Sommersemester 2010 Mathematik II/2 f ¨ur

Sommersemester 2010
Mathematik II/2 für Maschinenwesen
und
Mathematik III/2 für Mechatronik
Diese Folien enthalten nicht alle Teile des behandelten Stoffes.
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Allgemeine Informationen
Vorlesender: Prof. Dr. A. Fischer
Homepage: www.math.tu-dresden.de/˜fischer
Kursassistentin: Mag. H. Pfeifer
Homepage: www.math.tu-dresden.de/˜pfeifer
Die Übungen beginnen in der 1. Vorlesungswoche.
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Alle wichtigen Informationen zum Kurs finden Sie über meine Homepage, insbesondere
– die Übungsaufgaben,
– die Zuordnung der Übungsgruppen zu Zeiten und Räumen,
– Literaturhinweise,
– Beamerfolien (in der jeweils letzten Version),
– Informationen zu Klausuren,
– Information zur Einsichtnahme in eine Klausur.
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Prüfungsklausuren
In der Prüfungsperiode des SS 2010 finden in diesem Kurs folgende
Klausuren statt
• Prüfungsklausur Mathematik II/1+2 für Maschinenwesen
• Prüfungsklausur Mathematik III/1+2 für Mechatronik
Das Wieder- oder Nachholen von Klausuren ist im SS 2010 in entsprechenden nachfolgenden Kursen möglich. Bitte informieren Sie
sich dort.
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Partielle Differentialgleichungen
1
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Begriff einer partiellen Differentialgleichung
Seien D ⊆ Rn nichtleer, offen und zusammenhängend (Gebiet) und
m
2
F : D × R × Rn × Rn × · · · × Rn → R eine Abbildung.
Eine Gleichung der Art
F (x, u,
∂u
∂x1
, · · ·,
∂u
∂xn
,
∂ 2u
∂x21
, · · ·,
∂ 2u
∂x2n
, ···
∂ mu
∂xm
1
, · · ·,
∂ mu
∂xm
n
)=0
heißt partielle Differentialgleichung (PDGL) m-ter Ordnung für
eine Funktion u : D → R. Durch “· · · ” wird dargestellt, dass F
auch von weiteren insbesondere gemischten partiellen Ableitungen
der Funktion u jeweils bis zur Ordnung m abhängen kann.
Eine Funktion u : D → R, die die PDGL für alle x ∈ D erfüllt,
heißt Lösung der PDGL.
2
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lineare partielle Differentialgleichung 1. Ordnung
Gegeben seien Funktionen a0, a1. . . . , an, r : D → R. Dann heißt
a0u +
n
X
ai
i=1
∂u
∂xi
=r
lineare PDGL 1. Ordnung (Spezialfall einer PDGL).
In anderer Notation schreibt man dafür auch
n
X
aiuxi = r
a0u +
i=1
oder (mit a := (a1, . . . , an)⊤)
a0u + a⊤∇u = r.
Lösung durch Rückführung auf einfachere Fälle
3
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Nur eine partielle Ableitung tritt auf
Beispiel: Seien a0, a ∈ R mit a 6= 0 und x = (x, y).
a0u + aux = r
∂
∂x
a
∂
∂x
ea0x/au
ea0x/au
a0 a0x/a
=
e
u + ea0x/aux
a
= ea0x/aa0u + ea0x/aaux = ea0x/ar
1
ea0x/au =
a
u(x, y) =
·a
e−a0x/a
a
Z
Z x
x0
ea0x/ar(x, y) ds
ea0x/ar(x, y) ds + C(y)
4
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Rumpfdifferentialgleichung
Gegeben seien Funktionen a0, r : Rn → R und a : Rn → Rn.
Dann heißt
a⊤∇u = 0.
Rumpfdifferentialgleichung zu a0u + a⊤∇u = r.
5
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösungsweg für Rumpfdifferentialgleichungen
Zuerst sucht man (charakteristische) Raumkurven t 7→ x(t) ∈ Rn,
entlang der jede Lösung der Rumpfdifferentialgleichung konstant
ist, d.h.
d
u(x(t)) = 0
dt
gilt für jede Lösung u der Rumpfdifferentialgleichung.
6
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Charakteristischer Raumkurven
Sei u eine Lösung der Rumpfdifferentialgleichung. Also gilt
a(x)⊤∇u(x) = 0.
Da u(x(t)) konstant bei Variation von t sein soll, erhält man durch
Differenzieren
d
0 = u(x(t)) = ẋ(t)⊤∇u(x(t)).
dt
Falls also die Abbildung t → x(t) der Bedingung
ẋ(t) = a(x(t))
genügt, so ist u(x(t)) konstant bei Variation von t.
7
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Charakteristiken
Jede Lösung des charakteristischen DGL-Systems
ẋ = a(x)
wird als Charakteristik zur PDGL a0u + a⊤∇u = r bezeichnet.
Offenbar sind die Charakteristiken bereits durch die der PDGL zugeordneten Rumpfdifferentialgleichung a⊤∇u = 0 bestimmt.
Eine Charakteristik ist eine Raumkurve im Rn, entlang der jede
Lösung der Rumpfdifferentialgleichung konstant ist.
Ist umgekehrt eine Funktion u entlang aller Charakteristiken konstant, dann löst u die Rumpfdifferentialgleichung.
8
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Methode zur Bestimmung der Charakteristiken
Sei an(x) 6= 0 für x ∈ D. Aus den sogenannten Phasen-DGLn
ẋi
ẋn
=
ai(x)
an(x)
i = 1, . . . , n − 1
bestimmt man (sofern auffindbar) implizite Bedingungen
fj (x) = cj ,
j = 1, . . . , n − 1,
(∗)
für die gesuchten Charakteristiken, so dass (∇f1, · · · , ∇fn−1)
Vollrang besitzt. Dadurch definiert
{x ∈ Rn | fj (x) = cj , j = 1, . . . , n − 1}
für jeden Vektor (c1, . . . , cn−1)⊤ eine Charakteristik.
– Ggf. ist n in der Phasen-DGL durch einen anderen Index zu ersetzen.
– Ggf. kann (∗) direkt aus dem charakteristische DGL-System ermittelt werden.
9
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösung der Rumpfdifferentialgleichung
Sei v : Rn → R eine beliebige stetig differenzierbare Funktion.
Dann ist u : D → R mit
u(x) := v(f1(x), . . . , fn−1(x))
konstant entlang aller Charakteristiken und löst daher die Rumpfdifferentialgleichung a⊤∇u = 0.
10
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiel eines Anfangswertproblems
Transportgleichung mit Anfangsbedingung
uτ − κux = 0,
u(x, 0) = g(x) für x ∈ R
u beschreibt Massendichte in Abhängigkeit von Ort x und Zeit τ .
Praktisch werden nicht allgemeine Lösungen sondern Lösungen
gesucht, die bestimmten Nebenbedingungen genügen.
11
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösungsweg für lineare PDGLn 1. Ordnung
• Sei a0u + a⊤∇u = r gegeben.
• Charakteristiken in der Form fj (x) = cj , j = 1, . . . , n − 1
• Koordinatentransformation ( ξ = ξ(x), x = x(ξ) )
ξj = fj (x) j = 1, . . . , n − 1,
liefert
ã0(ξ) := a0(x(ξ)), ã(ξ) := a(x(ξ)),
ξ n = xn
r̃(ξ) := r(x(ξ))
und die stark vereinfachte lineare PDGL 1. Ordnung
ã0ũ + ãnũξn = r̃
• Lösung dieser PDGL
ũ(ξ) = f (ξn, g(ξ1, . . . , ξn−1))
• Lösung der Ausgangsgleichung durch Rücktransformation
u = f (xn, g(f1(x), . . . , fn−1(x))
12
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösungsweg ohne explizite Koordinatentransformation
• Sei a0u + a⊤∇u = r gegeben.
• Mit U (t) := u(x(t)), R(t) := r(x(t)), A0(t) := a0(x(t))
folgt
U̇ = ẋ⊤∇u(x) = R − A0 U.
• Allgemeine Lösung von U̇ = R − A0 U sei UC
(C Konstante aus Integration).
• Rücksubstitution (U → u) und Ersetzen von C durch Lösung
v(f1, . . . , fn−1) der Rumpfdifferentialgleichung.
13
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lineare partielle Differentialgleichungen 2. Ordnung
Gegeben seien Funktionen aij , bi, c, r : D → R. Dann heißt
n
X
i,j
aij uxixj +
n
X
biuxi + cu = r
(⋄)
i=1
lineare Differentialgleichung 2. Ordnung für die gesuchte
Funktion u : D → R.
Erweiterungen
• Falls in (⋄) die Funktionen aij auch von u und ∇u abhängen
können, spricht man von einer quasilinearen PDGL 2. Ordnung.
• Falls in (⋄) die Funktion r auch von u und ∇u abhängen kann,
spricht man von einer semilinearen PDGL 2. Ordnung.
14
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Klassifikation von linearen PDGLn 2. Ordnung
Für aij aus der PDGL (⋄) gelte aij = aji für i, j = 1, . . . , n.
Weiter sei
A(x) := (aij (x)) für x ∈ D.
Dann heißt die PDGL (⋄) im Punkt x ∈ D
elliptisch , wenn A(x) nur positive oder nur negative EWe hat,
