1 Differentialrechnung in mehreren Variablen

Größe: px
Ab Seite anzeigen:

Download "1 Differentialrechnung in mehreren Variablen"

Transkript

1 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 manchmal de Spalten-Schrebwese vortelhafter: [x] := x = Ist M n,m (R) der Raum der Matrzen mt n Zelen und m Spalten und A M n,m (R), so nduzert A ene lneare Abbldung f A : R m R n durch [f A (x)] := A [x], n Zelenschrebwese also x 1. x n. f A (x) := (A x ) = x A. Dabe steht der Punkt für de Matrzenmultplkaton. Das eukldsche Skalarprodukt zweer Vektoren v, w wrd durch v w := v w = n v ν w ν, ν=1 erklärt, de eukldsche Norm enes Vektors v durch v := (v v) 1/2 = (v 1 ) (v n ) 2. Neben dem R n und dem Matrzenraum M n,m (R) werden wr auch mt anderen Vektorräumen zu tun haben, z.b. mt Unterräumen des R n. Snd V und W zwe belebge R-Vektorräume, so bezechnen wr mt L(V, W ) den Raum der lnearen Abbldungen von V nach W. Wr werden uns n desem Abschntt mt der Topologe des R n und allgemenerer Vektorräume beschäftgen. Das Wort Topologe kommt vom grechschen topos und bedeutet Ort, Stelle oder Raum. Es geht also um de Wssenschaft vom Raum und der Lage der Dnge zuenander.

2 2 1 Dfferentalrechnung n mehreren Varablen Ene Norm auf enem R-Vektorraum V st ene Funkton N : V R mt folgenden Egenschaften: 1. N(v) 0 für jedes v V, und N(v) = 0 v = 0, 2. N(α v) = α N(v) für α R und v V, 3. N(v + w) N(v) + N(w) für v, w V (Dreecks-Unglechung). En normerter Vektorraum st en Vektorraum V, auf dem ene Norm gegeben st Bespele A. De kanonsche eukldsche Norm auf dem R n, gegeben durch v := v v, kennen wr schon. B. Für v = (v 1,..., v n ) R n se de Maxmumsnorm defnert durch v := max =1,...,n v. Offenschtlch snd de Bedngungen (1) und (2) erfüllt, und es st v + w = max v + w max( v + w ) max v + max w = v + w. C. Ist I = [a, b] en abgeschlossenes Intervall, so st der Raum V := C 0 (I) der stetgen Funktonen auf I en Bespel für enen unendlch-dmensonalen Vektorraum. Durch f I := sup{ f(x) : x I} wrd ene Norm auf V engeführt. Ist V en Vektorraum mt ener Norm N, so versteht man unter der (offenen) Kugel mt Radus r um x 0 (bezüglch der Norm N) de Menge B r (x 0 ) := {x V : N(x x 0 ) < r}. De Kugel bezüglch der Maxmumsnorm, {x = (x 1,..., x n ) R n : x < r} = ( r, r)... ( r, r), st n Wrklchket en Würfel. Se V en Vektorraum mt Norm N. Ene Folge (x ν ) von Punkten n V konvergert (bezüglch N) gegen enen Punkt x 0, falls es zu jedem ε > 0 en ν 0 gbt, so dass für alle ν ν 0 glt: N(x ν x 0 ) < ε. Man schrebt dann: lm ν x ν = x 0.

3 1.1 De Geometre eukldscher Räume 3 Man kann auch sagen: (x ν ) konvergert gegen x 0, falls N(x ν x 0 ) gegen 0 konvergert. In R ergbt das den berets bekannten Konvergenzbegrff. Genau we dort folgt auch, dass der Grenzwert endeutg bestmmt st. Ist x ν = (x (ν) 1,..., x(ν) n ) ene Punktfolge m Rn und x 0 = (x (0) 1,..., x(0) n ) en fester Punkt, so st x ν x 0 = (x (ν) 1 x (0) 1 )2 + + (x (ν) n x(0) n )2. De Zahlenfolge x ν x 0 konvergert offenschtlch genau dann gegen 0, wenn x (ν) x (0) für jedes gegen Null konvergert. Also konvergert de Punktfolge (x ν ) genau dann bezüglch der kanonschen eukldschen Norm gegen x 0, wenn de Komponenten x (ν) jewels gegen x (0) konvergeren. Ncht alle Grenzwertsätze lassen sch übertragen, aber enge (we etwa der über de Summen von Folgen) gelten snngemäß we n R und werden auch genauso bewesen. Wr haben nun das Problem, dass vele Aussagen von der benutzten Norm abhängen. Das st sehr lästg, und deshalb führen wr den folgenden Begrff en: Zwe Normen N 1 und N 2 auf enem belebgen Vektorraum V heßen äquvalent, falls es Konstanten c, c > 0 gbt, so dass glt: c N 1 (v) N 2 (v) c N 1 (v) für alle v V. Es handelt sch dabe wrklch um ene Äquvalenzrelaton: 1. Offenschtlch st jede Norm äquvalent zu sch selbst. 2. Ist c N 1 (v) N 2 (v) c N 1 (v) für alle v V, so st auch Das lefert de Symmetre. 1 c N 2(v) N 1 (v) 1 c N 2(v) für alle v V. 3. Ist c N 1 (v) N 2 (v) c N 1 (v) und d N 2 (v) N 3 (v) d N 2 (v) für alle v V, so st (cd) N 1 (v) N 3 (v) (c d ) N 1 (v) für alle v V. Also st de Relaton transtv Bespel Wr betrachten de beden Normen N 1 (x) = x und N 2 (x) = x auf dem R n. Dann st

4 4 1 Dfferentalrechnung n mehreren Varablen und x 2 = x x n 2 n (max x ) 2 max x = (max x ) 2 x x n 2, also 1 n x x x. De eukldsche Norm und de Maxmumsnorm snd demnach äquvalent. n = 2 : r r 2 De Äquvalenz bedeutet, dass jede Kugel n der enen Norm ene Kugel bezüglch der anderen Norm enthält und n ener entsprechenden größeren enthalten st. Deshalb hängen de folgenden en ncht davon ab, ob man de eukldsche Norm oder de Maxmumsnorm verwendet. En Punkt x 0 R n heßt Häufungspunkt ener Folge von Punkten x ν, falls n jeder Kugel um x 0 unendlch vele Folgengleder legen. Ene Menge M R n heßt beschränkt, falls es en R > 0 gbt, so dass M n der Kugel B R (0) enthalten st. Ene Folge m R n heßt beschränkt, wenn de Menge hrer Gleder beschränkt st. Auch her glt: 1.3. Satz von Bolzano-Weerstraß Jede beschränkte Folge (x ν ) m R n bestzt ene konvergente Telfolge. Bewes: Es gbt en R > 0, so dass alle x ν = (x (ν) 1,..., x(ν) n ) n B R(0) legen. Aber dann legen se erst recht n I n = I... I, mt I := [ R, R]. De Folge x (ν) 1 bestzt ene konvergente Telfolge x (ν( 1 )) 1 mt enem Grenzwert x (0) 1 I, de Folge x (ν( 1 )) 2 bestzt ene konvergente Telfolge x (ν( 2 )) 2 mt enem Grenzwert x (0) 2 I, usw. Schleßlch erhält man ene Telfolge (x ν(n)) von (x ν ), de gegen x 0 = (x (0) 1,..., x(0) n ) konvergert. De Äquvalenz von eukldscher und Maxmumsnorm st ken Zufall Satz Je zwe Normen auf dem R n snd äquvalent. Bewes: Es recht zu zegen, dass ene belebge Norm N äquvalent zur Maxmumsnorm st.

