1 Einleitung 3. 3 Die Methode der Pfadregeln Drei Pfadregeln Anwendungen von drei Pfadregeln... 6
|
|
- Edmund Krause
- vor 7 Jahren
- Abrufe
Transkript
1 Mrkow-Ketten JUAN LU AUSARBEITUNG ZUM VORTRAG IM Blockseminr Stochstik (WINTERSEMESTER 28/9, LEITUNG PD DR. GUDRUN THÄTER) Zusmmenfssung: Eine Mrkow-Kette ist eine spezielle Klsse von stochstischen Prozessen. Ds Spezielle einer Mrkow-Kette ist die Eigenschft, dss durch Kenntnis einer begrenzten Vorgeschichte ebensogute Prognosen über die zukünftige Entwicklung möglich sind wie bei Kenntnis der gesmten Vorgeschichte des Prozesses. In diesem Vortrg werden die Mittelwertsregeln eingeführt, mit deren Hilfe viele Probleme, die ls bsorbierende Mrkov-Kette gesehen werden, einfch gelöst werden können.
2 Inhltsverzeichnis 1 Einleitung 3 2 Wichtige Definitionen Abzählbr unendliche Whrscheinlichkeitsräume Mrkow-Ketten Anwendung nhnd eines Beispiels Bestimmung des Zustndsrums Übergngswhrscheinlichkeit Anfngsverteilung Absorbierende Mrkow-Kette Die Methode der Pfdregeln Drei Pfdregeln Anwendungen von drei Pfdregeln Die Mittelwertsregeln Die Mittelwertsregeln Anwendungen von Mittelwertsregeln Resümee 12 Abbildungsverzeichnis 2.1 Wegnetz Ds Glücksrd Ds kühne Spiel Die Lplce-Münze Irrfhrt Irrfhrt Die Lplce-Münze Die Lplce-Münze Würfe
3 1 Einleitung In der Whrscheinlichkeitsrechnung versucht mn oft mittels stochstischer Modelle Vorhersgen über zukünftige Entwicklungen zu treffen. Dbei knn es vorkommen, dss sich der stochstische Prozess zyklisch verhält. Eine vergleichsweise einfche Beschreibung solcher Zusmmenhänge ist dem russischen Mthemtiker Andrei Andrejewitsch Mrkow ( ) gelungen. Mit sogennnten Mrkow-Ketten können bestimmte stochstische Prozesse ohne größeren Aufwnd über einen längeren Zeitrum betrchtet werden, ws sie für Berechnungen über zukünftige Entwicklungen sehr interessnt mcht. 2 Wichtige Definitionen 2.1 Abzählbr unendliche Whrscheinlichkeitsräume Ein bzählbr unendlicher Whrscheinlichkeitsrum ist ein Pr (Ω, P), wobei Ω eine bzählbr unendliche Menge und P eine uf den Teilmengen von Ω definierte reellwertige Funktion mit folgenden Eingenschften ist: ) (Nichtnegtivität) P(A) für lle A Ω b) (Normiertheit) P(Ω) = 1 c) (Additivität) P(A + B) = P(A) + P(B), wenn A B = φ 2.2 Mrkow-Ketten Mrkow-Ketten sind besondere stochstische Prozesse. Mn betrchtet sie nur mit diskreten Zeitprmetern und meistens ist uch der Zustndsrum diskret. Mrkow-Ketten in stetiger Zeit werden meistens ls Mrkow-Prozess bezeichnet. Die Besonderheit der Mrkow-Kette liegt drin, dss die Whrscheinlichkeit eines Übergngs zum Zustnd X n+1 nur vom vorherigen Zustnd X n bhängt und nicht von den früheren Zuständen. Ein stochstischer Prozess {X t, t X } mit bzählbrem Zustndsrum E heisst Mrkow- Kette genu dnn, wenn P(X n+1 = k X = e, X 1 = e 1,..., X n = e n ) = P(X n+1 = k X n = e n ) für lle n N und lle k, e,..., e n E. Eine Mrkow-Kette wird durch ihren Zustndsrum, ihre Anfngsverteilung und ihre Übergngswhrscheinlichkeiten bestimmt. Diese Begriffe werden im folgenden Beispiel erklärt. 2.3 Anwendung nhnd eines Beispiels Ein Käfer kriecht durch ds in Abbildung 2.1 drgestellte Wegnetz. Er entscheidet sich n jeder Weggbelung zufällig für einen Weg in Pfeilrichtung, stehen bleiben drf er nicht Bestimmung des Zustndsrums Mn knn dieses Beispiel wie die meisten Mrkow-Ketten überhupt uf unterschiedliche Art und Weise drstellen. Zuerst muss ber immer die Frge geklärt werden, welche Zustände es gibt, lso welche Elemente der Zustndsrum M enthält. In Abbildung 2.1 knn mn 3
4 Abbildung 2.1: Wegnetz vier Knotenpunkte erkennen, die mn dnn ls Zustände definiert, dher ist M = {e 1, e 2, e 3, e 4 }. Mn muss immer dfür sorgen, dss die Zustände unbhängig sind. Dies ist gewährleistet, d der Käfer sich immer nur n einem Punkt befinden knn. Die Reihenfolge der Zustände knn mn selbst festlegen: e 1 sei der linke, e 2 der untere, e 3 der obere und e 4 der rechte Punkt Übergngswhrscheinlichkeit Als nächstes müssen nun die Übergngswhrscheinlichkeiten gesucht werden. Die Übergngswhrscheinlichkeit P(e 1 e k ) = P(e k e i ) = p ik ist die Whrscheinlichkeit für den Übergng us dem Zustnd e i in den Zustnd e k, lso eine bedingte Whrscheinlichkeit, weil ds System sich zunächst im Zustnd e i befinden muss. Wenn ein Übergng von e i nch e k nicht möglich, ist p ik =. In diesem Beispiel können die Übergngswhrscheinlichkeiten leicht bestimmt werden, denn wenn der Käfer sich zufällig entscheidet, sind sie der Kehrwert der Anzhl der möglichen Wege. Drus ergibt sich: p 11 = p 21 = 1 3 p 12 = 1 2 p 22 = p 13 = 1 2 p 23 = 1 3 p 14 = p 24 = 1 3 usw. Die Summe der Übergngswhrscheinlichkeiten von einem Zustnd us, muss genu eins ergeben, weil irgendein Zustnd eintreten muss. Es gilt lso für jedes i: N p ik = 1 4
