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

Größe: px
Ab Seite anzeigen:

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

Transkript

1 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 {f n } n N mt f n : U C C kann man Konvergenz betrachten we man schon gesehen hat. Wr betonen nochmals enge Defntonen. Wr schreben K = R oder C. De Menge U st ene Telmenge von R m oder C m. Defnton 4. Seen f n : U K für n N. Man sagt {f n } n N konvergert punktwese, wenn es l : U C C gbt derart, dass ε > 0 z U N ε,z N n > N ε,z = f n (z) l(z) < ε. Defnton 4. Seen f n : U C C für n N. Man sagt {f n } n N konvergert glechmäßg, wenn es l : U C C gbt derart, dass ε > 0 N ε N z U n > N ε = f n (z) l(z) < ε. Wenn ene Funktonenfolge konvergert, kann man weng aussagen über de Grenzfunkton. Wenn de Funktonenfolge glechmäßg konvergert, wess man schon vel mehr: Wenn f n glechmäßg zu l konvergert und de f n snd stetg, dann st auch l stetg: l(x) l(y) l(x) f n (x) + f n (x) f n (y) + f n (y) l(y) Für ε > 0 nehme man: n N derart, dass für n > n und jedes x U glt l(x) f n (x) < ε und δ > 0 derart, dass für x y < δ glt 3 fmn(n,n )+(x) f mn(n,n )+(y) < 3 ε. De Funktonen f n (x) = arctan (nx) snd stetg und konvergeren nach l(x) = π sgn (x). De Funkton l st ncht stetg n 0. Bemerke, dass {f n} n N ncht glechmäßg konvergert. 9

2 0 6. Jul 008 Woche 4, Konvergenz und Folgen Defnton 4.3 Ene Famle F = {f ν } ν I von Funktonen f v : U K nennt man glechgradg stetg n x U, wenn ε > 0 δ x,ε > 0 : y x < δ x,ε = f ν (y) f ν (x) < ε. Bemerkung 4.3.,,F st glechgradg stetg auf U heßt dann: x U ε > 0 δ x,ε > 0 : y x < δ x,ε = f ν (y) f ν (x) < ε. Glechgradg stetg st egentlch selten nützlch, wenn man glechzetg ncht auch de glechmäßge Stetgket hat. Defnton 4.4 Ene Famle F = {f ν } ν I von Funktonen f v : U K nennt man glechgradg glechmäßg stetg, wenn ε > 0 δ ε > 0 : y x < δ ε = f ν (y) f ν (x) < ε. (4.) Satz 4.5 (Arzelà-Ascol ) Se K K n kompakt und se {f n } n N mt f n : K K glechgradg glechmäßg stetg und beschränkt. Dann gbt es ene glechmäßg konvergente Telfolge {f nm } m N. Bewes. De enzelnen Schrtte des Beweses snd de folgenden:. Exstenz ener abzählbaren dchten Telmenge. Wel K kompakt st, hat K ene abzählbare dchte Telmenge. Denn aus jeder Überdeckung U k := {B k(x); x K} kann man endlch vele {B k(x k,l )} l k l= wählen, de K schon überdecken. De abzählbare Menge T := {x k,l ; l l k, k N} st dcht n K.. Konvergenz n abzählbar velen Punkten. Wr schreben T = {x k } k=. Wel de Folge {f n (x )} n N beschränkt st, gbt es ene konvergente Telmenge {f,nk (x )} k N (der Satz von Bolzano-Weerstraß). Wel {f,nk (x )} k N beschränkt st, gbt es ene konvergente Telmenge {f,nk (x )} k N, usw. Nach n Schrtten haben wr ene Telfolge, de konvergert auf {x,..., x n }. Mt Hlfe des sogenannten Dagonalverfahrens bekommt man ene Telfolge, de konvergert auf T : Man setze f nm = f m,nm. De Funktonenfolge {f nm } m N konvergert auf T und wr defneren f(x) = lm m f n m (x) für x T. 3. Konvergenz auf dem Ganzen. Für x K\T gbt es ene Folge {x n } n N mt x n x für n. Dann st {f(x n )} ene Cauchy-Folge: f(x n ) f(x k ) f(x n ) f nm (x n ) + f nm (x n ) f nm (x k ) + f nm (x k ) f(x k ). Her wrd de glechgradge Stetgket verwendet: Für ε > 0 gbt es δ ε/3 > 0 derart, dass x n x k < δ ε/3 mplzert f nm (x n ) f nm (x k ) < ε. Man nehme m genügend 3 groß für f(x n ) f nm (x n ) < ε und f 3 n m (x k ) f(x k ) < ε. Cauchy-Folgen n R 3 Cesare Arzelà (847-9) und Gulo Ascol ( ) Ene Telmenge T K heßt dcht, wenn es zu jedem x K ene Folge {x n } n N T gbt, de nach x konvergert.