5 1.1 De Geometre eukldscher Räume 5 Jeder Vektor x R n bestzt ene endeutge Darstellung x = x 1 e x n e n. Daraus folgt de Bezehung N(x) x 1 N(e 1 ) + + x n N(e n ) c x, mt c := N(e 1 ) + + N(e n ). Wr nehmen nun an, es gbt ken c > 0, so dass c x N(x) für alle x st. Dann gbt es zu jedem ν N en x ν mt x ν > ν N(x ν ), also N(y ν ) < 1 ν, für y ν := x ν x ν. Wel y ν = 1 st, st de Folge (y ν ) beschränkt und bestzt ene konvergente Telfolge. Ohne Beschränkung der Allgemenhet können wr annehmen, dass (y ν ) schon selbst gegen en y 0 (n der Maxmumsnorm) konvergert. Dann konvergert aber y ν y 0 gegen Null. Außerdem st N(y 0 ) = N(y 0 y ν + y ν ) N(y 0 y ν ) + N(y ν ) c y 0 y ν + 1 ν. Da de rechte Sete gegen Null konvergert, st N(y 0 ) = 0, also y 0 anderersets st = 0. Aber Das ergbt enen Wderspruch. 1 = y ν = y 0 + (y ν y 0 ) y 0 + y ν y 0. Wr fassen noch enmal zusammen, was de Äquvalenz von Normen bedeutet: 1.5. Satz De Normen N 1 und N 2 auf dem Vektorraum V seen äquvalent. Dann folgt: 1. Zu jedem Radus r 1 > 0 gbt es enen Radus r 2 > 0, so dass glt: und umgekehrt. {x V : N 2 (x) < r 2 } {x V : N 1 (x) < r 1 }, 2. Konvergert ene Folge (x n ) n V bezüglch N 1 gegen enen Grenzwert x 0, so konvergert (x n ) auch bezüglch N 2 gegen x 0, und umgekehrt. Der Bewes st offenschtlch. Se E en reeller (oder komplexer) Vektorraum. En Skalarprodukt auf E st ene Funkton, de je zwe Vektoren v, w E ene reelle (bzw. komplexe) Zahl (v w) zuordnet und folgende Egenschaften bestzt:

6 6 1 Dfferentalrechnung n mehreren Varablen 1. (v 1 + v 2 w) = (v 1 w) + (v 2 w) für v 1, v 2, w E, 2. (α v w) = α (v w) für α R (bzw. n C) und v, w E, 3. (w v) = (v w) für v, w E. 4. Ist v 0, so st (v v) > 0. Unter enem eukldschen Raum (bzw. enem untären Raum) verstehen wr enen reellen (bzw. komplexen) Vektorraum mt enem Skalarprodukt. En Skalarprodukt auf enem reellen Vektorraum st also ene symmetrsche Blnearform, de zusätzlch postv defnt st (Egenschaft (4)). Im komplexen Fall nennt man ene Funkton mt den Egenschaften (1) bs (3) ene hermtesche Form. Auch se wrd zum Skalarprodukt, wenn se postv defnt st. Im reellen Fall st (w v) = (v w) für v, w E. Im komplexen Fall st (v v) stets reell und (v α w) = α (v w) für α C und v, w E Bespele A. Das Skalarprodukt (x, y) x y bezechnet man als das kanonsche Skalarprodukt auf dem R n. B. Das kanonsche hermtesche Skalarprodukt auf dem C n wrd gegeben durch n <v w> := v ν w ν. C. Ist f = g + h ene stetge komplexwertge Funkton über [a, b] R, so setzen wr <f g> := b a ν=1 f(t)g(t) dt. Offenschtlch lefert das ene hermtesche Form auf dem Raum der stetgen komplexwertgen Funktonen auf [a, b], und es st <f f> = b a f(t) 2 dt 0 für alle f. Ist ene stetge Funkton f : [a, b] C ncht de Nullfunkton, so gbt es en t 0 [a, b] mt f(t 0 ) 0, und wegen der Stetgket gbt es en ε > 0, so dass f(t) 0 auf U ε (t 0 ) [a, b] st. Dann nmmt f auf {t [a, b] : t t 0 ε/2} en Mnmum δ > 0 an, und dort st f δ. Daraus folgt: <f f> = b a f(t) 2 dt δ 2 ε/2 > 0. Also legt sogar en Skalarprodukt auf C 0 ([a, b]; C) vor.

7 1.1 De Geometre eukldscher Räume De Unglechung von Cauchy-Schwarz Se E en eukldscher oder untärer Vektorraum. Dann glt für v, w E : (v w) 2 (v v) (w w). Bewes: Se a := (v v), b := (v w) und c := (w w). Dann snd a, c reell und 0. Ist v = w = 0, so st auch a = b = c = 0 und nchts mehr zu zegen. Da de Aussage symmetrsch n v und w st, können wr annehmen, dass w 0 st, also c > 0. Ist λ C belebg, so glt: Mt λ = b/c erhalten wr: 0 (v + λw v + λw) = a + λb + λb + λ 2 c. 0 a bb c bb c + bb c 2 c = a bb c, also bb a c. Und genau das war zu zegen. Im Falle des eukldschen Skalarproduktes auf dem R n lefert de Schwarz sche Unglechung v w v w, dass v w 1 st. Deshalb defnert man: v w Der Wnkel θ zwschen v und w st gegeben durch cos θ = v w v w. Zwe Elemente v, w R n heßen orthogonal, falls v w = 0 st. Der Begrff der Orthogonaltät kann auf belebge eukldsche (oder untäre) Vektorräume V verallgemenert werden: Zwe Elemente v, w V werden orthogonal genannt, falls (v w) = 0 st. Snd v, w orthogonal, so st (v + w v + w) = (v v) + (w w) (Satz des Pythagoras) Bespel Im Raum der stetgen Funktonen auf I = [ π, π] st π { 2π falls n = m <e nt e mt > = e (n m)t dt = 0 falls n m. π Für n m snd also de Funktonen e nt und e mt orthogonal zuenander. De Funktonen f n (t) := 1 e nt, n Z, 2π blden dann en Orthonormalsystem m Raum C 0 ([ π, π]; C), d.h. es st <f n f m > = 0 für n m und <f n f n > = 1 für alle n.

8 8 1 Dfferentalrechnung n mehreren Varablen Jedes Skalarprodukt lefert ene Norm, durch N(v) := (v v) 1/2. De Dreecksunglechung folgt mt Hlfe der Cauchy-Schwarz schen Unglechung: Ist z = x + y ene komplexe Zahl, so st z + z = 2x = 2 Re(z). Daraus folgt: N(a + b) 2 = (a + b a + b) = (a a) + 2 Re (a b) + (b b) N(a) (a b) + N(b) 2 N(a) N(a) N(b) + N(b) 2 = ( N(a) + N(b) ) 2. Wurzelzehen auf beden Seten ergbt de gewünschte Dreecksunglechung. Ncht jede Norm wrd mt Hlfe enes Skalarproduktes defnert. En typsches Bespel für ene Norm, de ncht von enem Skalarprodukt kommt, st de Supremumsnorm. Se X ene Menge. Unter ener Metrk auf X versteht man ene Abbldung d : X X R mt folgenden Egenschaften: 1. d(x, y) 0 und = 0 x = y, 2. d(x, y) = d(y, x), 3. d(x, y) d(x, z) + d(z, y) (Dreecksunglechung). Jede Norm N auf enem Vektorraum V führt zu ener Metrk d N auf V durch d N (v, w) := N(v w). De Egenschaften (1) und (2) ener Metrk snd für d N offenschtlch erfüllt, und auch de Dreecksunglechung folgt lecht: d N (x, y) = N(x y) = N ( (x z) + (z y) ) N(x z) + N(z y) = d N (x, z) + d N (z, y). Wr haben also folgende Abhänggket: Skalarprodukt = Norm = Metrk. De Supremumsnorm st en typsches Bespel für ene Norm, de ncht von enem Skalarprodukt kommt, und es gbt auch Metrken, de ncht von ener Norm kommen. Für ene Metrk braucht man ncht enmal enen Vektorraum.

