Approximation von Funktionen

Größe: px
Ab Seite anzeigen:

Download "Approximation von Funktionen"

Transkript

1 von Funktionen Fakultät Grundlagen Februar 6 Fakultät Grundlagen von Funktionen

2 Übersicht Problemstellung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktionen 3 Fakultät Grundlagen von Funktionen Folie:

3 Ausgangsproblem Problemstellung Ein wichtiges Problem der Mathematik ist, eine Funktion durch eine einfachere Näherungsfunktion zu approximieren. Dabei sind folgende Überlegungen anzustellen: Auswahl einer Grundmenge von Näherungsfunktionen. Gebräuchlich sind folgende Funktionenklassen: Polynome Splines 3 für periodische Vorgänge 4 Exponentialfunktionen Festlegung eines messbaren Kriteriums für die Auswahl der am besten geeigneten Funktion aus der vorgegebenen Grundmenge. Übereinstimmung der Ableitungen Minimierung des Abweichungsquadrats Fakultät Grundlagen von Funktionen Folie: 3

4 Taylorpolynom Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione Es sei f (x) eine beliebig oft differenzierbare Funktion. Gesucht: Polynom T n (x) der Ordnung n, so dass an der Stelle x die Ableitungen der Funktion f (x) und des Polynoms T n (x) übereinstimmen. f (x) = T n (x) = a + a (x x ) + a (x x ) a n (x x ) n mit f (k) (x ) = T n (k) (x ) ; k =,,..., k Die Koeffizienten a k lassen sich elementar bestimmen. Fakultät Grundlagen von Funktionen Folie: 4

5 Koeffizienten des Taylorpolynoms Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione T n (n) (x)= n (n ) (n )... a n. T n (x) = a + 3 a 3 (x x ) n(n )a n (x x ) n T n(x) = a + a (x x ) + 3a 3 (x x )... + na n (x x ) n f (x) T n (x) = a + a (x x ) + a (x x ) a n (x x ) n f (x ) = T n (x )= a a = f (x ) f (x ) = T n(x )= a a = f (x ) f (x ) = T n (x )= a a = f (x ). f (n) (x ) =T n (n). (x )= n!a n a n = f (n) (x ) n! Fakultät Grundlagen von Funktionen Folie: 5

6 Taylorentwicklung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione Mittels partieller Integration kann man den folgenden Zusammenhang zeigen: f (x) = f (x )+ f (x )! (x x )+ f (x )! (x x ) f (n) (x ) n! (x x ) n +R n(x,x) mit R n(x,x) = f (n+) (t) (n+)! (x x ) n+ ; t [x,x] Gilt R n(x,x) Funktion f (x) : für n, dann entsteht die Taylorreihe der f (x) = f (x ) + f (x )! (x x ) + f (x )! (x x ) +... = + f (n) (x ) n! (x x ) n +... k= f (k) (x ) k! (x x ) k Fakultät Grundlagen von Funktionen Folie: 6

7 Taylorentwicklung; Beispiele Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione f (x) = e x, x = ; f (k) (x) = e x, f (k) () = e = : = e x = + x + x! + x3 3! + x4 4! + x5 5! +... = f (x) = cos x, x = ; k= x k k! f (x) = sin x f () = f (x) = cos x f () = f (x) = sin x f () = f (4) (x) = cos x f (4) () = = cos x = x! + x4 4! x6 6! + x8 8! +... = k= ( ) k xk (k)! analog: sin x = x x3 3! + x5 5! x7 7! + x9 9! +... = k= ( ) k xk+ (k+)! Fakultät Grundlagen von Funktionen Folie: 7

8 Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione von f (x) = cos x mit Taylorpolynomen cos x = ( ) n x n (n)! = x! + x 4 4! x 6 6! + x 8 8! x! + x! ±... n= y T 4 (x) T 8 (x) cos x T (x) T (x) x T (x) T (x) T 46 8 (x) = x! + x 4 4! x 6 6! + x 8 8! x! + x! T 6 (x) Fakultät Grundlagen von Funktionen Folie: 8

