Iterative Verfahren für lineare Gleichungssysteme
|
|
- Oldwig Egger
- vor 5 Jahren
- Abrufe
Transkript
1 Iterative Verfahren für lineare Gleichungssysteme Vorlesung Sommersemester 013 Humboldt-Universität zu Berlin Zeiten können noch nach Wunsch vereinbart werden! Kontakt: Dr. Rüdiger Müller Weierstraß-Institut Mohrenstraße Berlin 3 gängige Mythen 1) große dünn besetzte lineare Gleichungssysteme (LGS) stammen von der Diskretisierung partieller Differentialgleichungen (PDEs) ) große dünn besetzte lineare Gleichungssysteme (LGS) müssen in der Praxis iterativ gelöst werden 3) die Freiheitsgrade sind so zu sortieren, dass die Bandbreite der Matrix minimiert wird
2 Sparse Matrizen Sparse Matrix Definition Eine Matrix A R N N heißt sparse (dünn besetzt), falls bei der Matrix-Vektor-Multiplikation b = Ax, d.h. b i = N A ik x k, für 1 i N k=1 der Aufwand von der Ordnung O(N) ist (und nicht O(N )) Bemerkung Def. macht keine Aussage über die Größe von N Beispiele Bandmatrix mit Bandbreite b N pro Zeile sind maximal c N Einträge 0
3 Sparse Matrix Sammlungen Harwell-Boeing Sparse Matrix Collection I. Duff, R. Grimes, J. Lewis University of Florida Sparse Matrix Collection T. Davis, Y. Hu Speicherung von Sparse Matrizen Speicheraufwand O(N), aber keine eindeutige Darstellung der Matrix kein eigener Datentyp in Programmiersprachen z.b. in Sparsekit (Y. Saad) 15 sparse Formate
4 Coordinaten-Format Sparse Matrix-Formate - Coo IA = (0,, 1, 0, 1, 4, 3, 0,, 3, 3,, 4, 1) JA = (0,, 0,, 1, 4, 4, 1, 3,, 3, 0, 3, 1) A = (4, 7, 3, 8, 1, 3, 1,, 6,, 5, 1, 8, ) Reihenfolge nicht vorgeschrieben Summation bei mehrfachen Indexpaaren flexibel, schnelles Zufügen von Einträgen ungünstig für Matrix-Vektor-Multiplikation Compressed Sparse Row Sparse Matrix-Formate - CSR IA= (0, 0, 0, 1, 1,,,, 3, 3, 3, 4, 4) IA = (0, 3, 5, 8, 11, 13) JA = (0, 1,, 0, 1, 0,, 3,, 3, 4, 3, 4) A = (4,, 8, 3, 3, 1, 7, 6,, 5, 1, 8, 3) Sortierung erschwert Zufügen von Einträgen günstig für Matrix-Vektor-Multiplikation spaltenorientiert CSC Transposition Variante: feste Anzahl pro Zeile Ellpack-Itpack Format
5 Sparse Matrix-Formate - Dia Diagonalen-Format NDiag = 5 IOff = (,, 0, 1, ) A = höherer Speicherbedarf Möglichkeit zur Vermeidung indirekter Adressierung Das Poisson Modell Problem (PMP)
6 Laplace-Operator je nach Raumdimension d=1: d=: d=3: u = x u u = x u y u u = x u y u z u = u xx = u xx u yy = u xx u yy u zz Taylor-Reihe: u (x + h) = u(x) + h u (x) + h u (x) + h3 6 u (x) + h4 4 u(iv) (x) + u (x h) = u(x) h u (x) + h u (x) h3 6 u (x) + h4 4 u(iv) (x) + = u (x) = u(x+h) +u(x) u(x h) h + O(h ) Differenzen-Stern Poisson Gleichung u = f Gitter mit Schrittweite h d = 1: U i,j u(ih) U i+1 + U i U i = h f i h d = : U i,j u(ih, jh) U i+1,j U i,j+1 + 4U i,j U i,j U i,j = h f i,j 4 h d = 3: U i,j,k u(ih, jh, kh) 6U i,j U i+1,j,k U i,j+1,k U i,j,k+1 6 U i,j,k U i,j,k U i,j,k = h f i,j,k h
7 u = f in Ω = (0, 1) d u = 0 auf Ω Gitter mit Schrittweite h = 1/(K + 1) Nur innere Knoten benötigt Lexikographische Sortierung Poisson-Modell-Problem U i+k U i+1 +4U i U i U i K = h f i S U = F, T T... S = T mit F i = h f i and T 4 4 mit T = Finite-Elemente-Methode Poisson-Problem u xx u yy = f Ansatz u h = in Ω u = 0 auf Ω N U i ϕ i i=1 P1-Ansatzfunktionen: ϕ i stückweise linear, stetig schwache Form Ω ϕ i u h dx = Ω ϕ i f dx S U = F, mit S ik = Ω ϕ i ϕ k dx
