Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt
|
|
- Meike Boer
- vor 8 Jahren
- Abrufe
Transkript
1 Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 014
2 Inhaltsverzeichnis Inhaltsverzeichnis 1 Was sind Monte Carlo Simulationen? 3 Zufallszahlen 3 3 Monte Carlo Integration Verfahren Fehler und Laufzeitverhalten Erzeugung gleichverteilter Zufallszahlen Linear Congruential Generator Mersenne-Twister Algorithmus Beispiel: Pi Erzeugung beliebig verteilter Zufallszahlen Neumann sches Rückweisungsverfahren Transformationsmethode Majorantenverfahren Box-Müller Verfahren Anwendungsgebiete in und außerhalb der Physik Beispiel: Energiezustände Beispiel: Aktienmarkt
3 3 Inhaltsverzeichnis 1 Was sind Monte Carlo Simulationen? Monte Carlo Methoden bzw. Simulationen sind Berechnungen, die auf Zufallszahlen beruhen. Der Name ist vom Monte Carlo Casino abgeleitet und mit dem Spielen und Erfassen der Ergebnisse von Glücksspielen assoziieren. Die Hauptanwendungsgebiete sind Optimierungsprobleme, numerische Integration und die Erzeugung von Wahrscheinlichkeitsverteilungen. Die ersten Monte Carlo Methoden wurden in den 1940er Jahren von Stanislaw Ulam im Los Alamos National Laboratory entwickelt. Er arbeitete mit am Manhatten Project, welches Nuklearwaffen erforschte und wandte die Monte Carlo Methoden an, um Probleme mit Neutronen Diffusion zu lösen. Nach einer Anekdote kam Ulam die Idee bei der Frage, mit welcher Wahrscheinlichkeit man ein Solitaire Spiel gewinnt. Nachdem mit reiner Kombinatorik keine Lösung zu finden war, kam ihm die Idee einfach auszuprobieren und die Ergebnisse zu betrachten. Es muss in diesem Kontext die Entwicklung der ersten vollprogrammierbaren Computer berücksichtigt werden. Mit dem Zuze Z und dem ENIAC (Electronical Numerical Integrator And Computer) 1946 ist die Möglichkeit zur effizienten Berechnung solcher Verfahren erst gegeben worden. Während heutzutage die Vorgehensweise der Monte Carlo Methoden intuitiv erscheint, ist damals die massenhafte Berechnung von Vorgängen ein wesentlich komplexeres Vorhaben gewesen. Zufallszahlen Monte Carlo Methoden beruhen auf Zufallszahlen. Daher bestimmt die Wahl der Quelle dieser das Ergebnis der Simulation signifikant. Jedoch ist echter Zufall mit einem Computer nur schwer zu erzeugen. Eine Möglichkeit ist /dev/random in Unix Umgebungen. Dies ist ein Entropiepool, welches durch Umgebungsrauschen in der Elektronik erzeugt wird. Das Problem ist mit solchen echten Zufallsgeneratoren, dass sie nur eine bestimmte Menge an Zufallszahlen pro Zeitschritt erstellen können. Z. B. /dev/random blockiert den Zugriff, wenn der Entropiepool leer ist. Damit sind solche Generatoren auf Computersystemen nicht brauchbar, da die Rechenzeit der Simulation direkt von der Geschwindigkeit der Zufallszahlgeneratoren abhängt. Daher werden Algorithmen verwendet, die Zahlenreihen mit einer sehr langen Periode erzeugen. Diese Zufallszahlen sind natürlich nicht mehr wirklich zufällig, da sie deterministisch berechnet wurden. Jedoch ist es praktikabel den Startwert ( Seed ) des Generators aus einem Entropiepool zu nehmen und im Folgenden die Werte aus einem Pseudozufallsgenerator zu beziehen. Aber auch reproduzierbare Zufallsreihen sind oft erwünscht. Z. B. auf Grund der Reproduzierbarkeit in der Wissenschaft. 3 Monte Carlo Integration 3.1 Verfahren Die Monte Carlo Integration ist eine numerische Integrationsmethode, die sich im Besonderen für hochdimensionale Integrale eignet.