parabolisch , wenn mindestens ein EW von A(x) gleich Null ist,
hyperbolisch , wenn (⋄) weder elliptisch noch parabolisch in x ist.
Gilt eine der drei Eigenschaften für alle x ∈ D, dann bezeichnet
man die PDGL entsprechend als elliptisch, parabolisch bzw. hyperbolisch.
15
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Der Laplace-Operator (Wiederholung)
Der Laplace-Operator ∆ : C 2(D, R) → C(D, R) ordnet durch
∆u := ux1x1 + · · · + uxnxn
jedem zweimal stetig differenzierbaren Skalatfeld u : D → R das
Skalarfeld ∆u : D → R zu.
Wenn u von (t, x) abhängt, schreibt man
∆xu := ux1x1 + · · · + uxnxn .
16
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiel zur Klassifikation
Für die Tricomi-Gleichung
uyy + yuxx = 0
ist
A(x, y) =
Sie ist
y 0
.
0 1
• elliptisch, falls y > 0,
• (parabolisch, falls y = 0),
• hyperbolisch, falls y < 0.
17
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Grundformen der drei Klassen
• elliptisch
−∆u + · · · = r
z.B. Poisson-Gleichung −∆u = r
• parabolisch
−∆xu + ut + · · · = r
z.B. Diffusionsgleichung −∆xu + ut = 0
• hyperbolisch
utt − ∆x + · · · = r
z.B. Wellengleichung utt − ∆xu = 0
18
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Transformation auf Normalform im Fall n = 2
Seien a, b, c, r : D ⊆ R2 → R zweimal stetig differenzierbare
Funktionen. Die PDGL
auxx + 2buxy + cuyy = r
soll durch eine Koordinatentransformation (x, y) ↔ (ξ, η) auf
elliptische Normalform
Uξξ + Uηη = D(ξ, η, U, Uξ , Uη )
bzw. parabolische Normalform
Uηη = D(ξ, η, U, Uξ , Uη )
bzw. hyperbolische Normalform
Uξη = D(ξ, η, U, Uξ , Uη )
gebracht werden.
19
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Prinzipielles Vorgehen
Der Ansatz ξ = ξ(x, y), η = η(x, y) führt für geeignete Funktionen ξ, η mit
U (ξ, η) := u(x(ξ, η), y(ξ, η)),
U (ξ(x, y), η(x, y)) = u(x, y)
mit der Kettenregel auf
ux = Uξ ξx + Uη ηx,
2 +U η ξ +U ξ
2
uxx = Uξξ ξx
ξη x x
ξ xx + Uηξ ξxηx + Uηη ηx + Uη ηxx,
usw. Daraus erhält man
AUξξ + 2BUξη + CUηη = D(ξ, η, U, Uξ , Uη )
mit
2 + 2bξ ξ + cξ 2 ,
A = aξx
x y
y
und
2 + 2bη η + cη 2
C = aηx
x y
y
B = aξxηx + b(ξxηy + ηxξy ) + cξy ηy .
20
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Damit A bzw. C zur Nullfunktion wird, bietet es sich an, für ξ bzw.
η unabhängige Lösungen der charakteristischen PDGL
2 + 2bz z + cz 2 = 0
azx
x y
y
zu verwenden. O.B.d.A. sei a(x, y) 6= 0 für alle (x, y)⊤ ∈ D.
Dann folgt aus dem Ansatz
2 + 2 b z z + c z 2 = (z − v z )(z − v z )
zx
x
x
1 y
2 y
a x y
a y
2 − (v + v )z z + v v z 2
= zx
1
2 x y
1 2 y
für die Funktionen v1, v2 durch Koeffizientenvergleich
b
1p 2
v1/2 = − ±
b − ac .
a
a
Um (zx − v1zy )(zx − v2zy ) = 0 zu lösen, betrachtet man nun
zx − v1zy = 0 bzw. zx − v2zy = 0.
21
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Fallunterscheidung zur Lösung der Rumpfdifferentialgleichungen
• ac − b2 = 0 (parabolischer Fall)
zx − ab zy = 0 liefert Charakteristiken in der Form c1 = f1(x, y).
Koordinatentransformation: ξ = f1(x, y) und η = y.
• ac − b2 < 0p
(hyperbolischer
Fall)
azx + b + b2 − ac zy = 0 liefert c1 = f1(x, y)
p
2
azx + b − b − ac zy = 0 liefert c2 = f2(x, y)
Koordinatentransformation: ξ = f1(x, y) und η = f2(x, y)
• ac − b2 > 0 (elliptischer
Fall)
p
azx + b + i ac − b2 zy = 0 liefert
c1 + ic2 = f1(x, y) + if2(x, y)
Koordinatentransformation: ξ = f1(x, y) und η = f2(x, y)
22
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiele für typische Nebenbedingungen
23
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Anfangsbedingungen bei der Wellengleichung
Seien κ 6= 0 und h1, h2 : R → R zweimal stetig differenzierbar.
utt = κ2uxx,
u(x, 0) = h1(x),
24
ut(x, 0) = h2(x)
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösung der Wellengleichung
Die Koordinatentransformation (x, t) ↔ (ξ, η) mit
η = x − κt
ξ = x + κt,
und
U (ξ, η) = u(x(ξ, η), t(ξ, η))
liefert die transformierte Wellengleichung (in Normalform)
Uξη = 0.
Deren allgemeine Lösung lautet
U (ξ, η) = f (ξ) + g(η)
mit beliebigen zweimal stetig differenzierbaren f, g : R → R.
Rücktransformation ergibt allgemeine Lösung der Wellengleichung
u(x, t) = f (x + κt) + g(x − κt).
25
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Einbeziehung der Anfangsbedingungen
Einsetzen der Anfangsbedingungen
u(x, 0) = h1(x),
ut(x, 0) = h2(x)
in die allgemeine Lösung liefert
h1 = f + g
und h2 = κ(f − g)′.
Damit folgt
f −g =
1
κ
sowie
f =
h1
2
+
1
2κ
Z
Z
h2(x) dx,
h2(x) dx
g=
h1
2
−
1
2κ
Z
h2(x) dx
und schließlich die
26
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösungsformel von D’Alembert
u(x, t) =
h1(x + κt) + h1(x − κt)
2
+
1
2κ
x+κt
Z
h2(ζ) dζ
x−κt
27
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Randwertaufgaben für die Poisson-Gleichung
Ω ⊂ Rn beschränktes Gebiet mit Rand ∂Ω,
r : Ω → R, g, α, β : ∂Ω → R,
n : ∂Ω → Rn Einheitsnormale nach außen
Dirichlet-Problem
∆u = r
in Ω,
u=g
auf ∂Ω
Neumann-Problem
∆u = r
in Ω,
∂u
∂n
=g
auf ∂Ω
Robin-Problem
∆u = r
in Ω,
α
∂u
∂n
28
+ βu = g
auf ∂Ω
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Separationsansatz
für lineare PDGL 2. Ordnung mit n = 2
29
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Prinzipielles Vorgehen beim Separationsansatz
Die gesuchte Funktion u mit (x, y) 7→ u(x, y) wird als Produkt
von Funktionen X, Y mit x 7→ X(x) und y 7→ Y (y) angesetzt,
d.h.
u(x, y) = X(x)Y (y).
Einsetzen dieses Ansatzes in die homogene PDGL (mit einer homogenen Randbedingung) liefert unter gewissen Voraussetzungen je
eine gewöhnliche DGL für X und für Y sowie homogene Randbedingungen für eine dieser beiden gesuchten Funktionen (→ Eigenwertproblem).
Einbeziehung von Inhomogenitäten durch Superposition.
30
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiel: Wärmeleitproblem in einem homogenen Stab der Länge l
a > 0 sei eine Materialkonstante,
r(x, t) beschreibt äußere Temperatureinflüsse,
u0(x) ist Anfangstemperatur zum Zeitpunkt t = 0,
g(t) bzw. h(t) beschreibt Temperaturverlauf an Enden des Stabes
auxx − ut = r
(x, t) ∈ (0, l) × (0, ∞)
AB
u(x, 0) = u0(x)
x ∈ (0, l)
RB
u(0, t) = g(t), u(l, t) = h(t)
t ∈ (0, ∞)
PDGL
31
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Spezialfall 1: homogene PDGL (r = 0), homogene RB (g = h = 0)
Der Separationsansatz u(x, t) = X(x)T (t) liefert
uxx = X ′′T,
ut = XT ′
Einsetzen in die PDGL ergibt
aX ′′T = XT ′
Trennung der Variablen ergibt (falls X(x)T (t) 6= 0)
X ′′
T′
=
X
aT
Da die linke Seite nur von x, die rechte Seite nur von t abhängt, folgt
als einzige Möglichkeit
X ′′
X
=
T′
aT
=λ
für ein festes λ.
32
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Dies ist äquivalent zu
X ′′ − λX = 0,
T ′ − λaT = 0
Die homogenen RB können mit dem Separationsansatz geschrieben
werden als
X(0)T (t) = 0,
X(l)T (t) = 0
t ∈ (0, ∞).
Da wir an nichttrivialen Lösungen interessiert sind, liefert dies
X(0) = X(l) = 0.
Somit ergibt sich zur Bestimmung von X das Eigenwertproblem
X ′′ − λX = 0,
X(0) = X(l) = 0.
33
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die allgemeine Lösung des Eigenwertproblems
• Sei λ ≥ 0.
Dann folgt aus den RB, dass X = 0 und u = 0 (triviale Lösung).
Dieser Fall ist also nicht weiter zu betrachten.
• Sei λ < 0.
Dann ist die allgemeine Lösung der DGL X ′′ − λX = 0 durch
p
p
X(x) = C1 sin( −λ x) + C2 cos( −λ x)
√
gegeben. Die RB liefern C2 = 0 und C1 sin( −λ ℓ) = 0.
Somit folgt (wieder unter Beachtung von X 6= 0) die allgemeine
Lösung des Eigenwertproblems
