Computational Physics I gelesen von Prof. Thomas Pertsch im WS 2013/14 an der Friedrich-Schiller-Universität Jena

Größe: px
Ab Seite anzeigen:

Download "Computational Physics I gelesen von Prof. Thomas Pertsch im WS 2013/14 an der Friedrich-Schiller-Universität Jena"

Transkript

1 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Computatonal Pyscs I gelesen von Prof. Tomas Pertsc m WS 0/4 an der Fredrc-Scller-Unverstät Jena Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Ausgewälte Lösungsvorscläge Enfürung und Motvaton.... Grundlegende Metoden der numerscen Matematk Zalendarstellung m Computer Dskretserung Dfferentaton Felerabscätzung Verbesserung der Konvergenzordnung Abletungen öerer Ordnung Spektralveralten der Abletungsoperatoren....4 Integraton Recteckregel Trapezregel Smpson-Regel Bode-Regel Intervalltelungsverfaren Gauss-Quadratur ullstellen und Etrema ullstellen von Funktonen ener Veränderlcen Etrema von Funktonen ener Veränderlcen Mnma von Funktonen mererer Veränderlcer Interpolaton Interpolatonsformel von Lagrange De Splne-Interpolaton Ratonale Appromaton Lneare Glecungssysteme Implementerung n Computer-Algebra-Systemen Gauss-Jordan-Elmnaton Löser für trdagonale Matrzen LU-Zerlegung (Dekomposton, Faktorserung) Iteratve Verbesserung der Lösung Egenwertprobleme Fourer-Transformaton De dskrete Fourer-Transformaton Fast-Fourer-Transformaton Das Abtastteorem Gewönlce Dfferentalglecungen Anfangswertaufgabe (AWA) Enscrttverfaren Randwertaufgaben für gewönlce Dfferentalglecungen Metode der fnten Dfferenzen Sceßverfaren Partelle Dfferentalglecungen Elementar Metoden zur Lösung von partellen Dfferentalglecungen mt Fnte- Dfferenzen-Metode für Anfangswertaufgaben Stabltätsanalyse nac von eumann Splt-Step-Verfaren... 8 Ergänzung zu den Kapteln Interpolaton n öeren Dmensonen... 86

2 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4, Enfürung und Motvaton Computatonal Pyscs st en Querscnttsfac aus den Berecen Matematk, Pysk und Informatk. Zel der Vorlesung Computatonal Pyscs I st de Vermttlung der Grundlagen pyskalscer Modellbldung, der Smulaton pyskalscer Systeme mttels computergestützter Metoden, der Datenanalyse und der Vsualserung. Es andelt sc dabe um enen Enfürungskurs, der sc an den Bedürfnssen der Pysk orentert. Der Kurs erebt desalb nct den Anspruc enes matematsc funderten umerkkurses oder ener Informatkvorlesung. Zum grundlegenden Verständns pyskalscer Systeme snd analytsce Lösungen unabdngbar. Unter dem Gesctspunkt der Anwendung auf reale pyskalsce Problemstellungen snd analytsce Lösungen aufgrund der mest erforderlcen starken ärungen edoc nur bedngt braucbar. Mt dem rapden Ansteg der Verfügbarket lestungsfäger Computertecnk entwckelt sc desalb de pyskalsce Modellbldung n zu Modellen, de mt numerscen Standardverfaren gelöst werden können. Des erlaubt de Untersucung bedeutend kompleerer Systeme, one de otwendgket ergebnsbeenflussender starker ärungen be der Modellbldung. Lösungsgenaugket Wenn pyskalsce Epermente durc numersce Verfaren smulert werden, muss edoc scergestellt werden, dass de numersce ermttelte Lösung nrecend gut mt der eakten (analytscen) Lösung und damt mt der realen Pysk überenstmmt. Problematsc st dabe, dass de analytsce Lösung des numersc untersucten Problems mest nct bekannt st oder äufg gar nct estert. Zur Bescrebung der Feleregenscaften