4 3. Fehler und Laufzeitverhalten 4 Ausgehend von der Definition des Erwartungswertes mit x = xϕ(x)dx (1) erkennen wir, dass der Erwartungswert einer beliebigen Funktion f (x) entsprechend dieser Form mit f = f (x)ϕ(x)dx () berechnet werden kann. Der zentrale Grenzwertsatz der Wahrscheinlichkeitsrechnung besagt nun, dass der Erwartungswert einer Funktion f (x) für eine hinreichend große Anzahl von Punkte auch über die diskrete Form f = 1 N N f (x i ) (3) i berechnet werden kann. Dies entspricht gerade dem arithmetischen Mittel mit dem Fehler des Mittelwerts gegeben durch σ N = f (x) f (x) N. (4) Setzt man nun die Verteilung der Eingabewerte auf eine Gleichverteilung mit ϕ(x) = const., ergibt sich die Lösung des Integrals von f (x) mit einer hinreichend großen Anzahl von N Werten für x mit b a f (x)ϕ(x)dx = 1 b f (x)dx 1 b a a N N f (x i ) ± i f (x) f (x). (5) N 3. Fehler und Laufzeitverhalten Der Fehler des Trapezverfahren für die numerische Berechnung von Integralen (s. Abbildung 1) kann durch ɛ 1 N d abgeschätzt werden. Dabei ist N die Anzahl der Stützpunkte und d die Dimension des Integrals. Wie oben gezeigt, kann der Fehler der Monte-Carlo Integration über den Fehler des Mittelwerts mit ungefähr ɛ 1 N 1 angegeben werden. Daraus erkennen wir, dass die Monte-Carlo Methode einen geringeren Fehler für Dimensionen d > 4 besitzt. Setzt man den Fehler ɛ auf einen festen Wert, kann über die Anzahl der Punkte N das Laufzeitverhalten abgeschätzt werden. Für die Monte- Carlo Methode ist sofort ersichtlich, dass die Laufzeit von der Dimension unabhängig ist. Die Trapezmethode benötigt für den gleichen Fehler auf verschieden Dimensionen jedoch exponentiell mehr Rechenzeit (s. Abbildung ). (6) (7)
5 5 Inhaltsverzeichnis f(x) Abbildung 1: Trapezverfahren für numerischen Integration x Die Monte-Carlo Integration ist im Tradeoff von Rechenzeit zu Genauigkeit bei hochdimensionalen Integralen meist die einzig brauchbare Lösung. Des weiteren ist es ein Vorteil, dass der Fehler mit der Rechenzeit ohne Beschränkung kontinuierlich kleiner wird. Im Gegensatz zu numerischen Verfahren mit festen Schrittweiten, z. B. die Trapezmethode, ist der Fehler der Berechnung zum Beginn der Rechnung nicht fest. D. h. Ergebnisse können durch das Erweitern der Rechenzeit beliebig verbessert werden und es muss nicht neu mit kleineren Schrittweiten berechnet werden. 4 Erzeugung gleichverteilter Zufallszahlen Die Erzeugung gleichverteilter Zufallsvariablen ist in Monte Carlo Simulationen essenziell, da Algorithmen für beliebig verteilte Zufallszahlen auf gleichverteilten basieren. 4.1 Linear Congruential Generator Ein LCG ein rekursiver Algorithmus zur Erstellung von Zahlenreihen mit langer Periode in der Größenordnung Der Generator ist definiert in seiner einfachsten Form nach Gleichung (8). X n+1 = (ax n + c) mod (m) (8) Dabei gelten die Einschränkungen m > 0 für den Modulus m, 0 < a < m für den Multiplier a und 0 c < m für den Increment. Für den Seed muss natürlich 0 X 0 < m gelten, da dies für die folgenen Glieder durch den Modulo gegeben ist. Eine Gleichverteilung auf dem Intervall [0, 1) wird dann über die Transformation U = X m erreicht. Die Granulierung wird damit über den Modulo m bestimmt. Probleme ergeben sich jedoch, wenn man z. B. aufeinanderfolgende Zahlen als Tupel zusammenfasst und aufträgt. Bei ungünstigen Wahlen der Eingangsparameter können sich nun die Zahlen auf Hyperebenen anordnen. Siehe als Beispiel dazu Abbildung 3. Daher sind LCG nie als Grundlage für stochastische Simulationen zu benutzen.