p
k2π 2
X(x) = C1 sin( −λk x) mit λk = − 2 für k = 1, 2, 3 . . .
l
mit einer beliebiegen Konstanten C1.
34
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die allgemeine Lösung der DGL T ′ − λaT = 0 für λ = λk
Tk (t) = Ak eaλk t
k = 1, 2, 3, . . .
mit einer beliebigen Konstanten Ak
Eigenlösungen der homogenen PDGL mit homogenen RB
Die Aufgabe
auxx − ut = 0
u(0, t) = u(l, t) = 0
(x, t) ∈ (0, l) × (0, ∞)
t ∈ (0, ∞)
besitzt die Eigenlösungen uk (k = 1, 2, 3, . . .) mit
p
uk (x, t) = ck eaλk t sin(
−λk x),
wobei λk = −
k2π 2
l2
.
35
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Einarbeitung der AB durch Superposition
Im Superpositionsansatz
u(x, t) =
∞
X
k=1
p
ck eaλk t sin( −λk x)
wird nun versucht, die Koeffizienten c1, c2, c3, . . . so zu bestimmen, dass u auch die AB u(x, 0) = u0(x) für x ∈ (0, l) erfüllt.
Das erfolgt meist über eine Fourier-Entwicklung der Funktion u0.
36
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Fourier-Entwicklung im Beispiel
Aus dem Ansatz für die Fourier-Reihe mit der Periode [0, l]
Fu0 (x) =
a0
2
+
∞
X
π
π
(ak cos( kx) + bk sin( kx))
l
l
k=1
folgt unter Beachtung des Superpositionsansatzes, dass für ck die
Fourier-Koeffizienten bk der Sinus-Glieder zu verwenden sind, d.h.
Z
π
2 l
f (x) sin( kx)dx.
ck = bk =
l 0
l
37
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Bestimmung der Koeffizienten ck
Ausnutzung der Anfangsbedingungen
Aus der AB folgt u(x, 0) = u0(x), also der Ansatz
∞
X
kπ
x = u0(x)
ck sin
l
k=1
für alle x ∈ (0, l). Betrachtet man daher u0 als auf [−l, l] fortgesetzte ungerade Funktion, so folgt (für j = 1, 2, 3, . . .)
Zl X
∞
−l k=1
ck sin
kπ
l
x sin
jπ
l
x dx =
Zl
−l
sin
jπ
l
x u0(x)dx
und (da die Integranden nun gerade Funktionen sind)
Z l
Z lX
∞
jπ
jπ
kπ
x sin
x dx =
x u0(x)dx.
sin
ck sin
l
l
l
0
0
k=1
38
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Ausnutzung von Beziehungen im trigonometrischen Funktionensystem
Zl
0
sin
kπ
l
x sin
Zl
0
jπ
l
k 6= j, k, j = 1, 2, 3, . . .
x dx = 0
kπ
l
sin2
x dx =
l
2
k = 1, 2, 3, . . .
39
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
ck
Zl
0
Zl
kπ
kπ
sin
sin2
x dx =
x u0(x) dx
l
l
ck =
0
2
l
Zl
0
sin
kπ
l
40
x u0(x) dx
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Spezialfall 2: inhomogene PDGL, homogene AB, homogene RB
auxx − ut = r,
u(x, 0) = 0,
u(0, t) = u(l, t) = 0
Ansatz
Die Funktion u : [0, l] × [0, ∞) mit
u(x, t) :=
∞
X
vk (t) sin
k=1
kπ
l
x
erfüllt die homogenen RB für beliebige Funktionen vk : [0, ∞) → R.
Einsetzen in die inhomogene PDGL
−
∞
X
a
k=1
π 2k2
l2
!
vk (t) + v̇k (t) sin
kπ
l
x
= r(x, t)
41
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Bestimmung der Funktionen vk
−
Zl X
∞
0 k=1
a
π 2k2
l2
!
vk (t) + v̇k (t) sin
=
Zl
r(x, t) sin
0
jπ
l
kπ
l
x sin
jπ
l
x dx
x dx
Mit Beziehungen im trigonometrischen Funktionensystem (vgl.
Spezialfall 1) folgt eine gewöhnliche DGL zur Bestimmung von vk
!
Zl
2
2
kπ
−2
π k
r(x, t) sin
x dx
a 2 vk (t) + v̇k (t) =
l
l
l
0
42
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Aus den homogenen Anfangsbedingungen hat man
∞
X
kπ
x
für alle x ∈ (0, l)
vk (0) sin
0 = u(x, 0) =
l
k=1
und damit die Anfangsbedingung für vk
vk (0) = 0.
43
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Wärmeleitproblem: der allgemeine Fall
a > 0 sei eine Materialkonstante,
r(x, t) beschreibt äußere Temperatureinflüsse,
u0(x) ist Anfangstemperatur zum Zeitpunkt t = 0,
g(t) bzw. h(t) beschreibt Temperaturverlauf an Enden des Stabes
auxx − ut = r
(x, t) ∈ (0, l) × (0, ∞)
AB
u(x, 0) = u0(x)
x ∈ (0, l)
RB
u(0, t) = g(t), u(l, t) = h(t)
t ∈ (0, ∞)
PDGL
44
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Ansatz für die Lösung
u(x, t) = u1(x, t) + u2(x, t) + w(x, t)
mit unbekannten Funktionen u1, u2, w : [0, l] × [0, ∞) → R
45
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Bestimmung der Funktionen u1, u2, w
• w(x, t) := g(t) + xl (h(t) − g(t)) für (x, t) ∈ [0, l] × [0, ∞)
• u1 wird nach Spezialfall 1 bestimmt, wobei u0 durch U0 mit
x
U0(x) := u0(x) − g(0) + (h(0) − g(0))
l
ersetzt ist, d.h. u1 löst
auxx − ut = 0,
u(x, 0) = U0(x),
u(0, t) = u(l, t) = 0
• u2 wird nach Spezialfall 2 bestimmt, wobei r durch R mit
R := r − (awxx − wt) = r + wt
ersetzt ist, d.h. u2 löst
auxx − ut = r + wt,
u(x, 0) = 0,
46
u(0, t) = u(l, t) = 0
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Zur numerischen Lösung von PDGL
Ein sehr kurzer Einblick
47
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
• Explizite Lösung ist nur in seltenen Fällen möglich.
• Eine numerische Lösung liefert Näherungen für die gesuchte
Lösung (Funktion) oder für einzelne Funktionswerte der Lösung.
• Numerische Lösungsmethoden basieren auf geeignetem Diskretisierungskonzept (Finite Differenzen, Finite Elemente).
• Finite Differenzen approximieren Ableitungen (Differentialquotien) der Lösung in vorgegebenen Gitterpunkten durch Differenzenquotienten. Diese enthalten Funktionswerte an den Gitterpunkten. Einsetzen in die PDGL liefert Gleichungen zur näherungsweisen Bestimmung dieser Funktionswerte.
• Finite Elemente Methoden (FEM) versuchen, eine Näherungslösung durch Linearkombination einer endlichen Zahl geeigneter Ansatzfunktionen zu ermitteln.
48
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Ein sehr einfaches Beispiel
für die Realisierung einer Finite Elemente Methode
49
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
1D-Poisson-Problem mit homogenen RB
Sei r : [0, 1] → R eine gegebene stetige Funktion.
Gesucht ist eine Funktion u : [0, 1] → R mit
−u′′ = r
in (0, 1),
u(0) = u(1) = 0.
Der Funktionenraum C10[0, 1]
Es bezeichne C10[0, 1] den Vektorraum der stetig differenzierbaren
Funktionen v : [0, 1] → R, für die v(0) = v(1) = 0 gilt.
50
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Herleitung einer schwachen Formulierung
Sei u : [0, 1] → R zweimal stetig differenzierbar.
Falls u die DGL −u′′ = r löst, folgt
−
Z1
u′′(x)v(x)dx =
Z1
r(x)v(x)dx
0
0
für alle v ∈ C10[0, 1].
Partielle Integration liefert
Z1
0
1
u′′(x)v(x)dx = u′v 0 −
Z1
0
u′(x)v ′(x)dx = −
Z1
u′(x)v ′(x)dx.
0
für jede “Testfunktion” v ∈ C10[0, 1].
51
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Schwache Formulierung (Variationsformulierung)
Sei u : [0, 1] → R zweimal stetig differenzierbar.
Falls u die DGL −u′′ = r löst, dann genügt u auch der schwachen
Formulierung (oder Variationsformulierung)
Z1
0
u′(x)v ′(x)dx =
Z1
r(x)v(x)dx
0
für alle v ∈ C10[0, 1].
Unter den genannten Glattheitsvoraussetzungen gilt auch die Umkehrung.
52
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Schwache Lösung
Eine Lösung der schwachen Formulierung, die den Randbedingungen genügt, heißt schwache Lösung des 1D-Poisson-Problems, wobei Glattheitsvoraussetzungen abgeschwächt sein können. Die Herleitung einer schwachen Formulierung ist für Raumdimensionen
n > 1 und inhomogene Randbedingungen möglich.
Der Begriff der schwachen Lösung ist eine sinnvolle Erweiterung
des Lösungsbegriffs für PDGLn und bildet eine Grundlage für die
Finite Elemente Methode.
53
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Eine Realisierung der Finite Elemente Methode (FEM)
am Beispiel der 1D-Poissongleichung
54
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Endlichdimensionale Ansatzfunktionen für Näherungslösung
Für h := 1/(N + 1) seien die Ansatzfunktionen ϕ1, . . . ϕN :
[0, 1] → R definiert durch