8 Eigenschaften der Steifigkeitsmatrix Steifigkeitsmatrix mit S ik = Ω ϕ i ϕ k dx, S ist symmetrisch positiv definit Aus der Definition ist die Symmetrie offensichtlich min. Kantenlänge h FE-Funktion w h mit Koeffizientenvektor W W T S W = w h w h dx = w h 0. S ist dünn besetzt Differentialoperatoren lokal in Umgebung definiert S ist schlecht konditioniert für h 0 Konditionszahl ist Ω κ(s) := λ max (S) / λ min (S) h durch κ(s) h Genauigkeit noch nicht beeinträchtigt iterativen Löser: Anzahl der Iterationen hängt von κ(s) ab bei Gitterverfeinerung steigt Rechenaufwand überproportional Inhaltsübersicht LU-Zerlegung Basis-Iterationen CG-Verfahren, Krylov-Unterraum-Methoden Beschleuniger Vorkonditionierer Mehrgittermethoden Gebietszerlegung
9 Literatur Hackbusch, W. Iterative Lösung großer Gleichungssysteme. BG Teubner Verlag, Stuttgart, Saad, Y. Iterative methods for sparse linear systems. SIAM, saad/itermethbook_nded.pdf Barrett, R, et al. Templates for the solution of linear systems: building blocks for iterative methods. SIAM, Aufgabe Löse mit LU-Zerlegung x =
Lineare Gleichungssysteme Hierarchische Matrizen
Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs 24. 27.4.26 / 6 Numerische Simulation stationäre und instationäre
MehrNumerik gewöhnlicher Differentialgleichungen
Numerik gewöhnlicher Differentialgleichungen 4.4 Anfangsrandwertprobleme Die Diskretisierung von zeitabhängigen partiellen Differentialgleichungen mit der Linienmethode führt auf Systeme gewöhnlicher Dgl
MehrKAPITEL 1. Einleitung
KAPITEL 1 Einleitung Wir beschäftigen uns in dieser Vorlesung mit Verfahren aus der Numerischen linearen Algebra und insbesondere dem sogenannten Mehrgitterverfahren zur Lösung linearer Gleichungssysteme
MehrIII. Iterative Löser. III.1 Direkte Löser und ihre Nachteile. III.2 Klassische Iterationsverfahren. III.3 GMRES und CG-Verfahren
III. Iterative Löser III.1 Direkte Löser und ihre Nachteile III.2 Klassische Iterationsverfahren III.3 GMRES und CG-Verfahren Kapitel III (0) 1 Erinnerung: Lineares Gleichungssystem bei FDM Diskretisierung
MehrIII. Iterative Löser. III.1 Direkte Löser und ihre Nachteile. III.2 Klassische lineare Iterationsverfahren
III. Iterative Löser III.1 Direkte Löser und ihre Nachteile III.2 Klassische lineare Iterationsverfahren Typeset by FoilTEX 1 Erinnerung: Lineares Gleichungssystem bei FDM Diskretisierung einer linearen
MehrIII. Iterative Löser. III.1 Direkte Löser und ihre Nachteile. III.2 Klassische Iterationsverfahren
III. Iterative Löser III.1 Direkte Löser und ihre Nachteile III.2 Klassische Iterationsverfahren Kapitel III (0) 1 Erinnerung: Lineares Gleichungssystem bei FDM Diskretisierung einer linearen PDGL 2. Ordnung
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 8 Partielle
MehrFinite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht Partielle Differentialgleichungen, Approximation der Lösung Finite Elemente, lineare und höhere Ansatzfunktionen Dünn