9 Komplexe e-funktion Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione e x = + x + x! + x3 3! + x4 4! + x5 5! + x6 6! + x7 7! + x8 8! + x9 9! +... cos x = x! + x4 4! x6 6! + x8 8!... sin x = x x3 3! + x5 5! x7 7! + x9 9! +... x = j ϕ = e jϕ = +(jϕ)+ (jϕ)! + (jϕ)3 3! + (jϕ)4 4! + (jϕ)5 5! + (jϕ)6 6! + (jϕ)7 7! + (jϕ)8 8! + (jϕ)9 9! +... = +jϕ (ϕ) j (ϕ)3 + (ϕ)4 +j (ϕ)5 (ϕ)6 j (ϕ)7 + (ϕ)8 +j (ϕ)9 +...! 3! 4! 5! 6! 7! 8! 9! } { = { (ϕ)! + (ϕ)4 4! (ϕ)6 6! + (ϕ)8 8! +... = cos ϕ + j sin ϕ + j ϕ (ϕ)3 3! + (ϕ)5 5! (ϕ)7 7! + (ϕ)9 9! +... } Fakultät Grundlagen von Funktionen Folie: 9

10 Beispiel: Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktione sin(x )dx mittels Potenzreihe von sin(x ) sinu = u u3 3! + u5 5! u7 un ( )n (n + )! sin(x ) = x x 6 3! + x 5! x 4 4n x ( )n 7! (n + )! sin(x )dx = x 3 3 x 7 7 3! + x 5! x 5 5 7! ( ) n x 4n+3 (4n + 3) (n + )! = 3 7 3! + 5! 5 7! ( ) n (4n + 3) (n + )! 3 7 3! + R ; R < }{{ 5!.3 5 } 5 7! = Fakultät Grundlagen von Funktionen Folie:

11 H n (x) = α + n α k cos kx + β k sin kx k= einer in < x π definierten Funktion f (x) : D(α, α, β,..., α n, β n ) = a k = π b k = π π π π H n (x) f (x) dx minimal für f (x) cos kx dx; k =,,... f (x) sin kx dx; k =,... Fakultät Grundlagen von Funktionen Folie:

12 Satz von Fourier Jede in < x π definierte stückweise stetige Funktion f (x) von praktischer Bedeutung lässt sich mit den Koeffizienten a k, b k als konvergente trigonometrische Reihe darstellen: f (x) = a + (a k cos kx + b k sin kx) k= Die konvergiert für jedes x mit < x π gegen a) f (x ) an jeder Stetigkeitsstelle b) [f (x +) + f (x )] an jeder Sprungstelle x wobei f (x +) = lim x x f (x), f (x ) = lim x x f (x) Fakultät Grundlagen von Funktionen Folie:

13 Spektraldarstlluung Darstellung einer harmonischen Funktion mit Amplitude und Phasenwinkel a k cos kx + b k sin kx = A k cos(kx + ϕ k ) = A k sin(kx + ϕ k ) mit A k = ak + a k b k cos und tan ϕ k = b k a, k tan ϕ k = a k b k bzw. ϕ k = ϕ k + π Kosinusreihe: Sinusreihe: f (x) = a + k= b k ϕ k sin ϕ k A k A k cos(kx + ϕ k ) = a + A k sin(kx + ϕ k ) k= Fakultät Grundlagen von Funktionen Folie: 3

14 Spektrum Trägt man die Amplituden A k bzw. die Phasenwinkel ϕ k ( ϕ k ) über den Frequenzen k ω bzw. über dem Frequenzparameter k auf, so erhält man das Amplitudenspektrum bzw. das Phasenspektrum der Schwingung. Beides sind diskrete Linienspektren. Das Amplitudenspektrum liefert eine Aussage über die Anteile der Grundschwingung und der einzelnen Oberschwingungen von f. Der Summand a stellt den Gleichanteil dar. Fakultät Grundlagen von Funktionen Folie: 4

15 Beispiel, Teil f (t) = { π für t < π für π t < π mit f (t + π) = f (t). π a k = π π cos kt dt = π b k = π π sin kt dt π = a = π π dt = π sin kt k π cos kt k π = = sin k π k cos k π k y π π = k { ( ) l für k = l für k = l für k = 4l 3 = k für k = 4l für k = 4l für k = 4l l =,,... f (t) = π 4 + cos t cos 3t 3 + cos 5t 5 cos 7t 7 + cos 9t sin t + sin t + sin 3t 3 + sin 5t 5 + sin 6t 3 + sin 7t 7 x +... Fakultät Grundlagen von Funktionen Folie: 5

16 Beispiel, Teil f (t) = π 4 + cos t cos 3t 3 + cos 5t 5 cos 7t 7 + cos 9t sin t + sin t + sin 3t 3 + sin 5t 5 + sin 6t 3 + sin 7t = π 4 + cos ( t π ) ( ) 4 + cos t π + 3 cos ( 3t 3π ) cos ( 5t π ) cos ( 6t π ) + 7 cos ( 7t 3π ) Spektrum k π k Fakultät Grundlagen von Funktionen Folie: 6