|x − jh|
1−
falls x ∈ [(j − 1)h, (j + 1)h],
h
ϕj (x) :=
0
andernfalls.
Die Ansatzfunktionen bilden eine Basis des Ansatzraumes


N


X
αj ϕj α1, . . . αN ∈ R .
Vh := v =


j=1
Offenbar gilt v(0) = v(1) = 0 für alle v ∈ Vh und

−1 falls x ∈ ((j − 1)h, jh),

 h
ϕ′j (x) = −h−1 falls x ∈ (jh, (j + 1)h),


0 falls x ∈ (0, (j − 1)h) ∪ ((j + 1)h, 1).
für j = 1, . . . , N .
55
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Diskretisierung der schwachen Formulierung
Anstelle der schwachen Formulierung wollen wir nun deren
Diskretisierung
Z1
0
u′(x)v ′(x)dx =
Z1
r(x)v(x)dx
0
für alle v ∈ Vh
im Raum Vh lösen (d.h. die gesuchte Funktion u gehöre zum Raum
Vh). Jede Funktion v ∈ Vh genügt (auf Grund der Konstruktion von
Vh) den homogenen Randbedingungen des gegeben 1D-PoissonProblems.
56
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Bestimmung einer Lösung der diskreten schwachen Formulierung
Um eine Lösung der Diskretisierung der schwachen Formulierung
zu finden, genügt es
uh =
N
X
j=1
αj ϕj ∈ Vh
so zu bestimmen, dass
Z1
u′h(x)ϕ′i(x)dx =
0
Z1
r(x)ϕi(x)dx
für alle i = 1, . . . , N.
0
57
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Formulierung als lineares Gleichungssystem
Dies liefert für i = 1, . . . , N
N
X
αj
j=1
aij :=
ϕ′j (x)ϕ′i(x)dx =
0
Mit A := (aij ),
Z1
Z1
Z1
r(x)ϕi(x)dx.
0
b := (b1, . . . , bN )⊤ und
ϕ′j (x)ϕ′i(x)dx sowie bi :=
0
Z1
r(x)ϕi(x)dx
0
ergibt sich das lineare Gleichungssystem
Aα = b.
für den gesuchten Vektor α = (α1, . . . , αN )⊤.
58
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Lösung des linearen Gleichungssystems
Offenbar sind nur sehr wenige der Integrale
aij =
Z1
ϕ′j (x)ϕ′i(x)dx
0
von Null verschieden. Dadurch ist die Matrix A schwach besetzt (sparse). Zur (näherungsweisen) Lösung des (insbesondere für
Raumdimensionen n > 1) sehr großen linearen Gleichungssystems
sind spezielle Verfahren anzuwenden, die die schwache Besetztheit
effizient ausnutzen.
59
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die mit einer Lösung α∗ von Aα = b erhaltene Lösung
uh :=
N
X
α∗j ϕj
j=1
der diskretiserten schwachen Formulierung ist nur eine (ggf. sehr
schlechte) Näherungslösung der schwachen Formulierung bzw. der
1D-Poissongleichung.
Um die Güte der Näherungslösung zu verbesseren, bietet sich eine
Verkleinerung des Diskretisierungsparameters h, eine andere Zerlegung des Gebietes (hier [0, 1]) sowie die Verwendung anderer Ansatzfunktionen an.
Die erreichbare Güte hängt insbesondere von h, Glattheitseigenschaften von r und der Form des Gebietes ab.
60
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Elemente der Wahrscheinlichkeitstheorie
61
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Grundaufgaben der Kombinatorik
62
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Bezeichnungen
Sei n ∈ N mit n ≥ 1. Dann setzt man
n! := 1 · 2 · 3 · · · · · (n − 1) · n
sowie 0! := 1.
Seien n, k ∈ N mit n ≥ k. Dann setzt man
n!
n
:=
.
k
k!(n − k)!
63
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Aus den Zahlen {1, . . . , n} werden k Zahlen ausgewählt. Die Anzahl der Möglichkeiten für die Auswahl
• ohne
Beachtung der Reihenfolge und ohne Wiederholung beträgt
n
(Kombinationen ohne Wiederholung),
k
•
ohne Beachtung
der Reihenfolge und mit Wiederholung beträgt
n+k−1
(Kombinationen mit Wiederholung),
k
•
mit Beachtung
der Reihenfolge und ohne Wiederholung beträgt
n
· k!
(Variationen ohne Wiederholung),
k
• mit Beachtung der Reihenfolge und mit Wiederholung beträgt
nk
(Variationen mit Wiederholung).
64
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Grundaufgaben der Kombinatorik (Fortsetzung)
Anzahl der Permutationen
Wieviel Möglichkeiten der Anordnung der Zahlen {1, . . . , n} in einem n-Tupel gibt es, wenn jede der Zahlen dort genau einmal vorkommen muss?
n!
Anzahl Permutationen mit Wiederholung
Wieviel Möglichkeiten der Anordnung der Zahlen {1, . . . , k} in einem n-Tupel gibt es, wenn die Zahl i ∈ {1, . . . , k} dort genau
li-mal vorkommen soll und l1 + · · · + lk = n gilt?
n!
l1 ! · · · lk !
65
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Ergebnisraum und Elementarereignisse
Der Ergebnisraum ist eine nichtleere Menge, dessen Elemente
Elementarereignisse genannt werden.
Elementarereignisse kann man sich als mögliche Ergebnisse eines
Zufallsexperiments vorstellen.
Beispiele:
• Würfeln
Ergebnisraum Ω = {1, 2, 3, 4, 5, 6}
• Gleichzeitiges Werfen von zwei unterscheidbaren Münzen
Ω = {wZ,wW,zZ,zW}
• Befüllen einer Flasche (Füllhöhe)
Ω = [0, H]
66
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Operationen mit Teilmengen
Es bezeichne P(Ω) := {A | A ⊆ Ω} die Potenzmenge von Ω.
Es seien A, B ∈ P(Ω), N eine abzählbar (un)endliche Teilmenge
von N und {An}N ⊂ P(Ω).
• Vereinigung von zwei Teilmengen
A ∪ B := {w ∈ Ω | w ∈ A oder w ∈ B}
• Vereinigung abzählbar vieler Teilmengen
S
An := {w ∈ Ω | ∃n ∈ N : w ∈ An}
n∈N
• Durchschnitt von zwei Teilmengen
A ∩ B := {w ∈ Ω | w ∈ A und w ∈ B}
• Durchschnitt abzählbar vieler Teilmengen
T
An := {w ∈ Ω | w ∈ An für alle n ∈ N }
n∈N
67
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Operationen mit Teilmengen (Fortsetzung)
• Differenz von zwei Teilmengen
A \ B := {w ∈ A | w ∈
/ B} (nicht kommutativ!)
• Komplement einer Teilmenge
Ā := Ω \ A
Die leere Menge
Durch ∅ wird die leere Menge bezeichnet.
Es gilt insbesondere
• ∅ ∈ P(Ω),
P(∅) = {∅}
• ∅ ∪ A = A,
∅∩A=∅
• Ω̄ = ∅
68
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die Formeln von de Morgan
Seien Ω 6= ∅, N ⊆ N abzählbar und {An}N ⊆ P(Ω).
Dann gelten
[
\
An
An =
n∈N
und
\
n∈N
An =
[
An .
n∈N
n∈N
69
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konstruktion eines Mengensystems Σ aus Teilmengen von Ω
70
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Wünschenswerte Eigenschaften des Mengensystems Σ
• Ω und ∅ sollen zu Σ gehören.
• Für beliebige A, B ∈ Σ sollen auch
zu Σ gehören.
A ∪ B, A ∩ B, Ā, A \ B
• Die Vereinigung bzw. der Durchschnitt abzählbar vieler Elemente von Σ soll ebenfalls zu Σ gehören.
Beispiel: Würfeln (Ω = {1, 2, 3, 4, 5, 6})
Es gibt verschiedene Mengensysteme, Σ ⊆ P(Ω), die obigen
Anforderungen genügen, etwa
Σ := {∅, Ω}, Σ := {∅, Ω, {1}, {2, 3, 4, 5, 6}}, . . . , Σ := P(Ω).
Für andere Mengensysteme (z.B. {∅, Ω, {1}}) ist das nicht der Fall.
71
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Ereignisalgebra (σ-Algebra) und Ereignis
Sei eine Ergebnismenge Ω gegeben. Ein System Σ ⊆ P(Ω) heißt
Ereignisalgebra (σ-Algebra), wenn folgende Bedingungen gelten:
• Ω ∈ Σ.
•A ∈ Σ
⇒
Ā ∈ Σ.
• Für eine Folge {An} von Elementen aus Σ gilt
[
An ∈ Σ.
n∈N
Jedes Element einer Ereignisalgebra heißt Ereignis.
Ω wird sicheres Ereignis, ∅ wird unmögliches Ereignis genannt.
Die vorstehenden Bedingungen implizieren, dass eine Ereignisalgebra auch die anderen wünschenswerten Eigenschaften erfüllt.
72
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Messraum
Ein Paar (Ω, Σ) aus Ereignisraum Ω und einer zugehörigen Ereignisalgebra wird als Messraum bezeichnet.
73
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Wahrscheinlichkeitsmaß und Maßraum
Sei (Ω, Σ) eine Messraum. Eine Abbildung P : Σ → R heißt
Wahrscheinlichkeitsmaß auf (Ω, Σ), wenn sie folgende Bedingungen (Kolmogorov-Axiome) erfüllt:
• 0 ≤ P (A) ≤ 1 für alle A ∈ Σ.
• P (Ω) = 1.
• Sei {An} ⊂ Σ mit Ai ∩ Aj = ∅ für beliebige i, j mit i 6= j.
Dann gilt