MehrFinite Elemente Methoden (aus der Sicht des Mathematikers)
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht: Partielle Differentialgleichungen, Approximation der Lösung, Finite Elemente, lineare und höhere Ansatzfunktionen, Dünn
MehrGlättung durch iterative Verfahren
Numerische Methoden in der Finanzmathematik II Sommersemester 211 Glättung durch iterative Verfahren Vorlesung Numerische Methoden in der Finanzmathematik II Sommersemester 211 Numerische Methoden in der
MehrIterative Löser: Einführung
Iterative Löser: Einführung Im vergangenen Semester wurden folgende Löser für LGS betrachtet: LU-Zerlegung (mit und ohne Pivotisierung) QR-Zerlegung (Householder und Givens) Lösung beliebiger, regulärer,
Mehr1 Einführung in die Numerik großer Gleichungssysteme. Themen: Die Poisson-Gleichung und ihre Diskretisierung
1 Einführung in die Numerik großer Gleichungssysteme Themen: Die Poisson-Gleichung und ihre Diskretisierung 1 Einführung in die Numerik großer Gleichungssysteme Themen: Die Poisson-Gleichung und ihre Diskretisierung
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
Mehru(x, 0) = g(x) : 0 x 1 u(0, t) = u(1, t) = 0 : 0 t T
8.1 Die Methode der Finiten Differenzen Wir beschränken uns auf eindimensionale Probleme und die folgenden Anfangs und Anfangsrandwertprobleme 1) Cauchy Probleme für skalare Erhaltungsgleichungen, also
MehrKapitel 3. Diskretisierungsverfahren. 3.1 Elliptische Differentialgleichung
Kapitel 3 Diskretisierungsverfahren 3.1 Elliptische Differentialgleichung Wir beschränken uns auf elliptische Randwertaufgaben. Gesucht ist eine Funktion u (x, y) in R 2, welche die allgemeine partielle
Mehr94 Kapitel 2. Finite-Elemente-Verfahren. 13 Aspekte der Implementierung
94 apitel 2. Finite-Elemente-Verfahren 3 Aspekte der Implementierung Die Lösung einer (linearen) PDE mit der FEM gliedert sich in folgende Unterpunkte: () Modellierung des Gebietes (z. B. mit CAD) und
MehrNumerische Lineare Algebra Spezielle Systeme
Numerische Lineare Algebra Spezielle Systeme Friedrich Solowjow 2. Mai 2012, Bonn 1 / 34 1 Einleitung Übersicht Definitionen 2 3 Datenzugriff Speichertechniken 2 / 34 Übersicht Definitionen Gliederung
MehrKapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2015 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8 Such-Algorithmen
MehrNumerik I. Universität zu Köln SS 2009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva,
Universität zu Köln SS 009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva, mselva@math.uni-koeln.de Numerik I Musterlösung 1. praktische Aufgabe, Bandmatrizen Bei der Diskretisierung von
MehrInstitut für Numerische Simulation der Universität Bonn Prof. Dr. Mario Bebendorf
Institut für Numerische Simulation der Universität Bonn Prof. Dr. Mario Bebendorf Praktikum im Sommersemester 2012 Programmierpraktikum numerische Algorithmen (P2E1) (Numerische Lösung der Wärmeleitungsgleichung)
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
MehrParallelrechnern. 12. März Technische Universität Chemnitz. Der Jacobi-Davidson Algorithmus auf. Parallelrechnern. Patrick Kürschner.