17 Gibbsches Phänomen a + n a k cos kx + b k sin kx k= n=5 n=8 n= n= n= Überschwingen um ca. 9% an den Sprungstellen Konvergenz der H n (x) gegen [f (x +) + f (x )] t π Fakultät Grundlagen von Funktionen Folie: 7

18 einer stetigen Funktion k= k=3 k=5 k=7 k=9 x π für x < π f (x) = x für π x < π π x + π für x < π x π f (x) = π 4 (sin x 9 sin 3x + 5 sin 5x 49 sin 7x + 8 ) sin 9x... f (x), f (x),... f (m) (x) stetig = a k, b k = O ( ) k m+ Fakultät Grundlagen von Funktionen Folie: 8

19 Komplexe { ( f (x) = a + cos kx = e jkx + e jkx ) } (a k cos kx + b k sin kx) mittels k= sin kx = j ( e jkx e jkx ) = a + ( a k e jkx + e jkx ) + ( jb k e jkx e jkx ) k= k= = a + (a k jb k ) k= }{{} ejkx + (a k + jb k ) e jkx k= }{{} = c k = ck = c k = c k e jkx k= c = a c k = (a k jb k ); c k = c k = (a k + jb k ); k =,,... a k = Re{c k } = c k + c k ; k =,,... b k = Im{c k } = j(c k c k ) ; k =,... c k = (a k jb k ) = π π f (x) cos kx dx j π f (x) sin kx dx π π π = π f (x) [cos kx j sin kx] dx = π f (x) e jkx dx ; k =, ±, ±,... Fakultät Grundlagen von Funktionen Folie: 9

20 Beispiel: f (x) = e x für < x π mit f (x + π) = f (x) { c k = π π e x e jkx dx = π { = π e ( jk)x + jk e( jk)x jk = π { e e jkπ + jk e e jkπ + jk = π e ( ) k + k } π e x e jkx dx + e x e jkx dx } { } π = e ( +jk)π π + jk e( jk)π jk } wegen e jkπ = e jkπ = ( ) k f (x) s 5 (x) f (x) = π e ( ) k +k e jkx = e π + π k= x e ( ) k +k cos(kx) Fakultät Grundlagen von Funktionen Folie:

21 Abtastung f (t) ; t IR periodische Funktion (zeitkontinuierlich) Abtastung {f (kt )} ; k =, ±, ±,... Zahlenfolge (zeitdiskret) π t Fakultät Grundlagen von Funktionen Folie:

22 Trigonometrisches Interpolationspolynom Trig. Interpolationspolynom vom Grad n durch n Stützstellen: H n (x) = a n + (a k cos kx + b k sin kx) + a n cos nx k= a k = n n f (x i ) cos kx i ; k =,,,..., n i= b k = n n f (x i ) sin kx i ; k =,, 3,..., n i= x i = i πn Merkhilfe: π π f (t) cos kt dt = n n f (x i ) cos kx i i= analog b k Fakultät Grundlagen von Funktionen Folie:

23 Komplexe Formulierung H n (x) = n c k e jkx k= c k = n n f (x i )e jkx i = a k jb k ; k =,, 3,..., n i= c n = n n f (x i )e jnx i i= = a n ; c = n n i= x i f (x i ) = a ; Die direkte Berechnung der Koeffizienten c k ist etwas mühsam. Die auszuwertenden Summanden f (x i )e jkx i treten bei verschiedenen Werten von k mehrfach auf. Der FFT-Algorithmus nutzt diese Tatsache geschickt aus. Dies führt zu einer entscheidenden Reduktion der Rechenzeit. = i π n Fakultät Grundlagen von Funktionen Folie: 3

24 Beispiel, Teil f (x) = { π für x < π für π x < π mit f (x + π) = f (x) Interpolationspolynom H 6 (x) der Ordnung 6, d. h. Abtastung an 3 Punkten mit: x i = 6 π i ; i =,,,..., 3 c = 3 3 f (x i ) = π 7 3 = π 4 ; c 6 = 3 3 f (x i )e jπi = π 7 3 e jπi = i= i= i= i= c k = 6 3 f (x i )e j 6 π k i = π 7 6 e j 6 π k i = 6 π e j 6 π k 8 e j 6 π k ; k =,..., 5 i= i= Amplitudenspektrum: ( A k = 6 π e j π k) ( e j π k) ( π ) ( e j 6 π k) ( e j 6 π k) = 6 π cos ( k π ) cos 6 k = 6 π ( π ) sin ( 4 k π ) sin 3 k Fakultät Grundlagen von Funktionen Folie: 4