[
X


P
An =
P (An).
n∈N
n∈N
Die Zahl P (A) heißt Wahrscheinlichkeit des Ereignisses A.
Das Tripel (Ω, Σ, P ) heißt Maßraum.
74
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiele für Maßräume
Relative Häufigkeit (Laplace-Wahrscheinlichkeitsbegriff)
(Ω, Σ, P ) mit Ω := {E1, . . . , EN }, Σ := P(Ω) und
|A|
für alle A ∈ Σ
N
Alle Elementarereignisse E1, . . . , EN haben hier die Wahrscheinlichkeit P (Ei) = 1/N und sind damit gleichwahrscheinlich.
P (A) :=
(Ω, Σ, P ) mit Ω := {E1, . . . , EN }, Σ := P(Ω) und
X
P (A) :=
pi
i:Ei∈A
mit pi ∈ [0, 1] für i = 1, . . . , N und
N
P
i=1
pi = 1.
Das Elementarereignis Ei hat die Wahrscheinlichkeit P (Ei) = pi
75
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiele für Maßräume (Fortsetzung)
(Ω, Σ, P ) := (R, B, P ) mit
• Ereignismenge R,
• Borelsche σ-Algebra B
B ist kleinste σ-Algebra, die alle offenen Mengen enthält.
B enthält damit auch alle offenen, halboffenen und
abgeschlossenen Intervalle.
• Wahrscheinlichkeitsmaß
Z
P (A) :=
f (x)dx
für alle A ∈ B
A
mit einer sogenannten Wahrscheinlichkeitsdichte f (→ später).
76
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Aussagen für Maßräume
Seien (Ω, Σ, P ) ein Maßraum und A, B ∈ Σ. Dann gilt:
• P (∅) = 0.
• P (Ā) = 1 − P (A).
• Falls A ⊆ B, so folgt P (A) ≤ P (B).
• P (A) = P (A \ B) + P (A ∩ B).
• P (A ∪ B) = P (A) + P (B) − P (A ∩ B).
• Falls A ∩ B = ∅ (unvereinbare Ereignisse), so folgt
P (A ∪ B) = P (A) + P (B).
77
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Bedingte Wahrscheinlichkeit
Sei (Ω, Σ, P ) ein Maßraum. Weiter sei B ∈ Σ mit P (B) > 0.
Dann heißt
P (A ∩ B)
P (A|B) :=
P (B)
bedingte Wahrscheinlichkeit des Ereignisses A ∈ Σ unter der Bedingung B.
Bemerkung: Mit
ΣB := {A ∈ Σ | A ⊆ B},
PB (A) := P (A|B) für A ∈ ΣB
ist ein Maßraum (B, ΣB , PB ) erklärt.
78
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Unabhängigkeit von Ereignissen
Sei (Ω, Σ, P ) ein Maßraum.
Ereignisse A, B ∈ Σ heißen (stochastisch) unabhängig, wenn
P (A ∩ B) = P (A) · P (B).
Allgemeiner nennt man Ereignisse A1, . . . , An ∈ Σ (stochastisch)
unabhängig, wenn für jede Indexmenge J ⊆ {1, . . . , n} mit
|J | ≥ 2 die Gleichung
\
Y
P(
Ai ) =
P (Ai)
i∈J
i∈J
gilt.
79
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Seien (Ω, Σ, P ) ein Maßraum und A, B ∈ Σ mit P (B) > 0.
Falls P (A|B) = P (A), dann gilt
P (A ∩ B) = P (A|B)P (B) = P (A)P (B),
d.h. die Ereignisse A und B sind unabhängig.
Umgekehrt folgt aus der Unabhängigkeit von A und B, dass
P (A|B) =
P (A ∩ B)
P (B)
=
P (A)P (B)
P (B)
= P (A),
d.h. die Wahrscheinlichkeit für A hängt nicht davon ab, ob B eintritt
oder nicht.
80
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Der Satz zur totalen Wahrscheinlichkeit
Seien (Ω, Σ, P ) ein Maßraum, B ∈ Σ und A1, . . . , AN ∈ Σ
N
S
Ai = B.
paarweise unvereinbare Ereignisse mit
i=1
Dann gilt
P (B) =
N
X
i=1
N
X
P (B ∩ Ai) =
P (B|Ai)P (Ai).
i=1
81
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Der Satz von Bayes
Seien (Ω, Σ, P ) ein Maßraum, B ∈ Σ mit P (B) > 0 und
N
S
Ai = B.
A1, . . . , AN ∈ Σ paarweise unvereinbare mit
Dann folgt (als Zwischenüberlegung)
P (Aj |B) =
P (Aj ∩ B)
P (B)
=
i=1
P (B|Aj )P (Aj )
P (B)
und mit dem Satz zur totalen Wahrscheinlichkeit schließlich
P (Aj |B) =
P (B|Aj )P (Aj )
N
P
i=1
für jedes j ∈ {1, . . . , N }.
P (B|Ai)P (Ai)
82
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Zufallsgrößen (Zufallsvariable)
Sei (Ω, Σ) ein Messraum. Eine Funktion X : Ω → R heißt reelle
Zufallsgröße (Zufallsvariable), wenn das Urbild jedes Intervalls
(−∞, a] zu Σ gehört, d.h. wenn
X −1((−∞, a]) ∈ Σ für alle a ∈ R.
• X −1(A) := {w ∈ Ω | X(w) ∈ A} bezeichnet Urbild der
Menge A ⊆ R bzgl. der Abbildung X : Ω → R.
• Seien (Ω, Σ, P ) Maßraum und B die Borelsche σ-Algebra auf R.
Dann induziert X im Messraum (R, B) ein Wahrscheinlichkeitsmaß PX : B → [0, 1] durch
PX (A) := P (X −1(A))
für alle A ∈ B.
83
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Verteilungsfunktion einer Zufallsgröße
Seien (Ω, Σ, P ) ein Maßraum und X : Ω → R eine reelle Zufallsgröße. Dann heißt die durch
FX (x) := P (X ≤ x)
für alle x ∈ R
definierte Funktion FX : R → [0, 1] Verteilungsfunktion der Zufallsgröße X.
P (X ≤ x) ist Kurzschreibweise für die folgenden äquivalenten
Bezeichnungen
• P ({w ∈ Ω | X(w) ≤ x}),
• P X −1(−∞, x] bzw.
• PX ((−∞, x] ).
84
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
85
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Charakterisierung von Verteilungsfunktionen
Sei F : R → R eine Funktion. Dann ist F genau dann Verteilungsfunktion einer Zufallsgröße, wenn
• F monoton wachsend ist,
• F rechtsseitig stetig ist sowie
•
lim
x→−∞
F (x) = 0 und lim F (x) = 1 gilt.
x→∞
86
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Berechnung von Wahrscheinlichkeiten mit der Verteilungsfunktion
P (a < X ≤ b) = P (X ≤ b) − P (X ≤ a) = F (b) − F (a)
P (a < X < b) = P (X < b) − P (X ≤ a)
= P (X ≤ b) − P (X = b) − P (X ≤ a)
= F (b) − F (a) − P (X = b)
87
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Diskrete Zufallsgrößen
88
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Sei (Ω, Σ, P ) ein Maßraum. Eine reelle Zufallsgröße X : Ω → R
heißt diskret, wenn sie nur endlich viele oder abzählbar unendlich
viele Werte xk (k ∈ K ⊆ N) annimmt und X −1(xk ) ∈ Σ für
k ∈ K gilt. Der Einfachheit halber sei auch vorausgesetzt, dass
pk := P (X = xk ) > 0
für alle k ∈ K.
Für die Verteilungsfunktion F : R → [0, 1] einer reellen diskreten
Zufallsgröße X ergibt sich
X
X
F (x) = P (X ≤ x) =
P (X = xk ) =
pk .
k:xk ≤x
k:xk ≤x
89
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Binomialverteilung
In einer Urne seien N durchnummerierte Kugeln, davon S schwarze und N −S weiße. Man zieht nacheinander n Kugeln mit Zurücklegen. Es ergibt sich die Anzahl aller Möglichkeiten, um
• n Kugeln zu ziehen zu N n,
• genau k schwarze Kugeln zu ziehen zu S k ,
• genau n − k weiße Kugel zu ziehen zu (N − S)n−k ,
• genau k von n Mal eine schwarze Kugel zu ziehen zu
n
.
k
Die relative Häufigkeit aller Ziehungen mit genau k schwarzen Kugeln unter allen möglichen Ziehungen ergibt sich zu
!
!
k
n−k
S
n S (N − S)
n
k (1 − p)n−k
p
f
ür
p
:=
=
.
Nn
N
k
k
90
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Binomialverteilung (Fortsetzung)
Seien Parameter p ∈ [0, 1] und n ∈ {1, 2, . . .} gegeben.
Eine diskrete Zufallsgröße X : Ω → R nehme für k = 0, 1, . . . , n
die Werte xk = k mit der Wahrscheinlichkeit
!
n
P (X = xk ) := pk :=
pk (1 − p)n−k
k
an. Dann wird diese Zufallsgröße als binomialverteilte Zufallsgröße bezeichnet.
91
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Poisson-Verteilung
Sei ein Parameter λ > 0 gegeben.
Eine diskrete Zufallsgröße X : Ω → R nehme für k ∈ N die Werte
xk = k mit der Wahrscheinlichkeit
λk −λ
P (X = xk ) := pk :=
e
k!
an. Dann wird diese Zufallsgröße als Poisson-verteilte Zufallsgröße
bezeichnet.
Poisson-verteilte Zufallsgrößen spielen bei der Modellierung des
Eintreffens von seltenen unabhängigen Ereignissen eine Rolle.
92
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Erwartungswert einer diskreten Zufallsgröße
Sei X : Ω → R eine diskrete Zufallsgröße mit den Realisierungen
P
xk ∈ R für k ∈ K ⊆ N. Wenn die Reihe
pk |xk | konvergiert,
k∈K
dann existiert
E(X) :=
X
pk xk
k∈K
und wird Erwartungswert der Zufallsgröße X genannt.
93
