3.3 Lineare Abbildungen und Matrizen

Größe: px
Ab Seite anzeigen:

Download "3.3 Lineare Abbildungen und Matrizen"

Transkript

1 33 LINEARE ABBILDUNGEN UND MATRIZEN Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle spelen Dazu se daran ernnert daß f: K V K V genau dann lnear also en K- Homomorphsmus st kurz: f Hom K V V wenn fu+v = fu+fv und fκv = κfv gelten für alle u v V und alle κ K Es st berets erwähnt worden daß man dese beden Bedngungen auch durch de enzge Bedngung fκu + λv = κfu + λfv ersetzen kann Lneare Abbldungen snd also Abbldungen zwschen Vektorräumen mt demselben Grundkörper K wr können deshalb den Index K mestens weglassen Dese Defnton der Lneartät kann man auch mt Hlfe des Begrffs der lnearen Bezehung formuleren was den Durchblck verbessert: f st genau dann lnear wenn f κ v = κ fv glt so daß aus κ v = 0 wegen f0 = 0 folgt κ fv = 0 Lneare Abbldungen erhalten also lneare Bezehungen genauer: ene lneare Bezehung zwschen Urbldern v überträgt sch auf deren Blder fv : κ v = 0 = κ fv = 0 Es glt auch de Umkehrung: Werden lneare Bezehungen erhalten dann st de Abbldung lnear denn aus 0 = w u v folgt dann 0 = fw fu fv und damt fu + fv = fw = fu + v Analog ergbt sch fκu = κfu denn 0 = w κu mplzert 0 = fw κfu so daß κfu = fw = fκu folgt Wr fassen des mt weteren sehr wchtgen Egenschaften solcher lnearen Abbldungen zusammen n 331 Satz Für K-Vektorräume V V und ene Telmenge T von V glt: Genau dejengen f: V V snd lnear de lneare Bezehungen erhalten dh 0 = κ v mplzert 0 = κ fv Blder lnear unabhängger Telmengen unter njektven lnearen Abbldungen snd lnear unabhängg Ist V = K T f: T V dann kann f genau dann zu ener lnearen Abbldung f: V V fortgesetzt werden wenn f lneare Bezehungen erhält Ene solche lneare Abbldung st gegebenenfalls endeutg bestmmt v Auf lnear unabhänggen Telmengen T defnerte Abbldungen snd lnear fortsetzbar auf Basen B defnerte sogar endeutg

2 88 v Ist f Hom K V V dann glt f K T = K ft v Ist T K V dann glt: a f Ep K V V V = K T = V = K ft b f Mono K V V V = K B = fv = K fb c f Iso K V V V = K B = V = K fb Bewes: wurde berets bewesen st lecht nachzuprüfen Zum Bewes von betrachten wr das Dagramm T ι V f f V wobe ι: T V t t st de Enbettung von T n V Wegen der Injektvtät von ι gbt es nach dem Abbldungssatz ene Abbldung f für welche deses Dagramm kommutatv st de also f auf V fortsetzt Darüberhnaus st jede Fortsetzung von f dh jede Abbldung von V nach V mt ft = ft ene kommutatve Ergänzung des Dagramms also auch de Abbldung f: V V t κ t t t κ t ft wenn dese wohldefnert st dh wenn se lneare Bezehungen auf T erhält Und deses f st ganz offenschtlch ene lneare Abbldung Wel T ganz V erzeugt st se sogar endeutg bestmmt Das bewest v und v und v folgen heraus unmttelbar Snd V und V endlchdmensonal und B B Basen dann wrd nach 331 jedes f Hom K V V durch Angabe der Blder fb b B vollständg bestmmt Zur systematschen numerschen Beschrebung von f ordnen wr deshalb B und B zu Bassfolgen an: B = b 0 b n 1 B = b 0 b m 1 f st dann vollständg bestmmt durch de Koeffzenten a k aus den Glechungen 332 fb k = m 1 =0 a k b Dese Koeffzenten a k de von f B und B abhängen! füllen de m n Matrx 333 MB f B := a k

3 33 LINEARE ABBILDUNGEN UND MATRIZEN 89 De dabe beachtete Konventon das Bld des k ten Bassvektors n de k te Spalte zu schreben genauer: dessen Komponenten bzgl B heßt de Spaltenkonventon Gelegentlch fndet man auch Bücher n denen de Zelenkonventon benutzt wrd 334 Bespele Im folgenden bezechnen wr mt E bzw E n stets de Standardbassfolge e 0 e n 1 von K n wobe 0 0 e := Mt den Bassfolgen B 1 := e 1 e 0 B 1 3 := 3 1 B 2 2 := B 2 := 5 von R V := R R 2 =: V glt dann für de lneare Abbldung f: V V α y y y folgendes: 0 1 ME f E = MB f B 1 = MB 2 9/5 3 f B 2 = 6/5 2 1/ De m n-matrzen beschreben also de lnearen Abbldungen aber es glt noch mehr denn auch de Komposton zweer lnearen Abbldungen wrd durch ene Matrx beschreben de das Produkt der Matrzen der Kompostonsfaktoren st Herzu müssen wr aber erst enmal en Produkt defneren Zusammen mt der kanonschen Addton ergbt sch dabe sogar ene Rngstruktur auf den quadratschen Matrzen vorgegebener Zelen und Spaltenzahl! 335 Defnton Ist R en Rng m n N dann heßen de Elemente von R m n = {a k a k R m k n} de m n Matrzen über R De Elemente oder Enträge a k von A = a k R m n werden we folgt n Zelen und Spalten angeordnet: a 00 a 12 a 0n 1 a A = 10 a 11 a 1n 1 a m 10 a m 11 a m 1n 1

4 90 st also der Zelenndex k der Spaltenndex 336 Hlfssatz R m n st R Lnksmodul mt der punktwesen Addton und Skalarmultplkaton: a k + b k := a k + b k ra k := ra k R m m st Rng mt der punktwesen Addton und folgender Multplkaton: m 1 a k b k := a j b jk Bewes: Nachrechnen Dese Produktbldung läßt sch auf ncht quadratsche Matrzen verallgemenern vorausgesetzt de Spaltenzahl des lnken Faktors glecht der Zelenzahl des rechten Faktors: 337 Hlfssatz Für A R m n B R n p defnert man als Produkt de Matrx n AB := a j b jk j=1 De Produktbldung st überall dort wo se defnert st assozatv und dstrbutv: ABC = ABC AB + C = AB + AC A + BC = AC + BC Bewes: Nachrechnen Für m > 1 st der Rng R m m a ncht kommutatv zb dann wenn R en Rng mt 1 st: = = Ist R en Rng mt Ens dann st auch R m m en Rng mt Enselement 1 0 E m := 0 1 Dese Matrx heßt Enhetsmatrx Ene Matrx A R m m heßt dann nverterbar oder regulär wenn es C R m m gbt mt j=0 AC = CA = E m De Matrx D = d k R n m mt d k := a k heßt de zu A R m n transponerte Matrx und wrd mt t A

5 33 LINEARE ABBILDUNGEN UND MATRIZEN 91 bezechnet Ist R kommutatv dann glt für A R m n B R n p : t AB = t B t A Snd A B R m m nverterbar dann glt AB 1 = B 1 A Satz Ist dm V K = n dm V K = m so glt für Bassfolgen B von V B von V : ϕ BB : Hom K V V K K m n f MB f B und de Abbldung ϕ BB : End K V K n n f MB f B st en Isomorphsmus zwschen Rngen mt Ens Bewes: Unmttelbar aus der Defnton von MB f B und den Defntonen der Verknüpfungen n K m n folgt daß ϕ BB Homomorphsmus lnear und njektv st De Surjektvtät st ebenfalls offenschtlch: Jede m n Matrx beschrebt ene lneare Abbldung De Homomorphe von ϕ BB bzgl Addton folgt aus Für de Multplkaton haben wr zu zegen daß Des ergbt sch so: MB g f B = MB g B MB f B g fb k = g a k b = a k gb = j a k b j b j = j b j a k b j De Tatsache ϕ BB d V = E m st trval Ganz analog folgt für endlchdmensonale V V V lneare Abbldungen f Hom K V V g Hom K V V und Bassfolgen B B und B : 339 MB g B MB f B = MB g f B dh de Matrxmultplkaton st gerade so engerchtet daß das Produkt der Matrzen de Komposton der entsprechenden lnearen Abbldungen beschrebt! Ist V K = K B und v = b B κ bb dann heßen de κ b de Komponenten von v bzgl B Im endlchdmensonalen Fall wenn B = b 0 b n 1 Bassfolge st ergbt sch der Isomorphsmus v 0 n 1 ϕ: V K K n v falls v = v b v =0 n 1

6 Folgerung Je zwe n-dmensonale K Vektorräume snd also zuenander somorph dh es gbt zu vorgegebenem Körper K und vorgegebener natürlcher Zahl n bs auf Isomorphe genau enen K-Vektorraum mt deser Dmenson Sehr wchtg st noch we man mt Hlfe der f Hom K V V darstellenden Matrx A = MB f B de Komponenten des Bldes enes Vektors ermttelt Ist v = v b dann glt nämlch wenn fv = v = v b : v = k a kv k oder n Matrxschrebwese: 3311 v 0 v n 1 v 0 = A v m 1 Sehen wr uns noch an we sch de ene lneare Abbldung beschrebende Matrx be enem Basswechsel verhält: Snd B 1 B 2 bzw B 1 B 2 Bassfolgen endlchdmensonaler Vektorräume und snd C = c k D = d k de jewelgen Übergangsmatrzen dh es glt dann folgt aus 339 wegen b 1 k = c k b 2 b 1 k = d k b 2 C = c k = MB 2 d B 1 D = d k = MB 2 d B 1 daß MB 2 f B 1 = MB 2 f B 2 MB 2 d B 1 = MB 2 d B 1 MB 1 f B 1 nsgesamt also de Glechung 3312 D MB 1 f B 1 = MB 2 f B 2 C Man sch das lecht auch so klarmachen: V B 1 C V B 2 MB 1 f B 1 MB 2 f B 2 V B 1 V B 2 D En häufg vorkommender Spezalfall st der enes Endomorphsmus: f End K V und Bassfolgen B B : 339 lefert 3313 MB d B MB f B MB d B = MB f B

7 33 LINEARE ABBILDUNGEN UND MATRIZEN 93 oder explzt mt der Übergangsmatrx C = c k aus b k = c kb formuert: 3314 C MB f B C 1 = MB f B Der Übergang von der Bassfolge B zur Bassfolge B entsprcht also der Konjugaton der f beschrebenden Matrx mt der Übergangsmtrx C

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Lineare Algebra B. Herzog, Universität Leipzig, Institut für Mathematik und Informatik, Vorlesung des ersten Studienjahrs im Herbstsemester 2007

Lineare Algebra B. Herzog, Universität Leipzig, Institut für Mathematik und Informatik, Vorlesung des ersten Studienjahrs im Herbstsemester 2007 Lneare Algebra B. Herzog, Unverstät Lepzg, Insttut für Mathematk und Informatk, Vorlesung des ersten Studenjahrs m Herbstsemester 2007 Hnwese Aufgaben Am Anfang jeder Woche werden jewels 3 Aufgaben ns

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt

Grundlagen der Mathematik I Lösungsvorschlag zum 12. Tutoriumsblatt Mathematsches Insttut der Unverstät München Wntersemester 3/4 Danel Rost Lukas-Faban Moser Grundlagen der Mathematk I Lösungsvorschlag zum. Tutorumsblatt Aufgabe. a De Formel besagt, daß de Summe der umrahmten

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA

Kleiner Fermatscher Satz, Chinesischer Restsatz, Eulersche ϕ-funktion, RSA Klener Fermatscher Satz, Chnesscher Restsatz, Eulersche ϕ-funkton, RSA Manfred Gruber http://www.cs.hm.edu/~gruber SS 2008, KW 15 Klener Fermatscher Satz Satz 1. Se p prm und a Z p. Dann st a p 1 mod p

Mehr

1 Differentialrechnung in mehreren Variablen

1 Differentialrechnung in mehreren Variablen 1 Dfferentalrechnung n mehreren Varablen 1.1 De Geometre eukldscher Räume Zur Ernnerung De Elemente des R n schreben wr normalerwese als Zelenvektoren: x = (x 1,..., x n ). Kommen Matrzen ns Spel, so st

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

11 Charaktere endlicher Gruppen

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

Mehr

Lineare Optimierung Dualität

Lineare Optimierung Dualität Kaptel Lneare Optmerung Dualtät D.. : (Dualtät ) Folgende Aufgaben der lnearen Optmerung heßen symmetrsch dual zuenander: und { z = c x Ax b x } max, 0 { Z b A c } mn =, 0. Folgende Aufgaben der lnearen

Mehr

4. Musterlösung. Problem 1: Kreuzende Schnitte **

4. Musterlösung. Problem 1: Kreuzende Schnitte ** Unverstät Karlsruhe Algorthmentechnk Fakultät für Informatk WS 05/06 ITI Wagner 4. Musterlösung Problem 1: Kreuzende Schntte ** Zwe Schntte (S, V \ S) und (T, V \ T ) n enem Graph G = (V, E) kreuzen sch,

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen

Übungsklausur zur Vorlesung Wahrscheinlichkeit und Regression Lösungen. Übungsklausur Wahrscheinlichkeit und Regression Die Lösungen Übungsklausur Wahrschenlchket und Regresson De Lösungen. Welche der folgenden Aussagen treffen auf en Zufallsexperment zu? a) En Zufallsexperment st en emprsches Phänomen, das n stochastschen Modellen

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 2009 UNIVERSITÄT KARLSRUHE Blatt 2 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 7: (B. Fredmans Urnenmodell)

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

4.6 Das Pumping-Lemma für reguläre Sprachen:

4.6 Das Pumping-Lemma für reguläre Sprachen: Theoretsche Informatk 1 Vorlesungsskrpt vom Fretag, 30 Jun 000 Index: Erstellt von: (Matrkelnummer: 70899) Sete : 46 Das Pumpng-Lemma für reguläre Sprachen 1 Satz W 1 Zugrundelegende Idee des Pumpng-Lemma

Mehr

Weitere NP-vollständige Probleme

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

Mehr

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt

Wir betrachten in diesem Abschnitt Matrixspiele in der Maximierungsform, also endliche 2 Personen Nullsummenspiele der Gestalt Kaptel 3 Zwe Personen Spele 3.1 Matrxspele 3.2 Matrxspele n gemschten Strategen 3.3 B Matrxspele und quadratsche Programme 3.4 B Matrxspele und lneare Komplementartätsprobleme 3.1 Matrxspele Wr betrachten

Mehr

1.1 Das Prinzip von No Arbitrage

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

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Bachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013

Bachelorarbeit. Cayley s Formel und das Abzählen von Bäumen. Viktoria Piribauer. Wien, September 2013 Bachelorarbet Cayley s Formel und das Abzählen von Bäumen Vktora Prbauer Wen, September 2013 Matrkelnummer: 1007394 Studenrchtung: A 033621 Mathematk Betreuer: Mag. Dr. Bernhard Krön, Prvatdoz. Inhaltsverzechns

Mehr

ALGEBRAISCHE TOPOLOGIE

ALGEBRAISCHE TOPOLOGIE ALGEBRAISCHE TOPOLOGIE OLIVER C. SCHNÜRER Zusammenfassung. Be desem Manuskrpt handelt es sch um Notzen zu ener Vorlesung Algebrasche Topologe an der Freen Unverstät Berln m Sommersemester 2007 und an der

Mehr

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

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

Mehr

50 Matrixnormen und Eigenwertabschätzungen

50 Matrixnormen und Eigenwertabschätzungen 50 Matrxnormen und Egenwertabschätzungen 501 Motvaton De Berechnung der Egenwerte ener Matrx st aufwändg (vgl Kaptel 45, Kaptel 51) Kann man de Egenwerte ener Matrx mt gerngem Aufwand abschätzen? Des spelt

Mehr

Ko- und kontravariante Darstellung

Ko- und kontravariante Darstellung Ko- und kontravarante Darstellung Physkalsche Sachverhalte snd vom verwendeten Koordnatensystem unabhängg. Sehr oft st es snnvoll, se n verschedenen Koordnatensystemen darzustellen. Berets erwähnt wurden

Mehr

Spiele und Codes. Rafael Mechtel

Spiele und Codes. Rafael Mechtel Spele und Codes Rafael Mechtel Koderungstheore Worum es geht Über enen Kanal werden Informatonen Übertragen. De Informatonen werden dabe n Worte über enem Alphabet Q übertragen, d.h. als Tupel w = (w,,

Mehr

2 Zufallsvariable und Verteilungen

2 Zufallsvariable und Verteilungen Zufallsvarable und Vertelungen 7 Zufallsvarable und Vertelungen Wr wollen uns jetzt mt Zufallsexpermenten beschäftgen, deren Ausgänge durch (reelle) Zahlen beschreben werden können, oder be denen man jedem

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

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

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

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. .

Neuronale Netze. M. Gruber (1) ausgeloste Reiz ist x (1) = (1) (s (1) ) mit (1) (s) = 1 sgn(s 1 ) sgn(s 2 ) T. . Neuronale Netze M. Gruber 7.11.015 Begnnen wr mt enem Bespel. Bespel 1 Wr konstrueren enen Klasskator auf der Menge X = [ 1; 1], dessen Wrkung man n Abb.1 rechts sehen kann. Auf der blauen Telmenge soll

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

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

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

Mehr

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden.

Z Z, kurz { } Zählt die Reihenfolge der Buchstaben (ja/nein) Daraus ergeben sich wiederum vier Möglichkeiten, Wörter der Länge k zu bilden. Kombnator. Problemstellung Ausgangspunt be ombnatorschen Fragestellungen st mmer ene endlche Menge M, aus deren Elementen man endlche Zusammenstellungen von Elementen aus M bldet. Formal gesprochen bedeutet

Mehr

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM)

6. Hilbertraum und lineare Operatoren (mathematische Grundlagen QM) 6. Hlbertraum und lneare Operatoren (mathematsche Grundlagen QM) 6.1 Hlbertraum Raum = mathematsches Konstrukt: Vektorraum a) Der lneare komplexe Raum st de Menge von mathematschen Objekten mt folgenden

Mehr

Komplexe Zahlen. Roger Burkhardt 2008

Komplexe Zahlen. Roger Burkhardt 2008 Komplexe Zahlen Roger Burkhardt (roger.burkhardt@fhnw.ch) 008 Enführung De Unvollkommenhet des Körpers der reellen Zahlen N 1,,,,... snd sowohl { } In der Menge der natürlchen Zahlen Addton we Multplkaton

Mehr

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)).

Abbildung 3.1: Besetzungszahlen eines Fermigases im Grundzustand (a)) und für eine angeregte Konfiguration (b)). 44 n n F F a) b) Abbldung 3.: Besetzungszahlen enes Fermgases m Grundzustand (a)) und für ene angeregte Konfguraton (b)). 3.3 Ferm Drac Statstk In desem Abschntt wollen wr de thermodynamschen Egenschaften

Mehr

2 Matrizen (A + B) + C = A + (B + C) (A + B)C = AC + BC. Seien A R m n und B = (b (1)... b (p) ) R n p zwei Matrizen. Dann gilt

2 Matrizen (A + B) + C = A + (B + C) (A + B)C = AC + BC. Seien A R m n und B = (b (1)... b (p) ) R n p zwei Matrizen. Dann gilt Lneare Algebra Wel Gao September Gauss sches Elmnatonsverfahren a x + a x + + a n x n = b a x + a x + + a n x n = b a m x + a m x + + a mnx n = b m Das LGS mt m Glechungen und n Unbekannten n ene erweterte

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013

5. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 O. Alaya, S. Demrel M. Fetzer, B. Krnn M. Wed 5. Gruppenübung zur Vorlesung Höhere Mathematk Wntersemester /3 Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshnwese zu den Hausaufgaben: Aufgabe H 6. Darstellungen

Mehr

Die Leistung von Quicksort

Die Leistung von Quicksort De Lestung von Qucsort Jae Hee Lee Zusammenfassung Der Sorteralgorthmus Qucsort st als ens der effzenten Sorterverfahren beannt. In deser Ausarbetung werden wr sene Komplextät zuerst möglchst präzse schätzen

Mehr

Der Satz von COOK (1971)

Der Satz von COOK (1971) Der Satz von COOK (1971) Voraussetzung: Das Konzept der -Band-Turng-Maschne (TM) 1.) Notatonen: Ene momentane Beschrebung (mb) ener Konfguraton ener TM st en -Tupel ( α1, α2,..., α ) mt α = xqy, falls

Mehr

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum

Fallstudie 1 Diskrete Verteilungen Abgabe: Aufgabentext und Lösungen schriftlich bis zum Abgabe: Aufgabentext und Lösungen schrftlch bs zum 15. 6. 2012 I. Thema: Zehen mt und ohne Zurücklegen Lesen Se sch zunächst folgenden Text durch! Wr haben bsher Stchprobenzehungen aus Grundgesamtheten

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

Algebraische Kombinatorik und Anwendungen in der kommutativen Algebra

Algebraische Kombinatorik und Anwendungen in der kommutativen Algebra Algebrasche Kombnatork und Anwendungen n der kommutatven Algebra Dr. Martna Kubtzke Wntersemester 2012/13 Goethe-Unverstät Frankfurt Inhaltsverzechns 1 Monomale Ideale und smplzale Komplexe 1 1.1 Monomale

Mehr

Zusammenfassung der letzten LVA. Diskrete Mathematik

Zusammenfassung der letzten LVA. Diskrete Mathematik Zusammenfassung Dskrete Mathematk Chrstna Kohl Georg Moser Oleksandra Panasuk Chrstan Sternagel Vncent van Oostrom Insttut für Informatk @ UIBK Sommersemester 2017 Zusammenfassung der letzten LVA ene Telmenge

Mehr

Beschreibende Statistik Mittelwert

Beschreibende Statistik Mittelwert Beschrebende Statstk Mttelwert Unter dem arthmetschen Mttel (Mttelwert) x von n Zahlen verstehen wr: x = n = x = n (x +x +...+x n ) Desen Mttelwert untersuchen wr etwas genauer.. Zege für n = 3: (x x )

Mehr

Theoretische Physik II Elektrodynamik Blatt 2

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

Mehr

1 Definition und Grundbegriffe

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

Mehr

Der starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade

Der starre Körper. 1 Grundlagen. Dominik Fauser. 1.1 Denition. 1.2 Freiheitsgrade Der starre Körper Domnk Fauser 1 Grundlagen 1.1 Denton Als enen starren Körper bezechnet man en System von Massepunkten m, deren Abstände zuenander konstant snd: r j = r r j. Mest betrachtet man ene sehr

Mehr

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate

Mehr

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

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

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x)

Die hierzu formulierte Nullhypothese H lautet: X wird durch die Verteilungsdichtefunktion h(x) ZZ Lösung zu Aufgabe : Ch²-Test Häufg wrd be der Bearbetung statstscher Daten ene bestmmte Vertelung vorausgesetzt. Um zu überprüfen ob de Daten tatsächlch der Vertelung entsprechen, wrd en durchgeführt.

Mehr

4 Die geometrische Darstellung der komplexen

4 Die geometrische Darstellung der komplexen 4 De geometrsche Darstellung der komplexen Zahlen Mt komplexen Zahlen kann man rechnen we mt gewöhnlchen Zahlen. Man kann mt hnen alle quadratschen Glechungen lösen. Aber das st be wetem ncht alles: Komplexe

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

2 Vektoren. 2.1 Vektorraum 2 VEKTOREN 1

2 Vektoren. 2.1 Vektorraum 2 VEKTOREN 1 2 VEKTOREN 1 2 Vektoren 2.1 Vektorraum In der Physk unterscheden wr skalare Grössen von vektorellen. En Skalar st ene reelle Messgrösse, mathematsch enfach ene Zahl, phykalsch ene dmensonsbehaftete Zahl.

Mehr

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

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

Mehr

Die Zahl i phantastisch, praktisch, anschaulich

Die Zahl i phantastisch, praktisch, anschaulich Unverstät Würzburg 977 Würzburg Telefon: (91 888 5598 De Zahl phantastsch, praktsch, anschaulch De Geschchte der Zahl war dre Jahrhunderte lang dadurch geprägt, dass se und damt de kompleen Zahlen n Mathematkerkresen

Mehr

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT)

Eine kurze Einführung in die Dichtefunktionaltheorie (DFT) Ene kurze Enführung n de Dchtefunktonaltheore (DFT) Mchael Martns Lteratur: W. Koch, M.C. Holthausen A Chemst s Gude to Densty Functonal Theory Wley-VCH 2001 Dchtefunktonaltheore p.1 Enletung Im Falle

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Äquivalenzen stetiger und glatter Hauptfaserbündel

Äquivalenzen stetiger und glatter Hauptfaserbündel Äquvalenzen stetger und glatter Hauptfaserbündel Chrstoph Müller Chrstoph Wockel Fachberech Mathematk Unverstät Darmstadt 31. Süddeutsches Kolloquum über Dfferenzalgeometre Glederung 1 De Problemstellung

Mehr

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com.

Polygonalisierung einer Kugel. Verfahren für die Polygonalisierung einer Kugel. Eldar Sultanow, Universität Potsdam, sultanow@gmail.com. Verfahren für de Polygonalserung ener Kugel Eldar Sultanow, Unverstät Potsdam, sultanow@gmal.com Abstract Ene Kugel kann durch mathematsche Funktonen beschreben werden. Man sprcht n desem Falle von ener

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

3 Elastizitätstheorie

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

Mehr

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell

ME II, Prof. Dr. T. Wollmershäuser. Kapitel 2 Das IS-LM-Modell ME II, Prof. Dr. T. Wollmershäuser Kaptel 2 Das IS-LM-Modell Verson: 26.04.2011 2.1 Der Gütermarkt De gesamte Güternachfrage Z (Verwendung des BIP) lässt sch we folgt darstellen: Z C+ I + G ME II, Prof.

Mehr

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression

Beschreibung des Zusammenhangs zweier metrischer Merkmale. Streudiagramme Korrelationskoeffizienten Regression Beschrebung des Zusammenhangs zweer metrscher Merkmale Streudagramme Korrelatonskoeffzenten Regresson Alter und Gewcht be Kndern bs 36 Monaten Knd Monate Gewcht 9 9 5 8 3 4 7.5 4 3 6 5 3 6 4 3.5 7 35 5

Mehr

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

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

Mehr

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie:

1. Schaltungsbeschreibung - Netzwerktopologie. Regeln der Schaltwerktheorie: 1. Schaltungsbeschrebung - Netzwerktopologe Regeln der Schaltwerktheore: Krchhoffsche Spannungsregel Krchhoffsche Stromregel + Zweg- (bzw. Element-) Funktonen De Netzwerktopologe beschrebt de Verknüpfung

Mehr

SS 2017 Torsten Schreiber

SS 2017 Torsten Schreiber SS Torsten Schreber e den Ebenen unterscheden wr de und de prmeterfree Drstellung. Wenn wr ene Ebenenglechung durch dre Punkte bestmmen wollen, so müssen de zugehörgen Vektoren sen, d es sonst nur ene

Mehr

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen

Klassische Gatter und Logikelemente. Seminarvortrag zu Ausgewählte Kapitel der Quantentheorie Quantenalgorithmen Klasssche Gatter und Logkelemente Semnarvortrag zu Ausgewählte Kaptel der Quantentheore Quantenalgorthmen Gerd Ch. Krzek WS 2003 I. Grundlagen und Methoden der Logk: Im folgenden soll de Konstrukton und

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Seminar Einführung in die Kunst mathematischer Ungleichungen

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

Mehr

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert

Zufallsvariable, Wahrscheinlichkeitsverteilungen und Erwartungswert R. Brnkmann http://brnkmann-du.de Sete..8 Zufallsvarable, Wahrschenlchketsvertelungen und Erwartungswert Enführungsbespel: Zwe Würfel (en blauer und en grüner) werden 4 mal zusammen geworfen. De Häufgketen

Mehr

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen

Unter der Drehgruppe verstehen wir diegruppe der homogenen linearen Transformationen Darstellunstheore der SO() und SU() Powtschnk Alexander. Defnton Darstellun Ene Darstellun ener Gruppe G st homomorphe Abbldun von deser Gruppe auf ene Gruppe nchtsnulärer lnearer Operatoren auf enem Vektorraum

Mehr

Polytop-Modell. Tim Habermaas 26. Juni 2010

Polytop-Modell. Tim Habermaas 26. Juni 2010 Polytop-Modell Tm Habermaas 26. Jun 2010 Inhaltsverzechns 1 Enletung 1 2 Polytop 2 3 Quellprogramm 3 3.1 Begrffe.................................. 3 3.1.1 Indexraum und Indexvektor................... 3

Mehr

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen

nonparametrische Tests werden auch verteilungsfreie Tests genannt, da sie keine spezielle Verteilung der Daten in der Population voraussetzen arametrsche vs. nonparametrsche Testverfahren Verfahren zur Analyse nomnalskalerten Daten Thomas Schäfer SS 009 1 arametrsche vs. nonparametrsche Testverfahren nonparametrsche Tests werden auch vertelungsfree

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Experimentalphysik II (Kip SS 2007)

Experimentalphysik II (Kip SS 2007) permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche

Mehr

4. Rechnen mit Wahrscheinlichkeiten

4. Rechnen mit Wahrscheinlichkeiten 4. Rechnen mt Wahrschenlchketen 4.1 Axome der Wahrschenlchketsrechnung De Wahrschenlchketsrechnung st en Telgebet der Mathematk. Es st üblch, an den Anfang ener mathematschen Theore enge Axome zu setzen,

Mehr

Aspekte zur Approximation von Quadratwurzeln

Aspekte zur Approximation von Quadratwurzeln Aspete zur Approxmaton von Quadratwurzeln Intervallschachtelung Intervallhalberungsverfahren Heron-Verfahren Rechnersche und anschaulche Herletung Zusammenhang mt Newtonverfahren Monotone und Beschränthet

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf

Mehr

Dekan: Prof. Dr. Dr. h.c. Rolf Schneder. Gutachter: Prof. Dr. Dr. h.c. Rolf Schneder. Gutachter: Prof. Dr. Wolfgang Wel, Karlsruhe Datum der Promoton:

Dekan: Prof. Dr. Dr. h.c. Rolf Schneder. Gutachter: Prof. Dr. Dr. h.c. Rolf Schneder. Gutachter: Prof. Dr. Wolfgang Wel, Karlsruhe Datum der Promoton: Tensorwertge addtve Funktonale auf konvexen Körpern Dssertaton zur Erlangung des Doktorgrades der Fakultät für Mathematk und Physk der Albert-Ludwgs-Unverstät Freburg m Bresgau vorgelegt von Ralph Schuster

Mehr

Forschungsstatistik I

Forschungsstatistik I Psychologe Prof. Dr. G. Menhardt 2. Stock, Nordflügel R. 02-429 (Perske) R. 02-431 (Menhardt) Sprechstunde jederzet nach Verenbarung Forschungsstatstk I Dr. Malte Perske perske@un-manz.de WS 2008/2009

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Theoretische Physik: Mechanik

Theoretische Physik: Mechanik Ferenkurs Theoretsche Physk: Mechank Sommer 2017 Vorlesung 2 (mt freundlcher Genehmgung von Merln Mtscheck und Verena Walbrecht) Technsche Unverstät München 1 Fakultät für Physk Inhaltsverzechns 1 Systeme

Mehr

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban

Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Insttut für Stochastk Prof Dr N Bäuerle Dpl-Math S Urban Lösungsvorschlag 6 Übungsblatt zur Vorlesung Fnanzatheatk I Aufgabe Put-Call-Party Wr snd nach Voraussetzung n ene arbtragefreen Markt, also exstert

Mehr

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale

3.2 Die Kennzeichnung von Partikeln 3.2.1 Partikelmerkmale 3. De Kennzechnung von Patkeln 3..1 Patkelmekmale De Kennzechnung von Patkeln efolgt duch bestmmte, an dem Patkel mess bae und deses endeutg beschebende physka lsche Gößen (z.b. Masse, Volumen, chaaktestsche

Mehr