25 Beispiel, Teil π π t Amplitude Phase Fakultät Grundlagen von Funktionen Folie: 5

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Technik der Fourier-Transformation

Technik der Fourier-Transformation Was ist Fourier-Transformation? Fourier- Transformation Zeitabhängiges Signal in s Frequenzabhängiges Signal in 1/s Wozu braucht man das? Wie macht man das? k = 0 Fourier- Reihe f ( t) = Ak cos( ωkt) +

Mehr

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens

Mehr

Fourier - Transformation

Fourier - Transformation Fourier - Transformation Kurzversion 2. Sem. Prof. Dr. Karlheinz Blankenbach Hochschule Pforzheim, Tiefenbronner Str. 65 75175 Pforzheim Überblick / Anwendungen / Motivation: Die Fourier-Transformation

Mehr

Physik 4, Übung 8, Prof. Förster

Physik 4, Übung 8, Prof. Förster Physik 4, Übung 8, Prof. Förster Christoph Hansen Emailkontakt Dieser Text ist unter dieser Creative Commons Lizenz veröffentlicht. Ich erhebe keinen Anspruch auf Vollständigkeit oder Richtigkeit. Falls

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Bildverarbeitung Herbstsemester 2012. Fourier-Transformation

Bildverarbeitung Herbstsemester 2012. Fourier-Transformation Bildverarbeitung Herbstsemester 2012 Fourier-Transformation 1 Inhalt Fourierreihe Fouriertransformation (FT) Diskrete Fouriertransformation (DFT) DFT in 2D Fourierspektrum interpretieren 2 Lernziele Sie

Mehr

f : C C, z f(z) = zz komplex differenzierbar? Gibt es ein Gebiet G so dass f G analytisch ist?

f : C C, z f(z) = zz komplex differenzierbar? Gibt es ein Gebiet G so dass f G analytisch ist? Tutor: Martin Friesen, martin.friesen@gmx.de Klausurvorbereitung - Lösungsvorschläge- Funktionentheorie Hier eine kleine Sammlung von Klausurvorbereitungsaufgaben vom Sommersemester 008 aus der Vorlesung

Mehr

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

8. Übung zur Vorlesung Mathematisches Modellieren Lösung Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009 UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall 4. Lösung einer Differentialgleichung. Ordnung mit konstanten Koeffizienten a) Homogene Differentialgleichungen y'' + a y' + b y = 0 (**) Ansatz: y = e µx, also y' = µ e µx und y'' = µ e µx eingesetzt

Mehr

Serie 13: Online Test

Serie 13: Online Test D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

MATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB

MATLAB Kurs 2010 Teil 2 Eine Einführung in die Frequenzanalyse via MATLAB MATLAB Kurs 2010 Teil 2 Eine Einführung in die via MATLAB 26.11.2010 & 03.12.2010 nhaltsverzeichnis 1 2 3 Ziele Kurze Einführung in die -Analyse Ziele Kurze Einführung in die -Analyse MATLAB Routinen für

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Longitudinale und transversale Relaxationszeit

Longitudinale und transversale Relaxationszeit Longitudinale und transversale Relaxationszeit Longitudinale Relaxationszeit T 1 (Zeit, die das System benötigt, um nach dem rf- Puls zurück ins Gleichgewicht zu kommen) Transversale Relaxationszeit T

Mehr

1. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester 2013

1. Gruppenübung zur Vorlesung. Höhere Mathematik 2. Sommersemester 2013 O. Alaya, R. Bauer K. Sanei Kashani, F. Kissling, B. Krinn, J. Schmid, T. Vassias. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester Dr. M. Künzer Prof. Dr. M. Stroppel Lösungshinweise zu den

Mehr

Klausur Analysis II (SS 2005)

Klausur Analysis II (SS 2005) Klausur Analysis II (SS 5) Prof. Dr. J. Franke Abschlußklausur vom. Juli 5 Name, Vorname: Matrikelnummer: Gruppe, Tutor: Pseudonym: ir wünschen Ihnen viel Erfolg! Mit 5 Punkten oder mehr von 5 ist die

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT)

Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Zeitdiskrete, digitale Filter und schnelle Fourier-Transformation (FFT) Inhaltsverzeichnis 1 Allgemeines Filter... 2 2 Filter auf dem Signalprozessor... 2 3 Zusammenhang Zeitsignal und Frequenzspektrum...

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)

Mehr

Für die Parameter t und ϕ sind das im angegebenen Bereich Funktionen, d.h. zu jedem Parameterwert gehört genau ein Punkt.

Für die Parameter t und ϕ sind das im angegebenen Bereich Funktionen, d.h. zu jedem Parameterwert gehört genau ein Punkt. PARAMETERFUNKTIONEN Zwei Beispiele: gsave currentpoint translate 21 4 div setlin 1 1 x = 2t 2 1 y = t < t

Mehr

Vorkurs Mathematik Übungen zu Differentialgleichungen

Vorkurs Mathematik Übungen zu Differentialgleichungen Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Dirk Hachenberger Mathematik für Informatiker

Dirk Hachenberger Mathematik für Informatiker Dirk Hachenberger Mathematik für Informatiker ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis Vorwort

Mehr

Formelsammlung für Automatisierungstechnik 1 & 2

Formelsammlung für Automatisierungstechnik 1 & 2 Formelsammlung für Automatisierungstechnik & 2 Aus Gründen der Vereinheitlichung, der gleichen Chancen bw. um etwaigen Diskussionen vorubeugen, sind als Prüfungsunterlagen für die Vorlesungsklausuren aus

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Formelsammlung. Folgen und Reihen

Formelsammlung. Folgen und Reihen Lehrstuhl für BWL, insb. Mthemtik und Sttistik Dipl.-Mth. Mrie Hielscher Mthemtik für Betriebswirte II Formelsmmlung Folgen und Reihen en Folge n ) n N0 : D R, n n := n) mit D N 0 n-te Prtilsumme von n

Mehr

Schulmathematik und Algorithmen der Computeralgebra

Schulmathematik und Algorithmen der Computeralgebra Schulmathematik und Algorithmen der Computeralgebra Prof. Dr. Wolfram Koepf Universität Kassel http://www.mathematik.uni-kassel.de/~koepf Tag der Mathematik 13. Dezember 2008 Universität Passau Überblick

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Anwendungen in der elementaren Zinsrechnung. Kapitalwert zum Zeitpunkt j (nach j Zinsperioden) Bsp. 1. 0 1 2 3 4 Zeitpunkte

Anwendungen in der elementaren Zinsrechnung. Kapitalwert zum Zeitpunkt j (nach j Zinsperioden) Bsp. 1. 0 1 2 3 4 Zeitpunkte Anwendungen in der elementaren Zinsrechnung Zinssatz (Rendite) je Zinsperiode i = p% p= Prozentpunkte Zinsfaktor (Aufzinsungsfaktor) q =1+i Diskontfaktor (Abzinsungsfaktor) v =1/(1 + i) =q 1 Laufzeit n

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

Stabilität mittels Ljapunov Funktion

Stabilität mittels Ljapunov Funktion Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Vorkurs Mathematik für Ingenieure. Aufgaben und Lösungsvorschläge

Vorkurs Mathematik für Ingenieure. Aufgaben und Lösungsvorschläge Universität Duisburg-Essen, Campus Duisburg herausgegeben von der Fakultät für Ingenieurwissenschaften Vorkurs Mathematik für Ingenieure Aufgaben und Lösungsvorschläge Wintersemester 0/03 von Wolfgang

Mehr

Die Diskrete Fouriertransformation (DFT)

Die Diskrete Fouriertransformation (DFT) Kapitel Die Diskrete Fouriertransformation (DFT). Einleitung Zerlegt man Signale in sinusoidale (oder komplex exponentielle) Komponenten, dann spricht man von der Darstellung der Signale im Frequenzbereich.

Mehr

Mathematische Ökologie

Mathematische Ökologie Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen

Mehr

Mathematikaufgaben zur Vorbereitung auf das Studium

Mathematikaufgaben zur Vorbereitung auf das Studium Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Grundlagen der Numerischen Mathematik. Heinrich Voß

Grundlagen der Numerischen Mathematik. Heinrich Voß Grundlagen der Numerischen Mathematik Heinrich Voß Technische Universität Hamburg Harburg Arbeitsbereich Mathematik 2004 2 Inhaltsverzeichnis 1 Einleitung 1 1.1 Zahlendarstellung............................

