QR-Zerlegung mit Householder-Transformationen
|
|
- Benedict Klein
- vor 6 Jahren
- Abrufe
Transkript
1 1/ QR-Zerlegung mit Householder-Transformationen Numerische Mathematik 1 WS 011/1
2 Orthogonales Eliminieren / Sei x R n ein Vektor x = 0. Ziel: Ein orthogonales H R n;n bestimmen, sodass Hx = kxke 1 ; ein Vielfaches des ersten Einheitsvektors ist e 1 = 4 5
3 Householder-Transformation / Das kann man durch Drehungen (Givens-Rotationen) oder durch Spiegelungen (Householder-Transformationen) erreichen. x x x 1
4 4/ Householder-Transformation Setzt man ~w := x + sgn(x 1 )kxke 1 ; und w := ~w k ~wk dann ist der Orthogonalprojektor auf hwi := span(w ) gegeben durch ~w ~w P := ww T T ~w ~w T = = k ~wk k ~wk ~w T ~w : x +kxke 1 hwi? x hwi w Px x 1
5 5/ Householder-Transformation Damit ist der (duale) Orthogonalprojektor auf hwi? gegeben durch Q := I P = I ww T ; und entsprechend die Householder-Spiegelung (an hwi? ) H := I P = I ww T : hwi? x +kxke 1 x hwi Hx Qx w Px x 1
6 Alternative Darstellung / Die Householder-Transformation H R n;n hat also die Darstellung H = I ww T = I ww T w T w ; wobei w R n mit kwk = 1. Ist v R n n f0g aber ein linear abhängiger Vektor v = w, mit R n f0g so gilt ebenfalls I vv T v T v = I ww T w T w = I ww T w T w = H:
7 Normalisierte Darstellung / Ist x = 0 so ist der erste Eintrag von ebenfalls nicht 0, d.h. ~w 1 = 0. ~w := x + sgn(x 1 )kxke 1 Dann erfüllt der Vektor v := 1 ~w 1 ~w R n die Bedingung v 1 = 1.
8 Normalisierte Darstellung 8/ Somit ist die Householder-Transformation gegeben durch H = I P = I vv T v T v = I kvk vv T = I vv T ; wobei := kvk :
9 Berechnung von v und 9/ function [ beta, v ] = house ( x ) n = length ( x ); if ( norm ( x ) < n eps ) beta = 0; v = eye (n,1); else % bereche w w =... % berechne v v = w / w (1); end % berechne beta beta =...
10 Vorteil 10/ Die Householder-Transformation kann man also als H = I vv T schreiben, wobei R und v R n die Form hat. 1 v v = 4 5 H I vv T Speicherbedarf: n n. v n
11 11/ H anwenden Es sei R, v R n und die Householder-Transformation Dann ist für X R n;` gerade H = I vv T R n;n : HX = (I vv T )X = X vv T X = X v v T X {z } =:X 1 R 1;` in O(n`) = X (vx 1 ) {z } =:X R n;` in O(n`) = X vx 1 = X X {z } in O(n`) =: Y : H I vv T Laufzeit, Matrix-Vektor-Multiplikation: O(n ) O(n) Laufzeit, Matrix-Matrix-Multiplikation: O(n ) O(n )
12 H anwenden in Matlab 1/ function Y = h_ anwenden ( v, beta, X ) Y = zeros ( size ( X )); % X1 in der ersten Zeile von Y speichern % X in Y speichern % Y ausrechnen Y =...
13 QR-Zerlegung (Formal) 1/ Wir wollen eine QR-Zerlegung der Matrix A = R 5; mittels Householder-Transformationen berechnen.
14 QR-Zerlegung (Formal) A = Schritt 1: Berechne v 1 R 5 und 1 sodass mit und H 1 := I 1 v 1 v T 1 R5;5 ^H 1 := H 1 gilt ^H 1 A = a () 11 a () 1 a () 1 0 a () a () 0 a () a () : 4 0 a () 4 a () a () 5 a () 5 14/
15 QR-Zerlegung (Formal) ^H 1 A = a () 11 a () 1 a () 1 0 a () a () 0 a () a () 4 0 a () 4 a () a () 5 a () 5 Schritt : Berechne v R 4 und sodass mit H := I v v T R4;4 und ^H := 1 H gilt ^H ^H 1 A = a () 11 a () 1 a () 1 0 a () a () 0 0 a () : a () a () 5 15/
16 QR-Zerlegung (Formal) ^H ^H 1 A = a () 11 a () 1 a () 1 0 a () a () 0 0 a () a () a () 5 Schritt : Berechne v R und sodass mit und ^H := H H := I v v T R; 5 gilt ^H ^H ^H 1 A = a (4) 11 a (4) 1 a (4) 1 0 a (4) a (4) 0 0 a (4) : /
17 QR-Zerlegung (Formal) 1/ ^H ^H ^H 1 A = {z } =:Q T a (4) 11 a (4) 1 a (4) 1 0 a (4) a (4) 0 0 a (4) =: R: Dann ist Q orthogonal, R obere Dreiecksmatrix und somit eine QR-Zerlegung von A. A = QR
18 QR-Zerlegung (im Rechner) 18/ Es werden die H i, ^H i, etc. nicht explizit gebildet. Man rechnet nur sog. Elementarreflektoren v 1, v,... aus und speichert diese in den frei werdenden Null-Elementen (die erste 1 muss nicht gespeichert werden). Dabei braucht man ein extra Array für die 1,,...