5 2.3.3 Anfngsverteilung Wie bereits erwähnt, benötigt mn neben dem Zustndsrum und der Übergngswhrscheinlichkeit die Anfngsverteilung, um eine Mrkow-Kette zu betrchten. Es empfiehlt sich die Anfngsverteilung ls Zeilenvektor p() zu schreiben, lso in der Form p() = ((p 1 (), p 2 (), p 3 (),...), wenn p j die die Whrscheinlichkeit dfür ist, dss die Mrkow-Kette im Zustnd e j beginnt. Die Summe der Elemente des Anlufvektors ist nch der Überlegung im Abschnitt genu eins. Allgemein bezeichnet mn bei Mrkow-Ketten einen Vektor (p 1, p 2, p 3,...) mit p i und p i = 1 ls Anfngsverteilung. Wenn mn bei dem Beispiel mit dem Käfer eine zufällige Anfngsverteilung möchte, ist p() = ( 1 4, 1 4, 1 4, 1 4 ), weil die Whrscheinlichkeit für den Beginn der Mrkow-Kette in einem Zustnd e j (mit j = 1,..., N) bei einer zufälligen Anfngsverteilung 1 ist. N Möchte mn hingegen in einem bestimmten Zustnd e j beginnen, so ist p j = 1 und lle nderen Anfngswhrscheinlichkeiten sind Null. Wenn der Käfer in e 1 strten sollte, wäre 2.4 Absorbierende Mrkow-Kette p() = (1,,, ). Ein Zustnd e i heißt bsorbierend, wenn er nicht mehr verlssen werden knn, lso wenn p ii = 1. Die Menge R ller bsorbierenden Zustände wird ls Rnd von M bezeichnet. Als innere Zustände werden lle nicht-bsorbierende Zustände bezeichnet. Die Menge I der inneren Zustände ist dher I = M \ R. Eine Mrkow-Kette heißt bsorbierend, wenn R nicht leer ist und wenn mn von jedem inneren Zustnd R erreichen knn. 3 Die Methode der Pfdregeln Jede Mrkow-Kette lässt sich ls Irrfhrt uf einem gerichteten Grphen deuten. Ein Teilchen bewegt sich uf dem Zustndsrum M mit dem Rnd R. Wenn es in e i M ist, dnn entscheidet ds Glücksrd in Abbildung 3.1 wohin der nächste Schritt geht. Sobld ds Teilchen den Rnd trifft, wird die Irrfhrt gestoppt. 5 i 1
6 Abbildung 3.1: Ds Glücksrd 3.1 Drei Pfdregeln Es gibt drei Pfdregeln, die wir vorher schon geknnt hben. (1) Die Whrscheinlichkeit eines Pfdes ist gleich dem Produkt ller Whrscheinlichkeiten längs des Pfdes. (2) Die Whrscheinlichkeit p i von e i us irgendeine Teilmenge T des Rndes R zu treffen ist gleich der Summe der Whrscheinlichkeiten ller Pfde, die von e i nch T führen. (3) Die mittlere (erwrtete) Duer m i der Irrfhrt von einem Zustnd i nch R ist ds gewichtete Mittel der Längen ller Pfde von e i nch R. Jede Pfdlänge x k wird mit ihrer Whrscheinlichkeit q k gewichtet, d.h. m i = x k q k. k Die Regeln sind uf endliche W-Räum zugeschnitten. Bei Mrkow-Ketten sind die Pfdregeln unbequem, d es von einem Zustnd bis zur Absorption unendlich viele Pfd geben knn. Die beiden nächsten Beispiele zeigen die Art der uftretenden Schwierigkeiten. 3.2 Anwendungen von drei Pfdregeln 1. Beispiel: Ds kühne Spiel. (Ds ist ein Wettspiel. Gewinnt mn eine Runde bekommt mn seinen Einstz doppelt zurück, verliert mn ist er weg.) Ich besitze 1 Euro und ich bruche dringend 5 Euro. Mein Ziel knn ich durch ein fires Glücksspiel erreichen. Ich entscheide mich für die Kühne Strtegie : In jeder Runde setze ich soviel von meinem Geld ein, dss ich im Fll eines Gewinns möglichst nhe n mein Ziel komme. Wie groß ist die Gewinnwhrscheinlichkeit? Ds kühne Spiel übersetzen wir in einen Grphen (Abbildung 3.2). Jedem möglichen Spielbluf entspricht ein Pfd, der in e 1 beginnt und uf dem Rnd R = {e, e 5 } endet. 6
7 Abbildung 3.2: Ds kühne Spiel Strt 1 11 Abbildung 3.3: Die Lplce-Münze 1 Lösung. Wegen des Zyklus e 1 e 2 e 4 e 3 e 1 gibt es unendlich viele Pfde von e 1 nch e 5. Die 1. und 2. Pfdregeln liefern p 1 = ( ) ( ) ( ) 3 + = = = 1 5 Die Gewinnwhrscheinlichkeit ist dnn Beispiel: Wir wollen eine Lplce-Münze mit den Seiten und 1 solnge werfen, bis eines der Wörter 1111 oder 11 ufgetreten ist. Sie gewinnen, wenn 1111 zuerst uftritt, sonst gewinne ich. Ds Spiel ist fir, d beide Wörter die Whrscheinlichkeit 1 hben. Hbe ich recht? 16 Jedem Spielbluf entspricht ein Pfd in Abbildung 3.3, der bei START beginnt und bei 1111 oder 11 endet. Der Grph enthält eine Schleife und vier Zyklen. Mit den Pfdregeln kommen wir nicht weit. Dher ersetzen wir sie durch zwei einfchere und mächtigere Regeln. 7
8 i i1 i2 i3 in n n Abbildung 4.1: Irrfhrt 1 4 Die Mittelwertsregeln 4.1 Die Mittelwertsregeln Wir hben eine bsorbierende Mrkow-Kette mit dem Zustndsrum M = {e 1, e 2,..., e n }. Uns interessiert die Whrscheinlichkeit in einer bestimmten Teilmenge T des Rndes R bsorbiert zu werden (T R), und die mittlere Duer der Irrfhrt bis zur Absorption. In der Regel wird T us einem einzigen bsorbierenden Zustnd bestehen. Um dieses Problem für jeden Strtzustnd zu lösen, definieren wir uf M eine Whrscheinlichkeitsfunktion e i p i und eine Mittelwertsfunktion e i m i : p i = Whrscheinlichkeit von e i us in T R bsorbiert zu werden. m i = mittlere Duer der Irrfhrt von e i us bis zur Absorption in R. Durch Anwendung der 2. Pfdregel uf Abbildung 4.1 erhlten wir: (1) für lle e i M \ R: n p i = p ik p k, (2) p i = 1 für lle e i T ; p i = für lle e i R \ T. Wir wollen (1) in Worte fssen ls 1. Mittelwertsregel: Whrscheinlichkeit eines inneren Zustnds = gewichtetes Mittel der Whrscheinlichkeiten seiner Nchbrn. Eine Funktion mit der Mittelwertseigenschft (1) heisst hrmonische Funktion. Sie ist durch ihre Rndwerte eindeutig bestimmt. Die Mittelwertsfunktion e i m i ist bestimmt durch (3) für lle e i M \ R: n m i = 1 + p ik m k, 8