Mehr

1 C A = A. y 1 y 2. x 1 x 2. x n B @ B @ C A. y m

1 C A = A. y 1 y 2. x 1 x 2. x n B @ B @ C A. y m Kapitel Systeme Ein System ist eine Anordnung von miteinander verbundenen Komponenten zur Realisierung einer technischen Aufgabenstellung. Ein System kann als Operator aufgefasst werden, der Eingangsgrößen

Mehr

Analoge CMOS-Schaltungen

Analoge CMOS-Schaltungen Analoge CMOS-Schaltungen PSPICE: Fourier-Analyse 12. Vorlesung Einführung 1. Vorlesung 8. Vorlesung: Inverter-Verstärker, einige Differenzverstärker, Miller-Verstärker 9. Vorlesung: Miller-Verstärker als

Mehr

Elemente der Analysis I: Zusammenfassung und Formelsammlung

Elemente der Analysis I: Zusammenfassung und Formelsammlung Elemente der Analysis I: Zusammenfassung und Formelsammlung B. Schuster/ L. Frerick 9. Februar 200 Inhaltsverzeichnis Grundlagen 5. Mengen und Zahlen................................ 5.. Mengen...................................

Mehr

(Fast) Fourier Transformation und ihre Anwendungen

(Fast) Fourier Transformation und ihre Anwendungen (Fast) Fourier Transformation und ihre Anwendungen Johannes Lülff Universität Münster 14.01.2009 Inhaltsverzeichnis 1 Einführung 2 FFT 3 Anwendungen 4 Beschränkungen 5 Zusammenfassung Definition Fouriertransformation

Mehr

Mathematik für Informatiker Band 2: Analysis und Statistik

Mathematik für Informatiker Band 2: Analysis und Statistik Gerald Teschl Susanne Teschl Mathematik für Informatiker Band 2: Analysis und Statistik 2 Auflage Mit 02 Abbildungen 23 Gerald Teschl Universität Wien Fakultät für Mathematik Nordbergstraße 5 090 Wien,

Mehr

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT)

Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Versuch 3: Anwendungen der schnellen Fourier-Transformation (FFT) Ziele In diesem Versuch lernen Sie zwei Anwendungen der Diskreten Fourier-Transformation in der Realisierung als recheneffiziente schnelle

Mehr

7.3 Anwendungsbeispiele aus Physik und Technik

7.3 Anwendungsbeispiele aus Physik und Technik 262 7. Differenzialrechnung 7.3 7.3 Anwendungsbeispiele aus Physik und Technik 7.3.1 Kinematik Bewegungsabläufe lassen sich durch das Weg-Zeit-Gesetz s = s (t) beschreiben. Die Momentangeschwindigkeit

Mehr

Komplexe Analysis und Geometrie

Komplexe Analysis und Geometrie Fakultät für Mathematik Universität Bielefeld Reine Mathematik Komplexe Analysis und Geometrie Dozent: Hsch.-Doz. PhD. Kim A. Frøyshov SS 2004, WS 2004/05, SS 2005 Stand: März 2006 Komplexe Analysis und

Mehr

Digitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr

Digitale Regelung. Vorlesung: Seminarübungen: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Vorlesung: Dozent: Professor Ferdinand Svaricek Ort: 33/2211 Zeit:Di 15.00 16.30 Uhr Seminarübungen: Dozent: Alexander Weber Ort: 33/1101 Zeit: Mo 9.45 11.15 Uhr (Beginn: 20.04.2015) Vorlesungsskript:

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

EINFÜHRUNG IN DIE KOMPLEXE ANALYSIS

EINFÜHRUNG IN DIE KOMPLEXE ANALYSIS EINFÜHRUNG IN DIE KOMPLEXE ANALYSIS WERNER MÜLLER Sommersemester 205 Inhaltsverzeichnis 0. Die komplexen Zahlen 3. Holomorphe Funktionen 6 2. Die Cauchy-Riemannschen Differentialgleichungen 9 3. Potenzreihen

Mehr

PO Doppelbrechung und elliptisch polarisiertes Licht

PO Doppelbrechung und elliptisch polarisiertes Licht PO Doppelbrechung und elliptisch polarisiertes Licht Blockpraktikum Herbst 27 (Gruppe 2b) 24. Oktober 27 Inhaltsverzeichnis 1 Grundlagen 2 1.1 Polarisation.................................. 2 1.2 Brechung...................................

Mehr

Numerische Verfahren zur Lösung nichtlinearer Gleichungen

Numerische Verfahren zur Lösung nichtlinearer Gleichungen Kapitel 2 Numerische Verfahren zur Lösung nichtlinearer Gleichungen 21 Aufgabenstellung und Motivation Ist f eine in einem abgeschlossenen Intervall I = [a, b] stetige und reellwertige Funktion, so heißt

Mehr

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 203 (Sommersemester) Allgemeine Informationen: Der deutschsprachige

Mehr

Skriptum zur Vorlesung. Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P. Spellucci

Skriptum zur Vorlesung. Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P. Spellucci Skriptum zur Vorlesung Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P Spellucci WS 2007/2008 2 HINWEIS: Dieses Skriptum stellt einen ersten Entwurf für den tatsächlichen

Mehr

Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen. Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Mehr

Seite 2 E 1. sin t, 2 T. Abb. 1 U R U L. 1 C P Idt 1C # I 0 cos t X C I 0 cos t (1) cos t X L

Seite 2 E 1. sin t, 2 T. Abb. 1 U R U L. 1 C P Idt 1C # I 0 cos t X C I 0 cos t (1) cos t X L Versuch E 1: PHASENVERSCHIEBUNG IM WECHSELSTROMKREIS Stichworte: Elektronenstrahloszillograph Komplexer Widerstand einer Spule und eines Kondensators Kirchhoffsche Gesetze Gleichungen für induktiven und

Mehr

Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen XIV Gewöhnliche Differentialgleichungen Definition 4. : Sei n IN, F : D(F IR n+2 IR. Gewöhnliche DGL n ter Ordnung a F (x, y, y,..., y (n = heißt gewöhnliche Differentialgleichung (DGL n ter Ordnung. Läßt

Mehr

Klausur Mathematik 2

Klausur Mathematik 2 Mathematik für Ökonomen WS 2014/15 Campus Duisburg PD Dr. V. Krätschmer, Fakultät für Mathematik Klausur Mathematik 2 17.02.2015, 12:30-14:30 Uhr (120 Minuten) Erlaubte Hilfsmittel: Nur reine Schreib-

Mehr

Grundlagen der Mathematik II

Grundlagen der Mathematik II Wintersemester 204/205 - Aufgabenblatt I Abgabe: bis Donnerstag, den 6. November 204, 9:00 Uhr Aufgabe : Untersuchen Sie, für welche 2 C die folgende Matrix c diagonalisierbar ist, und bestimmen Sie für

Mehr

Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß

Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II. Heinrich Voß Aufgaben und Lösungen zu Mathematik für Studierende der Ingenieurwissenschaften II Heinrich Voß Institut für Angewandte Mathematik der Universität Hamburg 99 Inhaltsverzeichnis Folgen und Reihen 2. Einführende

Mehr

Übung zur Vorlesung Physikalische Chemie im Studiengang 3. FS KB Ch und 3. FS BB Phy

Übung zur Vorlesung Physikalische Chemie im Studiengang 3. FS KB Ch und 3. FS BB Phy Übung zur Vorlesung Physikalische Chemie im Studiengang 3. FS KB Ch und 3. FS BB Phy Dr. Raimund Horn a Dipl. Chem. Barbara Bliss b Dipl. Phys. Lars Lasogga c a Fritz Haber Institut der Max Planck Gesellschaft

Mehr

Lokale Frequenzanalyse

Lokale Frequenzanalyse Lokale Frequenzanalyse Fourieranalyse bzw. Powerspektrum liefern globale Maße für einen Datensatz (mittleres Verhalten über die gesamte Länge des Datensatzes) Wiederkehrdiagramme zeigten, dass Periodizitäten

Mehr

Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08

Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08 Mathematik für Physiker, Informatiker und Ingenieure I Skriptum des WS 2007/08 Prof. Dr. M. v. Golitschek Institut für Mathematik Universität Würzburg Literatur: Suchen Sie doch hin und wieder die Bibliotheken

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

4 Einführung in Maple

4 Einführung in Maple 72 4 Einführung in Maple 4. Grundlagen 4.. Was ist Maple? Maple ist ein kommerzielles Softwarepaket für das symbolische Rechnen; man spricht auch von einem Computeralgebra-System. Es kann z.b. algebraische

Mehr

GT- Labor. Inhaltsverzeichnis

GT- Labor. Inhaltsverzeichnis Inhaltsverzeichnis Seite 1. Versuchsvorbereitung 2 1.1 Qualitatives Spektrum der Ausgangsspannung des Eintaktmodulators 2 1.2 Spektrum eines Eintaktmodulators mit nichtlinearem Element 2 1.3 Bandbreite

Mehr

Reell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert.