Technische Universität Chemnitz 12. März 2008 - sweise Gliederung - sweise - sweise Eigenwertprobleme Ziel: Lösung von Eigenwertproblemen Dabei: Ax = λx Matrix A C n n sehr groß, dünnbesetzt (sparse) Gesucht:
MehrJohannes Veit. 8. Januar 2016
Finite im Ein Blick über den Tellerrand... mit FreeFem++ 8. Januar 2016 im 1 2 im 3 4 Gliederung 5 im 1 2 im 3 4 Gliederung 5 dem Einheitsquadrat Laplace - Gleichung: im u(x) = 0 Man betrachte das Problem
MehrKevin 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(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrNumerik II Numerik Elliptischer Differentialgleichungen
Numerik II 207 12 Numerik Elliptischer Differentialgleichungen 12 Numerik Elliptischer Differentialgleichungen TU Bergakademie Freiberg, SS 2010 Numerik II 208 12.1 Die Laplace-Gleichung in einem Quadrat
MehrII. Elliptische Probleme
II. Elliptische Probleme II.1 Finite Differenzen: Grundidee II.2 Konvergenzaussagen II.3 Allgemeine Randbedingungen II.4 Gekrümmte Ränder Kapitel II (0) 1 Dirichlet Randwerte mit finiten Differenzen Einfachster
MehrHigh Performance Computing Blatt 8
Dr. Andreas Borchert Institut für Numerische Mathematik Prof. Dr. Stefan Funken Universität Ulm Prof. Dr. Karsten Urban Sommersemester 0 Markus Bantle, Kristina Steih High Performance Computing Blatt (Präsenzübung.
Mehr4.2.3 LR-Zerlegung für diagonaldominante Matrizen
4.2 Lösungsmethoden für lineare Gleichungssysteme 4.2.3 LR-Zerlegung für diagonaldominante Matrizen Satz 4.28 besagt, dass die LR-Zerlegung für beliebige reguläre Matrizen mit Pivotierung möglich ist.
MehrNumerisches Programmieren (IN0019)
Numerisches Programmieren (IN0019) Frank R. Schmidt Winter Semester 2016/2017 10. Minimieren von Funktionen....................................................................................... 2 Gradienten-Abstieg
MehrLineare Iterationsverfahren: Definitionen
Lineare Iterationsverfahren: Definitionen 1. Ein Lösungsverfahren zur Berechnung von Ax = b heißt iterativ, falls ausgehend von einem Startwert x eine Folge x k von Iterierten bestimmt wird. 2. Ein Iterationsverfahren
MehrVorkonditionierer. diskrete stationäre Eulergleichungen
Übersicht Bernhard Pollul,, RWTH Templergraben 55, 52056, E-mail: pollul@igpm.rwth-aachen.de Vorkonditionierer für diskrete stationäre Eulergleichungen 1/13 1., Teilprojekt B4 2. Vorkonditionierung 3.