numerscer Lösungsverfaren für pyskalsce Probleme werden äufg dre Felerkrteren angewandt, de edoc stark mtenander verbunden snd. Des snd de Kondton, de Stabltät und de Konsstenz. De Kondton st ene Egenscaft des Problems selbst und st desalb unabängg vom spezfscen Lösungsverfaren. De Kondton bescrebt de Abänggket der Lösung von ener Störung der Engangsdaten, da auc dese mest nur mt begrenzter Genaugket bekannt snd. Demgegenüber st de Stabltät ene Egenscaft der numerscen Lösungsmetode. Se bescrebt de Abänggket der numerscen Lösung von gestörten Engangsdaten m Verglec zur analytscen Lösung. Insbesondere bescrebt de Stabltät damt auc de Robustet enes numerscen Verfarens gegenüber Rundungsfelern. De Konsstenz st wederum ene Egenscaft des numerscen Verfarens. Dese bescrebt, nwewet durc das Verfaren wrklc das gegebene matemsc-pyskalsce Problem gelöst wrd oder ob nct etwa de Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 4 numersce berecnete Lösung, aufgrund res numersc formulerten Lösungsansatzes, ganz systematsc en alternatves Problem löst. Skalerung notwendger Ressourcen En weteres Krterum für den Erfolg numerscer Metoden legt m Ressourcenbedarf zur Berecnung der numerscen Lösung und dabe nsbesondere dessen Skalerungsveraltens nsctlc der Dmensonaltät des Problems. So erlauben de mesten numerscen Verfaren auc eute noc ledglc de Lösung ser klener Probleme, da der Bedarf an Computerrecenzet, Computerspecer oder mmer mer auc de für de Berecnungen erforderlc Energe ser scnell mt der Dmenson des Problems wäcst. Als Dmenson wrd erbe de Anzal der Freetsgrade der Lösung, also z.b. de Anzal zu berecnender freer Lösungspunkte, bezecnet. Es st desalb wctg, möglcst effzente numersce Verfaren zu entwckeln, de auc mt begrenzten Computerressourcen de nrecend akkurate Berecnung relevanter pyskalsc Aufgabenstellungen erlauben. Letztlc bestet de Aufgabe, de entwckelten numerscen Algortmen n ener Programmersprace umzusetzen. Dazu wrd n der Vorlesung Computatonal Pyscs I de Programmerumgebung MATLAB (bzw. de Programmersprace MATLAB) verwendet, da dese berets nac gernger Enarbetungszet zu ersten Ergebnssen fürt und gleczetg auc be fortscretender utzerkenntns mmer bessere/effzentere Lösungen erlaubt.

3 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4, Grundlegende Metoden der numerscen Matematk. Zalendarstellung m Computer Im Computer werden alle Berecnungen m sog. Bnärsystem ausgefürt. Jede Zal wrd desalb n enem Bnärcode dargestellt, d.. se wrd ausscleßlc durc ullen und Ensen repräsentert {0 }. Dabe korrespondert de Poston der ullen oder Ensen n der gesamten Bnärzal mt der entsprecenden Zweerpotenz. Der Übersetzungsmecansmus se an desem Bespel verdeutlct: Bnärzal: Zweerpotenz: Ene zum Bnärsystem kompatble Darstellung st das Headezmalsystem A B C D E F De eadezmale Darstellung der Dezmalzal 78 st dann E In der umerk werden zwe Grundtypen von Zalen untersceden. Des snd enersets Integertypen, d.. ganze Zalen mt oder one Vorzecen und unterscedlcem Werteberec. Der zwete Grundtyp snd Realtypen, mt denen ratonale Zalen dargestellt werden können. Aus desen beden Grundtypen können dann wetere Zalentypen und Strukturen, we z.b. komplee Zalen, abgeletet werden. Specerplatzbedarf Inneralb spezeller Zalentypen wrd mest noc nac dem für de ewelge Darstellung erforderlcen Specerplatz untersceden. Für dese Kategorserung