19 QR-Zerlegung (im Rechner) 19/ Mit obigen Bezeichnungen durchläuft man die Abfolge = a () 11 a () 1 a () 1 v 1; a () a () v 1; a () a () 4v 1;4 a () 4 a () 5 4 v 1;5 a () 5 a () 5 = a () 11 a () 1 a () 1 v 1; a () a () v 1; v ; a () 4v 1;4 v ; a () 5 4 v 1;5 v ;4 a () 5 = 1 0 a (4) 11 a (4) 1 a (4) 1 v 1; a (4) a (4) v 1; v ; a (4) 4 5 v 1;4 v ; v ; v 1;5 v ;4 v ; = 1 wobei v i ;j := v i j den j-ten Eintrag von v i bezeichnet.
20 QR-Zerlegung (in LAPACK) SUBROUTINE DGEQRF ( M, N, A, LDA, TAU, WORK, LWORK, INFO ).. Scalar Arguments.. INTEGER INFO, LDA, LWORK, M, N.... Array Arguments.. DOUBLE PRECISION A ( LDA, ), TAU ( ), WORK ( ).. Purpose ======= DGEQRF computes a QR factorization of a real M - by - N matrix A : A = Q R. Arguments ========= M ( input ) INTEGER The number of rows of the matrix A. M >= 0. N ( input ) INTEGER The number of columns of the matrix A. N >= 0. A ( input / output ) DOUBLE PRECISION array, dimension (LDA,N) On entry, the M - by - N matrix A. On exit, the elements on and above the diagonal of the array contain the min (M, N ) - by - N upper trapezoidal matrix R ( R is upper triangular if m >= n ); the elements below the diagonal, with the array TAU, represent the orthogonal matrix Q as a product of min (m, n ) elementary reflectors ( see Further Details ). LDA ( input ) INTEGER 0/
21 QR-Zerlegung in Matlab 1/ function [ QR, betas ] = qr_zerlegung ( A ) [n, m ] = size ( A ); min_nm = min ([ n -1, m ]); betas = zeros (1, min_ nm ); for i =1: min_nm [ beta_i, v_i ] = house (...); % A ^( i ) --> A ^( i +1)... h_anwenden (...)... end A ( i +1: n, i ) = v_i (: end ); betas ( i ) = beta_i ; QR = A ;
22 Problem Hat man die QR-Zerlegung in der Form a (4) 11 a (4) 1 a (4) 1 v 1; a (4) a (4) v 1; v ; a (4) 4 5 v 1;4 v ; v ; v 1;5 v ;4 v ; = 1 gespeichert, so kann man Q = ^H ^H ^H 1 und ebenso (da Householder-Transformationen symmetrisch sind) Q T = ^H ^H ^H 1 nicht so einfach mit einem Vektor (oder mit einer Matrix) Multiplizieren. /
23 Lösung / function Y = q_ anwenden ( QR, betas, X, transponiert ) if ( transponiert ) % hier soll Q ^ T X ausgerechnet werden for i = h_anwenden (...)... end else % hier soll Q X ausgerechnet werden for i = h_anwenden (...)... end end
24 Q-Anwenden (in LAPACK) SUBROUTINE DORMQR ( SIDE, TRANS, M, N, K, A, LDA, TAU, C, LDC, $ WORK, LWORK, INFO ) Purpose ======= DORMQR overwrites the general real M - by - N matrix C with SIDE = 'L ' SIDE = 'R ' TRANS = 'N ': Q C C Q TRANS = 'T ': Q T C C Q T where Q is a real orthogonal matrix defined as the product of k elementary reflectors Q = H (1) H ()... H ( k ) as returned by DGEQRF. Q is of order M if SIDE = 'L ' and of order N if SIDE = 'R '. Arguments ========= TRANS ( input ) CHARACTER 1 = 'N ': No transpose, apply Q ; = 'T ': Transpose, apply Q T. A ( input ) DOUBLE PRECISION array, dimension (LDA,K) The i - th column must contain the vector which defines the elementary reflector H (i), for i = 1,,...,k, as returned by DGEQRF in the first k columns of its array argument A. A is modified by the routine but restored on exit. SIDE ( input ) CHARACTER 1 4/
25 Lineares Ausgleichsproblem 5/ Sei A R n;m eine Matrix mit vollem Spaltenrang und b R n. Meistens ist auch n m. Ziel: Das lineare Ausgleichsproblem lösen, d.h. ein x R m bestimmen mit min xr m kax bk = kax bk :
26 Lineares Ausgleichsproblem Hat man eine QR-Zerlegung von A R n;m berechnet so ist min xr kax bk = min kqrx bk = min Q(Rx Q T b) m m xr = min Rx Q T b xr m d.h. mit den Bezeichnungen R =: ; R1 0 xr m und Q T b =: wobei R 1 R m;m, b 1 R m, b R n m, hat man min kax bk = min xr m xr m = min xr m kr 1x b 1 k + k0 mit der Lösung und dem Residuum R1 0 x b1 b b1 b, b k = kb k + min xr m kr 1x b 1 k ; x = R 1 b 1 kax bk = kb k: /