3 4. Glechmäßge Konvergenz 6. Jul 008 oder C snd konvergent. Wenn es zwe Folgen gbt mt x n x und x n x, dann glt auch her f(x n ) f( x n ) f(x n ) f nm (x n ) + f nm (x n ) f nm ( x n ) + f nm ( x n ) f( x n ), und man fndet ähnlch we soeben, dass {f( x n )} den glechen Grenzwert hat. Das bedeutet f(x) = lm n f(x n ) für T x n x K\T st wohldefnert. 4. Glechmäßge Stetgket der Grenzfunkton. Auch glt, dass f glechmäßg stetg st: Seen {x n } n N und {y n } n N derart, dass T x n x und T y n y. Se ε > 0. Man verwende: f(x) f(y) f(x) f(x n ) + f(x n ) f nm (x n ) + f nm (x n ) f nm (y n ) + + f nm (y n ) f(y n ) + f(y n ) f(y). Wenn man n genügend groß nmmt, folgt x n y n < x y. Man nehme δ ε > 0 derart, dass x y < δ ε mplzert f nm (x) f nm (y) < ε. Auch nehme man n so 5 groß, dass f(x) f(x n ) < ε und f(y 5 n) f(y) < ε. Durch m genügend groß zu 5 nehmen fndet man f(x n ) f nm (x n ) < ε und f 5 n m (y n ) f(y n ) < ε Glechmäßger Konvergenz der Telfolge. De glechmäßge Konvergenz folgt aus der Kompakthet von K: Wenn f nm ncht glechmäßg konvergert, dann gbt es ε 0 > 0 und ene Telfolge n mk mt x k K und fnmk (x k ) f(x k ) > ε0. De Folge x k hat ene konvergente Telfolge x kl x. Se { x n } n N T ene Folge mt x n x und man fndet ε 0 < f nmkl (x kl ) f(x kl ) f nmkl (x kl ) f nmkl ( x n ) + f nmkl ( x n ) f( x n ) + f( x n ) f(x kl ). De rechte Sete bekommt man so klen we man möchte und so enen Wderspruch: Man nehme l und n so groß, dass f( x n ) f(x kl ) < ε 3 0 und f( x n ) f(x kl ) < ε 3 0. Für l genügend groß, folgt f nmkl ( x n ) f( x n ) < ε 3 0. Satz 4.6 (Montel 3 ) Se G C offen und se {f n } n N ene Funktonenfolge mt f n : G C holomorph und lokal glechmäßg beschränkt. Dann gbt es ene lokal glechmäßg konvergente Telfolge {f nm } m N. Bewes. Se B R (w) G und se M > 0 derart, dass f n M auf B R (w). Es glt für z, z B R (w), dass ( f n (z ) f n (z ) = fn (z) f ) n(z) dz π z w =R z z z z = = z z π (z z ) (z z ) f n(z)dz z z π z w =R π 0 fn (w + R e t ) M Rdt R R z z. Also st {f n } n N glechgradg glechmäßg stetg auf B R (w). Mt dem Satz von Arzelà- Ascol folgt das Ergebns. 3 Paul Montel