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Varianz einer diskreten Zufallsgröße
Sei X : Ω → R eine diskrete Zufallsgröße mit den Realisierungen
P
xk ∈ R für k ∈ K ⊆ N. Wenn die Reihe
pk x2k konvergiert,
k∈K
dann existiert
VAR(X) := E((X − E(X))2) =
X
k∈K
pk (xk − E(X))2
und wird Varianz der Zufallsgröße X genannt. Andere Bezeichnunp
gen sind Streuung oder Dispersion. Mit σX := VAR(X) wird
die Standardabweichung der Zufallsgröße X bezeichnet.
94
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Erwartungswert und Varianz bei der Binomialverteilung
Sei X eine mit den Parametern p ∈ [0, 1] und n ∈ {1, 2, 3, . . .}
binomialverteilte Zufallsgröße. Dann gilt
!
n
X
n
k
pk (1 − p)n−k = np
E(X) =
k
k=0
und
VAR(X) =
n
X
n
k
(k − np)2
k=0
!
pk (1 − p)n−k = np(1 − p).
95
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Erwartungswert und Varianz bei der Poisson-Verteilung
Sei X eine mit dem Parameter λ > 0 Poisson-verteilte Zufallsgröße. Dann gilt
E(X) =
∞
X
k=0
und
VAR(X) =
∞
X
λk −λ
e
=λ
k
k!
λk −λ
2
(k − λ)
e
= λ.
k!
k=0
96
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Stetige Zufallsgrößen
97
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Sei (Ω, Σ, P ) ein Maßraum. Eine reelle Zufallsgröße X : Ω → R
heißt stetig, wenn es eine stückweise stetige Funktion fX : R → R
gibt, so dass
• fX (x) ≥ 0 für alle x ∈ R und
• FX (b) − FX (a) =
Rb
a
fX (t) dt
für alle a, b ∈ R
gilt. Die Funktion fX wird Dichtefunktion oder Wahrscheinlichkeitsdichte der Zufallsgröße X genannt. Eine stetigen Zufallsgröße
besitzt eine stetig Verteilungsfunktion.
98
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Charakterisierung von Dichtefunktionen
Es sei f : R → R eine stückweise stetige Funktion. Dann ist f
genau dann Dichtefunktion einer stetigen Zufallsgröße, wenn
• f (x) ≥ 0 für alle x ∈ R und
•
+∞
R
f (x) dx = 1.
−∞
Sei fX : R → R Dichtefunktion einer stetigen Zufallsgröße X mit
der Verteilungsfunktion FX . Dann gilt
Rx
• FX (x) =
f (t)dt.
−∞
• FX ist an allen Stetigkeitsstellen von fX differenzierbar mit
′ (x) = f (x).
FX
X
99
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die stetige Gleichverteilung
Sei a < b. Eine stetige Zufallsgröße X mit der durch
(
1
falls x ∈ [a, b],
fX (x) := b − a
0
sonst
gegebenen Dichte, heißt (auf dem Intervall [a, b]) gleichverteilt.
100
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Erwartungswert einer stetigen Zufallsgröße
Sei X : Ω → R eine stetige Zufallsgröße mit der Dichte fX .
∞
R
|x|fX (x) dx existiert, so existiert
Falls
−∞
Z∞
xfX (x) dx
E(X) :=
−∞
und heißt Erwartungswert der Zufallsgröße X.
101
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Varianz einer stetigen Zufallsgröße
Sei X : Ω → R eine stetige Zufallsgröße mit der Dichte fX .
∞
R 2
x fX (x) dx existiert, dann existiert
Falls
−∞
Z∞
(x − E(X))2fX (x) dx
VAR(X) :=
−∞
und heißt Varianz der Zufallsgröße X. Andere Bezeichnungen sind
p
Streuung oder Dispersion. Mit σX := VAR(X) wird die Standardabweichung der Zufallsgröße X bezeichnet.
102
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Rechenregeln für Erwartungswert und Varianz
Es sei X : Ω → R eine stetige (bzw. diskrete) Zufallsgröße mit
Erwartungswert E(X) und Varianz VAR(X). Weiter seien α, β ∈
R. Dann gilt:
• E(αX + β) = αE(X) + β.
• VAR(X) = E(X 2) − E2(X).
• VAR(αX + β) = α2VAR(X).
103
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die Normalverteilung
Seien µ ∈ R und σ > 0. Eine stetige Zufallsgröße X mit der durch
2
(x−µ)
1
− 2σ 2
fX (x) := √ e
σ 2π
gegebenen Dichte heißt normalverteilt mit dem Erwartungswert µ
und der Varianz σ 2. Um dies auszudrücken, schreibt man auch kurz
X ∈ N (µ, σ 2).
Falls µ = 0 und σ = 1 spricht man von der standardisierten Normalverteilung.
Einsatz u.a. oft bei zufälligen Messfehlern und zufälligen Abweichungen von Nennmaßen in der Fertigung.
104
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Standardisierung von Zufallsgrößen
Sei X : Ω → R eine Zufallsgröße mit Erwartungswert µ ∈ R und
Varianz σ 2 ∈ (0, ∞). Dann definiert
Y (w) :=
X(w) − µ
σ
eine Zufallsgröße Y : Ω → R mit
für alle w ∈ Ω
E(Y ) = 0 und VAR(Y ) = 1.
Eine solche Zufallsgröße heißt standardisiert. Es gilt
X −µ
x−µ
FX (x) = P (X ≤ x) = P
≤
= FY (y).
σ
σ
| {z }
| {z }
Y
y
105
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die Exponentialverteilung
Sei λ > 0. Eine stetige Zufallsgröße X mit der durch
(
λe−λx falls x ≥ 0,
fX (x) :=
0
falls x < 0
gegebenen Dichte heißt exponentialverteilt mit dem Erwartungs1
wert λ
. Weiter gilt VAR(X) = λ12 . Die Verteilungsfunktion ist durch
(
1 − e−λx falls x ≥ 0,
FX (x) =
0
falls x < 0
gegeben.
Einsatz u.a. oft bei Abständen zufälliger Ereignisse (etwa Anrufe,
Schadensereignisse). Für a, b, ∆ ≥ 0 gilt (sog. Gedächtnislosigkeit)
P (X ≥ a + ∆|X ≥ a) = e−λ∆ = P (X ≥ b + ∆|X ≥ b).
106
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Zufallsvektoren
Seien (Ω, Σ, P ) ein Maßraum und Xk : Ω → R, k = 1, . . . , n Zufallsgrößen. Dann heißt das Tupel (X1, . . . , Xn) n-dimensionaler
Zufallsvektor.
Verteilungsfunktion eines Zufallsvektors
Sei X := (X1, . . . , Xn) : Ω → Rn ein Zufallsvektor. Seine Verteilungsfunktion F : Rn → R ist definiert durch
FX (x1, . . . , xn) := P (X1 ≤ x1, . . . , Xn ≤ xn)
für alle (x1, . . . , xn)⊤ ∈ Rn. Dies ist die Kurzschreibweise für
P ({w ∈ Ω | X1(w) ≤ x1, . . . , Xn(w) ≤ xn}) .
107
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Randverteilungsfunktionen
Sei X := (X1, . . . , Xn) : Ω → Rn ein Zufallsvektor mit der Verteilungsfunktion FX : Rn → R. Dann heißt Fk : R → R für
k = 1, . . . , n mit
Fk (x) := F (∞, . . . , ∞, x, ∞, . . . , ∞) für alle x ∈ R.
z }| {
k-te Stelle
Randverteilungsfunktion zu Xk .
Dabei ist F (∞, . . . , ∞, x, ∞, . . . , ∞) Abkürzung für
lim
x1,...,xk−1,xk+1,...,xn→∞
F (x1, . . . , xk−1, x, xk+1, . . . , xn).
108
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Kovarianz und Korrelationskoeffizient
Seien (X, Y ) ein Zufallsvektor, für den E(X), E(Y ) und E(X, Y )
existieren. Dann wird
COV(X, Y ) := E ((X − E(X))(Y − E(Y )))
als Kovarianz der Zufallsgrößen X und Y bezeichnet. Falls
COV(X, Y ) = 0, so heißen X und Y unkorreliert.
Existiern auch die Varianzen VAR(X), VAR(Y ), dann heißt
COV(X, Y )
ρ(X, Y ) := p
VAR(X)VAR(Y )
Korrelationskoeffizient von X und Y .
109
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Eigenschaften von Kovarianz und Korrelationskoeffizient
• COV(αX, Y ) = αCOV(X, Y ) für alle α ∈ R.
• COV(X + Y, Z) = COV(X, Z) + COV(Y, Z).
• COV(X, Y ) = COV(Y, X).
• COV(X, X) = VAR(X).
• |ρ(X, Y )| ≤ 1.
• |ρ(X, Y )| = 1 gilt genau dann, wenn es α, β ∈ R mit α 6= 0
gibt, so dass Y = αX + β.
110
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Unabhängigkeit von Zufallsgrößen
Sei X := (X1, . . . , Xn) ein Zufallsvektor.
Die Zufallsgrößen X1, . . . Xn heißen unabhängig, wenn
FX (x1, . . . , xn) = F1(x1) · F2(x2) · · · Fn(xn)
für alle (x1, . . . , xn)⊤ ∈ Rn gilt.
111
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Sei (X, Y ) ein Zufallsvektor (die Existenz entsprechender Erwartungswerte und Varianzen sei vorausgesetzt). Dann gilt:
• E(X + Y ) = E(X) + E(Y ).
• VAR(X + Y ) = VAR(X) + VAR(Y ) + 2COV(X, Y ).
Falls X, Y unabhängig sind, gilt außerdem:
• E(XY ) = E(X)E(Y ).
• VAR(X + Y ) = VAR(X) + VAR(Y ).
Seien X, Y : Ω → R unkorrelierte normalverteilte Zufallsgrößen.