27 Ausgleichsproblem lösen (in Matlab) / function [ x, res ] = ausgleichsproblem ( A, b ) [n, m ] = size ( A ); [ QR, beta ] = qr_zerlegung ( A ); QTb = q_ anwenden ( QR, beta, b, true );... x =...; res =...;
28 Asymptotische Laufzeit Es sei m N fest, n N mit n > m variabel, A R n;m und b R n. Dann ist die asymptotische Laufzeit (für n! 1) zur Lösung des linearen Ausgleichsproblems nach obiger Methode min kax bk ; xrm O(n): Würde man erst orthogonales Q R n;n und eine obere Dreiecksmatrix R R n;m berechnen mit QR = A, so würde schon die notwendige Matrix-Vektor-Multiplikation Q T b O(n ) brauchen. 8/
29
30 Berechnung der SVD 0/ Um die SVD einer Matrix der Form A = 4 zu berechnen, wendet man Householder-Transformationen (von links und rechts) an. 5
31 1/ Berechnung der SVD Man durchläuft die Abfolge A =: B 5
32 Berechnung der SVD / Dann kann man die Eigenwerte von B T B = = ; einer symmetrischen positiv semi-definiten Tridiagonalmatrix, berechnen.
33 Eigenwerte von B T B (in LAPACK) SUBROUTINE DSTEV ( JOBZ, N, D, E, Z, LDZ, WORK, INFO ).. Scalar Arguments.. CHARACTER JOBZ INTEGER INFO, LDZ, N.. Array Arguments.. DOUBLE PRECISION D ( ), E ( ), WORK ( ), Z ( LDZ, ) Purpose ======= DSTEV computes all eigenvalues and, optionally, eigenvectors of a real symmetric tridiagonal matrix A. Arguments ========= JOBZ ( input ) CHARACTER 1 = 'N ': Compute eigenvalues only ; = 'V ': Compute eigenvalues and eigenvectors. N ( input ) INTEGER The order of the matrix. N >= 0. D ( input / output ) DOUBLE PRECISION array, dimension (N) On entry, the n diagonal elements of the tridiagonal matrix A. On exit, if INFO = 0, the eigenvalues in ascending order. E ( input / output ) DOUBLE PRECISION array, dimension (N -1) On entry, the (n -1) subdiagonal elements of the tridiagonal matrix A, stored in elements 1 to N -1 of E. On exit, the contents of E are destroyed. /
Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen
Wir betrachten in diesem Abschnitt das lineare Ausgleichsproblem Ax b 2 = min! (1) Heinrich Voss voss@tu-harburgde Hamburg University of Technology Institute for Numerical Simulation mit gegebenem A R
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
MehrGeometrie und Bedeutung: Kap 5
: Kap 5 21. November 2011 Übersicht Der Begriff des Vektors Ähnlichkeits Distanzfunktionen für Vektoren Skalarprodukt Eukidische Distanz im R n What are vectors I Domininic: Maryl: Dollar Po Euro Yen 6
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
Mehr2 Lineare Gleichungssysteme
Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrMatlab. Kap. I Basics of Matlab. Variablentypen und Nutzung Visualisierung in 2D und 3D. Jetzt geht s erst richtig los:
Matlab Jetzt geht s erst richtig los: Kap. I Basics of Matlab Variablentypen und Nutzung Visualisierung in 2D und 3D Matlab Effiziente Programme durch Vektorisierung In Matlab gibt es nur Matrizen: ein
MehrKAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0
MehrAufgabe 2: Anzahl Erdbeben als Funktion der Zeit
Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro
MehrWoche 20/10 31/10 1. Lineare Gleichungssysteme, direkte Lösungsverfahren 1 / 12
Woche 20/10 31/10 1. Lineare Gleichungssysteme, direkte Lösungsverfahren 1 / 12 Lernziele In diesem Praktikum sollen Sie üben und lernen: Umgang mit der Matlab-Umgebung Schreiben einfacher Skripte und
MehrDünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im Vergleich zu voll besetzten Matrizen. Besetzungsmuster mit spy.