4 6. Jul 008 Woche 4, Konvergenz und Folgen Satz 4.7 (Weerstraß) Se G C offen und se {f n } n N ene Funktonenfolge mt f n : G C holomorph, de glechmäßg gegen f konvergert. Dann st f holomorph. Außerdem konvergert f n {k) lokal glechmäßg gegen f (k). Bewes. Se γ ene stückwese stetg dfferenzerbare Kurve n G mt Innengebet n G. Wel f n (z)dz = 0 und wel f n glechmäßg konvergert, folgt f(z)dz = lm f n(z)dz = lm f n (z)dz = 0. γ γ n n γ γ Mt Satz 4. folgt, dass f ene Stammfunkton hat auf jedem enfach zusammenhängenden Gebet G G. Wel dese Stammfunkton holomorph st auf G, st f holomorph auf G und darum auch auf G. Für de lokal glechmäßge Konvergenz von f n betrachte man de Abletung mt der Integralformel von Cauchy (Korollar 5.7) für γ : [0, π] C mt γ(t) = z 0 + re t : f (z) f n(z) = f(w) f n (w) π γ (w z) dw. Auf jeder Kresschebe B r (z 0 ) n G folgt so aus glechmäßger Konvergenz von f n f de glechmäßge Konvergenz von f n f auf B r (z 0 ). Für höhere Abletungen wederhole man deses Argument. 4. Bewes des Remannschen Abbldungssatzes Der Remannsche Abbldungssatz (Satz 0.8 ) lautet: Se G C en enfach zusammenhängendes Gebet. Dann gbt es ene bholomorphe Abbldung h : R + R + G. Man kann hn noch etwas genauer formuleren wenn wr statt R+R den Enhetskres B (0) nehmen und de nverse Abbldung betrachten: f : G B (0). De Abbldung g 0 (z) = z +z st bholomorph von R + R+ auf B (0). Das heßt, wenn wr bholomorphe Funkton f kennen, kennen wr auch ene bholomorphe Funkton h, denn h = f nvers g nvers 0. Satz 4.8 (Der Remannsche Abbldungssatz auf B (0)) Se G C en enfach zusammenhängendes Gebet. Dann gbt es ene bholomorphe Abbldung f : G B (0). Se z 0 G. Wenn man f(z 0 ) = 0 und Arg (f(z 0 )) ( π, π] vorschrebt, gbt es genau ene solche Abbldung f. Bewes. Auch her gbt es enen Bewes n mehreren Schrtten.

5 4. Bewes des Remannschen Abbldungssatzes 6. Jul Der erste Schrtt m Bewes st de Konstrukton ener bholomorphen Abbldung f 0, de G abbldet auf en enfach zusammenhängendes Gebet G := f 0 (G) B (0) und mt 0 G. Wel G C gbt es a G c = C\G. Wel G enfach zusammenhängend st, gbt es enen Weg von a nach. Dann kann man Log (z a) als holomorphe Funkton auf G defneren wenn man genau desen Weg als Schntt für den Logarthmus verwendet (Log (z a) = Log(z a) + kπ mt k N). De Abbldung ( ) g : z exp Log (z a) bldet G bholomorph ab auf G = g (G) und C\G enthält ene offene Kresschebe B r (w): Wenn w g(g) dann gbt es r (0, w ) mt B r ( w) G. Wenn z G dann folgt z G. Durch ene zusätzlche gebrochen lnearen Abbldung g : z (z w) r fndet man ene bholomorphe Abbldung g : G G := g (G ) mt B (0) G =. Setzt man g 3 : z /z an, so folgt G 3 := g 3 (G ) B (0). Se z 0 G 3. Mt Hlfe der gebrochen lnearer Abbldung g 4 : z z z 0 z 0 z folgt, dass f 0 = g 4 g 3 g g de Menge G bholomorph abbldet auf ene Telmenge G von B (0) mt 0 G Abbldung 4.: Entgegen dem Uhrzegersnn: G g g g 3 g 4 G G G3 G.