9 i 1 2 k n Abbildung 4.2: Irrfhrt 2 (4) m i = für lle e i R. Die Eigenschft (3) fssen wir in Worte ls 2. Mittelwertsregel: Erwrtungswert eines inneren Zustnds = 1 + gewichtetes Mittel der Erwrtungswerte seiner Nchbrn. Beweis. Nch der 3. Pfdregel ist m i gleich dem gewichteten Mittel der Längen ller Pfde, die von e i nch R führen. Wir betrchten zuerst den Beitrg M k der über e k führenden Pfde (Abbildung 4.2). Die Pfd von e k nch R seien durch die folgende Tbelle beschrieben: Länge x 1 x 2 x 3 Whrscheinlichkeit p 1 p 2 p 3 mit Die mittlere Lufzeit von e k zum Rnd ist p n = 1. n 1 m k = x 1 p 1 + x 2 p 2 + x 3 p 3 + Die von e i über e k nch R führenden Pfde sind durch die folgende Tbelle gegeben: Länge 1 + x x x 3 Whrscheinlichkeit p ik p 1 p ik p 2 p ik p 3 Der Beitrg dieser Pfd zu m i ist M k = (1 + x 1 )p ik p 1 + (1 + x 2 )p ik p 2 + (1 + x 3 )p ik p 3 + = p ik + p ik m k = p ik (1 + m k ) 9
10 Strt b Abbildung 4.3: Die Lplce-Münze 2 Dmit ist m i = n M k = n p ik + n p ik m k Nch der Definition der Übergngswhrscheinlichkeit ist n p ik = 1 und dher m i = 1 + n p ik m k. 4.2 Anwendungen von Mittelwertsregeln () Wir nehmen ds 2. Beispiel im Abschnitt 2.2 wieder uf. Abbildung 4.3 stimmt mit Abbildung 3.3 überein. Lösung. In jedem Kreis steht die Whrscheinlichkeit, dss ich von dort us gewinne. Die Rndwerte sind p 1111 =, p 11 = 1. Ich führe zwei Unbeknnten und b ein und setze m =, m = b. und b sollen bestimmt werden. Die übrigen Kreise wurden mit Hilfe der 1. Mittelwertsregel usgefüllt. Wendet mn dieselbe Regel uf die Zustände und n, so ergibt sich b = 1 2 b ( ) = b mit der Lösung = 4, b = D. h. vom Strt gewinne ich mit Whrscheinlichkeit = Ds Spiel ist nicht fir! In Abbildung 4.4 steht in jedem Kreis die mittlere Duer des Spiels, wenn mn dort strtet. Die Rndwerte sind m 1111 = m 11 =. Ich führe zwei unbeknnten und b ein und setze m =, m = b. und b sollen bestimmt werden. Die übrigen Kreis wurden mit Hilfe der 2. Mittelwertsregel usgefüllt. Wendet mn dieselbe Regel uf die Zustände und n, so ergibt sich b = b ( 2 + 1) 1
11 Strt b Abbildung 4.4: Die Lplce-Münze 3 Abbildung 4.5: Würfe 11
12 = b ( ) mit der Lösung = 54. Die mittlere Spielduer vom Strt ist (b) Ein Würfel wird wiederholt geworfen. Wie groß ist die Whrscheinlichkeit, dss 1 und 3 vor 2 oder 4 oder 6 erscheinen? Lösung. Wir übersetzen ds Spiel in einen Grphen (Abbildung 4.4). Ds zuerst uftretende Element der Menge {1, 3} wurde mit bezeichnet. Ds ndere Element ist dnn 4. Denn für = 1 ist 4 = 3, für = 3 ist 4 = 1. Unter jedem Zustnd steht seine Gewinnwhrscheinlichkeit. Die 1. Mittelwertsregel liefert y = y x = x 6 + y 3 mit den Lösungen y = 1, x = 1. D.h. im Strt ist die Gewinnwhrscheinlichkeit, Resümee In diesem Vortrg wurden drei Pfdregeln und deren Anwendungen erläutert und drus die Mittelwertsregeln bgeleitet. Ds Beispiel der Lplce-Münze ht uns gezeigt, dss viele Probleme, die ls bsorbierende Mrkov-Ketten gesehen werden, durch Mittelwertsregeln einfcher gelöst werden können. Für mich lg die Schwierigkeit des Vortrgs bei der Übersetzung der relistischen Probleme in nschuliche Grphen. Es ist klr, dss Mrkow-Ketten sowieso ein schwieriges Them ist. Wer Zeit und Interesse dfür ht, mehr über ds Them zu studieren, empfehle ich ihm ds Buch "Whrscheinlichkeitsrechnung und Sttistik"von A. Engel. Litertur [1] Arthur Engel: Whrscheinlichkeitsrechnung und Sttistik (Bnd 2). Klett Verlg, [2] Alle Abbildungen direkt übernommen bzw. ngepsst nch Ideen us [1] und [2] 12
F - 2 Unendliche Wahrscheinlichkeitsräume
Diskrete Whrscheinlichkeitsräume Diskrete Whrscheinlichkeitsräume F - Definition F.45 (Diskreter Whrscheinlichkeitsrum) Seien Ω eine höchstens bzählbre Menge und P : P(Ω) [0, ] eine Funktion. Dnn heißt
MehrF - 2 Unendliche Wahrscheinlichkeitsräume
Diskrete Whrscheinlichkeitsräume F - Definition F.45 (Diskreter Whrscheinlichkeitsrum) Seien Ω eine höchstens bzählbre Menge und P : P(Ω) [0, ] eine Funktion. Dnn heißt (Ω, P) ein diskreter Whrscheinlichkeitsrum,
MehrWie beschreibt man Prozesse? Wie beschreibt man Prozesse? Nicht nur eine Matrix, sondern viele Matrizen 0,5 0, 2 0,3 A 0, 2 0,7 0,1
25.11.2014 Nicht nur eine Mtrix, sondern viele Mtrizen 0,5 0, 2 0,3 A 0, 2 0,7 0,1 015 0,15 0,75 075 01 0,1 Wie beschreibt mn Prozesse? Mkov-Modell Modell Mrkov- Prozess Mrkov-Kette ber keine Mtrize und
MehrUngleichungen. Jan Pöschko. 28. Mai Einführung
Ungleichungen Jn Pöschko 8. Mi 009 Inhltsverzeichnis Einführung. Ws sind Ungleichungen?................................. Äquivlenzumformungen..................................3 Rechnen mit Ungleichungen...............................