170 005 Übungen zu Numerische Methoden I Fünfte Übungseinheit 21. März, 22. und 23. April 2013 Inhalt der fünften Übungseinheit: Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im
MehrMATLAB driver for Spectrum boards
MATLAB driver for Spectrum boards User Manual deutsch/english SPECTRUM SYSTEMENTWICKLUNG MICROELECTRONIC GMBH AHRENSFELDER WEG 13-17 22927 GROSSHANSDORF GERMANY TEL.: +49 (0)4102-6956-0 FAX: +49 (0)4102-6956-66
MehrKURZANLEITUNG. Firmware-Upgrade: Wie geht das eigentlich?
KURZANLEITUNG Firmware-Upgrade: Wie geht das eigentlich? Die Firmware ist eine Software, die auf der IP-Kamera installiert ist und alle Funktionen des Gerätes steuert. Nach dem Firmware-Update stehen Ihnen
MehrIndexing und Performance Tuning
Indexing und Performance Tuning Cybertec Schönig & Schönig GmbH Hans-Jürgen Schönig PostgreSQL Indexing - Jeder hat schon einmal ein Telefonbuch Benutzt - Jeder hat schon einmal Suchen durchgeführt CREATE
Mehr6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrExercise (Part XI) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1
Exercise (Part XI) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All
MehrÜbung 4: Einführung in die Programmierung mit MATLAB
Übung 4: Einführung in die Programmierung mit MATLAB AUFGABE 1 Was bewirkt der Strichpunkt? - Der Strichpunkt (Semikola) unterdrück die Anzeige der (Zwischen-) Resultate. Welche Rolle spielt ans? - Wenn
Mehr2 Lösungen "Peptide de novo Sequencing"
Lösungen "Peptide de novo Sequencing". Algorithm : PeptideSequencingOnlySux Input: a spectrum M with array of masses M = {m, m,, m n }, Σ, µ : Σ R >0 Output: the peptide string of the spectrum begin peptide
MehrGraphische Benutzeroberflächen mit Matlab
Graphische Benutzeroberflächen mit Matlab 1 Die Aufgabenstellung Erstellung einer Benutzeroberfläche für das Plotten einer Funktion f(x) im Intervall [a, b]. Bestandteile: 1. Koordinatensystem 2. Editorfelder
MehrInformationsverarbeitung im Bauwesen
V14 1 / 30 Informationsverarbeitung im Bauwesen Markus Uhlmann Institut für Hydromechanik WS 2009/2010 Bemerkung: Verweise auf zusätzliche Information zum Download erscheinen in dieser Farbe V14 2 / 30
MehrStatistisches Programmieren
Statistisches Programmieren Session 1 1 Was ist R R ist eine interaktive, flexible Software-Umgebung in der statistische Analysen durchgeführt werden können. Zahlreiche statistische Funktionen und Prozeduren
MehrLösung des Kleinste-Quadrate-Problems
Lösung des Kleinste-Quadrate-Problems Computergestützte Statistik Lisakowski, Christof 15.05.2009 Lisakowski, Christof ()Lösung des Kleinste-Quadrate-Problems 15.05.2009 1 / 34 Themen 1 Problemstellung
MehrISO 15504 Reference Model
Prozess Dimension von SPICE/ISO 15504 Process flow Remarks Role Documents, data, tools input, output Start Define purpose and scope Define process overview Define process details Define roles no Define
MehrBeschreibung. Process Description: Sartorius Bestellnummer / Order No.:
Q-App: USP Advanced Bestimmung des Arbeitsbereiches von Waagen gem. USP Kapitel 41 mit Auswertung über HTML (Q-Web) Determination of the operating range of balances acc. USP Chapter 41 with evaluation
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
MehrDie Datenmanipulationssprache SQL
Die Datenmanipulationssprache SQL Daten eingeben Daten ändern Datenbank-Inhalte aus Dateien laden Seite 1 Data Manipulation Language A DML statement is executed when you Add new rows to a table Modify
MehrGrundlagen der Programmiersprache C für Studierende der Naturwissenschaften
Grundlagen der Programmiersprache C für Studierende der Naturwissenschaften Teil 8: Komplexität und Speicheraufwand Patrick Schreier Abteilung für Angewandte Mathematik Vorlesung vom 23. Juni 2014 Gliederung
MehrTag 9: Datenstrukturen
Tag 9: Datenstrukturen A) Datenstrukturen B) Cell Arrays C) Anwendungsbeispiel: Stimulation in einem psychophysikalischen Experiment A) Datenstrukturen Wenn man komplizierte Datenmengen verwalten möchte,
MehrSimulink: Einführende Beispiele
Simulink: Einführende Beispiele Simulink ist eine grafische Oberfläche zur Ergänzung von Matlab, mit der Modelle mathematischer, physikalischer bzw. technischer Systeme aus Blöcken mittels plug-and-play
MehrPROTOTYPING 101 CMF // Spec-Sheet Guideline
PROTOTYPING 101 CMF // SpecSheet Guideline = CMF COLOUR MATERIAL FINISH = FARBEN MATERIALIEN OBERFLÄCHEN eine CMFDatei ( CMFSheet, SpecSheet) beschreibt alle für die Erstellung eines Prototypens und die
MehrAnmeldung Application
Angaben zum Unternehmen Company Information Vollständiger Firmenname / des Design Büros / der Hochschule Entire company name / Design agency / University Homepage facebook Straße, Nr. oder Postfach* Street
MehrLogische Verknüpfungen. while-schleifen. Zahlendarstellung auf dem Computer. Formatierung von Zahlen in MATLAB.