9 1.1 De Geometre eukldscher Räume 9 Ene Menge mt ener Metrk wrd als metrscher Raum bezechnet. Schon mt Hlfe ener Metrk kann man Kugeln B r (x 0 ) := {x X : d(x, x 0 ) < r} (und damt ε-umgebungen) und dann n enem belebgen metrschen Raum auch offene Mengen defneren. Zur Ernnerung: Ene Menge M R heßt offen, falls es zu jedem Element x 0 M en ε > 0 gbt, so dass ganz n M enthalten st. U ε (x 0 ) := {x R : x x 0 < ε} Ist nun X en metrscher Raum mt Metrk d, so defnert man: Ene Menge M X heßt offen, falls es zu jedem Element x 0 M en ε > 0 gbt, so dass U ε (x 0 ) := {x X : d(x, x 0 ) < ε} ganz n M enthalten st. Ene Menge A X heßt abgeschlossen, falls M := X \ A offen st Satz In enem metrschen Raum st jede offene Kugel B r (x 0 ) ene offene Menge. Bewes: Se y B r (x 0 ). Wr suchen ene ε-umgebung von y, de noch ganz n B r (x 0 ) enthalten st. Dazu se δ := dst(y, x 0 ). Dann st 0 δ < r. Man kann ene postve reelle Zahl ε < r δ fnden. Ist x U ε (y), also d(x, y) < ε, so st d(x, x 0 ) d(x, y) + d(y, x 0 ) < ε + δ < (r δ) + δ = r. r δ x 0 ε y Das zegt, dass U ε (y) B r (x 0 ) st.

10 10 1 Dfferentalrechnung n mehreren Varablen De offenen Mengen enes metrschen Raumes X haben gewsse typsche Egenschaften: De leere Menge bestzt ken Element, für das man etwas nachprüfen müsste. Deshalb st se offen. Und auch der ganze Raum X st trvalerwese offen. Snd M 1 und M 2 offene Mengen und st x 0 M 1 M 2, so gbt es ε 1, ε 2 > 0, so dass U ε1 (x 0 ) M 1 und U ε2 (x 0 ) M 2 st. Setzt man ε := mn(ε 1, ε 2 ), so st U ε (x 0 ) M 1 M 2. Das zegt, dass M 1 M 2 offen st. Der Durchschntt von unendlch velen offenen Mengen braucht ncht mehr offen zu sen! So st z.b. der Durchschntt aller offenen Nullumgebungen n R de Menge {0}. Ist (M ι ) ι I en System von offenen Mengen und x 0 M := ι I M ι = {x X : ι I mt x M ι }, so gbt es en ι 0 I mt x 0 M ι0 M ι0 M st. Also st M offen. und daher en ε > 0, so dass U ε (x 0 ) Das System aller offenen Mengen legt ene neue Art von Struktur auf unseren Raum. Se X ene Menge. Ene Topologe auf X st en System O von Telmengen von X mt folgenden Egenschaften: 1. O und X O. 2. M, N O = M N O. 3. Ist (M ι ) ι I ene Famle von Elementen aus O, so gehört auch ι I M ι zu O Bespele A. Das System aller offenen Mengen n enem metrschen Raum X bldet ene Topologe auf X. B. Se X mt ener Topologe versehen und Y X ene ncht leere Telmenge. Wr nennen M Y (relatv) offen, falls es ene offene Menge M X mt M = X M gbt.

11 1.1 De Geometre eukldscher Räume 11 M M Y Wel = Y und Y = Y X st, snd und Y relatv offen. Snd M 1 = Y M 1 und M 2 = Y M 2 relatv offen, so st auch relatv offen. M 1 M 2 = (Y M 1 ) (Y M 2 ) = Y ( M 1 M 2 ) Se (M ι ) ι I en System von relatv offenen Mengen n Y. Dann gbt es zu jedem ι I ene offene Menge M ι n X mt M ι = Y M ι. Aber dann st auch M ι relatv offen. ι I M ι = ι I(Y M ι ) = Y ι I Klar st: Also blden de relatv offenen Mengen n Y ene Topologe O Y sogenannte Relatvtopologe (oder nduzerte Topologe). auf Y, de Satz Zwe äquvalente Normen auf enem Vektorraum E defneren de gleche Topologe Folgerung Jede Norm auf dem R n nduzert de gleche Topologe. Bewes: Klar! Jetzt können wr de Abhänggket noch um enen Begrff erwetern: Skalarprodukt = Norm = Metrk = Topologe. Es st ncht schwer, ene Topologe anzugeben, de ncht von ener Metrk kommt. Das würde uns aber etwas zu wet vom Wege ablenken. Se jetzt weder X en metrscher Raum und M X ene Telmenge. Ist x 0 X en belebger Punkt, so kann man de möglchen Postonen von x 0 gegenüber der Menge M mt Hlfe von Umgebungen beschreben. Ene Telmenge U X heßt ene Umgebung von x 0, falls es ene offene Menge W mt x 0 W U gbt. Dann heben wr de folgenden Stuatonen besonders hervor:

12 12 1 Dfferentalrechnung n mehreren Varablen 1. Es gbt ene Umgebung U von x 0 n X, de ganz n M legt. Dann heßt x 0 en nnerer Punkt von M. M nnerer Punkt 2. Jede Umgebung von x 0 enthält unendlch vele Punkte von M. Dann heßt x 0 en Häufungspunkt von M. Häufungspunkte 3. Jede Umgebung von x 0 enthält wengstens enen Punkt von M. Dann heßt x 0 en Berührungspunkt von M. Berührungspunkte Jeder nnere Punkt st auch en Häufungspunkt, aber de Umkehrung glt.a. ncht. Jeder Häufungspunkt st en Berührungspunkt, aber ncht ncht unbedngt umgekehrt. En Berührungspunkt x 0, der ken Häufungspunkt st, bestzt ene Umgebung U, so dass U M = {x 0 } st. Dann nennt man x 0 enen solerten Punkt von M. Ist x 0 ncht enmal en Berührungspunkt von M, so gbt es ene Umgebung von x 0, de kenen Punkt von M enthält. De Menge M der nneren Punkte von M heßt offener Kern von M, de Menge M der Berührungspunkte von M heßt abgeschlossene Hülle von M. De nneren Punkte von M gehören mmer zu M. Für Häufungspunkte trfft das ncht unbedngt zu. So st zum Bespel 1 en Häufungspunkt des offenen Intervalls I := (0, 1), gehört aber ncht zu I. Isolerte Punkte ener Menge gehören mmer zu der Menge dazu. De abgeschlossene Hülle M besteht aus den Häufungspunkten und den solerten Punkten von M. Also st M de Verengung von M mt allen Häufungspunkten von M. De Menge M := M \ M heßt der Rand von M.

13 1.1 De Geometre eukldscher Räume 13 En Punkt x legt also genau dann m Rand von M, wenn jede Umgebung von x sowohl M als auch X \ M trfft. Es st M M = M und M \ M = M. M E \ M M Bespele A. Ist M = [a, b) R, so st M = (a, b), M = [a, b] und M = {a, b}. B. Se M = [a, b] Q. Dann st M =, M = [a, b] und M = [a, b]. C. Verseht man Q mt der von R nduzerten Relatvtopologe, so st de Menge M := {x Q : 2 < x < 2} relatv offen n Q. Aber M st auch relatv abgeschlossen n Q, denn wel 2 kene ratonale Zahl st, st das Komplement von M de Menge Q \ M = {x Q : x > 2}, und de st relatv offen. Also st dann M = M = M und M =. Das glt, we gesagt, n der Relatvtopologe. In R st M weder offen, noch abgeschlossen. Dort st M = [ 2, 2] und M =, also M = M. Wr müssen noch Ergebnsse über abgeschlossene Mengen (n enem metrschen Raum) herleten Satz Snd A, B X abgeschlossen, so snd auch A B und A B abgeschlossen. Bewes: Der Satz folgt aus den Bezehungen X \ (A B) = (X \ A) (X \ B) und X \ (A B) = (X \ A) (X \ B) Abgeschlossenhetskrterum Ene Telmenge M X st genau dann abgeschlossen, wenn glt: Ist (x ν ) ene Folge n M, de n X enen Grenzwert bestzt, so legt deser Grenzwert schon n M.

14 14 1 Dfferentalrechnung n mehreren Varablen Bewes: 1) Se M abgeschlossen und (x ν ) ene Folge n M, de gegen enen Punkt x 0 X konvergert. Ist de Menge F := {x ν : ν N} endlch, so muss x 0 schon ener der Punkte x ν sen und deshalb n M legen. Wr brauchen also nur den Fall zu betrachten, dass F unendlch st. Wäre x 0 en Element von X \M, so gäbe es en ε > 0, so dass de ε-umgebung von x 0 auch noch n X \ M legt. Aber anderersets legen fast alle Elemente von F (und damt unendlch vele Elemente von M) n U ε (x 0 ). Das ergbt enen Wderspruch; x 0 muss n M legen. 2) M erfülle das Krterum und x 0 se en Punkt von X \ M. Wr nehmen an, n jeder (1/n)-Umgebung von x 0 legt en Punkt x n M. Offenschtlch konvergert dann de Folge (x n ) gegen x 0, und x 0 muss schon n M legen. Das kann ncht sen! Also gbt es wengstens en ε > 0 mt U ε (x 0 ) X \ M. So folgt, dass X \ M offen und M selbst abgeschlossen st. Häufungspunkte und Grenzwerte von Punktfolgen n enem metrschen Raum defnert man we n normerten Vektorräumen: En Punkt x 0 X st Häufungspunkt ener Folge (x n ) n X, falls n jeder Umgebung von x 0 unendlch vele Folgengleder legen. x 0 st Grenzwert der Folge (x n ), falls n jeder Umgebung von x 0 fast alle Folgengleder x n legen. Äquvalent dazu st, dass d(x ν, x 0 ) ene Nullfolge (n R) st Hausdorff scher Trennungssatz Se X en metrscher Raum. Snd x, y X zwe Punkte mt x y, so gbt es offene Umgebungen U von x und V von y, so dass U V = st. Bewes: Wegen x y st r := d(x, y) > 0. Nun se 0 < ε < r/2, U = B ε (x) und V = B ε (y). Gäbe es enen Punkt z n U V, so wäre Das st en Wderspruch. d(x, y) d(x, z) + d(z, y) < 2ε < r. In enem belebgen topologschen Raum braucht der Trennungssatz ncht zu gelten Satz In enem metrschen Raum st der Grenzwert ener konvergenten Folge endeutg bestmmt. Bewes: Man argumentert we be Folgen n R und benutzt den Trennungssatz.

15 1.1 De Geometre eukldscher Räume 15 Zur Ernnerung Ene Menge K R heßt kompakt, wenn jede unendlche Punktfolge n K ene Telfolge bestzt, de gegen enen Punkt aus K konvergert. Äquvalent dazu st de Bedngung, dass jede Punktfolge n K wengstens enen Häufungspunkt n K bestzt. Dese Egenschaft wrd n der Lteratur mestens folgenkompakt genannt. Wr haben auch gezegt, dass ene Menge n R genau dann kompakt st, wenn se abgeschlossen und beschränkt st. Se X en metrscher Raum. Ene Telmenge K X heßt kompakt, falls jede Punktfolge n K ene Telfolge bestzt, de gegen enen Punkt aus K konvergert. Se X en belebger metrscher Raum und M X ene belebge Telmenge. Ene offene Überdeckung von M st en System (U ι ) ι I von offenen Telmengen von X mt M ι I U ι. Ist I 0 = {ι 1,..., ι N } I ene endlche Telmenge und M U ι1... U ιn, so nennt man {U ι1,..., U ιn } ene endlche Telüberdeckung. Ene Telmenge K X bestzt de Überdeckungsegenschaft, falls jede offene Überdeckung von K ene endlche Telüberdeckung enthält. Dese st zwar ncht sehr anschaulch, aber recht praktsch Überdeckungssatz von Hene-Borel Se X en metrscher Raum. Ene Telmenge K X st genau dann kompakt, wenn se de Überdeckungsegenschaft bestzt. Bewes: 1) Wr setzen voraus, dass K de Überdeckungsegenschaft bestzt und betrachten ene Folge (x ν ) n K, so dass F := {x ν : ν N} ene unendlche Menge st (sonst st nchts zu zegen). Wenn F kenen Häufungspunkt n K bestzt, dann gbt es zu jedem x K ene offene Umgebung U x, so dass U x F endlch st. De Mengen U x überdecken K. Wegen der Gültgket der Überdeckungsegenschaft gbt es endlch vele offene Mengen U 1,..., U N, de schon K überdecken und für de stets U F endlch st. Das bedeutet, dass F endlch st. Da haben wr unseren Wderspruch, K muss kompakt sen!

16 16 1 Dfferentalrechnung n mehreren Varablen 2) Ist umgekehrt K kompakt, so betrachten wr ene offene Überdeckung (U ι ) ι I von K und zegen, dass es ene endlche Telüberdeckung gbt. a) Wr bewesen zunächst, dass es en ε > 0 und zu jedem x K en ι(x) I mt U ε (x) U ι(x) gbt. Gbt es nämlch deses ε ncht, so fnden wr zu jedem ν N en x ν K, so dass U 1/ν (x ν ) n kenem U ι enthalten st. Wel K kompakt st, können wr aus der Folge (x ν ) ene Telfolge y = x ν auswählen, de gegen en y 0 K konvergert. Natürlch muss deses y 0 n enem Überdeckungselement U ι0 legen. Wr wählen en r > 0, so dass auch noch U r (y 0 ) U ι0 st. Ist N hnrechend groß, so st 1/ν < r/2 und zuglech y U r/2 (y 0 ). Für alle x U 1/ν (y ) glt dann d(x, y 0 ) d(x, y ) + d(y, y 0 ) < 1 ν + r 2 < r. Also legt U 1/ν (x ν ) = U 1/ν (y ) n U r (y 0 ) U ι0. Das wdersprcht der Konstrukton. b) Wr können also annehmen, dass en ε mt der gewünschten Egenschaft exstert. Nun konstrueren wr ene neue Folge n K. Zunächst wählen wr enen belebgen Punkt a 1 K. Wenn ncht schon U ε (a 1 ) überdeckt, dann wählen wr enen Punkt a 2 K \U ε (a 1 ). Wenn ncht schon U ε (a 1 ) und U ε (a 2 ) überdecken, dann wählen wr enen Punkt a 3 K \ (U ε (a 1 ) U ε (a 2 )) und so weter. Würde de Folge der a n ncht abbrechen, so müsste ene geegnete Telfolge z µ = a nµ enen Grenzwert z 0 K bestzen. Für großes µ müsste dann d(z µ, z µ+1 ) < ε sen, aber anderersets legt z µ+1 nach Konstrukton ncht n U ε (z µ ). Das st en Wderspruch, (U ι ) ι I enthält eben doch ene endlche Telüberdeckung. Also bestzt K de Überdeckungsegenschaft Satz Im R n st ene Telmenge K genau dann kompakt, wenn se abgeschlossen und beschränkt st. Bewes: 1) Se K abgeschlossen und beschränkt. Ene Folge n K st dann auch beschränkt, und nach dem Satz von Bolzano-Weerstrass konvergert ene Telfolge gegen enen Punkt x 0 des R n. Wel K abgeschlossen st, muss x 0 n K legen. 2) Se K kompakt. Da man K durch endlch vele Kugeln von festem Radus überdecken kann, st K auch beschränkt. Se nun x 0 R n \ K. Zu jedem x K gbt es en δ = δ x > 0 und en ε = ε x > 0, so dass U δ (x) U ε (x 0 ) = st. Endlch vele der δ-umgebungen überdecken schon K. Der Durchschntt der zugehörgen ε-umgebungen lefert ene Umgebung von x 0, de ganz n R n \ K legt. Also st R n \ K offen und K selbst abgeschlossen.

17 1.1 De Geometre eukldscher Räume 17 Her kommt ene Anwendung: Satz Se M R n offen und K M kompakt. Dann gbt es ene offene Menge U R n, so dass U kompakt und K U U M st. Bewes: Zu jedem x K gbt es ene offene Kugel B x um x, de noch ganz n M enthalten st. Dann se B x de Kugel mt dem halben Radus, so dass sogar B x M st. Wegen der Kompakthet von K gbt es endlch vele Punkte x 1,..., x N, so dass de Kugeln B ν := B x ν, ν = 1,..., N, schon ganz K überdecken. Dann st U = B 1... B N offen, U kompakt, K U und U M. Bemerkung: Man sagt, ene offene Menge U legt relatv-kompakt n ener offenen Menge W, falls U kompakt und n W enthalten st. Als Abkürzung dafür schreben wr U W. Wr kommen nun zum Begrff der stetgen Abbldung. Se M R n. Ene Abbldung f : M R k heßt stetg n x 0 M, falls es zu jedem ε > 0 en δ > 0 gbt, so dass für alle x M glt: Ist x x 0 < δ, so st f(x) f(x 0 < ε. f heßt stetg auf M, falls f n jedem Punkt von M stetg st. Für Funktonen f : I R st des mmer noch de alte. Ene Abbldung f : M R k st genau dann stetg n x 0 M, falls es zu jeder Umgebung U von f(x 0 ) ene Umgebung V von x 0 mt f(v M) U gbt Verkettungen von stetgen Abbldungen snd stetg Se M R n und N R m. Ist f : M R m stetg n x 0 M, f(m) N und g : N R k stetg n y 0 := f(x 0 ) N, so st auch g f : M R k stetg n x 0. Bewes: Se z 0 := g(y 0 ) = (g f)(x 0 ) und W = W (z 0 ) R k ene Umgebung. Dann gbt es ene Umgebung V = V (y 0 ) R m mt g(v N) W, sowe ene Umgebung U = U(x 0 ) R n mt f(u M) V N. Es folgt, dass (g f)(u M) W st, also g f stetg n x Bespele

18 18 1 Dfferentalrechnung n mehreren Varablen A. De dentsche Abbldung d : R n R n mt d(x) := x st stetg, denn für jede Umgebung U = U(d(x 0 )) st U auch ene Umgebung von x 0 und d(u) = U. B. Se f : R n R m ene lneare Abbldung. Enfachstes Bespel st ene lneare Funkton f : R R, gegeben durch f(x) = ax mt enem festen Faktor a. Snd e 1,..., e n de Enhetsvektoren m R n, so kann jeder Vektor x R n n der Form x = (x 1,..., x n ) = x 1 e x n e n geschreben werden. Für ene lneare Abbldung f : R n R m st dann und wr erhalten de Abschätzung f(x) = x 1 f(e 1 ) + + x n f(e 1 ), f(x) = n x f(e ) =1 n x f(e ) (Dreecksunglechung) =1 C max x (mt C := C x. n f(e ) ) =1 Dabe st C ene nur von f abhängge Konstante, und es wurde de Unglechung x = x 2 x x 2 n = x benutzt. Aus der gewonnenen Unglechung und der Lneartät von f ergbt sch f(x) f(y) = f(x y) C x y. Daraus folgt, dass f überall stetg st. Ist nämlch x 0 R n und ε > 0, so kann man δ := ε/c setzen. Ist dann x x 0 < δ, so st f(x) f(x 0 ) C x x 0 < C δ = ε. C. Se M R n und x 0 M. Ene Abbldung f = (f 1,..., f m ) : M R m st genau dann stetg n x 0, wenn alle Komponenten-Funktonen f : M R stetg n x 0 snd. In der enen Rchtung folgt das aus der Glechung f = pr f und dem Satz über de Stetgket der Verkettung stetger Funktonen. Zum Bewes der anderen Rchtung se en ε > 0 vorgegeben. Dann gbt es zu jedem en δ > 0, so dass f (x) f (x 0 ) < ε/ m für alle x U δ (x 0 ) M st. Wr setzen δ := mn(δ 1,..., δ m ). Ist x U δ (x 0 ) M, so st f(x) f(x 0 ) = m f (x) f (x 0 ) 2 < mε 2 /m = ε. =1

19 1.1 De Geometre eukldscher Räume 19 Man darf nun allerdngs ncht dem Trugschluss unterlegen, ene Funkton von mehreren Veränderlchen se schon stetg, wenn se n jeder enzelnen Varablen stetg st. Se etwa f(x, y) := 2xy x 2 + y 2 für (x, y) (0, 0), 0 für (x, y) = (0, 0). Dese Funkton st überall defnert, und de Funktonen f(x, 0) 0 und f(0, y) 0 snd m Nullpunkt stetg. Dennoch st f selbst dort ncht stetg, denn für x 0 st f(x, x) Folgenkrterum Se M R n. Ene Abbldung f : M R m st genau dann stetg n x 0 M, wenn für jede Folge (x ν ) n M mt x ν x 0 und lm x ν = x 0 glt: lm f(x ν ) = f(x 0 ). ν ν Bewes: We n ener Veränderlchen Offenhet von Unglechungen Se M R n offen und f : M R ene stetge Funkton. Dann st auch de Menge P := {x M : f(x) > 0} offen. Bewes: We n ener Veränderlchen Stetge Blder kompakter Mengen snd kompakt Se K R n kompakt und f : K R m ene stetge Abbldung. Dann st auch f(k) kompakt. Bewes: Se (y ν ) ene Folge von Punkten n f(k). Dann gbt es zu jedem ν enen Punkt x ν K mt f(x ν ) = y ν. Wel K kompakt st, bestzt de Folge (x ν ) ene konvergente Telfolge (x ν ), hr Grenzwert n K se mt x 0 bezechnet. Wegen der Stetgket von f konvergert (y ν ) gegen f(x 0 ), und deser Punkt legt n f(k) Folgerung Se K R n kompakt. Dann nmmt jede stetge Funkton f : K R auf K hr Maxmum und hr Mnmum an. Bewes: Der Bewes wrd we m Falle ener Veränderlchen geführt.