6 4 6. Jul 008 Woche 4, Konvergenz und Folgen. Der zwete Schrtt betrfft de Exstenz ener bholomorphen Funkton als Grenzfunkton ener Folge von bholomorphen Abbldungen f n : G fn ( G) B (0). Man betrachte dazu de Famle von Funktonen { F = f : G } B (0); f holomorph, njektv, f(0) = 0 und Arg (f(0)) = 0. Wel f : z z n F legt, st dese Menge ncht leer. Setze M = sup {f (0); f F}. Wel G en Gebet st (Satz über Gebetstreue) gbt es r > 0 mt Br (0) G und es folgt aus f (0) = f(z) π γ z dz = f(z) π γ z dz π ( ) f re ϕ π rdϕ rdϕ = πr πr r, 0 dass M [, r ]. Se nun {f n } n N ene Folge mt lm n f n(0) = M. Wel f n beschränkt st (durch ) lefert der Satz von Montel uns ene lokal glechmäßg konvergente Telfolge {f nm } m N. Der Satz von Weerstrass lefert uns, das de Grenzfunkton f holomorph st, und dass für f glt f( G) B (0), f(0) = lm m f nm (0) = 0 und f (0) = lm m f n m (0) = M. Sogar glt, dass f njektv st: Wenn f ncht njektv wäre, dann gebe es z z G mt f(z ) = f(z ) =: w. Wel f ncht konstant st hätte f w solerte Nullstellen, gebe es Umgebungen B r (z ) G und B r (z ) G mt f w 0 auf B r (z ) und B r (z ). Durch de glechmäßge Konvergenz und den Satz von Rouché hätte auch f n w für n genügend groß Nullstellen n B r (z ) und B r (z ). Das würde bedeuten, dass f n ncht njektv wäre, en Wderspruch. 3. Im drtten Schrtt zegen wr, dass f( G) = B (0). Nehme an f(g) = G B (0). Dann gbt es w B (0)\ G und kann man durch ene gebrochen lnearen Funkton w auf 0 Abblden: h : z z w w z. Man hat h (0) = w. Wel G := h (G) enfach zusammenhängend st und 0 G, kann man Log # (z) als holomorphe Funkton auf G defneren (Log # (z) = Log(z) + kπ mt k N). Setze ( ) h : z exp Log# (z) und w = h ( w ). Anschleßend nehmen wr h 3 : z e ϕ z w w z wobe wr ϕ ( π, π] so wählen, dass Arg ( (h 3 h h ) (0) ) = 0. Es glt (h 3 h h ) (0) = (h 3 h ) ( w ) = h 3 (w ) = 0. 0 Wr betrachten ( (h h : z h nvers nvers (z) ) ).

7 4.3 Schwarz und Chrstoffel 6. Jul Abbldung 4.: Ene Skzze zu G h G h h 3 G G3. Dese Funkton h bldet B (0) auf B (0) ab, st kene Drehung und darum folgt aus dem Schwarzschen ( ) Lemma h (0) <. Wel h de Inverse st zu h 3 h h : G (h 3 h h ) G B (0) glt (h 3 h h ) (0) = h (0) >. Dann st h 3 h h f ene bholomorphe Abbldung von G nach ener Telmenge von B (0) mt en Wderspruch. (h 3 h h f) (0) = (h 3 h h ) (0) f (0) > M, 4. De Endeutgket. Wenn sowohl f als auch f bholomorphe Abbldungen snd von G nach B (0), dann st f nvers f : B (0) B (0) bholomorph und hat deshalb de Form ( f nvers f ) (z) = e ϕ z w w z. ( Wel f nvers f ) (0) = 0 folgt w = 0, und wel folgt e ϕ = und ( f nvers f ) (0) = f (0) f (0) R+ ( f nvers f ) (z) = z. 4.3 Schwarz und Chrstoffel Proposton 4.9 (Das Schwarzsche Spegelungsprnzp) Se G en Gebet n C, das symmetrsch st bezüglch der reellen Achse. Wenn glt, dass. f holomorph st auf {z G; Im z > 0},. f stetg st auf {z G; Im z 0} und 3. f (G R) R,

8 6 6. Jul 008 Woche 4, Konvergenz und Folgen dann st f(z) = { f(z) auf {z G; Im z 0}, f (z) auf {z G; Im z < 0}, ene holomorphe Funkton auf G. Bewes. Setze u (x, y) = Re f(x + y) und v (x, y) = Im f(x + y). Dann glt u (x, y) = u (x, y) und v (x, y) = v (x, y). De Stetgket von u und v und de Annahme, dass v(x, 0) = 0 auf G R lefern de Stetgket von f auf G. De Dfferenzerbarket auf {z G; Im z < 0} folgt aus der reellen Dfferenzerbarket von u und v und den Cauchy-Remann Glechungen: x (u (x, y)) = ( x u) (x, y) = ( y v) (x, y) = y (v (x, y)) = y ( v (x, y)), y (u (x, y)) = ( y u) (x, y) = ( x v) (x, y) = x (v (x, y)) = x ( v (x, y)). Es blebt noch zu bewesen, dass f komplex dfferenzerbar st n x G R. Se B r (x) C. Wel f stetg st auf G R, kann man für jede dfferenzerbare geschlossene Kurve γ nnerhalb B r (x) belebg nahe Kurven γ + n {z B r (x); Im z > 0} und γ n {z B r (x); Im z < 0} fnden mt γ ( f(z)dz = lm ε 0 f(z)dz + γ + γ ) f(z)dz = 0. Wenn γ f(z)dz = 0 für belebge Kurven n B r (x), st f holomorph n B r (x). De Kurven γ + und γ bekommt man zum Bespel ndem man defnert γ + (t) = Re γ(t) + φ ε (Im γ(t)), γ (t) = Re γ(t) φ ε ( Im γ(t)), mt t für t > ε, φ ε (t) = t /ε + ε/4 für t [ 0, ε], ε ür t < 0. 4 Ε Das Schwarzsche Spegelungsprnzp erlaubt es, de Remannsche Abbldung für en Polygon etwas präzser festzulegen. En Polygon st en enfach zusammenhängendes Gebet, dessen Rand von enem Polygonzug beschreben wrd.