Dann sind X und Y unabhängig.
Achtung: Im Allgemeinen ist die Unkorreliertheit jedoch schwächer
als die Unabhängigkeit.
112
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Die Tschebyschowsche Ungleichung
Sei X eine Zufallsgröße mit Erwartungswert E(X) und Varianz
VAR(X). Dann gilt
P (|X − E(X)| ≥ ǫ) ≤
VAR(X)
ǫ2
für jedes ǫ > 0.
113
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Zentraler Grenzwertsatz
Sei {Xn} eine Folge unabhängiger, identisch verteilter Zufallsgrößen mit dem Erwartungswert µ ∈ R und der Varianz σ 2 > 0.
Weiter sei
n
1 X
(Xk − µ).
Zn := √
σ n
k=1
Dann ist Zn standardisiert und für die Verteilungsfunktion FZn der
Zufallsgröße Zn gilt
lim FZn (x) = Φ(x)
n→∞
für jedes x ∈ R, d.h. FZn konvergiert punktweise gegen die Verteilungsfunktion Φ der standardisierten Normalverteilung.
114
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
p–Quantile
Seien p ∈ (0, 1) und X : Ω → R eine Zufallsgröße mit der Verteilungsfunktion FX : R → [0, 1]. Dann heißt
xp := min{x ∈ R | FX (x) ≥ p}
p–Quantil oder Quantil der Ordnung p.
Für p = 0.5 wird x0.5 als Median bezeichnet.
Ist X eine stetige Zufallsgröße, so gilt p = F (xp).
115
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Elemente der Mathematischen Statistik
116
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Mathematische Stichprobe
Seien (Ω, Σ, P ) ein Maßraum und X : Ω → R eine Zufallsgröße.
Der Zufallsvektor (X1, . . . , Xn), dessen Kompenenten unabhängig und identisch wie X verteilt sind, heißt mathematische
Stichprobe vom Umfang n aus der Grundgesamtheit X.
Die Zufallsgrößen X1, . . . , Xn werden auch Stichprobenvariable genannt. Weiter heißt (x1, . . . , xn) ∈ Rn Realisierung des
Zufallsvektors (X1, . . . , Xn) oder konkrete Stichprobe.
117
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Stichprobenfunktion (Schätzfunktion, Schätzer)
Für g : Rn → R und eine Stichprobe (X1, . . . , Xn) ist durch
g(X1, . . . , Xn)(w) := g(X1(w), . . . , Xn(w)) für alle w ∈ Ω
eine sogenannte Stichprobenfunktion oder (Schätzfunktion,
Schätzer) g(X1, . . . , Xn) : Ω → R definiert, wobei angenommen
wird, dass g(X1, . . . , Xn) eine Zufallsgröße zu (Ω, Σ, P ) ist.
118
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Beispiele für Stichprobenfunktionen
• Arithmetisches Mittel
g(X1, . . . , Xn) := X̄n :=
n
1X
n
Xi
i=1
• Korrigierte Stichprobenvarianz
2 :=
g(X1, . . . , Xn) := Sn
• Maximum
1
n−1
X
(Xi − X̄n)2
g(X1, . . . , Xn) := max{X1, . . . , Xn}
119
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Einige Grundaufgaben der mathematischen Statistik
• Punktschätzungen.
Bestimmung eines Schätzwertes θ̃ für einen unbekannten Parameter θ der Verteilungsfunktion der Grundgesamtheit X.
• Konfidenzschätzungen.
Bestimmung eines zufälligen Intervalls, das einen unbekannten Parameter mit einer bestimmten Mindestwahrscheinlichkeit
enthält.
• Statistische Hypothesen und Tests
Angabe statistischer Hypothesen über einen unbekannten Parameter und deren Überprüfung und Bewertung mittels statistischer Tests.
120
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Erwartungstreue von Punktschätzern
Ein Schätzer Γ(X1, . . . , Xn) heißt erwartungstreu bzgl. des zu
schätzenden Parameters θ ∈ Θ ⊆ R, falls
Eθ (Γ(X1, . . . , Xn)) = θ
für alle θ ∈ Θ. Dabei bezeichnet Eθ den Erwartungswert unter der
Annahme, dass θ der wahre Wert des Parameters ist.
Mit anderen Worten:
Eine Schätzer heißt erwartungstreu, wenn sein Erwartungswert immer (für alle θ ∈ Θ) gleich dem zu schätzenden (wahren) Parameter
ist.
121
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konsistenz von Punktschätzern
Eine Folge {Γ(X1, . . . , Xn)} von Schätzern heißt konsistent,
wenn
lim Pθ (|Γ(X1, . . . , Xn) − θ| ≥ ǫ) = 0
n→∞
für alle θ ∈ Θ
für jedes ǫ > 0 gilt. Dabei bezeichnet Pθ die Wahrscheinlichkeit
unter der Annahme, dass θ der wahre Wert des Parameters ist.
Mit anderen Worten:
Ein Schätzer heißt konsistent, wenn er stochastisch immer (für alle
θ ∈ Θ) gegen den zu schätzenden (wahren) Parameter konvergiert.
122
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Punktschätzer für den Erwartungswert und Varianz
Sei X eine Zufallsgröße mit Erwartungswert E(X) und der Varianz VAR(X) (beide unbekannt). Zur Schätzung von E(X) bzw.
VAR(X) werde eine mathematische Stichprobe (X1, . . . , Xn) aus
der Grundgesamtheit X verwendet. Dann ist
n
1X
• X̄n :=
Xi
n
i=1
erwartungstreuer und konsistenter Schätzer für E(X) (Θ := R)
und
n
X
1
2 :=
(Xi − X̄n)2
• Sn
n−1
i=1
erwartungstreuer und konsistenter Schätzer für VAR(X)
(Θ := (0, ∞)).
123
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Anwendung von Punktschätzern
Für eine beliebige Realisierung (x1, . . . , xn) der Stichprobe
(X1, . . . , Xn) wird der Wert des Punktschätzers ermittelt. Bei1 Pn
spielsweise x̄n := n
i=1 xi für den Schätzer X̄n.
Dieser Wert ist eine Schätzwert für den unbekannten Parameter.
Neben Erwartungstreue und Konsistenz gibt es weitere wichtige
Kriterien zur Beurteilung von Punktschätzern, etwa die asymptotische Erwartungstreue, die starke Konsistenz und die Effizienz.
Um bestimmte Kriterien zu erreichen, wurden verschiedene Methoden zur Konstruktion von Punktschätzern (etwa die MaximumLikelihood-Methode) entwickelt.
124
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenzschätzung
Sei (X1, . . . , Xn) eine mathematische Stichprobe aus der Grundgesamtheit X und θ ∈ Θ ⊆ R ein unbekannter Parameter der Verteilung von X. Weiter seien g(X1, . . . , Xn) und G(X1, . . . , Xn)
Stichprobenfunktionen mit Werten in Θ. Dann ist durch
J (X1, . . . , Xn) := g(X1, . . . , Xn), G(X1, . . . , Xn)
ein zufälliges Intervall definiert, das man als Konfidenzschätzung
für θ bezeichnet.
125
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenzschätzung und Konfidenzniveau
Sei α ∈ (0, 1). Eine Konfidenzschätzung J (X1, . . . , Xn) heißt
Konfidenzschätzung zum Konfidenzniveau 1 − α für den Parameter θ, wenn
Pθ (θ ∈ J (X1, . . . , Xn)) ≥ 1 − α
für all θ ∈ Θ.
Dabei bezeichnet Pθ die Wahrscheinlichkeit unter der Annahme,
dass θ der wahre Wert des Parameters ist.
Mit anderen Worten:
Bei einer Konfidenzschätzung zum Konfidenzniveau 1 − α ist die
Wahrscheinlichkeit, dass das zufällige Intervall den wahren Wert θ
enthält, immer (für alle θ ∈ Θ) mindestes 1 − α.
126
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenschätzungen für die Parameter einer Normalverteilung
127
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenzschätzung für den unbekannten Erwartungswert
bei bekannter Varianz
Es sei X eine mit den Parametern µ := E(X) und σ 2 := VAR(X)
normalverteilte Zufallsgröße. Dabei wird σ 2 als bekannt vorausgesetzt. Weiter bezeichne (X1, . . . , Xn) eine mathematische Stichprobe aus der Grundgesamtheit X. Dann ist
σ
σ
J (X1, . . . , Xn) := X̄n − √ z1− α , X̄n + √ z1− α
2
2
n
n
eine Konfidenzschätzung für µ zum Konfidenzniveau 1 − α.
Dabei bezeichnet zp das p–Quantil der standardisierten Normalverteilung (d.h. Φ(zp) = p).
128
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenzschätzung für den unbekannten Erwartungswert
bei unbekannter Varianz
Es sei X eine mit den Parametern µ := E(X) und σ 2 := VAR(X)
normalverteilte Zufallsgröße. Dabei wird σ 2 als unbekannt vorausgesetzt. Weiter bezeichne (X1, . . . , Xn) eine mathematische Stichprobe aus der Grundgesamtheit X. Dann ist