20 20 1 Dfferentalrechnung n mehreren Varablen De Zahlenbereche R und C snd ncht nur R-Vektorräume, se bestzen zusätzlch ene multplkatve Struktur, so dass x y = x y st. Es gbt auch andere Vektorräume mt ener multplkatven Struktur, z.b. den Raum M n (R) der quadratschen Matrzen mt der Matrzenmultplkaton. Unter ener R-Algebra (bzw. C-Algebra) versteht man enen R-Vektorraum (bzw. C-Vektorraum) E mt ener zusätzlchen Multplkaton, so dass für u, v, w E glt: 1. u (v w) = (u v) w (Assozatvgesetz), 2. u (v + w) = u v + u w und (u + v) w = u w + v w (Dstrbutvgesetze). 3. α(v w) = (αv) w = v (αw) für α R (bzw. C). Ist E normert und v w v w für alle v, w E, so nennt man E ene normerte Algebra. Offenschtlch st der Raum C 0( [a, b] ) der stetgen Funktonen auf enem abgeschlossenen Intervall en Bespel für ene normerte Algebra. Wr wollen zegen, dass auch M n (R) ene normerte R-Algebra st. Dazu müssen wr noch de Norm ener Matrx enführen. Für ene Matrx setzen wr A = ( a j ) = 1,..., n M n (R) j = 1,..., n A := a 2 j.,j Das st nchts anderes, als de gewöhnlche eukldsche Norm von A n M n (R) = R n2. Nun glt: 1. A + B A + B. 2. λ A = λ A für λ R. 3. A = 0 A = Snd A, B M n (R), so st A B A B. Dese Aussage muss noch bewesen werden. A B hat an der Stelle (, j) den Entrag n a k b kj = z (A) s j (B), k=1

21 1.1 De Geometre eukldscher Räume 21 wenn man mt z (A) R n de -te Zele von A und mt s j (B) R n de j- te Spalte von B bezechnet. Mt Hlfe der Schwarz schen Unglechung folgt dann: A B 2 =,j (z (A) s j (B)) 2 =,j z (A) 2 s j (B) 2 ( ) ( ) z (A) 2 s j (B) 2 = A 2 B 2. Also st M n (R) ene normerte Algebra. Eng verwandt mt dem Raum der Matrzen st der Raum L(R n, R n ) der lnearen Abbldungen von R n nach R n, mt der Verknüpfung von Abbldungen als Multplkaton. Her betet sch ene andere Norm an, de genauso auch für Matrzen verwendet werden kann. Se f : R n R n lnear. Dann nennen wr de Operator-Norm von f. f op := sup{ f(x) : x 1} j Satz De Operator-Norm st ene Norm, und für x R n st f(x) f op x. Außerdem st f g op f op g op. Bewes: 1) Offenschtlch st stets f op 0 und f op = 0 f = 0. 2) Für α R st αf op = sup (αf)(x) = α sup f(x) = α f op. x 1 x 1 ( ) 3) Es st f + g op = sup (f + g)(x) sup f(x) + g(x) f op + g op. x 1 x 1 4) Ist x 0 en belebger Vektor, so st f(x) x ( x ) = f f op, also f(x) f op x. x 5) Es st f g op = sup f(g(x)) sup f op g(x) = f op g op. x 1 x 1

22 22 1 Dfferentalrechnung n mehreren Varablen Jede Matrx A M n (R) defnert ene lneare Abbldung f A : R n R n durch f A (x) := x A. Daher kann man A op := f A op setzen. Se nun A de Maxmumnorm von A. Dann glt: Satz Für de Normen auf M n (R) glt A A op A. Bewes: 1) Es st f A (e j ) = s j (A) und daher a j a 2 1j + + a2 nj = f A(e j ) f A op. Daraus folgt de Unglechung A A op. 2) Bezechnen wr weterhn de -te Zele von A mt z (A), so snd de Komponenten von A x de Skalarprodukte z (A) x. Daraus folgt: A 2 op = sup A x 2 = sup x 1 x 1 n sup x 1 =1 z (A) 2 x 2 n z (A) 2 = A. =1 n (z (A) x) 2 =1 (Cauchy-Schwarz)

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

3.3 Lineare Abbildungen und Matrizen

3.3 Lineare Abbildungen und Matrizen 33 LINEARE ABBILDUNGEN UND MATRIZEN 87 33 Lneare Abbldungen und Matrzen Wr wollen jetzt de numersche Behandlung lnearer Abbldungen zwschen Vektorräumen beschreben be der vorgegebene Basen de Hauptrolle

Mehr

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. 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

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

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

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

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

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

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

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

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

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

arxiv: v1 [math.nt] 10 Apr 2014

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

Mehr

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

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

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

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 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

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

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

Mehr

18. Vorlesung Sommersemester

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

Mehr

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

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

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind.

Kreisel. koerperfestes KS. z y. raumfestes KS. Starrer Körper: System von Massepunkten m i, deren Abstände r i r j untereinander konstant sind. Kresel z y koerperfestes KS z y x raumfestes KS x Starrer Körper: System von Massepunkten m, deren Abstände r r j unterenander konstant snd. Der Zustand läßt sch beschreben durch: Poston des Schwerpunktes,

Mehr

12 UMPU Tests ( UMP unbiased )

12 UMPU Tests ( UMP unbiased ) 89 1 UMPU Tests ( UMP unbased ) Nach Bemerkung 11.8(b) exstert m Allgemenen ken zwesetger UMP- Test zu enem Nveau α. Deshalb Enschränkung auf unverfälschte Tests: ϕ Φ α heßt unverfälscht (unbased) zum

Mehr

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

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

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

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e

Funktionsgleichungen folgende Funktionsgleichungen aus der Vorlesung erhält. = e Andere Darstellungsformen für de Ausfall- bzw. Überlebens-Wahrschenlchket der Webull-Vertelung snd we folgt: Ausfallwahrschenlchket: F ( t ) Überlebenswahrschenlchket: ( t ) = R = e e t t Dabe haben de

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

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

Grundlagen der stochastischen Integration

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

Mehr

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

Online Algorithmen. k-server randomisiert Teil II

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

Mehr

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

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

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

3 g-adische Ziffernentwicklung reeller Zahlen

3 g-adische Ziffernentwicklung reeller Zahlen 1 3 g-adche Zffernentwcklung reeller Zahlen In deem Kaptel e tet 2 g N und Z g = {0, 1, 2, 3,..., g 1} N. Motvaton: Wr wollen jede potve reelle Zahl x > 0 n der Ba g 2 dartellen (g-adche Dartellung von

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Statistik und Wahrscheinlichkeit

Statistik und Wahrscheinlichkeit Regeln der Wahrschenlchketsrechnung tatstk und Wahrschenlchket Regeln der Wahrschenlchketsrechnung Relatve Häufgket n nt := Eregnsalgebra Eregnsraum oder scheres Eregns und n := 00 Wahrschenlchket Eregnsse

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

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

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

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

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung

Werkstoffmechanik SS11 Baither/Schmitz. 5. Vorlesung Werkstoffmechank SS11 Bather/Schmtz 5. Vorlesung 0.05.011 4. Mkroskopsche Ursachen der Elastztät 4.1 Energeelastztät wrd bestmmt durch de Wechselwrkungspotentale zwschen den Atomen, oft schon auf der Bass