Logische Verknüpfungen. while-schleifen. Zahlarstellung auf dem Computer. Formatierung von Zahlen in MATLAB. Logische Verknüpfungen In der letzten Sitzung haben wir kennengelernt, wie wir Zahlen mit Operationen
MehrVorlesung Algorithmische Geometrie. Streckenschnitte. Martin Nöllenburg 19.04.2011
Vorlesung Algorithmische Geometrie LEHRSTUHL FÜR ALGORITHMIK I INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 19.04.2011 Überlagern von Kartenebenen Beispiel: Gegeben zwei
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrWellenfrontanalyse mit Zernike-Polynomen und Shack-Hartmann Gradientenmessungen
Wellenfrontanalyse mit Zernike-Polynomen und Shack-Hartmann Gradientenmessungen Stefan Hippler, August 2006 Mit dem Shack-Hartmann Wellenfrontsensor werden die Verschiebungen x, y der Spots gemessen. Diese
MehrCONTROLLER RECEIVER REPEATER PAIRING SLIM CLIP
ANLEITUNGEN // INSTRUCTIONS CONTROLLER RECEIVER REPEATER PAIRING SLIM CLIP BEDIENUNGSANLEITUNG // INSTRUCTION MANUAL MONTAGEANLEITUNG // ASSEMBLY INSTRUCTION MONTAGEANLEITUNG // ASSEMBLY INSTRUCTION KOPPLUNG
MehrKochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf
Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks
Mehrfastpim 1 H fast switching H bridge module Features: - 1 Phase Input Rectifier Bridge - 1 Phase fast switching IGBT + FRED full H bridge - NTC
fast switching H bridge module Features: - 1 Phase Input Rectifier Bridge - 1 Phase fast switching IGBT + FRED full H bridge - NTC Copyright by Vincotech 1 Revision: 1 module types / Produkttypen Part-Number
MehrObjektrelationale und erweiterbare Datenbanksysteme
Objektrelationale und erweiterbare Datenbanksysteme Erweiterbarkeit SQL:1999 (Objekt-relationale Modellierung) In der Vorlesung werden nur die Folien 1-12 behandelt. Kapitel 14 1 Konzepte objekt-relationaler
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
MehrAfter sales product list After Sales Geräteliste
GMC-I Service GmbH Thomas-Mann-Str. 20 90471 Nürnberg e-mail:service@gossenmetrawatt.com After sales product list After Sales Geräteliste Ladies and Gentlemen, (deutsche Übersetzung am Ende des Schreibens)
Mehr250D-PU NS476 40D-N-RIP Color
TOP DACH H 121 mm H 77 mm Der rotmarkierte Bereich definiert die bestmögliche Druckfläche. The area marked in red defines the best possible print area. B 332 mm B 23 mm Topsection Dachhaut Zipperrain Cover
MehrLufft UMB Sensor Overview
Lufft Sensor Overview Wind Radiance (solar radiation) Titan Ventus WS310 Platinum WS301/303 Gold V200A WS300 WS400 WS304 Professional WS200 WS401 WS302 Radiance (solar radiation) Radiation 2 Channel EPANDER
MehrObjektrelationale, erweiterbare Datenbanken WS 04/05
Eidgenössische Technische Hochschule Zürich Swiss Federal Institute of Technology Zurich Institut für Informationssysteme Dr.C.Türker Objektrelationale, erweiterbare Datenbanken WS 0405 Übung 8 Aufgabe
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrEine Kurzanleitung zu Mathematica
MOSES Projekt, GL, Juni 2003 Eine Kurzanleitung zu Mathematica Wir geben im Folgenden eine sehr kurze Einführung in die Möglichkeiten, die das Computer Algebra System Mathematica bietet. Diese Datei selbst
MehrInstallation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung.