MehrMathematik Rechenfertigkeiten
2 Mthemtik Rechenfertigkeiten Skript Freitg Dominik Tsndy, Mthemtik Institut, Universität Zürich Winterthurerstrsse 9, 857 Zürich Irmgrd Bühler (Überrbeitung: Dominik Tsndy) 9.August 2 Inhltsverzeichnis
MehrIII. Optimale Portfolioselektion
III. Optimle Portfolioselektion Schon bei der Bewertung meriknischer Optionen hben wir gesehen, dss Optimierungsprobleme in der Finnzmthemtik eine wichtige Rolle spielen. Ein weiteres Optimierungsproblem
Mehr7-1 Elementare Zahlentheorie. 1 a ist quadratischer Rest modulo p, 1 falls gilt a ist quadratischer Nichtrest modulo p, 0 p a. mod p, so ist.
7-1 Elementre Zhlentheorie 7 Ds udrtische Rezirozitätsgesetz 70 Erinnerung Sei eine ungerde Primzhl, sei Z In 114 wurde ds Legendre-Symbol eingeführt: 1 ist udrtischer Rest modulo, 1 flls gilt ist udrtischer
MehrSatz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.
Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn
MehrUmwandlung von endlichen Automaten in reguläre Ausdrücke
Umwndlung von endlichen Automten in reguläre Ausdrücke Wir werden sehen, wie mn us einem endlichen Automten M einen regulären Ausdruck γ konstruieren knn, der genu die von M kzeptierte Sprche erzeugt.
Mehr1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt
Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)
Mehr( ) Gegeben sind die in IR definierten Funktionen f, g und h durch
Hilfsmittelfreie Aufgben us dem Mthemtik-Pool zum Abitur 015 T. Wrncke m301 Abi015_M_Pool1_A1 Anlysis Gegeben sind die in IR definierten Funktionen f, g und h durch ( ) f = + 1, ( ) 3 g = + 1 und ( ) 4
MehrKapitel 7. Integralrechnung für Funktionen einer Variablen
Kpitel 7. Integrlrechnung für Funktionen einer Vriblen In diesem Kpitel sei stets D R, und I R ein Intervll. 7. Ds unbestimmte Integrl (Stmmfunktion) Es sei f : I R eine Funktion. Eine differenzierbre
Mehrkomplizierteren Funktionen versucht man, die Fläche durch mehrere Rechtecke anzunähern.
Mthemtik für Nturwissenschftler I 4. 4 Integrlrechnung 4. Integrierbrkeit Die Grundidee der Integrlrechnung ist die Berechnung der Fläche zwischen dem Grphen einer Funktion und der x-achse. Recht einfch
MehrBrückenkurs Lineare Gleichungssysteme und Vektoren
Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem
MehrFalls die Werte von X als Ergebnisse eines Zufallsvorgangs resultieren, wird X zu einer stetigen Zufallsvariable.
Sttistik I für Sttistiker, Mthemtiker und Informtiker Lösungen zu Bltt 11 Gerhrd Tutz, Jn Ulbricht, Jn Gertheiss WS 7/8 Theorie: Stetige Zufllsvriblen Begriff Stetigkeit: Eine Vrible oder ein Merkml X
Mehra) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung)
Definition 1.20 Ein metrischer Rum besteht us einer Menge X und einer Abbildung d : X X R, die jedem geordneten Pr von Elementen us X eine reelle Zhl zuordnet, d.h. (x,y) X X d(x,y) R. Diese Abbildung
MehrAufgabe 1 mit Lösung. Stelle x x + 2a x 2a VZW EPArt Wert
Aufgbe mit Lösung 4 ( 8 ) ( 4 8 ) f x = x x x + x= f x Achsensymmetrie + =. 4 lim x x + : Fll = c+ d 0! < 0 + x ±... Extrempunkte = = =. NB: f ( x) ( 4x 6 x) x( x ) x( x ) x MESt ( f ) { ;0;}. HB: 0 =
Mehr11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG
91 Dieses Skript ist ein Auszug mit Lücken us Einführung in die mthemtische Behndlung der Nturwissenschften I von Hns Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie ds Buch uch kufen und
Mehr2 2 Reguläre Sprachen. 2.6 Minimale DFAs und der Satz von Myhill-Nerode. Übersicht
Formle Systeme, Automten, Prozesse Übersicht 2 2.1 Reguläre Ausdrücke 2.2 Endliche Automten 2.3 Nichtdeterministische endliche Automten 2.4 Die Potenzmengenkonstruktion 2.5 NFAs mit ɛ-übergängen 2.7 Berechnung
MehrLineare Algebra I 5. Tutorium mit Lösungshinweisen
Fchbereich Mthemtik Prof Dr JH Bruinier Mrtin Fuchssteiner Ky Schwieger TECHNISCHE UNIVERSITÄT DARMSTADT AWS 07/08 0607 (T ) Linere Algebr I 5 Tutorium mit Lösungshinweisen Welche Gruppen kennen Sie? Welche
Mehr1.2 Eigenschaften der reellen Zahlen
12 Kpitel 1 Mthemtisches Hndwerkszeug 12 Eigenschften der reellen Zhlen Alle Rechenregeln der Grundrechenrten der reellen Zhlen lssen sich uf einige wenige Rechengesetze zurückführen, die in der folgenden
MehrMultiplikative Inverse
Multipliktive Inverse Ein Streifzug durch ds Bruchrechnen in Restklssen von Yimin Ge, Jänner 2006 Viele Leute hben Probleme dbei, Brüche und Restklssen unter einen Hut zu bringen. Dieser kurze Aufstz soll
MehrVorkurs Mathematik DIFFERENTIATION
Vorkurs Mthemtik 6 DIFFERENTIATION Beispiel (Ableitung von sin( )). Es seien f() = sin g() = h() =f(g()) = sin. (f () =cos) (g () =) Also ist die Ableitung von h: h () =f (g())g () =cos = cos. Mn nennt
Mehr3 Hyperbolische Geometrie
Ausgewählte Kpitel der Geometrie 3 Hperbolische Geometrie [... ] Im Folgenden betrchten wir nun spezielle gebrochen-linere Abbildungen, nämlich solche, für die (mit den Bezeichnungen ϕ,b,c,d wie oben die
Mehr3 Uneigentliche Integrale
Mthemtik für Physiker II, SS 2 Freitg 2.5 $Id: uneigentlich.te,v.7 2/5/2 :49:7 hk Ep $ $Id: norm.te,v.3 2/5/2 2:2:45 hk Ep hk $ 3 Uneigentliche Integrle Am Ende der letzten Sitzung htten wir ds Mjorntenkriterium
Mehrf : G R ϕ n 1 (x 1,...,x n 1 ) Das ist zwar die allgemeine Form, aber es ist nützlich sie sich für den R 2 und R 3 explizit anzuschauen.