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

(Essentiell) τ-äquivalente Tests:

(Essentiell) τ-äquivalente Tests: (Essentell) τ-äquvalente Tests: τ-äquvalenz: Essentelle τ-äquvalenz: τ τ τ τ +λ Repräsentatonstheore (Exstenzsatz): De Tests,..., snd genau dann τ-äquvalent, wenn ene reelle Zufallsvarable η sowereellekonstantenλ,...,

Mehr

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit

Einführung in die Wahrscheinlichkeitsrechnung. Wahrscheinlichkeitsrechnung. Übersicht. Wahrscheinlichkeitsrechnung. bedinge Wahrscheinlichkeit Enführung n de bednge Wahrschenlchket Laplace-Wahrschenlchket p 0.56??? Zufallsexperment Randwahrschenlchket Überscht Was st Wahrschenlchket? Rechenregeln Der Multplkatonssatz Axomatsche Herletung Unabhänggket

Mehr

Proseminar Spieltheorie SS 2006 Ausarbeitung zum Vortrag Allgemeine Zwei-Personenspiele am Vortragender: Florian Leiner

Proseminar Spieltheorie SS 2006 Ausarbeitung zum Vortrag Allgemeine Zwei-Personenspiele am Vortragender: Florian Leiner Prosemnar Speltheore SS 2006 Ausarbetung zum Vortrag Allgemene Zwe-Personenspele am 06.07.2006 Vortragender: Floran Lener Der Vortrag basert auf dem entsprechenden Kaptel wo-person general-sum games aus

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

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt -

Flußnetzwerke - Strukturbildung in der natürlichen Umwelt - Flußnetzwerke - Strukturbldung n der natürlchen Umwelt - Volkhard Nordmeer, Claus Zeger und Hans Joachm Schlchtng Unverstät - Gesamthochschule Essen Das wohl bekannteste und größte exsterende natürlche

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

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

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen

9 Phasengleichgewicht in heterogenen Mehrkomponentensystemen 9 Phasenglechgewcht n heterogenen Mehrkomonentensystemen 9. Gbbs sche Phasenregel α =... ν Phasen =... k Komonenten Y n (α) -Molzahl der Komonente Y n der Phase α. Für jede Phase glt ene Gbbs-Duhem-Margules

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

Dynamik starrer Körper

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

Mehr

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

5 Das Lebesgue Integral

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

Mehr

Einführung in die Finanzmathematik

Einführung in die Finanzmathematik 1 Themen Enführung n de Fnanzmathematk 1. Znsen- und Znsesznsrechnung 2. Rentenrechnung 3. Schuldentlgung 2 Defntonen Kaptal Betrag n ener bestmmten Währungsenhet, der zu enem gegebenen Zetpunkt fällg

Mehr

2. Runde Aufgaben und Lösungen. Bundeswettbewerb Mathematik

2. Runde Aufgaben und Lösungen. Bundeswettbewerb Mathematik Bundeswettbewerb Mathematk Wssenschaftszentrum Postfach 0 14 48 53144 Bonn Fon: 08-377 411 Fax: 08-377 413 e-mal: nfo@bundeswettbewerb-mathematk.de www.bundeswettbewerb-mathematk.de Korrekturkommsson Karl

Mehr

Lösungen zum 3. Aufgabenblock

Lösungen zum 3. Aufgabenblock Lösungen zum 3. Aufgabenblock 3. Aufgabenblock ewerber haben n enem Test zur sozalen Kompetenz folgende ntervallskalerte Werte erhalten: 96 131 11 1 85 113 91 73 7 a) Zegen Se für desen Datensatz, dass

Mehr

Netzwerkstrukturen. Entfernung in Kilometer:

Netzwerkstrukturen. Entfernung in Kilometer: Netzwerkstrukturen 1) Nehmen wr an, n enem Neubaugebet soll für 10.000 Haushalte en Telefonnetz nstallert werden. Herzu muss von jedem Haushalt en Kabel zur nächstgelegenen Vermttlungsstelle gezogen werden.

Mehr

Übungsblatt 4 - Lösung

Übungsblatt 4 - Lösung Formle Sprchen und Automten Üungsltt 4 - Lösung 26. M 2013 1 Whr oder flsch? Begründe kurz dene Antwort! 1. In enem determnstschen endlchen Automten gt es für jedes Wort w Σ mxml enen kzepterenden Pfd.

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

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

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich

Für jeden reinen, ideal kristallisierten Stoff ist die Entropie am absoluten Nullpunkt gleich Drtter Hauptsatz der Thermodynamk Rückblck auf vorherge Vorlesung Methoden zur Erzeugung tefer Temperaturen: - umgekehrt laufende WKM (Wärmepumpe) - Joule-Thomson Effekt bs 4 K - Verdampfen von flüssgem

Mehr

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1

Vorlesung 1. Prof. Dr. Klaus Röder Lehrstuhl für BWL, insb. Finanzdienstleistungen Universität Regensburg. Prof. Dr. Klaus Röder Folie 1 Vorlesung Entschedungslehre h SS 205 Prof. Dr. Klaus Röder Lehrstuhl für BWL, nsb. Fnanzdenstlestungen Unverstät Regensburg Prof. Dr. Klaus Röder Fole Organsatorsches Relevante Informatonen önnen Se stets

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

Auswertung univariater Datenmengen - deskriptiv

Auswertung univariater Datenmengen - deskriptiv Auswertung unvarater Datenmengen - desrptv Bblografe Prof. Dr. Küc; Statst, Vorlesungssrpt Abschntt 6.. Bleymüller/Gehlert/Gülcher; Statst für Wrtschaftswssenschaftler Verlag Vahlen Bleymüller/Gehlert;

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

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

Untersuchung der Abhängigkeit einer interessierenden Größe von einem einzelnen Einflussparameter bei Konstanz aller übrigen

Untersuchung der Abhängigkeit einer interessierenden Größe von einem einzelnen Einflussparameter bei Konstanz aller übrigen Sete Stehlng AVWL 3 (Mkro) SS 08 - Kap. 4: Komparatve Statk 4 Komparatve Statk Komparatve Statk: Untersuchung der Abhänggket ener nteresserenden Größe von enem enzelnen Enflussparameter be Konstanz aller

Mehr

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord

Kreditrisikomodellierung und Risikogewichte im Neuen Baseler Accord 1 Kredtrskomodellerung und Rskogewchte m Neuen Baseler Accord erschenen n: Zetschrft für das gesamte Kredtwesen (ZfgK), 54. Jahrgang, 2001, S. 1004-1005. Prvatdozent Dr. Hans Rau-Bredow, Lehrstuhl für

Mehr

Eigenwerteinschließungen I

Eigenwerteinschließungen I auptsemar: Numersche Lösuge für Egewertaufgabe Egewerteschleßuge I Referet: Wolfgag Wesselsky Glederug Eletug Kodto vo Egewerte 3 Eschleßugssätze Bauer-Fke, Gershgor, Wlkso, Bedxo 4 Zusatz: Courat / Weyl

Mehr

1.1 Grundbegriffe und Grundgesetze 29

1.1 Grundbegriffe und Grundgesetze 29 1.1 Grundbegrffe und Grundgesetze 9 mt dem udrtschen Temperturkoeffzenten 0 (Enhet: K - ) T 1 d 0. (1.60) 0 dt T 93 K Betrchtet mn nun den elektrschen Wderstnd enes von enem homogenen elektrschen Feld

Mehr

Andreas Schulz. 18. Juni Lokal- orthogonale Koordinatesysteme Math. Hilfsmittel: Antisymmetrischer Tensor: Kreuzprodukt, Spatprodukt,

Andreas Schulz. 18. Juni Lokal- orthogonale Koordinatesysteme Math. Hilfsmittel: Antisymmetrischer Tensor: Kreuzprodukt, Spatprodukt, Tutorum zur G2 Srker - SS3 Mathematscher Notfallkoffer : Dfferentaloperatoren und Integraton n allgemenen, krummlng-orthogonalen Korrdnatensystemen Andreas Schulz 8. Jun 23 Inhaltsverzechns Bevor es losgeht...