der Typen erfolgt de Entelung mest nac folgendem Muster: bt Deses Muster berut auf der Adresserung des Specers m Computer mt enem Raster von 8/6 bt. Des bezecnet den klensten separat zu lokalserenden Specerabscntt. Dabe snd: E Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 6 bt Specerenet mt 0 oder belegt 8 bt Byte 6 bt Wort 04 bt = kbt Egenscaften der Zalentypen Durc den endlcen Zalenvorrat m Bnärsystem mt begrenztem Specer wrd de Dynamk und Auflösung enes Zalentyps bestmmt. De Dynamk st das Verältns vom größtem zum klensten Betrag und de Auflösung der Abstand zweer benacbarter Zalen. Dabe werden dese Egenscaften nct endeutg durc den engesetzten Specerplatz bestmmt, sondern können geegnet gegenenander abgewogen werden. Als Bespel se er ene äufg angewandte Auftelung der Bts be enem 64 Bt Realtyp nac dem IEEE-Standard bescreben. Dese ergbt sc aus der alblogartmscen Darstellung der Zalen entsprecend: mt z m s= Sgnum: Bt m= Mantsse: 5 Bt e= Eponent: Bt De Dynamk deses Zalentyps bestmmt sc vor allem aus dem Eponenten. 0 0 e ( ) De Auflösung st dabe nur relatv zum ewelgen Zalenwert zu bestmmen, da Auflösung über dem gesamten darstellbaren Werteberec stark varert. De Auflösung bestmmt sc m Wesentlcen aus der Mantsse. s Dskretserung Um numersce Berecnungen vornemen zu können, st es notwendg, kontnuerlce Argumenten- und Wertevertelungen auf endlce dskrete Argumenten- und Wertemengen abzublden. Des können enfac de Funktonswerte an dskreten Stellen, den sog. Stützstellen, sen. Alternatv können als Wertemenge z.b. auc de Mttelwerte n Intervallen um de ewelgen dskreten Stützstellen denen. Ene wetere Möglcket, um kontnuerlce Wertevertelungen mt ener endlcen Zal von Werten zu bescreben, st de Entwcklung der kontnuerlcen Wertevertelung n en Funktonensystem. Dabe wrd ene endlc Zal von Entwcklungskoeffzenten als dskrete Wertemenge numersc weterverarbetet. e

4 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 7 Be der Dskretserung wrd prnzpell zwscen äqudstanter und nctäqudstanter Dskretserung untersceden. Be der äqudstanten Dskretserung blebt der Abstand zwscen den Stützstellen, unabängg vom zu lösenden Problem, stets konstant. Ene Anpassung der Dskretserung an das Problem erfolgt nur global für den gesamten Lösungsberec. Be der nctäqudstanten Dskretserung wrd der Stützstellenabstand den lokalen Egenscaften des Problems angepasst und dementsprecend varert. Um de Screbwese dskretserter Wertevertelungen zur otaton der Algortmen effzenter zu gestalten, werden z.b. de Funktonswerte f mt f f bezecnet. für dskrete Argumenten Wesentlcer Gegenstand der numerscen Matematk und auc deser Vorlesung st de Formulerung matematscer Operatoren für de Anwendung auf dskrete Wertevertelungen. Man sprct dabe von der Dskretserung der Operatoren. Dabe werden aus analytscen Ausdrücken ren algebrasce Formulerungen.. Dfferentaton Als erstes Bespel für enen solcen dskreten Operators werden wr de dskrete Verson der uns bekannten Dfferentaton beandeln. Dabe wrd für ene gegebene Dskretserung f der Funkton f en dskreter Dfferental- D f( ) : f ' gesuct. operator Zur Abletung des dskreten Dfferentatonsoperators geen wr von der Defnton der uns bekannten Abletung aus. Ene möglce Defnton, st de des Grenzwertes des rectssetgen (vorwärts) Dfferenzenquotenten: f( ) f( ) f( ) f( ) lm 0 Im Gegensatz zur analytscen Lösung