Installation. Arbeiten mit der MATLAB-Entwicklungsumgebung. MATLAB als Taschenrechner mit Matrix- und Vektorrechnung. Die heutige Sitzung dient dem ersten Kennenlernen von MATLAB. Wir wollen MATLAB zuerst
Mehr1. General information... 2 2. Login... 2 3. Home... 3 4. Current applications... 3
User Manual for Marketing Authorisation and Lifecycle Management of Medicines Inhalt: User Manual for Marketing Authorisation and Lifecycle Management of Medicines... 1 1. General information... 2 2. Login...
MehrAS Path-Prepending in the Internet And Its Impact on Routing Decisions
(SEP) Its Impact on Routing Decisions Zhi Qi ytqz@mytum.de Advisor: Wolfgang Mühlbauer Lehrstuhl für Netzwerkarchitekturen Background Motivation BGP -> core routing protocol BGP relies on policy routing
MehrWave-Datei-Analyse via FFT
Wave-Datei-Analyse via FFT Wave-Dateien enthalten gesampelte Daten, die in bestimmten Zeitabständen gespeichert wurden. Eine Fourier-Transformation über diesen Daten verrät das Frequenz-Spektrum der zugrunde
MehrUnterprogramme, Pointer und die Übergabe von Arrays
Unterprogramme, Pointer und die Übergabe von Arrays Unterprogramme Wie schon im Abschnitt über Funktionen erwähnt, versteht man unter einem Unterprogramm im engeren Sinn eine Prozedur, welche die Werte
MehrExtract of the Annotations used for Econ 5080 at the University of Utah, with study questions, akmk.pdf.
1 The zip archives available at http://www.econ.utah.edu/ ~ ehrbar/l2co.zip or http: //marx.econ.utah.edu/das-kapital/ec5080.zip compiled August 26, 2010 have the following content. (they differ in their
MehrAlgorithms for graph visualization
Algorithms for graph visualization Project - Orthogonal Grid Layout with Small Area W INTER SEMESTER 2013/2014 Martin No llenburg KIT Universita t des Landes Baden-Wu rttemberg und nationales Forschungszentrum
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrThemen des Kapitels. 2 Grundlagen von PL/SQL. PL/SQL Blöcke Kommentare Bezeichner Variablen Operatoren. 2.1 Übersicht. Grundelemente von PL/SQL.
2 Grundlagen von PL/SQL Grundelemente von PL/SQL. 2.1 Übersicht Themen des Kapitels Grundlagen von PL/SQL Themen des Kapitels PL/SQL Blöcke Kommentare Bezeichner Variablen Operatoren Im Kapitel Grundlagen
MehrSQL and PL/SQL unleashed. Neuheiten bei Oracle 11g und Oracle 12c im Bereich SQL und PL/SQL
. Neuheiten bei Oracle 11g und Oracle 12c im Bereich SQL und PL/SQL Johannes Gritsch Themenübersicht Neue Scheduler Job Typen SQL_SCRIPT und BACKUP_SCRIPT SQL RowLimit: PERCENT und TIES WITH-Klausel mit
MehrAuszug aus der netzbetriebenen Multimotor-Serie
Drehantrieb MU 010 Max. zentrische Belastung 1 kg bei 1 bis 5 UpM. Je größer das Objekt und je schneller der Motor desto geringer die mögliche Belastung. Rotating Motor MU 010 Max. centric load 1 kg /
MehrGRIPS - GIS basiertes Risikoanalyse-, Informations- und Planungssystem
GRIPS - GIS basiertes Risikoanalyse-, Informations- und Planungssystem GIS based risk assessment and incident preparation system Gregor Lämmel TU Berlin GRIPS joined research project TraffGo HT GmbH Rupprecht
MehrHow to use the large-capacity computer Lilli? IMPORTANT: Access only on JKU Campus!! Using Windows:
How to use the large-capacity computer Lilli? IMPORTANT: Access only on JKU Campus!! Using Windows: In order to connect to Lilli you need to install the program PUTTY. The program enables you to create
Mehreurex rundschreiben 094/10
eurex rundschreiben 094/10 Datum: Frankfurt, 21. Mai 2010 Empfänger: Alle Handelsteilnehmer der Eurex Deutschland und Eurex Zürich sowie Vendoren Autorisiert von: Jürg Spillmann Weitere Informationen zur
MehrAber genau deshalb möchte ich Ihre Aufmehrsamkeit darauf lenken und Sie dazu animieren, der Eventualität durch geeignete Gegenmaßnahmen zu begegnen.