9 4.3 Schwarz und Chrstoffel 6. Jul Abbldung 4.3: De Kurven γ und γ +, γ. Bemerke, dass Telkurven, de n entgegengesetzter Rchtungen durchlaufen werden, sch aufheben und ncht am Integralwert betragen. Satz 4.0 (Schwarz-Chrstoffel) Se P en Polygon n C. Dann exstert ene bholomorphe Abbldung h : ( R + R +) P. Wenn wr de Eckpunkte von P entgegen dem Uhrzegersnn w,..., w n nennen und α,..., α n de zugehörgen Wnkel, de de Änderungen n der Tangentalrchtung messen, das heßt ( ) wk+ w k α k = Arg für k =,..., n w k w k (setze w n = w 0 und w n+ = w ), dann gbt es x < x < < x n R mt h(x k ) = w k für =,..., n und h( ) = w n und es glt h (z) = α (z x ) α /π (z x ) α /π... (z x n ) α n /π. 4 4 Abbldung 4.4: De Wnkeländerungen erschenen n der Schwarz-Chrstoffel Transformaton.

10 8 6. Jul 008 Woche 4, Konvergenz und Folgen Bemerkung 4.0. Man verwendet mt z α k/π = exp ( α ) k π Log (z) Log (z) = Log (z/) + π. Das st ene Erweterung des Logarthmus mt (0, ) als Schntt. Bemerke, dass α /π > ntegrerbare Sngulartäten gbt. Bemerkung 4.0. Der Satz glt mt klenen Änderungen sogar für unbeschränkte Polygonen.

( ) 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

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

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

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

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

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

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

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

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

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

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

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

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

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

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

6.1 Holomorphe Funktionen und Potenzreihen. n=0 α n (z z 0 ) n mit Konvergenzradius größer oder gleich r existiert und

6.1 Holomorphe Funktionen und Potenzreihen. n=0 α n (z z 0 ) n mit Konvergenzradius größer oder gleich r existiert und Funktionentheorie, Woche 6 Analytische Funktionen 6. Holomorphe Funktionen und Potenzreihen Definition 6. Eine Funktion f : U C C nennt man analytisch in z 0 U, wenn es r > 0 gibt mit B r (z 0 ) U derart,

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

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

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

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

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

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

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

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 ).

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 ). 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

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

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

5 Das Lebesgue Integral

5 Das Lebesgue Integral 5 AS LEBESGUE INTEGRAL 5 as Lebesgue Integral er Remann sche Integralbegrff m R n, den wr m ersten (für n = 1) und drtten Kaptel kennengelernt haben, eröffnet uns de Möglchket zur Berechnung ener sehr

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

6 Die Sobolev-Räume H m,p (Ω)

6 Die Sobolev-Räume H m,p (Ω) 6 De Sobolev-Räume H m,p () 6.1 Das Fundamentallemma der Varatonsrechnung In desem Abschntt snd ausnahmswese alle Funktonen reellwertg. We zuvor bezechnen wr mt L 1 loc () den Raum der messbaren Funktonen

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

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

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

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

4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig:

4.5 Lemma Das folgende Problem Par{ 1, 0, 1}max p ist NP-vollständig: 4.5 Lemma Das folgende Problem Par, 0, }max st NP-vollständg: Inut: d, m N mt m d, α N und x,...,x m, 0, } d l.u.. Frage: Exsteren κ,...,κ m, }, sodass m κ x α? Bemerkung: Beachte, dass wegen Satz 4.2

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

Alternative Beweise. Man notiere jede positive rationale Zahl im Stellenwertsystem zur Basis 2; der Bruch 5 7. zum Beispiel hat also dann die Form 101