s
s
2
2
Sn
Sn
α , X̄n +
α
J (X1, . . . , Xn) := X̄n −
t
t
n n−1,1− 2
n n−1,1− 2
eine Konfidenzschätzung für µ zum Konfidenzniveau 1 − α.
Dabei bezeichnet tn−1,p das p–Quantil der Studentschen
t–Verteilung mit n − 1 Freiheitsgraden.
129
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenzschätzung für die unbekannte Varianz
bei bekanntem Erwartungswert
Es sei X eine mit den Parametern µ := E(X) und σ 2 := VAR(X)
normalverteilte Zufallsgröße. Dabei wird µ als bekannt vorausgesetzt. Weiter bezeichne (X1, . . . , Xn) eine mathematische Stichprobe aus der Grundgesamtheit X. Dann ist


2
2
∗
∗
nS
nS
J (X1, . . . , Xn) :=  2 n , 2 n 
χn,1− α χn, α
2
2
eine Konfidenzschätzung für σ 2 zum Konfidenzniveau 1 − α.
Dabei ist
n
1X
2
∗
Sn :=
(Xi − µ)2
n
i=1
und χ2n,p das p–Quantil der χ2–Verteilung mit n Freiheitsgraden.
130
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Konfidenzschätzung für die unbekannte Varianz
bei unbekanntem Erwartungswert
Es sei X eine mit den Parametern µ := E(X) und σ 2 := VAR(X)
normalverteilte Zufallsgröße. Dabei wird σ 2 als unbekannt vorausgesetzt. Weiter bezeichne (X1, . . . , Xn) eine mathematische Stichprobe aus der Grundgesamtheit X. Dann ist


2 (n − 1)S 2
(n − 1)Sn
n
J (X1, . . . , Xn) :=  2
,
2
χn−1,1− α
χn−1, α
2
2
eine Konfidenzschätzung für σ 2 zum Konfidenzniveau 1 − α.
Dabei ist χ2n−1,p das p–Quantil der χ2–Verteilung mit n − 1 Freiheitsgraden.
131
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)
Anwendung einer Konfidenzschätzung
Seien θ der zu schätzende Paramter, 1 − α das vorgegebene Konfidenzniveau und J (X1, . . . , Xn) eine zugehörige Konfidenzschätzung.
Für eine beliebige Realisierung (x1, . . . , xn) der mathematischen Stichprobe (X1, . . . , Xn) wird das konkrete Intervall
J (x1, . . . , xn) ermittelt.
Die Wahrscheinlichkeit, dass man dabei ein Intervall erhält, das den
Parameter θ beinhaltet, beträgt 1 − α.
Jedoch ist es unsinnig zu sagen, dass das erhaltene Intervall den
Parameter θ mit Wahrscheinlichkeit 1 − α beinhaltet.
132
Beamerfolien zu Mathematik II/2 für Maschinenwesen und Mathematik III/2 für Mechatronik
Andreas Fischer
SS 2010
Version vom 20.7.2010 (final)

Sommersemester 2010 Mathematik II/2 f ¨ur

Produkte

Unterstützung

Sommersemester 2010 Mathematik II/2 f ¨ur

Dieses Dokument Sammlung (en)

Dieses Dokument gespeichert

Schlagen Sie uns vor, wie wir StudyLib verbessern können