6 4. Mersenne-Twister Algorithmus 6 N Abbildung : Laufzeitverhalten der Monte-Carlo Integration Die Monte-Carlo Integration ist in der Laufzeit bei festem Fehler konstant, während die Trapezmethode in der Laufzeit über der Dimension exponentiell mit exp ( d ) ansteigt. d 4. Mersenne-Twister Algorithmus Der Mersenne-Twister Algorithmus ist durch die Rekursionsvorschrift in Gleichung (9) gegeben. Dazu werden zuerst 64 Startwerte mit einem LCG oder beliebig anderen Zufallsgenerator erzeugt und als Seed in die Rekursionsform gegeben. Der Algorithmus operiert auf Bit-Basis. Deshalb werden 3 Bit Integer Werte als Eingabeparameter angenommen. ist eine bitwise XOR Verknüpfung und floor() entspricht einem Integer cast. h = Y i N Y i N mod ( 31) + Y i N+1 mod ( 31) ( ) h Y i = Y i 7 floor [(hmod ()) 0x9908b0df)] (9) Dieser Algorithmus hat nun eine Periode von und erzeugt eine Gleichverteilung auf bis zu 63 Dimensionen. Damit ist dieser Algorithmus momentan einer der zuverlässigsten Pseudozufallsgeneratoren. Z. B. in Root ist dieser Algorithmus in TRandom3 implementiert. 4.3 Beispiel: Pi Als Beispiel aus der Geometrie kann die Kreiszahl Pi mit Hilfe von Zufallszahlen berechnet werden. Dazu werden aus gleichverteilten Zufallszahlen Koordinatentuple erstellt und mit der Bedingung x + y < 1 verglichen. Die Zahl aus angenommenen Tupeln und der Gesamtanzahl entspricht gerade π, da die obige Bedingung mit x, y [0, 1) ein Viertelkreis 4 darstellt.
7 7 Inhaltsverzeichnis Abbildung 3: Ausbildung von Hyperebenen bei LCG Quelle: [1] 5 Erzeugung beliebig verteilter Zufallszahlen 5.1 Neumann sches Rückweisungsverfahren Beim Neumann schen Rückweisungsverfahren wird die gewünschte Verteilung in ein Rechteck eingeschlossen und in diesem zufällige Tupel erstellt. Nun wird ein Wert akzeptiert, sobald das Tupel innerhalb der Verteilung liegt. Der Algorithmus ist in Gleichung (10) und Abbildung 5 dargestellt. x i = x min + r i x y i = r i+1 ϕ max Akzeptiere Wert, wenn y i < ϕ(x i ) (10) Das Problem dieser Methode ist, dass bei einer steilen Verteilung, z. B. auch schon bei einer Gaußverteilung, die Iterationen für eine fixe Anzahl von Zufallszahlen sehr hoch werden kann, da ein Großteil der Werte verworfen werden müssen. Dies ist besonders gravierend, da bei Simulationen die Rechenzeit einer der größten limitierenden Faktoren ist. 5. Transformationsmethode Die Transformationsmethode basiert auf einer Variablentransformation. Hierzu wird die zu erzeugende Verteilungsdichte ϕ(x) mit x = f (y) transformiert. Nun wird benutzt, dass beide Wahrscheinlichkeiten normiert sind und betrachtet einen beliebigen Punkt x in ϕ(x) und den korrespondierenden Punkt y. Es kann vorausgesetzt werden, dass ϕ(y) eine Gleichverteilung ist und über die Verteilungsfunktion Φ(x) nach x auflösen. Die Rechnung ist in (11) gegeben.
8 5.3 Majorantenverfahren 8 Abbildung 4: Berechnung von Pi aus gleichverteilten Zufallszahlen Bildlich kann sich das Verfahren mit einer Gewichtung der gleichverteilten y-werte vorgestellt werden und einem mappen der ungleich großen Bins auf die gleich großen Bins der Funktion ϕ(x) (s. Abbildung 6). Ein Problem bei dieser Methode ist, dass die Verteilung ϕ(x) integrierbar und invertierbar sein muss. ϕ(x) ϕ(y) mit x = f (y) x ϕ(x )dx = y ϕ(y )dy Φ(x ) x = Φ(y ) y mit Φ(y) = y x = Φ 1 (y) (11) 5.3 Majorantenverfahren Das Majorantenverfahren kann als Kombination aus dem Rückweisungsverfahren und der Transformationsmethode angesehen werden. Wie in Abbildung 7 dargestellt, wird als Grenze keine Gleichverteilung angenommen, sondern eine beliebige Verteilung m(x). Für diese muss gelten, dass ϕ(x) m(x) in jedem Punkt x gilt. Nun wird eine Zufallszahl in m(x) erzeugt und über das bekannte Rückweisungsverfahren verworfen oder ausgewählt. Eine mathematische Beschreibung des Verfahrens ist in 1 gegeben. m(x) f (x) Der Vorteil dieser Methode ist nun, dass nur noch der Anteil von Zufallswerten in f (x) einem Punkt x verworfen wird und damit die Effizienz des Rückweisungsverfahrens erheblich steigert. Dieses Verfahren bietet sich im Besonderen an, wenn die Funktion ϕ(x) nicht analytisch beschreibbar ist und eine einfach anzupassende analytische Grenzfunktion m(x) existiert.