Alternative Beweise. Man notiere jede positive rationale Zahl im Stellenwertsystem zur Basis 2; der Bruch 5 7. zum Beispiel hat also dann die Form 101 Alternatve Bewese Klaus-R. Löffler Inhaltsverzechns Vorbemerkungen De nachfolgend angegebenen Bewese oder Bewesvaranten snd n gewsser Wese der Unterhaltungsmathematk zuzurechnen: Es geht darum, zu engen

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

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

TECHNISCHE UNIVERSITÄT MÜNCHEN

TECHNISCHE UNIVERSITÄT MÜNCHEN Prof. Dr. chel Wolf Dnel Stlck Frnç Stefn Huber Zentrlübung Z2.1. Whrschenlchketsdchten TECHNISCHE UNIVERSITÄT ÜNCHEN Zentrum themtk themtk 4 für Physker (Anlyss 3) A924 Se f : (, 1) 2 R ene stetge Funkton

Mehr

Weitere NP-vollständige Probleme

Weitere NP-vollständige Probleme Wetere NP-vollständge Probleme Prosemnar Theoretsche Informatk Marten Tlgner December 10, 2014 Wr haben letzte Woche gesehen, dass 3SAT NP-vollständg st. Heute werden wr für enge wetere Probleme n NP zegen,

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

3 Elastizitätstheorie

3 Elastizitätstheorie 3 Elastztätstheore Für en elastsches Medum nmmt man enen spannungsfreen Referenzzustand an, der n Eulerkoordnaten durch x = Ax, t) gegeben st. Abwechungen werden beschreben durch de Verschebung ux, t)

Mehr

1.1 Das Prinzip von No Arbitrage

1.1 Das Prinzip von No Arbitrage Fnanzmärkte H 2006 Tr V Dang Unverstät Mannhem. Das Prnzp von No Arbtrage..A..B..C..D..E..F..G..H Das Framework Bespele Das Fundamental Theorem of Fnance Interpretaton des Theorems und Zustandsprese No

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

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

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

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

Funktionentheorie, Woche 11. Funktionen mit Singularitäten Meromorphe Funktionen

Funktionentheorie, Woche 11. Funktionen mit Singularitäten Meromorphe Funktionen Funktionentheorie, Woche Funktionen mit Singularitäten. 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

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

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

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

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens

Grundbildung Lineare Algebra und Analytische Geometrie (LPSI/LS-M2) SoSe C. Curilla/ B. Janssens Fchberech Mthemtk Algebr und Zhlentheore Chrstn Curll Grundbldung Lnere Algebr und Anltsche Geometre (LPSI/LS-M) Bltt 1 SoSe 011 - C. Curll/ B. Jnssens Präsenzufgben (P1) Mch Se sch be den folgenden Glechungssstemen

Mehr

Einführung in die theoretische Physik 1

Einführung in die theoretische Physik 1 Enführung n de theoretsche hysk 1 rof. Dr. L. Mathey Denstag 15:45 16:45 und Donnerstag 10:45 12:00 Begnn: 23.10.12 Jungus 9, Hörs 2 Mathey Enführung n de theor. hysk 1 1 Grundhypothese der Thermostatk

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

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

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

2. Klausur zur Vorlesung Algorithmen II Wintersemester 2012/2013

2. Klausur zur Vorlesung Algorithmen II Wintersemester 2012/2013 2. Klausur zur Vorlesung Algorthmen II Wntersemester 202/203 Her Aufkleber mt Name und Matrkelnummer anbrngen Vorname: Nachname: Matrkelnummer: Beachten Se: Brngen Se den Aufkleber mt Ihrem Namen und Matrkelnummer

Mehr

arxiv: v1 [math.nt] 10 Apr 2014

arxiv: v1 [math.nt] 10 Apr 2014 Über de ratonalen Punkte auf der Sphäre von Nkolay Moshchevtn 1 Moskau) arxv:1404.907v1 [math.nt] 10 Apr 014 Wr beschäftgen uns her mt der Approxmaton von Punkten auf der n-dmensonalen Sphäre durch ratonale

Mehr

11 Charaktere endlicher Gruppen

11 Charaktere endlicher Gruppen $Id: chaakte.tex,v.4 2009/07/3 4:38:36 hk Exp $ Chaaktee endlche Guppen W hatten gesehen, dass w fü enge Guppen G allen mt Hlfe des Satz 3 de Anzahl und de Dmensonen de eduzblen Dastellungen beechnen können.