Trnsformtionsstz von Sebstin üller Integrtion über Normlgebiete Allgemein knn mn im R n ein Normlgebiet wie folgt definieren: G : { R n 1 b, ϕ 1 ( 1 ) ψ 1 ( 1 ), ϕ ( 1, ) 3 ψ ( 1, ),... ϕ n 1 ( 1,...,
Mehr6.4 Die Cauchysche Integralformel
Die Cuchysche Integrlformel 6.4 39 Abb 6 Integrtionswege im Fresnelintegrl r ir 2 r 6.4 Die Cuchysche Integrlformel Aus dem Cuchyschen Integrlst folgt eine fundmentle Formel für die Drstellung einer holomorphen
MehrMinimierung von DFAs. Minimierung 21 / 98
Minimierung von DFAs Minimierung 21 / 98 Ein Beispiel: Die reguläre Sprche L({, } ) Wie stellt mn fest, o ein Wort ds Suffix esitzt? Ein erster Anstz: Speichere im ktuellen Zustnd die eiden zuletzt gelesenen
MehrMinimalautomat. Wir stellen uns die Frage nach dem. kleinsten DFA für eine reguläre Sprache L, d.h. nach einem DFA mit möglichst wenigen Zuständen.
Rechtslinere Sprchen Minimlutomt Es git lso sehr verschiedene endliche Beschreiungen einer regulären Sprche (DFA, NFA, rechtslinere Grmmtiken, reguläre Ausdrücke). Diese können ineinnder üersetzt werden.
Mehr4. Das quadratische Reziprozitätsgesetz.
4-1 Elementre Zhlentheorie 4 Ds udrtische Rezirozitätsgesetz Sei eine ungerde Primzhl, sei Z mit, 1 Frge: Wnn gibt es x Z mit x mod? Gibt es ein derrtiges x, so nennt mn einen udrtischen Rest modulo Legendre
Mehrb) Dasselbe System, die Unbekannten sind diesmal durchnummeriert:
1 Linere Gleichungssysteme 1. Begriffe Bspl.: ) 2 x - 3 y + z = 1 3 x - 2 z = 0 Dies ist ein Gleichungssystem mit 3 Unbeknnten ( Vriblen ) und 2 Gleichungen. Die Zhlen vor den Unbeknnten heißen Koeffizienten.
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester 2011
Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 011 Dr. Snder Bruggink Üungsleitung: Jn Stückrth Snder Bruggink Automten und Formle Sprchen 1 Reguläre Sprchen Wir eschäftigen uns
MehrMathematik Rechenfertigkeiten
26 Mthemtik Rechenfertigkeiten Skript Freitg Dr. Dominik Tsndy, Mthemtik Institut, Universität Zürich Winterthurerstrsse 9, 857 Zürich Skript: Dr. Irmgrd Bühler (Überrbeitung: Dr. Dominik Tsndy) 9. August
MehrNumerische Integration durch Extrapolation
Numerische Integrtion durch Extrpoltion Pblo Thiel Romberg-Verfhren Idee: Im Gegenstz zur numerischen Integrtion mit Hilfe der einfchen bzw. zusmmengesetzten Trpez-, Simpson-, 3/8- oder zum Beispiel der
MehrGrundlagen der Integralrechnung
Grundlgen der Integrlrechnung W. Kippels 0. April 2014 Inhltsverzeichnis 1 Ds unbestimmte Integrl 2 2 Ds bestimmte Integrl 4 Beispielufgben 7.1 Beispielufgbe 1............................... 7.2 Beispielufgbe
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmnn W Wu Herbstsemester 206 Linere Algebr und Numerische Mthemtik für D-BAUG Beispiellösung für Serie 5 ETH Zürich D-MATH Aufgbe 5 5) Seien u und v Lösungen des LGS Ax = b mit n Unbeknnten
MehrSchriftliche Reifeprüfung aus Mathematik
Schriftliche Reifeprüfung us Mthemtik 1) Linere Optimierung Ein Händler für Bürortikel füllt für den Schulnfng sein Lger mit Tschenrechnern des Typs Advnced und des Typs Bsic uf. Typ A kostet ihn im Einkuf
MehrAutomaten und Formale Sprachen alias Theoretische Informatik. Sommersemester Kurzer Einschub: das Schubfachprinzip.
Reguläre Sprchen Automten und Formle Sprchen lis Theoretische Informtik Sommersemester 0 Ds Pumping-Lemm Wir hen is jetzt vier Formlismen kennengelernt, mit denen wir eine reguläre Sprche ngeen können:
MehrLösung zur Klausur. Grundlagen der Theoretischen Informatik. 1. Zeigen Sie, dass die folgende Sprache regulär ist: w {a, b} w a w b 0 (mod 3) }.