9 9 Inhaltsverzeichnis φ(x) x Abbildung 5: Neumann sches Rückweisungsverfahren φ(x) φ(y) x y Abbildung 6: Transformationsmethode x i = M 1 (r i ) y i = r i+1 m(x i ) Akzeptiere Wert, wenn y i < ϕ(x i ) (1) 5.4 Box-Müller Verfahren Das Box-Müller Verfahren wird angewendet, um eine Standardnormalverteilung von Zufallszahlen zu erhalten. Dies ist nach den obigen Methoden nicht direkt analytisch durchführbar, da das Integral exp( x )dx nicht analytisch lösbar ist. Daher wird die zweidimensionale Gaußverteilung verwendet und in Polarkoordinaten transformiert.
10 5.4 Box-Müller Verfahren 10 φ(x) Abbildung 7: Majorantenverfahren x x 1 ( x π exp 1 + ) x dx 1dx = x 1 mit x 1 = r cos(θ) und x = r sin(θ) r θ ) 1 ( π exp r rdrdθ (13) Auf diese neue Verteilung wird die Transformationsmethode zweifach angewandt. θ 0 1 r π dθ exp 0 ( r ) r dr = y 1 y (14) Der Winkelanteil ist schon gleichverteilt in der Periode [0, π]. Die Integration des Radialteils ergibt folgende Transformationen. Beachte, dass y 1, y [0, 1] und gleichverteilt sind. y 1 = θ π θ = πy 1 ( ) r y = 1 exp r = log (1 y ) = log (y ) (15) Setzt man diese nun in die Rücktransformation nach kartesischen Koordinaten ein, erhält man für zwei gleichverteilte Werte eine Transformation nach zwei standardnormalverteilten Werten. x 1 = log (y ) cos(πy 1 ) x = log (y ) sin(πy 1 ) (16)
11 11 Inhaltsverzeichnis Abbildung 8: Simulation der Besetzung von Energieniveaus mit dem Metropolisalgorithmus 6 Anwendungsgebiete in und außerhalb der Physik 6.1 Beispiel: Energiezustände Wir betrachten ein System von mehreren Teilchen mit fest definierten Energieniveaus. Die Wahrscheinlichkeit, dass ein Teilchen in einem Zustand X ist, folgt der Boltzmann Verteilung p(x) = ( 1 ( ) exp E ) X. (17) expi E i k B T k B T Der Algorithmus zur Simulation eines solchen Systems nennt sich Metropolis Algorithmus. Dabei wird ausgehend von einem Systemzustand X ein beliebiger neuer Zustand Y vorgeschlagen. Dieser wird angenommen mit der Akzeptanzwahrscheinlichkeit ( A(X Y) = min 1, p(y) ). (18) p(x) Ausgehend von der Boltzmannverteilung der Zustände kann diese Wahrscheinlichkeit in ( ( A(X Y) = min 1, exp E )) k B T umgeschrieben werden. Eine Zufallszahl r [0, 1) entscheidet nun über die Akzeptanz des neuen Zustands, falls gilt. ( ( r < min 1, exp E )) k B T (19) (0)
12 6. Beispiel: Aktienmarkt 1 Abbildung 9: Aktienmarkt Simulation mit Random Walk Mehrere mögliche Verläufe des Werts. Aufgetragen ist der Wert über der Zeit. Einheiten des Systems sind beliebig. 6. Beispiel: Aktienmarkt Eine gute Näherung für das Verhalten von Aktienmärkten ist ein sogenannter Random Walk hierbei ändert sich der Wert einer Aktie rekursiv zum vorhergehenden Schritt. Eine Beschreibung ist möglich über eine Diffusionsgleichung der Art ds = µs dt + σɛ dt (1) mit konstanten Faktoren µ und σ sowie einer normalverteilten Variable ɛ. Hierbei kann µ als konstanter Drift und σ als die Variation in einem Zeitschritt aufgefasst werden. Das Histogrammieren der Ergebnisse vieler Durchläufe nach einem Zeitintervall ist eine Repräsentation der Wahrscheinlichkeit für den Wert der Aktie zu diesem Zeitpunkt.