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

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

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007

Lehrstuhl für Empirische Wirtschaftsforschung und Ökonometrie Dr. Roland Füss Statistik II: Schließende Statistik SS 2007 Lehrstuhl für Emprsche Wrtschaftsforschung und Ökonometre Dr Roland Füss Statstk II: Schleßende Statstk SS 007 5 Mehrdmensonale Zufallsvarablen Be velen Problemstellungen st ene solerte Betrachtung enzelnen

Mehr

18. Vorlesung Sommersemester

18. Vorlesung Sommersemester 8. Vorlesung Sommersemester Der Drehmpuls des starren Körpers Der Drehmpuls des starren Körpers st etwas komplzerter. Wenn weder de Wnkelgeschwndgket um de feste Rotatonsachse st, so wrd mt Hlfe des doppelten

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

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

Theoretische Physik II Elektrodynamik Blatt 2

Theoretische Physik II Elektrodynamik Blatt 2 PDDr.S.Mertens M. Hummel Theoretsche Physk II Elektrodynamk Blatt 2 SS 29 8.4.29 1. Rechnen mt Nabla. Zegen Se durch Auswertung n kartesschen Koordnaten de folgende Relaton und werten Se de anderen Relatonen

Mehr

Dynamik starrer Körper

Dynamik starrer Körper Dynamk starrer Körper Bewegungen starrer Körper können n Translaton und Rotaton zerlegt werden. De Rotaton stellt enen nneren Frehetsgrad des Körpers dar, der be Punktmassen ncht exstert. Der Schwerpunkt

Mehr

Grundlagen der stochastischen Integration

Grundlagen der stochastischen Integration Ruhr-Unverstät Bochum 2. November 29 Glederung Vorbemerkungen Vorberetungen (Fltratonen, Stoppzeten, Martngale) Lévy-Prozesse Stochastsche Integraton Itô-Formel Lteratur R. Cont, P. Tankov (24). Fnancal

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

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen

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

Lineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan

Lineare Algebra IIa Vorlesung - Prof. Dr. Daniel Roggenkamp & Sven Balnojan Lneare Algebra IIa - 04 orlesung - Pro Dr Danel Roggenkamp & Sen Balnojan 93 Untäre ektorräume hermtesche Form au enem C ektorraum sesqulnear (ant-lnear m ersten lnear m zweten Argument (, w (w, (, 2 R

Mehr

Komplexe Zahlen. Teil 2. Darstellung der komplexen Zahlen. als Vektoren mit Polarkoordinaten trigonometrisch oder exponentiell. Eulersche Funktion E

Komplexe Zahlen. Teil 2. Darstellung der komplexen Zahlen. als Vektoren mit Polarkoordinaten trigonometrisch oder exponentiell. Eulersche Funktion E Höhere nalss Komplexe Zahlen Tel Darstellung der komplexen Zahlen als Vektoren mt Polarkoordnaten trgonometrsch oder exponentell Eulersche Funkton E Date Nr. 500 Stand. November 08 FRIEDRICH W. BUCKEL

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

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

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

Diskrete Logarithmen. Teil II

Diskrete Logarithmen. Teil II Dskrete Logarthmen Ron-Gerrt Vahle Hendrk Radke Unverstät Potsdam Insttut für Informatk Semnar Kryptographe SS2005 Tel II Glederung Pohlg-Hellman Index-Calculus Theoretsche Grenzen Endlche Körper Eplog

Mehr

Manhattan-Metrik anhand des Beispiels

Manhattan-Metrik anhand des Beispiels Bestmmung durch Manhattan-Metrk 3 Manhattan-Metrk anhand des Bespels Gesucht werden de zwe Standorte für zwe Ausleferungslager. De Standpunkte der Nachfrager () snd durch de Koordnaten ( x/y ) gegeben.

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

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

Mathematik für das Ingenieurstudium

Mathematik für das Ingenieurstudium Mathematk für das Ingeneurstudum von Martn Stämpfle, Jürgen Koch 2., aktual. Aufl. Hanser München 2012 Verlag C.H. Beck m Internet: www.beck.de ISBN 978 3 446 43232 1 Zu Inhaltsverzechns schnell und portofre

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

Potenzen einer komplexen Zahl

Potenzen einer komplexen Zahl Potenzen ener komplexen Zahl 1-E1 1-E Abraham cc de Movre Abraham de Movre (17 175) französscher Mathematker Abraham de Movre der als Emgrant n London lebte glt als ener der Ponere der Wahrschenlchketsrechnung.