Reell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert. Aufgaben Reell u(t) Elektrische Größe Zeitabhängig Zeitunabhängig Spitzenwert Effektivwert Komplex u(t), Reell Û Komplex Û Reell U Komplex U u(t)e jωt Institut für Technische Elektronik, RWTH - Aachen

Mehr

Cosinus und Sinus numerisch effizient annähern.

Cosinus und Sinus numerisch effizient annähern. Cosinus und Sinus numerisch effizient annähern. H.R. Schneebeli 18. Januar 2015 Zusammenfassung Cosinus und Sinus lassen sich in C gleichzeitig numerisch approximieren. Eine geometrische Analyse der Kreisbewegung

Mehr

Netzwerke - Bitübertragungsschicht (1)

Netzwerke - Bitübertragungsschicht (1) Netzwerke - Bitübertragungsschicht (1) Theoretische Grundlagen Fourier-Analyse Jedes Signal kann als Funktion über die Zeit f(t) beschrieben werden Signale lassen sich aus einer (möglicherweise unendlichen)

Mehr

Wirtschaftsmathe für BW und IM Aufgabensammlung Wintersemester 2013/14

Wirtschaftsmathe für BW und IM Aufgabensammlung Wintersemester 2013/14 Wirtschaftsmathe für BW und IM Aufgabensammlung Wintersemester 2013/14 Prof. Dr. Stefan Etschberger Hochschule Augsburg Prof. Dr. Stefan Etschberger Hochschule Augsburg Wirtschaftsmathe für BW und IM Wintersemester

Mehr

Weitere Beispiele zur Anwendung komplexer Zahlen

Weitere Beispiele zur Anwendung komplexer Zahlen Weitere Beispiele zur Anwendung komplexer Zahlen Harmonische Schwingungen............................... 27 Anwendung: Zeigerdiagramm bei der Wechselstromrechnung............. 28 Additionstheoreme für

Mehr

Projektdokumentation

Projektdokumentation Thema: Bildschärfung durch inverse Filterung von: Thorsten Küster 11027641 Lutz Kirberg 11023468 Gruppe: Ibv-team-5 Problemstellung: Bei der Übertragung von Kamerabildern über ein Video-Kabel kommt es

Mehr

Mengensysteme, Wahrscheinlichkeitsmaße

Mengensysteme, Wahrscheinlichkeitsmaße Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen

Mehr

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)

Mehr

Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen Notizen zur Vorlesung Gewöhnliche Differentialgleichungen G Sweers Wintersemester 08/09 ii Inhaltsverzeichnis Einführung Modelle 2 Explizite Lösungen 4 2 Trennbar 5 22 Linear erster Ordnung 6 23 Homogen

Mehr

Lab3 - Fourieranalyse von Signalen

Lab3 - Fourieranalyse von Signalen 1 Einleitung Lab3 - Fourieranalyse von Signalen M. Brandner, C. Wallinger Die spektrale Analyse deterministischer und zufälliger Signale ist von zentraler Bedeutung in der Messtechnik, da sehr viele interessante

Mehr

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6

Aufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6 Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

Computer Vision: AdaBoost. D. Schlesinger () Computer Vision: AdaBoost 1 / 10

Computer Vision: AdaBoost. D. Schlesinger () Computer Vision: AdaBoost 1 / 10 Computer Vision: AdaBoost D. Schlesinger () Computer Vision: AdaBoost 1 / 10 Idee Gegeben sei eine Menge schwacher (einfacher, schlechter) Klassifikatoren Man bilde einen guten durch eine geschickte Kombination

Mehr

2 Störeinflüsse und Schutzmaßnahmen

2 Störeinflüsse und Schutzmaßnahmen 2 Störeinflüsse und Schutzmaßnahmen 2.1 Modulation und Demodulation 2.2 Störeinflüsse 2.2.1 Netzstörungen 2.2.2 Schaltstörungen 2.2.3 Hochfrequenzstörungen 2.2.4 Rauschen 2.3 Schutzmaßnahmen 2.3.1 Schutzerde

Mehr

Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung

Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung CNC Power Engineering - Always on the move Ansichten über krumme Kurven oder der Einsatz der Spline-Interpolation in einer CNC-Steuerung Amazing ideas and freaky challenges in software development Klaus,

Mehr

Digitale Signalbearbeitung und statistische Datenanalyse

Digitale Signalbearbeitung und statistische Datenanalyse Digitale Signalbearbeitung und statistische Datenanalyse Teil 5 8 Aus ontinuierlichem Signal werden in onstanten Zeitintervallen Daten entnommen ontinuierliches Signal x(t) Einheitsimpulsfuntion Gewichtete

Mehr