NetWorker - Allgemein Tip 618, Seite 1/5 Das Desaster Recovery (mmrecov) ist evtl. nicht mehr möglich, wenn der Boostrap Save Set auf einem AFTD Volume auf einem (Data Domain) CIFS Share gespeichert ist!
Mehr5. Übung: Binäres Rechnen und Fließkommazahlen Abteilung Verteilte Systeme, Universität Ulm
5. Übung: Binäres Rechnen und Fließkommazahlen Aufgabe 1: Binäres Rechnen a) Berechnen Sie: x = 01100101b*(0101101b-10110100b)+10101b. Alle Zahlen sind 8 Bit breit und in Zweierkomplement-Notation angegeben.
MehrMagazines for MP38 and MP40
Please feel free to give me your observations 2015.11.28 Magazines for MP38 and MP40 On the internet: http://claus.espeholt.dk/mediearkiv/mag40_c.pdf There are different types of magazines: 1) MP38 - no
Mehrlogin: password: exit logout Strg+Alt+Backspace passwd passwd $ passwd Changing password for user (current) UNIX password: New UNIX password: Retype new UNIX password: passwd: all authentication tokens
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 7 Projektionen und Rückprojektionen Der Punkt Die Gerade Die Quadrik Die Ebene Zusammenhang Kalibriermatrix - Bild des absoluten
MehrZugriff auf Firebird-Datenbanken mit PHP. Daniel de West DB-Campus-Treffen 15. Januar 2004
Zugriff auf Firebird-Datenbanken mit PHP Daniel de West DB-Campus-Treffen 15. Januar 2004 Inhalt PHP und Firebird Die wichtigsten Befehle Verbindungsaufbau Übermitteln von Abfragen Beenden von Verbindungen
MehrMusterlösung 2. Mikroprozessor & Eingebettete Systeme 1
Musterlösung 2 Mikroprozessor & Eingebettete Systeme 1 WS2013/2014 Hinweis: Die folgenden Aufgaben erheben nicht den Anspruch, eine tiefergehende Kenntnis zu vermitteln; sie sollen lediglich den Einstieg
MehrAnmeldung zum UNIVERSAL DESIGN favorite 2016 Registration for UNIVERSAL DESIGN favorite 2016
Anmeldung zum UNIVERSAL DESIGN favorite 2016 Registration for UNIVERSAL DESIGN favorite 2016 Teil 1 Anmeldung Teilnehmer Part 1 Registration Participant Angaben zum Teilnehmer Participant Address Information
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrSupplier Status Report (SSR)
Supplier Status Report (SSR) Introduction for BOS suppliers BOS GmbH & Co. KG International Headquarters Stuttgart Ernst-Heinkel-Str. 2 D-73760 Ostfildern Management Letter 2 Supplier Status Report sheet
MehrObjects First With Java A Practical Introduction Using BlueJ. Mehr über Vererbung. Exploring polymorphism 1.0
Objects First With Java A Practical Introduction Using BlueJ Mehr über Vererbung Exploring polymorphism 1.0 Zentrale Konzepte dieses Kapitels Methoden-Polymorphie statischer und dynamischer Typ Überschreiben
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrInvitation - Benutzerhandbuch. User Manual. User Manual. I. Deutsch 2. 1. Produktübersicht 2. 1.1. Beschreibung... 2
Invitation - Inhaltsverzeichnis I. Deutsch 2 1. Produktübersicht 2 1.1. Beschreibung......................................... 2 2. Installation und Konfiguration 2 2.1. Installation...........................................