Mehr

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2

12 LK Ph / Gr Elektrische Leistung im Wechselstromkreis 1/5 31.01.2007. ω Additionstheorem: 2 sin 2 2 1 K Ph / Gr Elektrsche estng m Wechselstromkres 1/5 3101007 estng m Wechselstromkres a) Ohmscher Wderstand = ˆ ( ω ) ( t) = sn ( ω t) t sn t ˆ ˆ P t = t t = sn ω t Momentane estng 1 cos ( t) ˆ ω = Addtonstheorem:

Mehr

Visualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint

Visualisierung der Volatilität bei der Interpolation von Zeitreihen: Excel-Makro Saffint Vsualserung der Volatltät be der Interpolaton von Zetrehen: Excel-Makro Saffnt Norman Fckel Fredrch-Alexander-Unverstät Erlangen-Nürnberg Wrtschafts- und Sozalwssenschaftlche Fakultät Lehrstuhl für Statstk

Mehr

Standardnormalverteilung / z-transformation

Standardnormalverteilung / z-transformation Standardnormalvertelung / -Transformaton Unter den unendlch velen Normalvertelungen gbt es ene Normalvertelung, de sch dadurch ausgeechnet st, dass se enen Erwartungswert von µ 0 und ene Streuung von σ

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

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl

1 = Gl.(12.7) Der Vergleich mit Gl. (12.3) zeigt, dass für die laminare Rohrströmung die Rohrreibungszahl 0. STRÖMUNG INKOMPRESSIBLER FLUIDE IN ROHRLEITUNGEN Enführung Vorlesung Strömungslehre Prof. Dr.-Ing. Chrstan Olver Pascheret C. O. Pascheret Insttute of Flud Mechancs and Acoustcs olver.pascheret@tu-berln.de

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

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π.

2πσ. e ax2 dx = x exp. 2πσ. 2σ 2. Die Varianz ergibt sich mit Hilfe eines weiteren bestimmten Integrals: x 2 e ax2 dx = 1 π. 2.5. NORMALVERTEILUNG 27 2.5 Normalvertelung De n der Statstk am häufgsten benutzte Vertelung st de Gauss- oder Normalvertelung. Wr haben berets gesehen, dass dese Vertelung aus den Bnomal- und Posson-Vertelungen

Mehr

Übung zur Vorlesung. Informationstheorie und Codierung

Übung zur Vorlesung. Informationstheorie und Codierung Übung zur Vorlesung Informatonstheore und Coderung Prof. Dr. Lla Lajm März 25 Ostfala Hochschule für angewandte Wssenschaften Hochschule Braunschweg/Wolfenbüttel Postanschrft: Salzdahlumer Str. 46/48 3832

Mehr

1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik

1. Runde 2010. Aufgaben und Lösungen. Bundeswettbewerb Mathematik Bundeswettbewerb Mathemat Wssenschaftszentrum Postfach 2 14 48 53144 Bonn Fon: 228-9 59 15-2 Fax: 228-9 59 15-29 e-mal: nfo@bundeswettbewerb-mathemat.de www.bundeswettbewerb-mathemat.de Korreturommsson

Mehr

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07

Auswertung von Umfragen und Experimenten. Umgang mit Statistiken in Maturaarbeiten Realisierung der Auswertung mit Excel 07 Auswertung von Umfragen und Expermenten Umgang mt Statstken n Maturaarbeten Realserung der Auswertung mt Excel 07 3.Auflage Dese Broschüre hlft bem Verfassen und Betreuen von Maturaarbeten. De 3.Auflage

Mehr

1 BWL 4 Tutorium V vom 15.05.02

1 BWL 4 Tutorium V vom 15.05.02 1 BWL 4 Tutorum V vom 15.05.02 1.1 Der Tlgungsfaktor Der Tlgungsfaktor st der Kehrwert des Endwertfaktors (EWF). EW F (n; ) = (1 + )n 1 T F (n; ) = 1 BWL 4 TUTORIUM V VOM 15.05.02 (1 ) n 1 Mt dem Tlgungsfaktor(TF)

Mehr

5 Integralsätze am Beispiel der Gravitation

5 Integralsätze am Beispiel der Gravitation 5 INTEGRALSÄTZE AM BEISPIEL DER GRAVITATION 1 5 Integralsätze am Bespel der Gravtaton 5.1 Integralsatz von Stokes Im letzten Kaptel haben wr de Rotaton enes Vektorfeldes engeführt und Lnenntegrale betrachtet.

Mehr

III. Theorie des Haushalts

III. Theorie des Haushalts Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 86 Pro. Dr. Fredel Bolle Vorlesung "Mkroökonome" WS 008/009 III. Theore des Haushalts 87 III. Theore des Haushalts Unternehmung

Mehr

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage

Für wen ist dieses Buch? Was ist dieses Buch? Besonderheiten. Neu in dieser Auflage Für wen st deses Bch? Das Taschenbch der Elektrotechnk rchtet sch an Stdentnnen nd Stdenten an nverstäten nd Fachhochschlen n den Berechen Elektrotechnk Nachrchtentechnk Technsche Informatk allgemene Ingenerwssenschaften

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

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm):

Beim Wiegen von 50 Reispaketen ergaben sich folgende Gewichte X(in Gramm): Aufgabe 1 (4 + 2 + 3 Punkte) Bem Wegen von 0 Respaketen ergaben sch folgende Gewchte X(n Gramm): 1 2 3 4 K = (x u, x o ] (98,99] (99, 1000] (1000,100] (100,1020] n 1 20 10 a) Erstellen Se das Hstogramm.

Mehr

9 Diskriminanzanalyse

9 Diskriminanzanalyse 9 Dskrmnanzanalyse Zel ener Dskrmnanzanalyse: Berets bekannte Objektgruppen (Klassen/Cluster) anhand hrer Merkmale charakterseren und unterscheden sowe neue Objekte n de Klassen enordnen. Nötg: Lernstchprobe

Mehr

Versicherungstechnischer Umgang mit Risiko

Versicherungstechnischer Umgang mit Risiko Verscherungstechnscher Umgang mt Rsko. Denstlestung Verscherung: Schadensdeckung von für de enzelne Person ncht tragbaren Schäden durch den fnanzellen Ausglech n der Zet und m Kollektv. Des st möglch über

Mehr

Datenaufbereitung und Darstellung

Datenaufbereitung und Darstellung Datenaufberetung und Darstellung 1 Glederung: Zel der Datenaufberetung und Darstellung Datenverdchtung Tabellen und grafsche Darstellungen Darstellung unvarater Datenmengen Darstellung multvarater Daten

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten

Klasse : Name1 : Name 2 : Datum : Nachweis des Hookeschen Gesetzes und Bestimmung der Federkonstanten Versuch r. 1: achwes des Hook schen Gesetzes und Bestmmung der Federkonstanten achwes des Hookeschen Gesetzes und Bestmmung der Federkonstanten Klasse : ame1 : ame 2 : Versuchszel: In der Technk erfüllen

Mehr