeln als Potenzen mit gebrochenen Exponenten. Vorkurs, Mathematik Wurzeln als Potenzen mit gebrochenen Exponenten Zur Einstimmung Wir haben die Formel benutzt x m n = x m n nach der eine Exponentialzahl potenziert wird, indem man die Exponenten multipliziert. Dann sollte

Mehr

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

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

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

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster

Stellen Sie bitte den Cursor in die Spalte B2 und rufen die Funktion Sverweis auf. Es öffnet sich folgendes Dialogfenster Es gibt in Excel unter anderem die so genannten Suchfunktionen / Matrixfunktionen Damit können Sie Werte innerhalb eines bestimmten Bereichs suchen. Als Beispiel möchte ich die Funktion Sverweis zeigen.

Mehr

Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben

Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben Technische Universität Kaiserslautern Prof Dr Sven O Krumke Dr Sabine Büttner MSc Marco Natale Praktische Mathematik: Lineare und Netzwerk-Optimierung (SS 2015) Praktikumsaufgaben Aufgabe 1 (Konvertieren

Mehr

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen

H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen H. Gruber, R. Neumann Erfolg im Mathe-Abi Übungsbuch für die optimale Vorbereitung in Analysis, Geometrie und Stochastik mit verständlichen Lösungen Inhaltsverzeichnis Inhaltsverzeichnis Analysis Von der

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen

Mehr

Data Mining: Einige Grundlagen aus der Stochastik

Data Mining: Einige Grundlagen aus der Stochastik Data Mining: Einige Grundlagen aus der Stochastik Hagen Knaf Studiengang Angewandte Mathematik Hochschule RheinMain 21. Oktober 2015 Vorwort Das vorliegende Skript enthält eine Zusammenfassung verschiedener

Mehr

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29 1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

WS 2008/09. Diskrete Strukturen

WS 2008/09. Diskrete Strukturen WS 2008/09 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/ws0809

Mehr

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ). Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n

Mehr

Wortproblem für kontextfreie Grammatiken

Wortproblem für kontextfreie Grammatiken Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?

Mehr

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht.

Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden einander nicht. 2 Ein wenig projektive Geometrie 2.1 Fernpunkte 2.1.1 Projektive Einführung von Fernpunkten Wir gehen aus von euklidischen Anschauungsraum bzw. von der euklidischen Zeichenebene. Parallele Geraden schneiden

Mehr

Informatik IC2. Balazs Simon 2005.03.26.

Informatik IC2. Balazs Simon 2005.03.26. Informatik IC2 Balazs Simon 2005.03.26. Inhaltsverzeichnis 1 Reguläre Sprachen 3 1.1 Reguläre Sprachen und endliche Automaten...................... 3 1.2 Determinisieren.....................................

Mehr

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.

Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33

Mehr

Im weiteren werden die folgenden Bezeichnungen benutzt: Zinsrechnung

Im weiteren werden die folgenden Bezeichnungen benutzt: Zinsrechnung 4.2 Grundbegriffe der Finanzmathematik Im weiteren werden die folgenden Bezeichnungen benutzt: K 0 Anfangskapital p Zinsfuß pro Zeiteinheit (in %) d = p Zinssatz pro Zeiteinheit 100 q = 1+d Aufzinsungsfaktor

Mehr

Theoretische Grundlagen der Informatik WS 09/10

Theoretische Grundlagen der Informatik WS 09/10 Theoretische Grundlagen der Informatik WS 09/10 - Tutorium 6 - Michael Kirsten und Kai Wallisch Sitzung 13 02.02.2010 Inhaltsverzeichnis 1 Formeln zur Berechnung Aufgabe 1 2 Hamming-Distanz Aufgabe 2 3

Mehr

Theoretische Grundlagen der Informatik

Theoretische Grundlagen der Informatik Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik

Mehr

Wie löst man Mathematikaufgaben?

Wie löst man Mathematikaufgaben? Wie löst man Mathematikaufgaben? Manfred Dobrowolski Universität Würzburg Wie löst man Mathematikaufgaben? 1 Das Schubfachprinzip 2 Das Invarianzprinzip 3 Das Extremalprinzip Das Schubfachprinzip Verteilt

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

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Wärmeleitung und thermoelektrische Effekte Versuch P2-32

Wärmeleitung und thermoelektrische Effekte Versuch P2-32 Vorbereitung Wärmeleitung und thermoelektrische Effekte Versuch P2-32 Iris Conradi und Melanie Hauck Gruppe Mo-02 3. Juni 2011 Inhaltsverzeichnis Inhaltsverzeichnis 1 Wärmeleitfähigkeit 3 2 Peltier-Kühlblock

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

W-Rechnung und Statistik für Ingenieure Übung 11

W-Rechnung und Statistik für Ingenieure Übung 11 W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik

Mehr

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler

Mehr

Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR)

Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Abituraufgabe zur Analysis, Hessen 2009, Grundkurs (TR) Gegeben ist die trigonometrische Funktion f mit f(x) = 2 sin(2x) 1 (vgl. Material 1). 1.) Geben Sie für die Funktion f den Schnittpunkt mit der y

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr