Kapitel IR:III (Fortsetzung)
|
|
- Catrin Schmitz
- vor 8 Jahren
- Abrufe
Transkript
1 Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches Modell IR:III-43 Retrieval Models STEIN
2 Retrieval-Modelle mit verborgenen Variablen Taxonomie von Retrieval-Modellen unmittelbare Verwendung von Dokumenttermen Bool'sches Model Fuzzy-Set-Modell Vektorraummodell probabilistische Modelle (BIR, NBIR, Poisson, etc.) Retrieval- Modell verborgene Variablen, Konzepte algebraisches Modell Inferenznetzwerkmodelle generative Sprachmodelle (statistische Sprachmodelle) Reihenfolge-, Strukturinformation Suffix-Modell Textstrukturmodelle spezielle linguistische Merkmale Wortklassenmodelle Prinzip, Paradigma, linguistische Theorie IR:III-44 Retrieval Models STEIN
3 Retrieval-Modelle mit verborgenen Variablen Offensichtlich haben die Terme eines Dokumentes d D etwas mit der Semantik von d zu tun. Modelle mit verborgenen Variablen verlangen aber nicht, dass dieser Zusammenhang unmittelbar quantifizierbar ist. Semantik äußert sich in den Termen von d, ist aber verknüpft mit dahinterliegenden Konzepten, Ideen oder einem intrinsischen Kanal, bzw. resultiert aus einem gemeinsamen kulturellen Hintergrund. IR:III-45 Retrieval Models STEIN
4 Retrieval-Modelle mit verborgenen Variablen Offensichtlich haben die Terme eines Dokumentes d D etwas mit der Semantik von d zu tun. Modelle mit verborgenen Variablen verlangen aber nicht, dass dieser Zusammenhang unmittelbar quantifizierbar ist. Semantik äußert sich in den Termen von d, ist aber verknüpft mit dahinterliegenden Konzepten, Ideen oder einem intrinsischen Kanal, bzw. resultiert aus einem gemeinsamen kulturellen Hintergrund. Unterscheidung von Retrieval-Modellen mit verborgenen Variablen: 1. Wofür steht eine verborgene Variable? 2. Art und Weise, wie verborgene Variablen mit d zusammenhängen. 3. Art und Umfang von Unabhängigkeitsannahmen. 4. Art und Weise, wie verborgene Variablen berechnet werden. 5. Art und Weise, wie sich die Retrieval-Funktion ρ R (q, d) berechnet. IR:III-46 Retrieval Models STEIN
5 Retrieval-Modell R [ETH-Zürich 2001] Überlegung: In der m n Term-Dokument-Matrix bestehen Korrelationen durch Synonyme, Kookkurrenzen, sich wiederholende Phrasen und n-gramme. Es besteht berechtigte Hoffnung, dass durch eine Koordinatentransformation die Dokumente des m-dimensionalen Vektorraums in einen Teilraum niedriger Dimension abgebildet und ausreichend genau approximiert werden können. Idee: Transformation der hochdimensionalen Dokumentvektoren in einen niedrigdimensionalen Raum bei möglichst genauer Erhaltung der Information. Die hierbei entstehenden Linearkombinationen der Terme lassen sich als verborgene Konzepte interpretieren. IR:III-47 Retrieval Models STEIN
6 Retrieval-Modell R Term-Dokument-Matrix: d 1 d 2... d n t 1 w 11 w w 1n t 2 w 21 w w 2n t m w m1 w m2... w mn IR:III-48 Retrieval Models STEIN
7 Retrieval-Modell R Term-Dokument-Matrix: d 1 d 2... d n t 1 w 11 w w 1n t 2 w 21 w w 2n t m w m1 w m2... w mn Kookkurrenz d 1 d 2 d 3 d 4 t t 2 w 21 w 22 w 23 w 24 t t 4 w 41 w 42 w 44 w 44 t 1 t 3 IR:III-49 Retrieval Models STEIN
8 Retrieval-Modell R Term-Dokument-Matrix: d 1 d 2... d n t 1 w 11 w w 1n t 2 w 21 w w 2n t m w m1 w m2... w mn Kookkurrenz d 1 d 2 d 3 d 4 t t 2 w 21 w 22 w 23 w 24 t t 4 w 41 w 42 w 44 w 44 t 1 t 3 wiederholte Phrase d 1 d 2 d 3 d 4 t t 2 w 21 w 22 w 23 w 24 t t t 1 2 t 3 1 t 4 IR:III-50 Retrieval Models STEIN
9 Retrieval-Modell R Term-Dokument-Matrix: d 1 d 2... d n t 1 w 11 w w 1n t 2 w 21 w w 2n t m w m1 w m2... w mn Kookkurrenz d 1 d 2 d 3 d 4 t t 2 w 21 w 22 w 23 w 24 t t 4 w 41 w 42 w 44 w 44 t 1 t 3 wiederholte Phrase d 1 d 2 d 3 d 4 t t 2 w 21 w 22 w 23 w 24 t t t 1 2 t 3 1 t 4 Synonym d 1 d 2 d 3 d 4 t t 2 w 21 w 22 w 23 w 24 t t (t 1 ) t 3 + t 4 IR:III-51 Retrieval Models STEIN
10 Retrieval-Modell R Aus der linearen Algebra: (1) Sei A eine n n-matrix, λ ein Eigenwert von A mit Eigenvektor x. Dann gilt: Ax = λx IR:III-52 Retrieval Models STEIN
11 Retrieval-Modell R Aus der linearen Algebra: (1) Sei A eine n n-matrix, λ ein Eigenwert von A mit Eigenvektor x. Dann gilt: Ax = λx (2) Sei A eine symmetrische n n-matrix vom Rang r. Dann ist A wie folgt darstellbar: A = UΛ U T Λ ist eine mit den Eigenwerten von A besetzte r r-diagonalmatrix U ist eine n r-spaltenorthonormale Matrix: U T U = I IR:III-53 Retrieval Models STEIN
12 Retrieval-Modell R Aus der linearen Algebra: (1) Sei A eine n n-matrix, λ ein Eigenwert von A mit Eigenvektor x. Dann gilt: Ax = λx (2) Sei A eine symmetrische n n-matrix vom Rang r. Dann ist A wie folgt darstellbar: A = UΛ U T Λ ist eine mit den Eigenwerten von A besetzte r r-diagonalmatrix U ist eine n r-spaltenorthonormale Matrix: U T U = I (3) Sei A eine m n-matrix vom Rang r. Dann ist A wie folgt darstellbar: S ist eine r r-diagonalmatrix S U ist eine spaltenorthonormale m r-matrix V ist eine spaltenorthonormale n r-matrix A = US V T IR:III-54 Retrieval Models STEIN
13 Retrieval-Modell R Aus der linearen Algebra (Fortsetzung): (4) Mit A = USV T gilt: A T A = (US V T ) T (US V T ) = V SU T US V T = V S 2 V T Die Spalten von V sind Eigenvektoren von A T A. IR:III-55 Retrieval Models STEIN
14 Retrieval-Modell R Aus der linearen Algebra (Fortsetzung): (4) Mit A = USV T gilt: A T A = (US V T ) T (US V T ) = V SU T US V T = V S 2 V T Die Spalten von V sind Eigenvektoren von A T A. (5) und weiterhin: AA T = (US V T )(US V T ) T = US V T V SU T = US 2 U T Die Spalten von U sind Eigenvektoren von AA T. IR:III-56 Retrieval Models STEIN
15 Retrieval-Modell R Aus der linearen Algebra (Fortsetzung): (4) Mit A = USV T gilt: A T A = (US V T ) T (US V T ) = V SU T US V T = V S 2 V T Die Spalten von V sind Eigenvektoren von A T A. (5) und weiterhin: AA T = (US V T )(US V T ) T = US V T V SU T = US 2 U T Die Spalten von U sind Eigenvektoren von AA T. (6) A = US V T lässt sich als Summe (dyadischer) Vektorprodukte schreiben: A = s 1 (u 1 v T 1 ) + s 2 (u 2 v T 2 ) s r (u r v T r ) Approximation von A durch Weglassen der Summanden mit den kleinsten Singulärwerten. IR:III-57 Retrieval Models STEIN
16 Retrieval-Modell R Singulärwertzerlegung A = US V T : Dokumente Terme λ 1 λ 2 A = U V T S... λ r r r r n m n m r U S V T ist Spalten-orthonormal ist diagonal, r min{m,n} ist Zeilen-orthonormal IR:III-58 Retrieval Models STEIN
17 Retrieval-Modell R Dimensionsreduktion A k = U k S k V T k : Dokumente Terme A k = U k λ 1 λ 2 S k... λ k T V k k k k n m n m k U k S k T V k ist Spalten-orthonormal ist diagonal, k<r ist Zeilen-orthonormal IR:III-59 Retrieval Models STEIN
18 Bemerkungen: Die Eigenwerte für A ergeben sich aus der Gleichung det(a λi) = 0. Die Gleichung definiert ein Polynom n-ten Grades und hat folglich n Wurzeln, die real oder komplex und mehrfach sein können. Die zugehörigen Eigenvektoren sind orthogonal. Eine symmetrische Matrix hat reale Eigenwerte. Eine positiv-definite Matrix hat nur positive Eigenwerte. Die Singulärwertzerlegung verallgemeinert die Eigenwertzerlegung auf allgemeine Rechtecksmatrizen. Matrix-Multiplikation und -Transposition: (AB) T = B T A T Diagonalisierung bzw. Eigenzerlegung einer quadratischen Matrix A: A = P DP 1, D ist Diagonalmatrix mit den Eigenwerten von A, P enthält die Eigenvektoren von A. A ist genau dann diagonalisierbar, falls sie n linear unabhängige Eigenvektoren besitzt. U T = U 1, falls U eine orthogonale Matrix ist. U T U = I, falls U eine spaltenorthonormale Matrix ist. U T = U, falls U eine symmetrische Matrix ist. Die Reduktion der r r-diagonalmatrix S auf die kleinere k k-diagonalmatrix S k geschieht durch Weglassen der kleinsten Diagonalelemente bei entsprechender Sortierung der Spaltenvektoren in U k und V k. IR:III-60 Retrieval Models STEIN
19 Dokumentmodell D, Q, ρ R [allgemeines Dokumentmodell] Dokumentrepräsentationen D. 1. Die Dokumentrepräsentationen des Vektorraummodells werden zu einer m n Term-Dokument-Matrix A zusammengefasst. 2. A wird durch Dimensionsreduktion zur Konzept-Dokument-Matrix D = V T k. D repräsentiert die Dokumente im Konzeptraum (latent semantic space). Formalisierte Anfragenmenge Q. Ausgangspunkt einer formalen Anfrage ist ihre Vektorraumrepräsentation q. Durch folgende Operation wird q in den Konzeptraum transformiert: q = q T U k S 1 k Retrieval-Funktion ρ R. ρ R wird unmittelbar auf die Darstellungen der Dokumente und Anfragen im Konzeptraum angewandt. Dabei kommen Retrieval-Funktionen wie beim Vektorraummodell zum Einsatz. IR:III-61 Retrieval Models STEIN
20 Dokumentmodell D, Q, ρ R [allgemeines Dokumentmodell] Dokumentrepräsentationen D. 1. Die Dokumentrepräsentationen des Vektorraummodells werden zu einer m n Term-Dokument-Matrix A zusammengefasst. 2. A wird durch Dimensionsreduktion zur Konzept-Dokument-Matrix D = V T k. D repräsentiert die Dokumente im Konzeptraum (latent semantic space). Formalisierte Anfragenmenge Q. Ausgangspunkt einer formalen Anfrage ist ihre Vektorraumrepräsentation q. Durch folgende Operation wird q in den Konzeptraum transformiert: q = q T U k S 1 k Retrieval-Funktion ρ R. ρ R wird unmittelbar auf die Darstellungen der Dokumente und Anfragen im Konzeptraum angewandt. Dabei kommen Retrieval-Funktionen wie beim Vektorraummodell zum Einsatz. IR:III-62 Retrieval Models STEIN
21 Bemerkungen: Dieses auf Singulärwertzerlegung beruhende Retrieval-Modell wurde 1988 von Derweester et. al. entwickelt und unter dem Namen Latent Semantic Indexing, LSI, vorgestellt. IR:III-63 Retrieval Models STEIN
22 Beispiel [ETH-Zürich 2001] Dokumentkollektion: d 1 d 2 d 3 d 4 d 5 d 6 d 7 d 8 d 9 Human machine interface for Lab ABC computer applications. A survey of user opinion of computer system response time. The EPS user interface management system. System and human system engineering testing of EPS. Relation of user-perceived response time to error measurement. The generation of random, binary, unordered trees. The intersection graph of paths in trees. Graph minors IV: Widths of trees and well-quasi-ordering. Graph minors: A survey IR:III-64 Retrieval Models STEIN
23 Beispiel [ETH-Zürich 2001] Dokumentkollektion: d 1 d 2 d 3 d 4 d 5 d 6 d 7 d 8 d 9 Human machine interface for Lab ABC computer applications. A survey of user opinion of computer system response time. The EPS user interface management system. System and human system engineering testing of EPS. Relation of user-perceived response time to error measurement. The generation of random, binary, unordered trees. The intersection graph of paths in trees. Graph minors IV: Widths of trees and well-quasi-ordering. Graph minors: A survey Anfrage q = { human, computer, interaction } IR:III-65 Retrieval Models STEIN
24 Bemerkungen: Anfrageauswertung im Originalraum unter dem Bool schen Retrieval-Modell bei einer -Verknüpfung der Terme in q: Result-Set R =. Anfrageauswertung im Originalraum unter dem Bool schen Modell bei einer -Verknüpfung der Terme in q: Result-Set R = {d 1, d 2, d 4 }. Anfrageauswertung im Originalraum unter dem Vektorraummodell: Result-Set R = {d 1, d 2, d 4 }. IR:III-66 Retrieval Models STEIN
25 Beispiel: Term-Dokument-Matrix A d 1 d 2 d 3 d 4 d 5 d 6 d 7 d 8 d 9 human 1 1 interface 1 1 computer 1 1 user system response 1 1 time 1 1 EPS 1 1 survey 1 1 trees graph minors 1 1 Terme, die nur in einem Dokument vorkommen, und Stopworte wurden nicht berücksichtigt. IR:III-67 Retrieval Models STEIN
26 Beispiel: Singulärwertzerlegung A = US V T U = IR:III-68 Retrieval Models STEIN
27 Beispiel: Singulärwertzerlegung A = US V T U = S = IR:III-69 Retrieval Models STEIN
28 Beispiel: Singulärwertzerlegung A = US V T U = S = V T = IR:III-70 Retrieval Models STEIN
29 Beispiel: Dimensionsreduktion A k = U k S k V T k U k S k V T k IR:III-71 Retrieval Models STEIN
30 Beispiel: Dimensionsreduktion A k = U k S k V T k U k S k V T k A k q q = q T U k S 1 k IR:III-72 Retrieval Models STEIN
31 Beispiel: Dimensionsreduktion A k = U k S k V T k U k S k V T k A k q q = q T U k S 1 k IR:III-73 Retrieval Models STEIN
32 Beispiel: Anfrageauswertung im Konzeptraum Konzept d d d d 6 d5 d ϕ ϕ q' d 1 d d Konzept 1 ϕ = 30 Dokumente müssen zu dem Anfragevektor q eine Ähnlichkeit >87% aufweisen. IR:III-74 Retrieval Models STEIN
33 Retrieval-Modell R (Fortsetzung) Einfügen neuer Dokumente: Dokumente Terme A k = U k λ 1 λ 2 S k... λ k T V k d' k k k n+1 m n+1 d m k 1. originalen Dokumentvektor d an A k hängen 2. reduzierten Dokumentvektor d = d T U k S 1 k 3. reduzierten Dokumentvektor d an V T k hängen berechnen (vgl. formalisierte Anfrage) IR:III-75 Retrieval Models STEIN
34 Retrieval-Modell R (Fortsetzung) Einfügen neuer Terme: Dokumente Terme λ 1 λ 2 A k = U k V T S k... λ k k k k n k m+1 n t t' m+1 k 1. originalen Termvektor t unten bei A k hinzufügen 2. reduzierten Termvektor t = t T V k S 1 k berechnen 3. reduzierten Termvektor t unten bei U k hinzufügen IR:III-76 Retrieval Models STEIN
35 Beispiel 2 [ETH-Zürich 2001] d 1 d 2 d 3 d 4 d 5 d 6 d 7 data information retrieval brain lung IR:III-77 Retrieval Models STEIN
36 Beispiel 2 [ETH-Zürich 2001] d 1 d 2 d 3 d 4 d 5 d 6 d 7 data information retrieval brain lung A = US V T, approximiert: A k = U k S k V T k Rang(A) = 2, und so folgt mit k = 2, dass A 2 = A, U 2 = U, S 2 = S, V T 2 = V T : IR:III-78 Retrieval Models STEIN
37 Beispiel 2 [ETH-Zürich 2001] d 1 d 2 d 3 d 4 d 5 d 6 d 7 data information retrieval brain lung A = US V T, approximiert: A k = U k S k V T k Rang(A) = 2, und so folgt mit k = 2, dass A 2 = A, U 2 = U, S 2 = S, V2 T = V T : ( ) ( ) A = IR:III-79 Retrieval Models STEIN
38 Bemerkungen: Es gibt zwei Konzepte, das Informatikkonzept {data, information, retrieval} und das Medizinkonzept {brain, lung}. IR:III-80 Retrieval Models STEIN
39 Beispiel 2: Dokumentähnlichkeitsmatrix A T A A T A = IR:III-81 Retrieval Models STEIN
40 Beispiel 2: Dokumentähnlichkeitsmatrix A T A A T A = Interpretation. A T A zeigt die Dokument-Cluster. IR:III-82 Retrieval Models STEIN
41 Beispiel 2: Dokumentähnlichkeitsmatrix A T A A T A = Interpretation. A T A zeigt die Dokument-Cluster. Erklärung. Wegen A T A = V S 2 V T sind die Zeilen von Vk T die Eigenvektoren von A T A, sie beschreiben die unkorrelierten Hauptrichtungen für Dokument-Cluster: V T 2 = ( Falls d 1 relevant ist, so sind es auch d 2, d 3, d 4, nicht jedoch d 5, d 6, d 7. ) IR:III-83 Retrieval Models STEIN
42 Beispiel 2: Termähnlichkeitsmatrix AA T AA T = IR:III-84 Retrieval Models STEIN
43 Beispiel 2: Termähnlichkeitsmatrix AA T AA T = Interpretation. AA T zeigt die Term-Cluster bzw. Konzepte, evtl. Synonyme. IR:III-85 Retrieval Models STEIN
44 Beispiel 2: Termähnlichkeitsmatrix AA T AA T = Interpretation. AA T zeigt die Term-Cluster bzw. Konzepte, evtl. Synonyme. Erklärung. Wegen AA T = US 2 U T sind die Spalten von U k die Eigenvektoren von AA T, sie beschreiben die unkorrelierten Hauptrichtungen für Konzepte: U 2 = IR:III-86 Retrieval Models STEIN
45 Diskussion Vorteile: automatische Entdeckung verborgener Konzepte syntaktische Erkennung von Synonymen semantische Erweiterung von Anfragen aufgrund syntaktischer Analyse und nicht durch Relevanz-Feedback oder die Bemühung von Thesauri Nachteile: die Wirkungsweise von LSI ist nicht vollständig verstanden; eine theoretisch fundierte Brücke zur Linguistik ist nur ansatzweise vorhanden LSI entfaltet die volle Wirkung nur in einer geschlossenen Retrieval- Situation: die Kollektion ist bekannt, gegeben und ändert sich nur wenig die Singulärwertzerlegung ist rechenaufwendig, O(n 3 ) IR:III-87 Retrieval Models STEIN
Eigenwerte 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
MehrMusterlösungen 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
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)
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
MehrWie Google Webseiten bewertet. François Bry
Wie Google Webseiten bewertet François Bry Heu6ge Vorlesung 1. Einleitung 2. Graphen und Matrizen 3. Erste Idee: Ranking als Eigenvektor 4. Fragen: Exisi6ert der Eigenvektor? Usw. 5. Zweite Idee: Die Google
MehrAufgabe 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
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
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
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrSichere E-Mail Anleitung Zertifikate / Schlüssel für Kunden der Sparkasse Germersheim-Kandel. Sichere E-Mail. der
Sichere E-Mail der Nutzung von Zertifikaten / Schlüsseln zur sicheren Kommunikation per E-Mail mit der Sparkasse Germersheim-Kandel Inhalt: 1. Voraussetzungen... 2 2. Registrierungsprozess... 2 3. Empfang
Mehr5 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
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
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
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
MehrMathematik 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
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
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
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,
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
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
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
MehrLösungsvorschlag 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
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
MehrJohann Wolfgang Goethe - Universität Frankfurt am Main
Fachbereich Wirtschaftswissenschaften Institut für Statistik und Mathematik Johann Wolfgang Goethe - Universität Frankfurt am Main ENTSCHEIDUNGSTHEORIE Klausur vom 0.0.004 Prof. Dr. H. Rommelfanger Als
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
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
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
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
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrAnmerkungen zur Übergangsprüfung
DM11 Slide 1 Anmerkungen zur Übergangsprüfung Aufgabeneingrenzung Aufgaben des folgenden Typs werden wegen ihres Schwierigkeitsgrads oder wegen eines ungeeigneten fachlichen Schwerpunkts in der Übergangsprüfung
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
MehrKaufmännische Berufsmatura 2011
Kaufmännische Berufsmatura 0 Serie : Lösungen Serie - Lösungen Prüfungsdauer: Max. zahl: 50 Minuten 00 Bewertungshinweise: Mehrfachlösungen sind nicht gestattet. Als Resultate gelten nur eindeutig gekennzeichnete
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
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
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 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.
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,
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
MehrIBM SPSS Statistics Version 23. Einführung in Installation und Lizenzierung
IBM SPSS Statistics Version 23 Einführung in Installation und Lizenzierung Inhaltsverzeichnis Einführung in Installation und Lizenzierung................ 1 Einführung............... 1 Lizenztypen..............
Mehr8.2 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
Mehr1. Einführung. 2. Alternativen zu eigenen Auswertungen. 3. Erstellen eigener Tabellen-Auswertungen
1. Einführung Über die Tabellen-Auswertungen können Sie eigene Auswertungen nach Ihren Wünschen erstellen. Diese Auswertungen werden immer anhand der aktuellen Daten aus orgamax ermittelt, Sie können also
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
MehrKapitel MK:IV. IV. Modellieren mit Constraints
Kapitel MK:IV IV. Modellieren mit Constraints Einführung und frühe Systeme Konsistenz I Binarization Generate-and-Test Backtracking-basierte Verfahren Konsistenz II Konsistenzanalyse Weitere Analyseverfahren
MehrDaten sammeln, darstellen, auswerten
Vertiefen 1 Daten sammeln, darstellen, auswerten zu Aufgabe 1 Schulbuch, Seite 22 1 Haustiere zählen In der Tabelle rechts stehen die Haustiere der Kinder aus der Klasse 5b. a) Wie oft wurden die Haustiere
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 ( )
MehrDatenaufbereitung in SPSS. Daten zusammenfügen
Daten zusammenfügen I. Fälle hinzufügen Diese Schritte müssen Sie unternehmen, wenn die Daten in unterschiedlichen Dateien sind; wenn also die Daten von unterschiedlichen Personen in unterschiedlichen
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrÜbersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten.
Webalizer Statistik Bedeutung der Begriffe Übersicht Die Übersicht zeigt die Zusammenfassung der wichtigsten Daten. Anfragen Gesamtheit aller Anfragen an Ihren Account. Jede Anfrage auf eine Grafik, eine
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 2015/16 Prof. Dr. M. Hinze Dr. P. Kiani Analysis I für Studierende der Ingenieurwissenschaften Lösungshinweise zu Blatt 2 Aufgabe 1: (12 Punkte) a) Beweisen
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
MehrWie lässt sich die Multiplikation von Bruchzahlen im Operatorenmodell und wie im Größenmodell einführen?
Modulabschlussprüfung ALGEBRA / GEOMETRIE Lösungsvorschläge zu den Klausuraufgaben Aufgabe 1: Wie lässt sich die Multiplikation von Bruchzahlen im Operatorenmodell und wie im Größenmodell einführen? Im
MehrMatrizennorm. 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
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrEinführung in die Programmierung
: Inhalt Einführung in die Programmierung Wintersemester 2008/09 Prof. Dr. Günter Rudolph Lehrstuhl für Algorithm Engineering Fakultät für Informatik TU Dortmund - mit / ohne Parameter - mit / ohne Rückgabewerte
Mehrhttp://www.olympiade-mathematik.de 2. Mathematik Olympiade 2. Stufe (Kreisolympiade) Klasse 7 Saison 1962/1963 Aufgaben und Lösungen
2. Mathematik Olympiade Saison 1962/1963 Aufgaben und Lösungen 1 OJM 2. Mathematik-Olympiade Aufgaben Hinweis: Der Lösungsweg mit Begründungen und Nebenrechnungen soll deutlich erkennbar in logisch und
MehrStatistische Auswertung:
Statistische Auswertung: Die erhobenen Daten mittels der selbst erstellten Tests (Surfaufgaben) Statistics Punkte aus dem Punkte aus Surftheorietest Punkte aus dem dem und dem Surftheorietest max.14p.
MehrDer monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik).
1) Handytarif Der monatliche Tarif für ein Handy wurde als lineare Funktion der Form f(x) = k x + d modelliert (siehe Grafik). Euro Gesprächsminuten Tragen Sie in der folgenden Tabelle ein, welche Bedeutung
MehrAustausch- 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:
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...........................................
MehrLeseprobe. Wilhelm Kleppmann. Versuchsplanung. Produkte und Prozesse optimieren ISBN: 978-3-446-42033-5. Weitere Informationen oder Bestellungen unter
Leseprobe Wilhelm Kleppmann Versuchsplanung Produkte und Prozesse optimieren ISBN: -3-44-4033-5 Weitere Informationen oder Bestellungen unter http://www.hanser.de/-3-44-4033-5 sowie im Buchhandel. Carl
MehrWir machen neue Politik für Baden-Württemberg
Wir machen neue Politik für Baden-Württemberg Am 27. März 2011 haben die Menschen in Baden-Württemberg gewählt. Sie wollten eine andere Politik als vorher. Die Menschen haben die GRÜNEN und die SPD in
MehrFunktionaler Zusammenhang. Lehrplan Realschule
Funktionaler Bildungsstandards Lehrplan Realschule Die Schülerinnen und Schüler nutzen Funktionen als Mittel zur Beschreibung quantitativer Zusammenhänge, erkennen und beschreiben funktionale Zusammenhänge
MehrSo gehts Schritt-für-Schritt-Anleitung
So gehts Schritt-für-Schritt-Anleitung Software WISO Mein Büro Thema Eigene Auswertungen, Tabellenauswertungen Version/Datum V 13.00.05.101 Über die Tabellen-Auswertungen ist es möglich eigene Auswertungen
MehrNullserie zur Prüfungsvorbereitung
Nullserie zur Prüfungsvorbereitung Die folgenden Hilfsmittel und Bedingungen sind an der Prüfung zu beachten. Erlaubte Hilfsmittel Beliebiger Taschenrechner (Der Einsatz von Lösungs- und Hilfsprogrammen
MehrDer neue persönliche Bereich/die CommSy-Leiste
Der neue persönliche Bereich/die CommSy-Leiste Mit der neue CommSy-Version wurde auch der persönliche Bereich umstrukturiert. Sie finden all Ihre persönlichen Dokumente jetzt in Ihrer CommSy-Leiste. Ein
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
MehrHilfedatei der Oden$-Börse Stand Juni 2014
Hilfedatei der Oden$-Börse Stand Juni 2014 Inhalt 1. Einleitung... 2 2. Die Anmeldung... 2 2.1 Die Erstregistrierung... 3 2.2 Die Mitgliedsnummer anfordern... 4 3. Die Funktionen für Nutzer... 5 3.1 Arbeiten
MehrAnwendungshinweise zur Anwendung der Soziometrie
Anwendungshinweise zur Anwendung der Soziometrie Einführung Die Soziometrie ist ein Verfahren, welches sich besonders gut dafür eignet, Beziehungen zwischen Mitgliedern einer Gruppe darzustellen. Das Verfahren
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrLösung. Prüfungsteil 1: Aufgabe 1
Zentrale Prüfung 01 Lösung Diese Lösung wurde erstellt von Cornelia Sanzenbacher. Sie ist keine offizielle Lösung des Ministeriums für Schule und Weiterbildung des Landes. Prüfungsteil 1: Aufgabe 1 a)
MehrHyperlink-Erstellung in InDesign für
Hyperlink-Erstellung in InDesign für Übersicht Sie können in InDesign Hyperlinks erstellen, sodass nach einem Export in eine Adobe PDF- oder SWF-Datei die Benutzer über einen Klick auf den Link zu anderen
MehrEine Logikschaltung zur Addition zweier Zahlen
Eine Logikschaltung zur Addition zweier Zahlen Grundlegender Ansatz für die Umsetzung arithmetischer Operationen als elektronische Schaltung ist die Darstellung von Zahlen im Binärsystem. Eine Logikschaltung
MehrViele Bilder auf der FA-Homepage
Viele Bilder auf der FA-Homepage Standardmäßig lassen sich auf einer FA-Homepage nur 2 Bilder mit zugehörigem Text unterbringen. Sollen es mehr Bilder sein, muss man diese als von einer im Internet
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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrLichtbrechung an Linsen
Sammellinsen Lichtbrechung an Linsen Fällt ein paralleles Lichtbündel auf eine Sammellinse, so werden die Lichtstrahlen so gebrochen, dass sie durch einen Brennpunkt der Linse verlaufen. Der Abstand zwischen
MehrMit dem Tool Stundenverwaltung von Hanno Kniebel erhalten Sie die Möglichkeit zur effizienten Verwaltung von Montagezeiten Ihrer Mitarbeiter.
Stundenverwaltung Mit dem Tool Stundenverwaltung von Hanno Kniebel erhalten Sie die Möglichkeit zur effizienten Verwaltung von Montagezeiten Ihrer Mitarbeiter. Dieses Programm zeichnet sich aus durch einfachste
MehrStatuten in leichter Sprache
Statuten in leichter Sprache Zweck vom Verein Artikel 1: Zivil-Gesetz-Buch Es gibt einen Verein der selbstbestimmung.ch heisst. Der Verein ist so aufgebaut, wie es im Zivil-Gesetz-Buch steht. Im Zivil-Gesetz-Buch
Mehr8.6.1 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
MehrAnleitung zum Öffnen meiner Fotoalben bei web.de
Anleitung zum Öffnen meiner Fotoalben bei web.de Ich begrüße Sie auf das Herzlichste. Das sind die Adressen meiner Fotoalben: https://fotoalbum.web.de/gast/erwin-meckelbrug/anna https://fotoalbum.web.de/gast/erwin-meckelburg/tra_my
MehrTeaser-Bilder erstellen mit GIMP. Bildbearbeitung mit GIMP 1
Teaser-Bilder erstellen mit GIMP 08.08.2014 Bildbearbeitung mit GIMP 1 Auf den folgenden Seiten werden die wichtigsten Funktionen von GIMP gezeigt, welche zur Erstellung von Bildern für die Verwendung
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie
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
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra
Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)
MehrDrei Fragen zum Datenschutz im. Nico Reiners
Drei Fragen zum Datenschutz im Geoinformationswesen Nico Reiners 1. Frage Welche Geoinformationen sind personenbezogen? Personenbezug? Personenbezogene Daten sind Einzelangaben über persönliche oder sachliche
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
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
Mehr2 Evaluierung von Retrievalsystemen
2. Evaluierung von Retrievalsystemen Relevanz 2 Evaluierung von Retrievalsystemen Die Evaluierung von Verfahren und Systemen spielt im IR eine wichtige Rolle. Gemäß der Richtlinien für IR der GI gilt es,...
Mehr