Seminarthema 4 Von: Robert Schirmer Matnr.: 41460 Betreuer: Prof.Dr Eiermann.

Slides:



Advertisements
Ähnliche Präsentationen
Motivation Bisher: Codes mit möglichst kurzer Codelänge.
Advertisements

Polynomial Root Isolation
Schnelle Matrizenoperationen von Christian Büttner
GIN2 SS05 Prof. Dr. W. Conen, Nullsummen-Spiele - Min-Max-Suche - Alpha-Beta-Pruning (späterer Termin)
Denavit u. Hartenberg - Beschreibung
Grenzen endlicher Automaten
Bounded Model Checking II
Prof. Dr. W. Conen 15. November 2004
Körperberechnung Würfel Einheitswürfel Oberfläche Volumen Quader
Unendliche Reihen Geometrische Reihe Was ist 0,999… 1+q+q2 +…
Seminarthema 4 Numerische Methoden der Eigenwertberechnung Von: Robert Schirmer Matnr.: Betreuer: Prof.Dr Eiermann.
Forschungsstatistik II Prof. Dr. G. Meinhardt SS 2005 Fachbereich Sozialwissenschaften, Psychologisches Institut Johannes Gutenberg Universität Mainz KLW-23.
BCD Ripple Carry Adder von Enrico Billich.
REKURSION + ITERATION. Bemerkung: Die in den folgenden Folien angegebenen "Herleitungen" sind keine exakten Beweise, sondern Plausibilitätsbetrachtungen.
Funktionen.
Kapitel 5 Stetigkeit.
Kapitel 4 Geometrische Abbildungen
V. Algebra und Geometrie
TEILCHENPHYSIK FÜR FORTGESCHRITTENE Vorlesung am 4. April 2006 Thomas Schörner-Sadenius Universität Hamburg, IExpPh Sommersemester 2006.
Mathematische Grundlagen und Rechnen mit algebraischen Zahlen
Irreduzibilität Andreas Flesch.
Relationentheorie AIFB SS Algorithmen zur Bildung von 3NF-Relationsschemata Algorithmen zur Bildung von 3NF-Relationsschemata (2|8) (2)Synthese.
§14 Basis und Dimension (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
Folie 1 § 30 Erste Anwendungen (30.2) Rangberechnung: Zur Rangberechnung wird man häufig die elementaren Umformungen verwenden. (30.1) Cramersche Regel:
§ 28 Multilineare und Alternierende Abbildungen
§14 Basis und Dimension  (14.1) Definition: V sei wieder ein K-Vektorraum. Eine Menge B von Vektoren aus V heißt Basis von V, wenn B ist Erzeugendensystem.
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
Folie 1 § 29 Determinanten: Eigenschaften und Berechnung (29.1) Definition: Eine Determinantenfunktion auf K nxn ist eine Abbildung (im Falle char(K) ungleich.
§ 29 Determinanten: Eigenschaften und Berechnung
Matrix-Algebra Grundlagen 1. Matrizen und Vektoren
§10 Vektorraum. Definition und Beispiele
Spektrale Eigenschaften und Asymptotik für Flüsse auf Netzwerken oder ein Märchen von Tübingen…
Planung Planung Planung Planung Prof. Dr. Bernd Schmidt Planung
Berechnen von Momenten und Querkräften (Voraussetzung: Auflagerkraftberechnung) Das statische System ENDE.
Lineare Algebra Komplizierte technologische Abläufe können übersichtlich mit Matrizen dargestellt werden. Prof. Dr. E. Larek
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Quantum Computing Hartmut Klauck Universität Frankfurt WS 04/
Quantum Computing Hartmut Klauck Universität Frankfurt WS 05/
Information und Kommunikation
§20 Der Rang einer Matrix Jede (m,n)-Matrix kann auch als ein n-Tupel von Spaltenvektoren geschrieben werden: wobei (20.1) Definition:
Folie 1 Kapitel IV. Matrizen Inhalt: Matrizen als eigenständige mathematische Objekte Zusammenhang zwischen Matrizen und linearen Abbildungen Produkt von.
§23 Basiswechsel und allgemeine lineare Gruppe
Planung Prof. Dr. Bernd Schmidt Lehrstuhl für Operations Research und Systemtheorie, Universität Passau Planung.
Lineare Algebra, Teil 2 Abbildungen
Jedem angehenden Diplom-Ingenieur wird schon zu Beginn beigebracht, zum Beispiel die Summe von zwei Größen nicht etwa in der Form darzustellen.
Also, das ist eine recht einfache Angelegenheit.
Erste Lektion in angewandter
Lösen von quadratischen Ungleichungen
Multivariate Statistische Verfahren
Das Bernoulli-Prinzip
LK-MA - Christopher Schlesiger
Multivariate Statistische Verfahren
Erste Lektion in angewandter
Mathematik 1 und 2 bei Dr. rer. nat. Otto Schafmeister
Gaußelimination, Teilprojekt 1&2: Schlechtkonditionierte lineare G.S. Alexander Zapletal,Gerald Meinhart 1/17 Schlechtkonditionierte lineare GS. Ax = b.
§22 Invertierbare Matrizen und Äquivalenz von Matrizen
SFZ FN Sj. 13/14 Python 3 Rekursion Inf K1/2 Sj 13/14
Informatik Formale Sprachen 1.2 Grammatiken formaler Sprachen
Lineare Verflechtung Kostenrechnung bei einer zweistufigen Produktion: Rohstoffe – Zwischenprodukte – Endprodukte.
Vom graphischen Differenzieren
Jedem angehenden Ingenieur wird schon zu Beginn beigebracht, zum Beispiel die Summe von zwei Größen nicht etwa in der Form darzustellen. Diese Form ist.
Dr.-Ing. R. Marklein - GET I - WS 06/07 - V Grundlagen der Elektrotechnik I (GET I) Vorlesung am Fr. 08:30-10:00 Uhr; R (Hörsaal)
Hier wird Wissen Wirklichkeit 1 Lektion in Statistik.
Kapitel 3: Erhaltungssätze
Graphische Datenverarbeitung
Folie 1 §8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein.
Matrizen, Eigenschwingungen zeitunabhängige Schrödingergleichung
Lineare Algebra: Schwerpunkt: Basisbegriff, Abbildungen
§8 Gruppen und Körper (8.1) Definition: Eine Gruppe G ist eine Menge zusammen mit einer Verknüpfung, die jedem Paar (a,b) von Elementen aus G ein weiteres.
 Präsentation transkript:

Seminarthema 4 Von: Robert Schirmer Matnr.: Betreuer: Prof.Dr Eiermann

Z6 Z5 Z4 Z3 Z1 Z2

Z6 Z5 Z4 Z3 Z1 Z2 Z1 Z6 Z5 Z4 Z3 Z2

A Wir wissen, Verfahren geht gegen EV mit betragsgrößtem EW Punktkoordinaten Was passiert mit Polygon wenn k gegen unendlich?

Nächste Betrachtung: EV/EW der beiden Matrizen EV/EW von Matrix I klar WAS aber mit denen von S?

Wenn man nun 6-mal iteriert, so folgt Somit muss auch gelten: S besitzt n Eigenwerte (alle n-ten Einheitswurzeln) matrix_S.m matrix_S.m

Sx= x Ax = (1/2 I+1/2 S)x = 1/2x+1/2 X= 1/2(1+)x Sx Ew Wissen nun, dass die Eigenwerte von A sind. und wenn x EV von S, so x auch EV von A 1 w1 w4 w3 w2 w5 w0

Wir legen den Schwerpunkt im Polygon so fest, dass gilt: Da EV Basis des kann z als Linearkombination geschrieben werden Da aber =1 (siehe Folie 6) und sum(z)=0 gilt, muss Null sein. Somit strebt die Iterationsfolge gegen den zweitgrößten EW, dies sind aber der 2. und 3. (vgl. vorherige Folie), da einer jeweils das konjugiert komplexe des anderen ist.

Man erhält also, dass Beide Eigenwerte haben regelmäßige n-Ecke (vgl. Folie 5) als Eigenvektoren. Summe Beider ergibt aber wieder ein regelmäßiges n-Eck. Siehe MATLAB: polygon.m