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2017 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8
MehrÜbung 7 Beispiel 3 Daniel Herold
Übung 7 Beispiel 3 Daniel Herold Given an integer J, consider the following uniform partition of (0, ): 0 = y 0 < y < < y J+ =, y j = j J +, j = 0...J + Based on this partition, a domain decomposition
Mehr1 Diskretisierungen der Poisson-Gleichung
1 Diskretisierungen der Poisson-Gleichung 1 1.1 Klassische Lösungen und Maximumprinzip Im ersten Randwertproblem der Poisson-Gleichung suchen wir eine Funktion u C 2 (Ω) C(Ω) mit (1.1) u = f in Ω, u =
MehrBeginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
MehrKomprimierung von dünnbesetzten Matrizen
von Raffael Lorup, Paolo Di Stolfo Präsentation, am 21.01.2011 Inhalt von Dünnbesetzte Matrix (sparse matrix) von Definition: Dünnbesetzte Matrix Eine m n-matrix A heißt dünnbesetzt, wenn gilt: wenige
MehrSpline-Interpolation
Spline-Interpolation Tim Schmölzer 20 November 2009 Tim Schmölzer Spline-Interpolation 20 November 2009 1 / 38 Übersicht 1 Vorbemerkungen 2 Lösbarkeit des Interpolationsproblems 3 Stabilität der Interpolation
Mehr3. Lineare Gleichungssysteme
3. Lineare Gleichungssysteme 1 3.1. Problemstellung 2 3.2. Direkte Verfahren 3 3.3. Normen und Fehleranalyse 4 3.4. Iterative Verfahren 5 3.5. Konvergenz von linearen Iterationsverfahren 6 3.6. Gradienten-Verfahren
MehrNumerische Simulation mit finiten Elementen. O. Rheinbach
Numerische Simulation mit finiten Elementen O. Rheinbach Numerische Simulation mit finiten Elementen INHALT 0.1 Finite Differenzen in 2D 1. Einleitung 1.1 Vorbemerkungen 1.2 Rand- und Anfangswertaufgaben
MehrPartielle Differentialgleichungen. Hofer Joachim/Panis Clemens
9.11.2010 Contents 1 Allgemein 2 1.1 Definition................................................. 2 1.2 Klassifikation............................................... 2 1.3 Lösbarkeit.................................................
MehrErweiterungen der LR-Zerlegung
Prof. Thomas Richter 6. Juli 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 06.07.2017 Erweiterungen
MehrLineare Gleichungssysteme: direkte Verfahren
Sechste Vorlesung, 24. April 2008, Inhalt Lineare Gleichungssysteme: direkte Verfahren Dreiecksmatrizen Gauß-Elimination LR-Zerlegung Anwendungen: Determinante, Inverse 1 Lösungsverfahren für lineare Gleichungssysteme
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung
für zur Lösung der Monge-Ampère-Gleichung Yasemin Hafizogullari Institut für Geometrie und Praktische Mathematik RWTH Aachen Vortrag zum Seminar im Wintersemester 2009/2010 Ein Transportproblem für? für
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
MehrD-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10
D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)
MehrElektrischer Schaltkreis lin. Gleichungssystem
Inhalt Kapitel II: Lineare Gleichungssysteme II Lineare Gleichungssysteme II Gestaffelte Systeme II2 LU-Zerlegung II3 QR-Algorithmen Kapitel II (UebersichtKapI) Beispiel : Elektrischer Schaltkreis I R
MehrInhalt Kapitel II: Lineare Gleichungssysteme
Inhalt Kapitel II: Lineare Gleichungssysteme II Lineare Gleichungssysteme II1 Gestaffelte Systeme II2 LU-Zerlegung II3 QR-Algorithmen Kapitel II (UebersichtKapI) 1 Beispiel 1: Elektrischer Schaltkreis
Mehr7. Übung zur Numerik partieller Differentialgleichungen I
MATHEMATISCHES INSTITUT Sommersemester 2018 DER UNIVERSITÄT ZU KÖLN Prof. Dr. A. Klawonn J. Knepper, M. Sc. M. Kühn, M. Sc. 29. Mai 2018 7. Übung zur Numerik partieller Differentialgleichungen I Hinweis:
MehrWiederholungsserie II
Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095
MehrPraktikum. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik WS 2007
Praktikum Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik WS 2007 Block 1 jeder Anfang ist eindimensional Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches
MehrModellieren in der Angewandten Geologie II. Sebastian Bauer
Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine
MehrKurze Einführung in die Finite-Elemente-Methode
Kurze Einführung in die Finite-Elemente-Methode Stefan Girke Wissenschaftliches Rechnen 23 Die Finite-Elemente-Methode In diesem Skript soll eine kurze Einführung in die Finite-Elemente-Methode gegeben
MehrLineare Gleichungssysteme, LR-Zerlegung
Prof Thomas Richter 2 Juni 27 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomasrichter@ovgude Material zur Vorlesung Algorithmische Mathematik II am 22627 Lineare Gleichungssysteme,
MehrBegleitmaterial zur Vorlesung Numerik linearer Gleichungssysteme
Begleitmaterial zur Vorlesung Numerik linearer Gleichungssysteme Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik 1
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 4. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 17. März 2016 Lineare Gleichungssysteme 1 Wiederholung: Normen, Jacobi-Matrix,
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrEigenwerte. Vorlesung Computergestützte Mathematik zur Linearen Algebra. Lehrstuhl für Angewandte Mathematik Sommersemester 2009
Eigenwerte Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Sommersemester 2009 25. Juni + 2.+9. Juli 2009 Grundlagen Definition Ist für A C n,n, Ax = λx
MehrKapitel 3 Lineare Gleichungssysteme
1. Direkte Verfahren Kapitel 3 Lineare Gleichungssysteme Grundbaustein vieler numerischer Verfahren zur Lösung von partiellen oder gewöhnlicher Differentialgleichungen und von nichtlinearen Optimierungsproblemen
Mehr1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen
1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen
MehrÜbungen zur Ingenieur-Mathematik III WS 2012/13 Blatt
Übungen zur Ingenieur-Mathematik III WS 2012/13 Blatt 9 19.12.2012 Aufgabe 35: Thema: Differenzierbarkeit a) Was bedeutet für eine Funktion f : R n R, dass f an der Stelle x 0 R n differenzierbar ist?
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrFinite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
Mehr2. Vorlesung Partielle Differentialgleichungen
2. Vorlesung Partielle Differentialgleichungen Wolfgang Reichel 2.Transatlantische Vorlesung aus Oaxaca, Mexiko, 20. Oktober 2010 Institut für Analysis KIT University of the State of Baden-Wuerttemberg
MehrNumerisches Rechnen. (für Informatiker) M. Grepl J. Berger & J.T. Frings. Institut für Geometrie und Praktische Mathematik RWTH Aachen
(für Informatiker) M. Grepl J. Berger & J.T. Frings Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2010/11 Problemstellung Lineare Gleichungssysteme, iterative Verfahren geg.:
MehrLineares Gleichungssystem
Lineares Gleichungssystem Ein System von m linearen Gleichungen in n Unbekannten besteht aus einer Menge von algebraischen Relationen der Form n a ij x j = b i, i =,...,m, j= wobei a ij R, i m, j n, die
MehrAufwand und Komplexität Vorlesung vom Komplexität und Effizienz
Aufwand und Komplexität Vorlesung vom 15.12.17 Komplexität und Effizienz Aufwand: Anzahl dominanter Operationen (worst-case). Beispiel. Landau-Symbol O(n). Beispiel. Definition: Aufwand eines Algorithmus.