13 13 Literatur Literatur [1]
Monte Carlo Simulationen
Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 2014 INSTITUT FÜR EXPERIMENTELLE KERNPHYSIK (IEKP) KIT Universität des Landes Baden-Württemberg und
MehrStatistische 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
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrKompetitive Analysen von Online-Algorithmen
Kompetitive Analysen von Online-Algorithmen jonas echterhoff 16. Juli 004 1 Einführung 1.1 Terminologie Online-Algorithmen sind Algorithmen, die Probleme lösen sollen, bei denen Entscheidungen getroffen
MehrMathematik 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
MehrPrimzahlen 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
MehrMonte-Carlo-Simulation
Modellierung und Simulation Monte-Carlo-Simulation Universität Hamburg Johannes Schlundt 7. Januar 2013 Monte-Carlo-Simulation Johannes S. 1/31 Inhalt Motivation Geschichtliche Entwicklung Monte-Carlo-Simulation
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
Mehr50. 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
MehrW-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
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrGüte von Tests. die Wahrscheinlichkeit für den Fehler 2. Art bei der Testentscheidung, nämlich. falsch ist. Darauf haben wir bereits im Kapitel über
Güte von s Grundlegendes zum Konzept der Güte Ableitung der Gütefunktion des Gauss im Einstichprobenproblem Grafische Darstellung der Gütefunktionen des Gauss im Einstichprobenproblem Ableitung der Gütefunktion
MehrFotios Filis. Monte-Carlo-Simulation
Fotios Filis Monte-Carlo-Simulation Monte-Carlo-Methoden??? Spielcasino gibt Namen Monte Carlo war namensgebend für diese Art von Verfahren: Erste Tabellen mit Zufallszahlen wurden durch Roulette-Spiel-Ergebnisse
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrWürfelt 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
MehrGrundlagen der Monte Carlo Simulation
Grundlagen der Monte Carlo Simulation 10. Dezember 2003 Peter Hofmann Inhaltsverzeichnis 1 Monte Carlo Simulation.................... 2 1.1 Problemstellung.................... 2 1.2 Lösung durch Monte
MehrSchleswig-Holstein 2011. Kernfach Mathematik
Aufgabe 6: Stochastik Vorbemerkung: Führen Sie stets geeignete Zufallsvariablen und Namen für Ereignisse ein. Machen Sie auch Angaben über die Verteilung der jeweiligen Zufallsvariablen. Eine repräsentative
MehrKorrelation (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
MehrEin Einfaches AIDS Modell
Ein Einfaches AIDS Modell Martin Bauer: 990395 Guntram Rümmele: 99008 Das SIR - Modell Die Modellierung von epidemischen Modellen hat schon lange Tradition. Man hat schon immer versucht Erklärungen für
MehrBeweisbar sichere Verschlüsselung
Beweisbar sichere Verschlüsselung ITS-Wahlpflichtvorlesung Dr. Bodo Möller Ruhr-Universität Bochum Horst-Görtz-Institut für IT-Sicherheit Lehrstuhl für Kommunikationssicherheit bmoeller@crypto.rub.de 6
MehrDokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz
Dokumentation zum Projekt Multimediale Lehre Fluidmechanik an der Technischen Universität Graz Andreas Aigner email: andreasa@sbox.tu-graz.ac.at. Januar 00 Inhaltsverzeichnis Theorie. Stromfunktion...........................
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
MehrFachschaft 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
MehrMonte-Carlo Simulation
Monte-Carlo Simulation Sehr häufig hängen wichtige Ergebnisse von unbekannten Werten wesentlich ab, für die man allerhöchstens statistische Daten hat oder für die man ein Modell der Wahrscheinlichkeitsrechnung
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrErstellen von x-y-diagrammen in OpenOffice.calc
Erstellen von x-y-diagrammen in OpenOffice.calc In dieser kleinen Anleitung geht es nur darum, aus einer bestehenden Tabelle ein x-y-diagramm zu erzeugen. D.h. es müssen in der Tabelle mindestens zwei
Mehr1 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.