Lösung zur Klusur Grundlgen der Theoretischen Informtik 1. Zeigen Sie, dss die folgende Sprche regulär ist: { w {, } w w 0 (mod 3) }. Lösung: Wir nennen die Sprche L. Eine Sprche ist genu dnn regulär,
MehrBINOMISCHE FORMELN FRANZ LEMMERMEYER
BINOMISCHE FORMELN FRANZ LEMMERMEYER Ds Distributivgesetz. Die binomischen Formeln sind im wesentlichen Vrinten des Distributivgesetzes. Dieses kennen wir schon; es besgt, dss () (b + = b + c und ( + b)c
MehrPräsenz-Aufgaben = i. (a) i 15 = i 14 i = (i 2 ) 7 i = ( 1) 7 i = i i 15 = 0 + ( 1)i, i (i i) = i 1 = i i 15 = 0 + 1i,
Präsenz-Aufgben 1. 1. Schreiben Sie z in der Form z α + βi mit α,β R. Aus der Vorlesung ist beknnt: i i i 1, i 1 1 i i i i i 1 i. () i 15 i 1 i (i ) 7 i ( 1) 7 i i i 15 + ( 1)i, (b) i 15 1 i 15 () 1 i
MehrR := {((a, b), (c, d)) a + d = c + b}. Die Element des Quotienten M/R sind die Klassen
Die ntürlichen Zhlen (zusmmen mit der Addition und der Multipliktion) wurden in Kpitel 3 xiomtisch eingeführt. Aus den ntürlichen Zhlen knn mn nun die gnzen Zhlen Z = {..., 2, 1, 0, 1, 2,...} die rtionlen
MehrDiskrete Energien. Lösung: (a) λ 1 = 2a, λ 2 = a = 2a 2, λ 3 = 2a 3, λ n = 2a n. = π a n, p n = k n = h 2a n. k n = 2π λ n. W n = p2 n 2m = h2
Diskrete Energien 1. 8 entdeckten Mrc Fries und Andrew Steele uf einem Meteoriten sogennnte Crbon Whiskers, lnggestreckte Nnostrukturen us Kohlenstoff, von denen ngenommen wird, dss sie im Rum um junge
Mehr1.5. Abbildung. DEFINITION injektiv, surjektiv, bijektiv Eine Abbildung f ist injektiv, falls es zu jedem y Y höchstens ein x X gibt mit
CHAPTER. MENGEN UND R ELATIONEN.5. ABBILDUNG.5. Abbildung Eine Abbildung (oder Funktion ist eine Reltion f über X Y mit der Eigenschft: für jedes x us X gibt es genu ein y Y mit (x,y f. Die übliche Schreibweise
Mehr3 Uneigentliche Integrale
Mthemtik für Ingenieure II, SS 29 Dienstg 9.5 $Id: uneigentlich.te,v.5 29/5/9 6:23:8 hk Ep $ $Id: prmeter.te,v.2 29/5/9 6:8:3 hk Ep $ 3 Uneigentliche Integrle Mn knn die eben nchgerechnete Aussge e d =,
Mehr- 1 - VB Inhaltsverzeichnis
- - VB Inhltsverzeichnis Inhltsverzeichnis... Die Inverse einer Mtrix.... Definition der Einheitsmtrix.... Bedingung für die inverse Mtrix.... Berechnung der Inversen Mtrix..... Ds Verfhren nch Guß mit
MehrFORMALE SYSTEME. 7. Vorlesung: Reguläre Ausdrücke. TU Dresden, 2. November Markus Krötzsch
FORMALE SYSTEME 7. Vorlesung: Reguläre Ausdrücke Mrkus Krötzsch TU Dresden, 2. November 2017 Rndll Munroe, https://xkcd.com/851_mke_it_better/, CC-BY-NC 2.5 Mrkus Krötzsch, 2. November 2017 Formle Systeme
MehrQuadratische Funktionen
Qudrtische Funktionen Die Scheitelpunktform ist eine spezielle Drstellungsform von qudrtischen Funktionen, nhnd der viele geometrische Eigenschften des Funktionsgrphen bgelesen werden können. Abbildung
Mehr5.1 Charakterisierung relativ kompakter und kompakter
Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine
MehrZum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2
Zum Stz von Tylor Klus-R. Loeffler Inhltsverzeichnis 1 Der verllgemeinerte Stz von Rolle 1 2 Der Stz von Tylor 2 3 Folgerungen, Anwendungen und Gegenbeispiele 4 3.1 Jede gnzrtionle Funktion ist ihr eigenes
MehrMinimalität des Myhill-Nerode Automaten
inimlität des yhill-nerode Automten Wir wollen zeigen, dss der im Beweis zum yhill-nerode Stz konstruierte DEA für die reguläre Sprche L immer der DEA mit den wenigsten Zuständen für L ist. Sei 0 der konstruierte
Mehr10 Das Riemannsche Integral
10 Ds Riemnnsche Integrl 50 10 Ds Riemnnsche Integrl Ziel dieses Prgrphen ist es, den Inhlt einer Fläche, die vom Grphen einer Funktion berndet wird, exkt zu definieren. f(b) f() = t 0 t1 t2 t3 t4 t5 t
MehrGebrochenrationale Funktionen (Einführung)
Gebrochenrtionle Funktionen (Einführung) Ac Eine gebrochenrtionle Funktion R ist von der Form R(x) P(x) und Q(x) gnzrtionle Funktionen n-ten Grdes sind. P(x) Q(x), wobei Im Allgemeinen ht eine gebrochenrtionle
MehrKapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35
Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion
MehrDatenstrukturen & Algorithmen Lösungen zu Blatt 2 FS 16
Eidgenössische Technische Hochschule Zürich Ecole polytechnique fédérle de Zurich Politecnico federle di Zurigo Federl Institute of Technology t Zurich Institut für Theoretische Informtik 9. März 2016
Mehr4.4 Partielle Integration
Mthemtik für Nturwissenschftler I 4.4 4.4 Prtielle Integrtion Zwei Integrtionsregeln kennen wir bereits: Stz 4.. und Stz 4..8. Stz 4.. sgt, dss mit zwei Funktionen uch deren Summe oder Differenz integrierbr
MehrG2 Grundlagen der Vektorrechnung
G Grundlgen der Vektorrechnung G Grundlgen der Vektorrechnung G. Die Vektorräume R und R Vektoren Beispiel: Physiklische Größen wie Krft und Geschwindigkeit werden nicht nur durch ihre Mßzhl und ihre Einheit,
MehrD-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9
D-MAVT/D-MATL Anlysis I HS 26 Dr. Andres Steiger Lösung - Serie 9. MC-Aufgben (Online-Abgbe). Es sei f die Funktion f() = e + 7. Welche der folgenden Funktionen sind Stmmfunktionen von f? () g() = 2 2
Mehr(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)!
0.. Lösung der Aufgbe. Wir schreiben f = sup{ f : [0, ]}. Für ξ ]0, [ und n N gibt es nch dem Stz von Tlor ein c ]ξ, [ so, dss: f = fξ + n ξ k f k ξ + k! k= Aus der Ttsche, dss f k 0 für lle k N ist, folgt
MehrIntegrieren. Regeln. Einige Integrale die man auswendig kennen sollte. Partielle Integration
Integrieren Regeln (f() + g())d = f()d + g()d c f()d = c f()d b f()d = f()d b Einige Integrle die mn uswendig kennen sollte s d = s + s+ + C (für s ) d = ln + C cos d = sin + C sin d = cos + C sinh d =
MehrReduktion. Seien A Σ und B Γ. Man sagt A ist reduzierbar auf B (A B) gdw. von speziellem Interesse: Polynomialzeitreduktion
Reduktion Seien A Σ und B Γ. Mn sgt A ist reduzierr uf B (A B) gdw. f : Σ Γ. x Σ.x A f(x) B Í* * A B von speziellem Interesse: Polynomilzeitreduktion ( pol ), logrithmische-pltz- Reduktion ( log ). F3
MehrMathematik II. Vorlesung 41. Satz Es sei f :[a,b] R n, t f(t), eine differenzierbare Kurve. Dann gibt es ein c [a,b] mit
Prof. Dr. H. Brenner Osnbrück SS 1 Mthemtik II Vorlesung 41 Die Mittelwertbschätzung für differenzierbre Kurven Stz 41.1. Es sei f :[,b] R n, t f(t), eine differenzierbre Kurve. Dnn gibt es ein c [,b]
MehrMathematik Name: Vorbereitung KA2 K1 Punkte:
Pflichtteil (etw 40 min) Ohne Tschenrechner und ohne Formelsmmlung (Dieser Teil muss mit den Lösungen bgegeben sein, ehe der GTR und die Formlsmmlung verwendet werden dürfen.) Aufgbe : [4P] Leiten Sie
MehrStrophoiden DEMO. Text Nr Stand 17. April 2016 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK.