MehrMatlab Einführung. Tobias Wunner
Matlab Einführung Tobias Wunner 16. Oktober 2006 Vorteile Interpreter und interaktive Befehlseingabe Schnelles Implementieren von wissenschaftlichen Methoden Gutes Hilfesystem >> lookfor 'sum' TRACE Sum
MehrExercise (Part II) Anastasia Mochalova, Lehrstuhl für ABWL und Wirtschaftsinformatik, Kath. Universität Eichstätt-Ingolstadt 1
Exercise (Part II) Notes: The exercise is based on Microsoft Dynamics CRM Online. For all screenshots: Copyright Microsoft Corporation. The sign ## is you personal number to be used in all exercises. All
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrEinführung in die Programmierung
Name, Vorname Matrikelnummer Probeklausur zur Vorlesung Einführung in die Programmierung WS 2008/09 Dauer: 2 Stunden Hinweise: Schreiben Sie Ihren Namen und Ihre Matrikelnummer auf dieses Deckblatt und
MehrAktuelle Entwicklungen
PostgreSQL Aktuelle Entwicklungen (Hans-Jürgen Schönig), [HACKERS] Are we losing momentum? Bruce Momjian: August 2003 Momjian Blog: Postgres Is Hot Bruche Momjian Blog: June 7, 2008 I have attended or
MehrComputerarithmetik ( )
Anhang A Computerarithmetik ( ) A.1 Zahlendarstellung im Rechner und Computerarithmetik Prinzipiell ist die Menge der im Computer darstellbaren Zahlen endlich. Wie groß diese Menge ist, hängt von der Rechnerarchitektur
MehrDr. Monika Meiler. Inhalt
Inhalt 5 Referenzdatentypen - Felder... 5-2 5.1 Eindimensionale Felder - Vektoren... 5-3 5.1.1 Vereinbarung... 5-3 5.1.2 Referenzen sind keine Felder... 5-4 5.1.3 Kopieren eindimensionaler Felder... 5-6
MehrInstitut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban
Institut für Stochastik Prof. Dr. N. Bäuerle Dipl.-Math. S. Urban Lösungsvorschlag 8. Übungsblatt zur Vorlesung Finanzmathematik I Aufgabe Hedging Amerikanischer Optionen Wir sind in einem arbitragefreien
MehrLehrveranstaltung Speichersysteme Sommersemester 2009
Lehrveranstaltung Speichersysteme Sommersemester 2009 Kapitel 6: Double Disk Failures André Brinkmann Data CorrupDon in the Storage Stack Was sind Latent Sector Errors Was ist Silent Data CorrupDon Checksum
Mehr3.17 Zugriffskontrolle
3. Der SQL-Standard 3.17. Zugriffskontrolle Seite 1 3.17 Zugriffskontrolle Datenbanken enthalten häufig vertrauliche Informationen, die nicht jedem Anwender zur Verfügung stehen dürfen. Außerdem wird man
MehrMusterlösung 2. Mikroprozessor & Eingebettete Systeme 1
Musterlösung 2 Mikroprozessor & Eingebettete Systeme 1 WS2014/2015 Hinweis: Die folgenden Aufgaben erheben nicht den Anspruch, eine tiefergehende Kenntnis zu vermitteln; sie sollen lediglich den Einstieg
MehrZubehör für mehrpolige Steckverbinder
für mehrpolige Steckverbinder Einfache Codierstifte für Codierungen Codierung mit einfachem Codierstift einfache Codierstifte aus Edelstahl aus Stahl, verzinkt (nicht für MIXO Einsätze) CR 20 CR 20 D einfache
MehrReadMe zur Installation der BRICKware for Windows, Version 6.1.2. ReadMe on Installing BRICKware for Windows, Version 6.1.2
ReadMe zur Installation der BRICKware for Windows, Version 6.1.2 Seiten 2-4 ReadMe on Installing BRICKware for Windows, Version 6.1.2 Pages 5/6 BRICKware for Windows ReadMe 1 1 BRICKware for Windows, Version
MehrIDS Lizenzierung für IDS und HDR. Primärserver IDS Lizenz HDR Lizenz
IDS Lizenzierung für IDS und HDR Primärserver IDS Lizenz HDR Lizenz Workgroup V7.3x oder V9.x Required Not Available Primärserver Express V10.0 Workgroup V10.0 Enterprise V7.3x, V9.x or V10.0 IDS Lizenz
MehrEinführung in MATLAB zur Veranstaltung Einführung in die Numerik
Einführung in MATLAB zur Veranstaltung Einführung in die Numerik Christian Stohrer Mathematisches Institut der Universität Basel FS 2011 MATLAB Einführung zur Veranstaltung Einführung in die Numerik Bitte
MehrWas ist MATLAB? Typische Anwendungen
Computational Physics 1, Seminar 01 Seite 1 Was ist MATLAB? numerisches Berechnungs- und Simulationswerkzeug integriert Berechnung, Visualisierung und Programmierung gleichzeitig höhere Programmiersprache
MehrEuropean IAIDO Summer Seminar 2015 Germany 15th 17th August
European IAIDO Summer Seminar 2015 Germany 15th 17th August We are proud to present a European IAIDO Summer Seminar with Morita Sensei and Oshita Sensei in Augsburg, Germany. We invite all Iaidoka regardless
MehrVDE Prüf- und Zertifizierungsinstitut Gutachten mit Fertigungsüberwachung
Blatt / Page 2 Dieses Blatt gilt nur in Verbindung mit Blatt 1 des Gutachtens mit Fertigungsüberwachung Nr.. This supplement is only valid in conjunction with page 1 of the Certificate of Conformity with
Mehr