MehrWir arbeiten mit Zufallszahlen
Abb. 1: Bei Kartenspielen müssen zu Beginn die Karten zufällig ausgeteilt werden. Wir arbeiten mit Zufallszahlen Jedesmal wenn ein neues Patience-Spiel gestartet wird, muss das Computerprogramm die Karten
Mehr13. 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)
MehrB 2. " Zeigen Sie, dass die Wahrscheinlichkeit, dass eine Leiterplatte akzeptiert wird, 0,93 beträgt. (genauerer Wert: 0,933).!:!!
Das folgende System besteht aus 4 Schraubenfedern. Die Federn A ; B funktionieren unabhängig von einander. Die Ausfallzeit T (in Monaten) der Federn sei eine weibullverteilte Zufallsvariable mit den folgenden
MehrAbituraufgabe 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
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
Mehrq = 1 p = 0.8 0.2 k 0.8 10 k k = 0, 1,..., 10 1 1 0.8 2 + 10 0.2 0.8 + 10 9 1 2 0.22 1 = 0.8 8 [0.64 + 1.6 + 1.8] = 0.678
Lösungsvorschläge zu Blatt 8 X binomialverteilt mit p = 0. und n = 10: a PX = = 10 q = 1 p = 0.8 0. 0.8 10 = 0, 1,..., 10 PX = PX = 0 + PX = 1 + PX = 10 10 = 0. 0 0.8 10 + 0. 1 0.8 9 + 0 1 10 = 0.8 8 [
MehrBerufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Herbsttermin 2013
BRP Mathematik VHS Floridsdorf 5.10.2013 Seite 1/6 Gruppe A Berufsreifeprüfung Mathematik Lehrplan laut Berufsreifeprüfungscurriculaverordnung Volkshochschule Floridsdorf Herbsttermin 2013 Notenschlüssel:
MehrPlotten von Linien ( nach Jack Bresenham, 1962 )
Plotten von Linien ( nach Jack Bresenham, 1962 ) Ac Eine auf dem Bildschirm darzustellende Linie sieht treppenförmig aus, weil der Computer Linien aus einzelnen (meist quadratischen) Bildpunkten, Pixels
MehrModellbildungssysteme: Pädagogische und didaktische Ziele
Modellbildungssysteme: Pädagogische und didaktische Ziele Was hat Modellbildung mit der Schule zu tun? Der Bildungsplan 1994 formuliert: "Die schnelle Zunahme des Wissens, die hohe Differenzierung und
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
MehrAbschlussprüfung Realschule Bayern II / III: 2009 Haupttermin B 1.0 B 1.1
B 1.0 B 1.1 L: Wir wissen von, dass sie den Scheitel hat und durch den Punkt läuft. Was nichts bringt, ist beide Punkte in die allgemeine Parabelgleichung einzusetzen und das Gleichungssystem zu lösen,
MehrBestimmung 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,
Mehr1.3 Die Beurteilung von Testleistungen
1.3 Die Beurteilung von Testleistungen Um das Testergebnis einer Vp zu interpretieren und daraus diagnostische Urteile ableiten zu können, benötigen wir einen Vergleichsmaßstab. Im Falle des klassischen
MehrKugel-Fächer-Modell. 1fach. 3fach. Für die Einzelkugel gibt es 3 Möglichkeiten. 6fach. 3! Möglichkeiten
Kugel-Fächer-Modell n Kugeln (Rosinen) sollen auf m Fächer (Brötchen) verteilt werden, zunächst 3 Kugeln auf 3 Fächer. 1fach 3fach Für die Einzelkugel gibt es 3 Möglichkeiten } 6fach 3! Möglichkeiten Es
MehrIm 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.