Strophoiden Tet Nr. 5415 Stnd 17. April 016 FRIEDRICH W. BUCKEL INTERNETBIBLIOTHEK FÜR SCHULMATHEMATIK www.mthe-cd.de 5415 Strophoiden Vorwort Strophoiden sind wenig beknnte Kurven. Sie werden über eine
MehrGrundlagen der Integralrechnung
Grundlgen der Integrlrechnung Wolfgng Kippels 8. April 018 Inhltsverzeichnis 1 Vorwort Ds unbestimmte Integrl Ds bestimmte Integrl 5 4 Beispielufgben 8 4.1 Beispielufgbe 1...............................
MehrProbeklausur Mathematik für Ingenieure C3
Deprtment Mthemtik Dr. rer. nt. Lrs Schewe Mthis Sirvent Wintersemester 013/014 Probeklusur Mthemtik für Ingenieure C3 Anmerkungen zur Klusur: Die Arbeitszeit wird 90 Minuten betrgen. Sie können sämtliche
Mehrfa x = VZW fa bei x x Extremstelle von fa 1 Stelle 3 x + 2a 3 x 2a VZW PA Wert
Die Veröffentlichung dieser Lösung geschieht ohne inhltliche Prüfung durch die Bezirksregierung Düsseldorf und den Mthe-Treff. Die Lösung stmmt nicht vom Originlutor der Aufgbe, sondern von einem Leser
MehrAutomaten und formale Sprachen Notizen zu den Folien
5 Ds Pumping Lemm Schufchprinzip (Folie 144) Automten und formle Sprchen Notizen zu den Folien Im Block Ds Schufchprinzip für endliche Automten steht m n (sttt m > n), weil die Länge eines Pfdes die Anzhl
MehrQuadratische Funktionen und p-q-formel
Arbeitsblätter zum Ausdrucken von softutor.com Qudrtische Funktionen und -q-formel Gib den Vorfktor und die Anzhl der Schnittstellen mit der -Achse n. x 3 Beschreibe die Reihenfolge beim Umformen einer
MehrLineare DGL zweiter Ordnung
Universität Duisburg-Essen Essen, 03.06.01 Fkultät für Mthemtik S. Buer C. Hubcsek C. Thiel Linere DGL zweiter Ordnung Betrchten wir ds AWP { x + x + bx = 0 mit, b, t 0, x 0, v 0 R. Der Anstz xt 0 = x
MehrMathematik: Mag Schmid Wolfgang Arbeitsblatt 5 5. Semester ARBEITSBLATT 5 VEKTORRECHNUNG IM RAUM
Mthemtik: Mg Schmid Wolfgng Arbeitsbltt 5 5. Semester ARBEITSBLATT 5 VEKTORRECHNUNG IM RAUM Bisher hben wir die Lge von Punkten und Gerden lediglich in der Ebene betrchtet. Nun wollen wir die Lge dieser
MehrÜbungen zur Linearen Algebra 1
Übungen zur Lineren Algebr Lösungen Wintersemester 9/ Universität Heidelberg Mthemtisches Institut Lösungen Bltt Dr. D. Vogel Michel Mier Aufgbe 44. b 4 b b 4 ( )b Fll : = ( )b 4 b ( ) b ( ) ( )(b ) b
MehrIntegration von Regelfunktionen
Integrtion von Regelfunktionen Inhltsverzeichnis Einleitung 2 Treppen- und Regelfunktionen 3 Denition des Integrls 4 Rechen mit Integrlen 2 4. Grundlegende Eigenschften.............................................
Mehr38 Das Riemann-Integral vektorwertiger Funktionen über [a, b]
38 Ds Riemnn-Integrl vektorwertiger Funktionen über [, b] 38.2 Riemnn-Integrierbrkeit von Wegen 38.4 Ds Riemnn-Integrl ist eine linere Abbildung von R([, b], V ) in V 38.9 Integrlbschätzung 38.10 Huptstz
MehrIch kann LGS mit drei Gleichungen und drei Unbekannten mit dem Gauß-Verfahren lösen.
Klsse 9c Mthemtik Vorbereitung zur Klssenrbeit Nr. m.1.017 Themen: Reelle Zhlen, Qudrtwurzeln LGS mit drei Unbeknnten Checkliste Ws ich lles können soll Ich knn LGS mit drei Gleichungen und drei Unbeknnten
MehrVorlesung. Einführung in die mathematische Sprache und naive Mengenlehre
Vorlesung Einführung in die mthemtische Sprche und nive Mengenlehre 1 Allgemeines RUD26 Erwin-Schrödinger-Zentrum (ESZ) RUD25 Johnn-von-Neumnn-Hus Fchschft Menge ller Studenten eines Institutes Fchschftsrt
MehrLösungen zum Ergänzungsblatt 4
en zum Ergänzungsltt 4 Letzte Änderung: 23. Novemer 2018 Theoretische Informtik I WS 2018 Crlos Cmino Vorereitungsufgen Vorereitungsufge 1 Sei M = ({p, q, r}, {, }, δ, p, {q, r}) ein DEA mit folgender
Mehr10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen.
10. Riemnnsche Geometrie I: Riemnnsche Metrik Wir können in der hyperbolischen Geometrie noch nicht wirklich messen. Hierfür bruchen wir ein Riemnnsches Längen- und Winkelmß, d.h. eine Riemnnsche Geometrie.