Mehr

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0

8. MARKOVKETTEN 127. Abbildung 8.1: Reduzible und periodische Markovkette. p ji IIP[X n 1 = j] = [(IIP[X n 1 = j]) j E P ] i. j=0 8. MARKOVKETTEN 17 8. Marovetten Abbldung 8.1: Reduzble und perodsche Marovette 8.1. Homogene Marovetten n dsreter Zet En Prozess {X n : n IIN} hesst homogene Marovette (n dsreter Zet) mt (abzählbarem)

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

Der Approximationssatz von Weierstraß

Der Approximationssatz von Weierstraß Der Approxmatossatz vo Weerstraß Ja Köster 22. Oktober 2007 1 Eführug Aus der Aalyss wsse wr, dass sch aalytsche Fuktoe durch Potezrehe der Form f(x = a 0 + a 1 x + a 2 x 2 +... darstelle lasse. Dabe kovergert

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

Seminar Einführung in die Kunst mathematischer Ungleichungen

Seminar Einführung in die Kunst mathematischer Ungleichungen Semnar Enführung n de Kunst mathematscher Unglechungen Cauchys erste Unglechung und de Unglechung vom arthmetschen und geometrschen Mttel Sopha Volmerng. prl 0 Inhaltsverzechns Cauchys erste Unglechung.

Mehr

Baudynamik und Erdbebeningenieurwesen

Baudynamik und Erdbebeningenieurwesen Baudynamk und Erdbebenngeneurwesen Themen und Antworten für de Lzenzprüfung 1. Defneren Se den Begrff: Grad des dynamschen Frehetsgrads. Geben Se Bespele von Systemen mt enem enzgen Grad des dynamschen

Mehr

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen

Aufgabenkomplex 2: Umrechung von Einheiten, Ungleichungen, Komplexe Zahlen Technsche Unverstät Chemntz 0. Oktober 009 Fakultät für Mathematk Höhere Mathematk I.1 Aufgabenkomplex : Umrechung von Enheten, Unglechungen, Komplexe Zahlen Letzter Abgabetermn: 19. November 009 n Übung

Mehr

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt:

binäre Suchbäume Informatik I 6. Kapitel binäre Suchbäume binäre Suchbäume Rainer Schrader 4. Juni 2008 O(n) im worst-case Wir haben bisher behandelt: Informatk I 6. Kaptel Raner Schrader Zentrum für Angewandte Informatk Köln 4. Jun 008 Wr haben bsher behandelt: Suchen n Lsten (lnear und verkettet) Suchen mttels Hashfunktonen jewels unter der Annahme,

Mehr

2.6 Struktursatz und Anwendungen

2.6 Struktursatz und Anwendungen 2.6. STRUKTURSTZ UND NWENDUNGEN 79 2.6 Struktursatz und nwendungen Lernzele 4. Normalformen für Präsentatonen endlch erzeugter Moduln über Eukldschen erechen nwendungen auf ratonale Normalformen für Vektorraumendomorphsmen

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

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

4 Anwendungen des Cauchyschen Integralsatzes

4 Anwendungen des Cauchyschen Integralsatzes 4 Anwendungen des Cauchyschen Integralsatzes Satz 4. (Cauchysche Integralformel) Es sei f : U C komplex differenzierbar und a {z C; z z 0 r} U. Dann gilt f(a) = z z 0 =r z a dz. a z 0 9 Beweis. Aus dem

Mehr

Online Algorithmen. k-server randomisiert Teil II

Online Algorithmen. k-server randomisiert Teil II Onlne Algorthmen k-server randomsert Tel II Ausarbetung für das Semnar Onlne Algorthmen Prof. Dr. Ro. Klen Anette Ebbers-Baumann Ansgar Grüne Insttut für Informatk Theorethsche Informatk und formale Methoden

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

Lösungen aller Aufgaben und Lernkontrollen

Lösungen aller Aufgaben und Lernkontrollen Oft gbt es be den Aufgaben mehr als nur enen rchtgen Lösungsweg. Es st jedoch mest nur ene Lösung dargestellt. Aufgaben u Kaptel Lösung u Aufgabe a) nach Defnton von. b) 4 ( ) ( ). c) 5 4. d) ( ) (( )

Mehr