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 (")
MehrDiana Lange. GENERATIVE GESTALTUNG Arten des Zufalls
Diana Lange GENERATIVE GESTALTUNG Arten des Zufalls RANDOM int index = 0; while (index < 200) { float x = random(0, width); float y = random(0, height); float d = random(40, 100); ellipse(x, y, d, d);
MehrLange Nacht der Wissenschaft. Ein Klassiker. Die Mathematik der Kürzesten Wege
Lange Nacht der Wissenschaft Ein Klassiker Die Mathematik der Kürzesten Wege 09.06.2007 schlechte@zib.de Konrad-Zuse-Zentrum für Informationstechnik Berlin (ZIB) http://www.zib.de/schlechte 2 Überblick
MehrLineare 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
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrGrundlagen der Theoretischen Informatik, SoSe 2008
1. Aufgabenblatt zur Vorlesung Grundlagen der Theoretischen Informatik, SoSe 2008 (Dr. Frank Hoffmann) Lösung von Manuel Jain und Benjamin Bortfeldt Aufgabe 2 Zustandsdiagramme (6 Punkte, wird korrigiert)
Mehr7 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
Mehr4. Versicherungsangebot
4. Versicherungsangebot Georg Nöldeke Wirtschaftswissenschaftliche Fakultät, Universität Basel Versicherungsökonomie (FS 11) Versicherungsangebot 1 / 13 1. Einleitung 1.1 Hintergrund In einem grossen Teil
MehrErweiterung der Aufgabe. Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen:
VBA Programmierung mit Excel Schleifen 1/6 Erweiterung der Aufgabe Die Notenberechnung soll nicht nur für einen Schüler, sondern für bis zu 35 Schüler gehen: Es müssen also 11 (B L) x 35 = 385 Zellen berücksichtigt
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrStatistik I für Betriebswirte Vorlesung 5
Statistik I für Betriebswirte Vorlesung 5 PD Dr. Frank Heyde TU Bergakademie Freiberg Institut für Stochastik 07. Mai 2015 PD Dr. Frank Heyde Statistik I für Betriebswirte Vorlesung 5 1 Klassische Wahrscheinlichkeitsdefinition
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
MehrLineare Differentialgleichungen erster Ordnung erkennen
Lineare Differentialgleichungen erster Ordnung In diesem Kapitel... Erkennen, wie Differentialgleichungen erster Ordnung aussehen en für Differentialgleichungen erster Ordnung und ohne -Terme finden Die
MehrDie 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,
MehrAusarbeitung 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
MehrApproximation 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
MehrName:... Matrikel-Nr.:... 3 Aufgabe Handyklingeln in der Vorlesung (9 Punkte) Angenommen, ein Student führt ein Handy mit sich, das mit einer Wahrscheinlichkeit von p während einer Vorlesung zumindest
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrDie Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist
Frage Die Pareto Verteilung wird benutzt, um Einkommensverteilungen zu modellieren. Die Verteilungsfunktion ist k a F (x) =1 k>0,x k x Finden Sie den Erwartungswert und den Median der Dichte für a>1. (Bei
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrPTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN
PTV VISWALK TIPPS UND TRICKS PTV VISWALK TIPPS UND TRICKS: VERWENDUNG DICHTEBASIERTER TEILROUTEN Karlsruhe, April 2015 Verwendung dichte-basierter Teilrouten Stellen Sie sich vor, in einem belebten Gebäude,
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
MehrÜbung Theoretische Grundlagen
Übung Theoretische Grundlagen Berechenbarkeit/Entscheidbarkeit Nico Döttling November 26, 2009 INSTITUT FÜR KRYPTOGRAPHIE UND SICHERHEIT KIT University of the State of Baden-Wuerttemberg and National Laboratory
Mehr1. Kennlinien. 2. Stabilisierung der Emitterschaltung. Schaltungstechnik 2 Übung 4
1. Kennlinien Der Transistor BC550C soll auf den Arbeitspunkt U CE = 4 V und I C = 15 ma eingestellt werden. a) Bestimmen Sie aus den Kennlinien (S. 2) die Werte für I B, B, U BE. b) Woher kommt die Neigung
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrKap. 8: Speziell gewählte Kurven
Stefan Lucks 8: Spezielle Kurven 82 Verschl. mit Elliptischen Kurven Kap. 8: Speziell gewählte Kurven Zur Erinnerung: Für beliebige El. Kurven kann man den Algorithmus von Schoof benutzen, um die Anzahl
MehrHauptprüfung Abiturprüfung 2014 (ohne CAS) Baden-Württemberg
Baden-Württemberg: Abitur 04 Pflichtteil www.mathe-aufgaben.com Hauptprüfung Abiturprüfung 04 (ohne CAS) Baden-Württemberg Pflichtteil Hilfsmittel: keine allgemeinbildende Gymnasien Alexander Schwarz www.mathe-aufgaben.com
MehrData 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
MehrVorstellung Microsoft Mathematics 4.0
Vorstellung Microsoft Mathematics 4.0 Inhaltsverzeichnis Plotten einer Funktion... 3 Lösen von Gleichungen... 5 Lösen von Gleichungssystemen... 6 Der Dreieck-Assistent... 8 Vergleich von Mathematics mit
Mehr4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
Mehr8. Berechnung der kalkulatorischen Zinsen
8. Berechnung der kalkulatorischen Zinsen 8.1. Allgemeines In der laufenden Rechnung werden im Konto 322.00 Zinsen nur die ermittelten Fremdkapitalzinsen erfasst. Sobald aber eine Betriebsabrechnung erstellt
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrOptimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrPROSEMINAR ONLINE ALGORITHMEN
PROSEMINAR ONLINE ALGORITHMEN im Wintersemester 2000/2001 Prof. Dr. Rolf Klein, Dr. Elmar Langetepe, Dipl. Inform. Thomas Kamphans (Betreuer) Vortrag vom 15.11.2000 von Jan Schmitt Thema : Finden eines
MehrProfessionelle Seminare im Bereich MS-Office
Der Name BEREICH.VERSCHIEBEN() ist etwas unglücklich gewählt. Man kann mit der Funktion Bereiche zwar verschieben, man kann Bereiche aber auch verkleinern oder vergrößern. Besser wäre es, die Funktion
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
Mehrgeben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Gehen wir einmal davon aus, dass die von uns angenommenen
geben. Die Wahrscheinlichkeit von 100% ist hier demnach nur der Vollständigkeit halber aufgeführt. Gehen wir einmal davon aus, dass die von uns angenommenen 70% im Beispiel exakt berechnet sind. Was würde
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrFrohe 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]
MehrProzentrechnung. Wir können nun eine Formel für die Berechnung des Prozentwertes aufstellen:
Prozentrechnung Wir beginnen mit einem Beisiel: Nehmen wir mal an, ein Handy kostet 200 und es gibt 5% Rabatt (Preisnachlass), wie groß ist dann der Rabatt in Euro und wie viel kostet dann das Handy? Wenn
MehrDie Optimalität von Randomisationstests
Die Optimalität von Randomisationstests Diplomarbeit Elena Regourd Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Düsseldorf im Dezember 2001 Betreuung: Prof. Dr. A. Janssen Inhaltsverzeichnis
MehrFAQ Spielvorbereitung Startspieler: Wer ist Startspieler?
FAQ Spielvorbereitung Startspieler: Wer ist Startspieler? In der gedruckten Version der Spielregeln steht: der Startspieler ist der Spieler, dessen Arena unmittelbar links neben dem Kaiser steht [im Uhrzeigersinn].
Mehr1 Anregung von Oberflächenwellen (30 Punkte)
1 Anregung von Oberflächenwellen (30 Punkte) Eine ebene p-polarisierte Welle mit Frequenz ω und Amplitude E 0 trifft aus einem dielektrischen Medium 1 mit Permittivität ε 1 auf eine Grenzfläche, die mit
MehrErster Prüfungsteil: Aufgabe 1
Erster Prüfungsteil: Aufgabe Kriterien: Der Prüfling Lösung: Punkte: a) entscheidet sich für passenden Wert 8 000 000 b) wählt ein geeignetes Verfahren zur z. B. Dreisatz Berechnung gibt das richtige Ergebnis
MehrEinführung 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
Mehr2.8 Grenzflächeneffekte
- 86-2.8 Grenzflächeneffekte 2.8.1 Oberflächenspannung An Grenzflächen treten besondere Effekte auf, welche im Volumen nicht beobachtbar sind. Die molekulare Grundlage dafür sind Kohäsionskräfte, d.h.
MehrKernfach Mathematik Thema: Analysis
Kernfach Mathemati Bahnlinie Bei A-Stadt endet eine Bahnlinie. In nebenstehender Zeichnung ist ein Koordinatenreuz so gelegt worden, dass A mit dem Ursprung zusammenfällt. Die Bahnlinie verläuft entlang
MehrUniversität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
MehrBedingungen. Bedingungen. Bedingungen
Oftmals ist das Arbeiten mit notwendig. Dabei können sich die auf Formatierungen beziehen, aber auch auf Transformationen. Bedingte Formatierung Datentransformation 24.04.2006 Einführung in Excel 91 24.04.2006
MehrBeispiellösungen zu Blatt 111
µ κ Mathematisches Institut Georg-August-Universität Göttingen Beispiellösungen zu Blatt 111 Aufgabe 1 Ludwigshafen hat einen Bahnhof in Dreiecksform. Markus, Sabine und Wilhelm beobachten den Zugverkehr
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
Mehr