MehrMathematische Probleme, SS 2018 Donnerstag 7.6. $Id: dreieck.tex,v /06/07 14:52:59 hk Exp $
$Id: dreieck.tex,v 1.45 2018/06/07 14:52:59 hk Exp $ 2 Dreiecke 2.2 Ähnliche Dreiecke Wir htten zwei Dreiecke kongruent gennnt wenn sie sich durch eine ewegung der Ebene ineinnder überführen lssen und
Mehr2. Klausur zu,,algorithmische Mathematik II
Institut für ngewndte Mthemtik Sommersemester 2009 Andres Eberle, Mrtin Slowik 2. Klusur zu,,algorithmische Mthemtik II Bitte diese Felder in Druckschrift usfüllen Nme: Mtrikelnr.: Vornme: Studiengng:
Mehr2.6 Unendliche Reihen
2.6 Unendliche Reihen In normierten Räumen steht ds wichtige Werkzeug der Bildung von unendlichen Reihen zur Verfügung. Mn denke in diesem Zusmmenhng drn, dss mn in der Anlysis Potenz- und Fourierreihen
MehrMathematik 1 für Bauwesen 14. Übungsblatt
Mthemtik für Buwesen Übungsbltt Fchbereich Mthemtik Wintersemester 0/0 Dr Ivn Izmestiev 8/900 Dr Vince Bárány, M Sc Juli Plehnert Gruppenübung Aufgbe G () Berechnen Sie ds Volumen des Rottionskörpers,
MehrMathematik Bruchrechnung Grundwissen und Übungen
Mthemtik Bruchrechnung Grundwissen und Übungen von Stefn Gärtner (Gr) Stefn Gärtner -00 Gr Mthemtik Bruchrechnung Seite Inhlt Inhltsverzeichnis Seite Grundwissen Ws ist ein Bruch? Rtionle Zhlen Q Erweitern
MehrAlgebra - Lineare Abbildungen
Algebr - Linere Abbildungen oger Burkhrdt (roger.burkhrdt@fhnw.ch) 8 Hochschule für Technik . Der Vektorrum Hochschule für Technik Hochschule für Technik 4 Vektorrum Definition: Ein Vektorrum über einen
Mehr2.6 Reduktion endlicher Automaten
Endliche Automten Jörg Roth 153 2.6 Reduktion endlicher Automten Motivtion: Wir sind n Automten interessiert, die mit möglichst wenigen Zuständen uskommen. Automten, die eine Sprche mit einem Minimum n
Mehr24 UNEIGENTLICHE INTEGRALE 146. F (x) F (x ) f(x, t) dt. 3(b a) (b a) + ɛ 3 + ɛ 3 = ɛ.
24 UNEIGENTLICHE INTEGRALE 146 für lle t [, b] und lle x D mit x x < δ. Für lle x D mit x x < δ gilt lso = F (x) F (x ) b f(x, t) dt b b f(x, t) dt + f(x, t) f(x, t) dt + ɛ 3(b ) (b ) + ɛ 3 + ɛ 3 = ɛ.
Mehr2 Trigonometrische Formeln
Mthemtische Probleme, SS 015 Donnerstg 7.5 $Id: trig.tex,v 1.11 015/05/19 17:1:13 hk Exp $ $Id: convex.tex,v 1.17 015/05/18 11:15:36 hk Exp $ Trigonometrische Formeln.3 Spezielle Werte der trigonometrischen
MehrKarlsruher Institut für Technologie (KIT) SS 2013 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Krlsruher Institut für Technologie KIT SS 3 Institut für Anlysis 943 Prof Dr Tobis Lmm Dr Ptrick Breuning Höhere Mthemtik II für die Fchrichtung Physik 3 Übungsbltt Aufgbe Sei K ein Kreis im R vom Rdius
MehrExponential- und Logarithmusfunktion
Mthemtik I und II für Ingenieure (IAM) Version.3/..003.0.5 Eponentil- und Logrithmusfunktion Definition.0.0: Sei +, dnn ist die llgemeine Form einer Eponentilfunktion f: + gegeben durch die Funktionsgleichung
MehrUniversität Karlsruhe Institut für Theoretische Informatik. Klausur: Informatik III
Nme Vornme Mtrikelnummer Lösungsvorschlg Universität Krlsruhe Institut für Theoretische Informtik o. Prof. Dr. P. Snders 8. März 2006 Klusur: Informtik III Aufgbe 1. Multiple Choice 10 Punkte Aufgbe 2.
MehrGrundlagen der Theoretischen Informatik
Grundlgen der Theoretischen Informtik 3. Endliche Automten (II) 28.04.2016 Vioric Sofronie-Stokkermns e-mil: sofronie@uni-koblenz.de 1 Übersicht 1. Motivtion 2. Terminologie 3. Endliche Automten und reguläre
MehrGrundkurs Mathematik II
Prof Dr H Brenner Osnbrück SS 2017 Grundkurs Mthemtik II Vorlesung 33 Die Zhlenräume Die Addition von zwei Pfeilen und b, ein typisches Beispiel für Vektoren Es sei K ein Körper und n N Dnn ist die Produktmenge
MehrAlgebraische Topologie WS 2016/17 Lösungen der Woche 9
6.132 - Algebrische Topologie WS 2016/17 Lösungen der Woche 9 Mrtin Frnklnd 5.1.2017 Aufgbe 1. Es sei X ein Rum und X = α U α eine disjunkte Vereinigung offener Teilmengen U α X. Zeigen Sie, dss X ds Koprodukt
Mehr4 Stetigkeit. 4.1 Intervalle
4 Stetigkeit Der Grenzwertbegriff für Zhlenfolgen lässt sich uf Funktionen übertrgen. Funktionen (oder Abbildungen) wren bereits im Kpitel über Mengen ufgetreten. Hier wird nun der Fll betrchtet, dss Definitionsbereich
Mehr7.9A. Nullstellensuche nach Newton
7.9A. Nullstellensuche nch Newton Wir hben früher bemerkt, dß zur Auffindung von Nullstellen einer gegebenen Funktion oft nur Näherungsverfhren helfen. Eine lte, ber wirkungsvolle Methode ist ds Newton-Verfhren
MehrCopyright, Page 1 of 5 Der Faktorraum
www.mthemtik-netz.de Copright, Pge of 5 Der Fktorrum Ein sehr wichtiges Konstrukt, welches üerll in der Mthemtik Verwendung findet, ist der Fktorrum, oft uch Quotientenrum gennnt. Dieser ist selst ein
MehrLS 04.M2 Aufgaben. Geometrie
8 LS 04.M2 Aufgben Wie groß ist? (Die Zeichnung ist eine Skizze. Messen hilft lso nicht weiter.) Stellt eure Überlegungen übersichtlich uf einem DIN-A4-Bltt dr. Wie groß ist? (Die Zeichnung ist eine Skizze.
Mehr