Mehr2 Lineare Gleichungssysteme
Vorlesungsskript HM-Numerik (SS 4): Kapitel Version: 9 Mai 4 Lineare Gleichungssysteme Gegeben: A R n n mit det(a) b R n Gesucht: x R n mit Ax = b Zeilenäquilibrierung Möchten zunächst die Kondition des
Mehr13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN
13. ABBILDUNGEN in EUKLIDISCHEN VEKTORRÄUMEN 1 Orthogonale Abbildungen im R 2 und R 3. Eine orthogonale Abbildung ist eine lineare Abbildung, die Längen und Orthogonalität erhält. Die zugehörige Matrix
MehrMatrizenoperationen mit FORTRAN
Kapitel 2 Matrizenoperationen mit FORTRAN 21 Grundlagen Bei vielen Anwendungen müssen große zusammenhängende Datenmengen gespeichert und verarbeitet werden Deshalb ist es sinnvoll, diese Daten nicht als
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrVorlesung Mathematik für Ingenieure II (Sommersemester 2008)
Vorlesung Mathematik für Ingenieure II (Sommersemester 8) Kapitel : Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 8. Mai 8) Differenzialrechnung R R 4
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrBegleitmaterial zur Vorlesung Numerik linearer Gleichungssysteme
Begleitmaterial zur Vorlesung Numerik linearer Gleichungssysteme Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik 1
MehrVorlesung Mathematik für Ingenieure 2 (Sommersemester 2009)
1 Vorlesung Mathematik für Ingenieure 2 (Sommersemester 2009) Kapitel 10: Differenzialrechnung R n R m Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 27. März 2009) Differenzialrechnung
MehrHauptseminar: Moderne Simulationsmethoden
Hauptseminar: Moderne Simulationsmethoden Finite Elemente Methode von Galerkin Tanja Heich Fachbereich 08 Johannes Gutenberg-Universität Mainz 02. November 2017 Hauptseminar Moderne Simulationsmethoden
MehrDifferentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11
Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
Mehr7. Iterative Lösung. linearer Gleichungssysteme
7. Iterative Lösung linearer Gleichungssysteme 1 Grundlagen (1) Zur Erinnerung: Gesucht ist die Lösung eines linearen Gleichungssystems a 0,0 x 0 +a 0,1 x 1 + a 0,n 1 x n 1 = b 0 a 1,0 x 0 +a 1,1 x 1 +
MehrPS Numerische Mathematik für LAK WS 08/09, LV-Nr.: , HS Übungsblatt (bis )
. Übungsblatt (bis 5.0.2008). Aufgabe. Skizzieren Sie die Einheitskugeln K (0,) im R 2 für die Normen, 2 und. 2. Aufgabe. Beweisen Sie x x 2 n x für alle x R n. 3. Aufgabe. Bestimmen Sie die relative Konditionszahl
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Beispiel: Feder Masse System festes Ende Feder k 1 Masse m 1 k 2 m 2 k 3 m 3 k 4 festes Ende u 0 = 0 Federkraft y 1 Verschiebung u 1 y 2 u 2 y 3 u 3 y 4 u 4 = 0 Grundlagen der
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
Mehr( u(x, t) + f(x, t)) v(x) dx
Ÿ 8. Anfangsrandwertprobleme 113 abhängt. Funktionswerte am Rand Γ wurden entfernt, da direkt die Randbedingung u(x, t) = 0 für x Γ eingesetzt wurde. Einige Eigenschaften der Systemmatrizen A 1D, A 2D
MehrGalerkin Finite-Elemente-Methode
Leo-Paul Obame Ndong 9. November 2017 1 / 23 Inhaltsverzeichnis 2 / 23 1. Unterteilung von D = (a,b) in Teilintervalle oder Elemente 3 / 23 1. Unterteilung von D = (a,b) in Teilintervalle oder Elemente
MehrIterative Methoden für lineare Gleichungssysteme
Iterative Methoden für lineare Gleichungssysteme Seminar, Sommersemester 2012/13 Hans Georg Bock Andreas Potschka Ruprecht-Karls-Universität Heidelberg 17. April 2013 Iterative Methoden für lineare Gleichungssysteme
MehrLinear Systems and Least Squares
Linear Systems and Least Squares Vortragender: Gelin Jiofack Nguedong Betreuer: Prof. Dr. Joachim Weickert Proseminar: Matrixmethoden in Datenanalyse und Mustererkennung Wintersemester 2015/2016 18. November
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
MehrFinite Elemente. bzw. F + E K = 1. (1)
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 25 Finite Elemente Übung 2 Aufgabe 6 (Eulerscher Polyedersatz für Triangulierung)
MehrDifferentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.
Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.
MehrBerechnungsmethoden der Energie- und Verfahrenstechnik Methode der gewichteten Residuen
Berechnungsmethoden der Energie- und Verfahrenstechnik Methode der gewichteten Residuen Giuseppe Bonfigli IFD, ETH-Zürich 3. Juni 21 Giuseppe Bonfigli (IFD, ETH-Zürich) Gewichtete Residuen 3. Juni 21 1
Mehr