mt Ausfürung des Grenzübergangs, wrd für de dskrete Verson des Dfferentaloperators der Dfferenzenquotent numersc mt enem endlcen berecnet. [ ( )] f( ) f( ) D f Alternatv kann de Abletung des dskreten Dfferentaloperators auc ausgeend vom lnkssetgen (rückwärts) Dfferenzenquotenten erfolgen: [ ( )] f( ) f( ) D f Codebespel (Dfferentaton ) =0.0; %Stützstellenabstand =0::*p; %Dskretserung des Argumentenberecs y=sn(); %Berecnung der dskreten Funktonswerte 4 y=sn(-); %Berecnung Funktonswerte an versetzten Stützstellen 5 df = (y y)/; %Berecnung der dskreten Abletung 6 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4, plot(,y); %grafsce Darstellung der Funktonswerte 8 old on; %Grafkausgabe für wetere Darstellung analten 9 plot(,df,'r'); %grafsce Darstellung der Abletung.. Felerabscätzung Für de numersce Lösung st ene Abscätzung der durc de Dskretserung ervorgerufenen Feler von Bedeutung. Deser sogenannte Dskretserungsfeler bezecnet de Abwecung des Ergebnsses der numerscen äerungsrecnung vom eakten analytscen Ergebns: E f( ) D [ f( )] Allgemene Egenscaften des dskreten Dfferentaloperators: D f konvergent: lm D f konvergert (nur bs zum Rundungsfeler) 0 D f konsstent: konvergert gegen rctgen Wert ( lm E 0) Bede Operatoren (rectssetger und lnkssetger) snd konsstent, wel mt lm E 0 der dskrete Operator n de kontnuerlce Defnton überget 0 (zumndest für stetg dfferenzerbare Funktonen). Es st allerdngs von großer Bedeutung, mt welcer Abänggket von der dskrete Operator gegen de eakte analytsce Lösung konvergert. Zum Verständns soll folgende Erläuterung elfen. Es st zu untersceden, dass enersets en Feler durc de Dskretserung des Operators engefürt wrd, der sog. Dskretserungsfeler. In desem Bespel st des de Berecnung des Dfferenzenquotenten für endlce statt der Ausfürung des Grenzübergangs. Anderersets entstet en Feler durc de Ausfürung der Berecnungen als numersce Operatonen mt Computerzalen endlcer Genaugket, sodass be eder elementaren Recenoperaton (+, -, *, /, ) en sog. Rundungsfeler auftrtt. Deser Rundungsfeler st unvermedbar und sene Größe st mest nur scwer abzuscätzen. Im Bespel st es verständlc, dass der Rundungsfeler der Dvson umso größer st, e klener der Dvsor st. Ene Formulerung des dskreten Dfferentaloperators st desalb umso besser, e scneller der Dskretserungsfeler mt klener werdendem gegen ull get, da dann der be zu klenem auftretende Rundungsfeler vermeden werden kann. Ene Herletung der Konvergenzegenscaften des dskreten Dfferentaloperators kann folgendermaßen erfolgen: Voraussetzung: f dfferenzerbar und f ' bekannt De Abänggket der Konvergenz von betracten wr am Bespel des rectssetgen Dfferentaloperators, [ ( )] f ( ) f( ) D f 0

5 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 9 mt Hlfe ener Taylorentwcklung der Defnton: 4 f ( ) f( ) f( ) f( ) f( ) O( ) (*) 6 ersetzen wr f ( ) n D[ f ( )] durc (*) D[ f( )] f( ) f( ) f( ) O( ) 6 D [ f( )] f( ) O( ) Egenscaften: Der dskrete Dfferentaloperator konvergert demnac n erster Ordnung. Der Dskretserungsfeler get mndestens mt gegen ull. Für den lnkssetgen Dfferentaloperator verläuft de Recnung analog. Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 0 f( ) f( ) D f f f O 6 D f f O [ ( )] ( ) ( ) ( ) [ ( )] ( ) ( ) konvergert mndestens mt Anand der Bespelfunkton sn( ) lässt sc de unterscedlce Genaugket der dskreten Dfferentaloperatoren grapsc darstellen. Stencl-otaton Ene verkürzte Screbwese st de sogenannte Stencl-otaton (Stencl = Scablone), welce de Vorfaktoren vor den Funktonstermen bezüglc notert. De beden berets defnerten Operatoren screben sc dann folgendermaßen: f( ) f( ) [0 ] rectssetg / vorwärts f( ) f( ) [ 0] lnkssetg / rückwärts.. Verbesserung der Konvergenzordnung Durc gescckte Kombnaton verscedener langsam konvergenter Dfferentaloperatoren st es möglc komplee Dfferentaloperatoren zu konstrueren, be denen sc de fürenden Felerterme der Enzeloperatoren gegensetg aufeben und somt der komplee Gesamtoperator mt öerer Ordnung konvergert. Zel: Elmnaton des -Felerterms Ansatz: Kombnaton des rectssetgen und des lnkssetgen Dfferentaloperators [0 ] [ 0] [ 0]. Es resultert der sog. zentrale Dfferentaloperator f ( ) f( ) D[ f( )] mt verbesserten Konvergenzegenscaften. Felerabscätzung: Abletungen der Funkton sn( ) be Anwendung verscedener dskreter Dfferentaloperatoren m Verglec zur analytscen Abletung. Deses Verfaren lässt sc weter verbessern, ndem durc Hnzufügen weterer Operatoren zum Gesamtoperator der ewels fürende Felerterm elmnert wrd. Ene Möglcket st z.b., dass man n der Stencl-otaton des zentralen Operators zu enem breteren Stencl überget, d.. von zu und dann versuct, durc Kombnaton verscedener Operatorformen den ²- Term zu elmneren. f( ) f( ) [ 000] f ( ) f( ) O( ) 6 Demnac ergbt folgende Kombnaton

6 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 4 f O D[ f( )] [808] f 8f 8f f 4 [ 0 ] [ ] ( ) enen Dfferentaloperator, der mt konvergert... Abletungen öerer Ordnung Um öere Abletungen darzustellen, startet man weder be der Taylorentwcklung f f f f f 6 O f f f f f 6 O 4 ( ) ( ) ( ) ( ) ( ) ( ) 4 ( ) ( ) ( ) ( ) ( ) ( ) Adderen der beden Glecungen und Umstellen nac f '' f( ) f( ) f( ) f O D [ ] ( ) ( ) konstruert enen Dfferentaloperator zweter Ordnung, der mt zweter 4 Ordnung konvergert (beacte O ( )/ O ( ))...4 Spektralveralten der Abletungsoperatoren Bser aben wr untersuct, we sc de Dfferentaloperatoren n Abänggket vom Stützstellenabstand der Dskretserung veralten. Durc den Ensatz der Taylorentwcklung aben wr dabe mplzt angenommen, dass es sc be den abzuletenden Funktonen um nrecend glatte Funktonen andelt, be denen de Taylorentwcklung konvergert. Für verscedene abzuletende Funktonen wrd dese Anname unterscedlc gut gewärlestet sen. Wr wollen desalb nun untersucen, we sc de Dfferentaloperatoren n Abänggket von der Form der Funkton veralten, auf de se angewandt werden. un können wr allerdngs dese Untersucung nct für alle möglcen Fälle abzuletender Funktonen enzeln durcfüren. Wr sucen stattdessen nac enem verallgemenerungsfägen Ergebns. Für lneare Operatoren, we z.b. de zu untersucenden Dfferentaloperatoren, egnen sc de armonscen Funktonen ep( k ) (Lösungen der Oszllatorglecung mt der Oszllatonsfrequenz k bzw. sog. Fourer-Moden) ser gut als allgemene Testfunkton, da de Wrkung enes Operators auf alle Fourer- Moden de gesamte Informaton über den Operator entält. Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Be der Untersucung wrd das Konvergenzveralten n Abänggket vom Parameter k, d.. dem Verältns der Oszllatonsperode der Testfunkton ( /k ) zum Stützstellenabstand, betractet. k f( ) e k f ( ) ke De Bestmmung von f mttels des zentralen Dfferentaloperators ergbt k ( ) k ( ) k k e e e k k D[e ] e e k k sn( k) e sn k f ( ) f ( )snc( k) k k Der Dskretserungsfeler n Abänggket von der Oszllatonsfrequenz k, der sog. spektrale Feler, st demnac Es f snc( k) snc () Plot von f ( ) snc( ) mt ullstellen be,,, Aus dem Grapen lassen sc ser enfac de spektralen Egenscaften des Operators ablesen: k snc( k) O([ k] ), d.. für nederfrequente bzw. langwellge Funktonen bestzt der zentrale Dfferentaloperator, we wr oben berets geseen aben, ene Konvergenz n. Ordnung k snc( ) 0, d.. für ocfrequente bzw. kurzwellge Funktonen, be denen de Oszllatonsperode genau mt dem Stützstellenabstand überenstmmt, kann der zentrale Operator sogar verscwnden k snc( k) 0, d.. der zentrale Dfferentaloperator lefert be Anwendung auf ser ocfrequent oszllerende Funktonen sogar das falsce Vorzecen

7 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0.4 Integraton umersce Integratonsverfaren erlauben de Berecnung des bestmmten Integrals ener Funkton f ( ) auf enem Intervall [ ab, ] b a A d f. Es sollen nun Verfaren vorgestellt werden, mt denen solce Berecnungen mt möglcst weng Recenaufwand und oer Genaugket durcgefürt werden können. Zuerst betracten wr dazu sog. Standardverfaren, welce auf der Dskretserung des Integratonsntervalls beruen. Entsprecend wrd das zu ntegrerende Intervall n Telntervalle zerlegt und de resulterenden Telntegrale werden genäert. Zur Verenfacung der Betractung geen wr von ener äqudstanten Dskretserung aus. Durc dese Zerlegung des Intervalls [ ab, ] ergeben sc glecgroße Telntervalle I [, ] mt der Intervallbrete bzw. ausgedrückt durc de Intervallgrenzen ( b a)/. Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 4 Man wrd lect enseen, dass deser Mttelwert zemlc aufwendg zu berecnen st. Für langsam veränderlce Funktonen st der Funktonswert m Mttelpunkt des Telntervalls edoc ene gute Appromaton des Mttelwertes des st de Idee der Recteckregel. f ( ) f f So ergbt sc das gesamte Integral zu b a A d f f f Recteckregel: äerung des Gesamtntegrals durc merere Rectecke mt Höe des Funktonswertes m Telntervallmttelpunkt. Zerlegung des Gesamtntervalls [ ab, ] n glecgroße Telntervalle I [, ]. Dabe st 0 a, b. De Fläce unter der Kurve n dem n Telntervalle zerlegten Gesamtntervall st dann De Aufgabe bestet nun darn, genau zu bestmmen. 0 A d f. A f d m -ten Telntervall möglcst.4. Recteckregel De ausrecend scmalen Telntervalle appromeren wr nun durc Rectecke der Brete. De Höe der Rectecke sollte egentlc dem Mttelwert des Funktonswertes m ewelgen Telntervall entsprecen. Felerbetractung für Telntegral Um den durc de äerung verursacten Feler analyseren zu können, betracten wr ene Taylorentwcklung um den Mttelpunkt enes Telntervalls f( ) f f ' f ''!! 4 f ''' O! De ungeraden Terme der Taylorentwcklung verscwnden be der Integraton über Telntervalle. 5 f df 0 f 0O f O. 4 Egenscaften Telntegral st mt. Ordnung genau n. Da m Gesamtntegral edoc ~/ felerbeaftete Summanden steen, konvergert das Gesamtntegral nur n. Ordnung, mt dem Recteckfeler Gesamtfeler:

8 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 5 ERecteck f O Vortele deses Verfarens snd, de ser enface Implementerung und der Fakt, dass kene Funktonswerte an den Intervallgrenzen benötgt werden und dadurc kene Probleme mt eventuellen Sngulartäten an den Intervallgrenzen auftreten..4. Trapezregel Be deser Metode werden de Telntegrale durc Trapeze genäert, de den Verlauf der Funkton vermentlc besser darstellen können als Rectecke. Das Integral screbt sc dann als b a f f A d f f f f f f f Trapezregel: äerung des Gesamtntegrals durc merere Trapeze. Felerbetractung für Telntegral Durc Verglec mt der Struktur der Recteckregel, set man, dass Funktonswert m Intervallmttelpunkt genäert wrd durc f f f Felerberecnung erfolgt durc Ersetzen von f n Recteckregel durc Somt f f f f O f d f f O f O Egenscaften Sowol Recteck- als auc Trapezregel konvergeren n. Ordnung mt. 4 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 6 Feler der Trapezregel st edoc doppelt so groß we be Recteckregel. Trapez-Verfaren lässt sc m Verglec zu Recteckregel aber ser enfac rekursv von auf verfenern, da de scon berecneten Stützstellen weder benutzt werden können.4. Smpson-Regel Bser at de symmetrsce Entwcklung um den Intervallmttelpunkt berets zum Verscwnden der ungeraden Abletungen gefürt. Jetzt sollen wetere Felerterme elmnert werden, um de Genaugket der Integralnäerung zu verbessern. Ene Möglcket st das Smpson-Verfaren, be welcem de zu ntegrerende Funkton n den Telntervallen durc Parabeln appromert wrd. 5 f d f 0 f 0O. Dese Verbesserung wrd durc das Appromeren der zweten Abletung durc den dskreten Dfferentaloperator mt -Punkt-Stencl [ ]/ errect. f f f 5 5 f d f O f 4f f O. De Summaton über Telntervalle,,5,..., ergbt be geradem für das Gesamtntegral 4 A f0 4ff 4 f... 4f f O. Egenscaften Wr eralten so en Verfaren, das n 4. Ordnung konvergert und für Polynome bs enscleßlc. Grades sogar eakt st..4.4 Bode-Regel Das Verfaren der Appromaton durc Polynome lässt sc natürlc noc weter verbessern. Z.B. lefert de Bode-Regel mt f ( ) f f f f f ene Formel, de n 6. Ordnung konvergert (nrecende Glätte vorausgesetzt) und für Polynome bs zum 5. Grad eakt st..4.5 Intervalltelungsverfaren De Felerkontrolle für Standardverfaren, de auf der Zerlegung des Gesamtntegratonsntervalls n vele Telntervalle und äerung der Funkton n desen klenen Telntervallen, beruen, lässt sc durc folgenden Algortmus lect mplementeren.

9 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 7 Ablauf:. Vorgabe ener Zelgenaugket ε. Wal von und Berecnung von A. Halberen der Intervallbrete, Berecnung von A 4. Scrtt solange wederolen bs A A Abbruckrterum der Intervalltelung: De Felerscranke wrd aus der Dfferenz zweer aufenanderfolgender Intervalltelungen abgescätzt. Bespelmplementerung für Integraton mttels Standardverfaren Das folgende Codebespel zegt ene enface Implementerung der Trapezregel n MATLAB. Dabe soll de Integralberecnung auf Telntervallen rekursv wederolt werden, so lange der gescätzte Feler ene bestmmte Toleranz überscretet. Für de Felerabscätzung wrd ausgenutzt, dass de Smpson-Regel m Verglec zur Trapez-Regel enen kleneren Feler aufwest und de Dfferenz beder Feler zur Abscätzung des absoluten Felers verwendet werden kann. Codebespel A A (Integratonsverfaren, Trapez- /Smpson-Regel) functon [Int I]=trapez(f,I,tol) % [Integral Intervall] = trapez(@func_name,intervall,toleranz) % berecnet das Integral ener uebergebenen Funkton f % n den Grenzen I() bs I() mttels Trapezregel und ener % Toleranz tol % De Funkton gbt den berecneten Integralwert % und den Vektor der Gtterstruktur zurueck %Trapezregel Int = (I()-I())/ * (feval(f,i()) + feval(f,i())); %Smpsonregel S = (I()-I())/6 * (feval(f,i()) + 4*feval(f,(I()+I())/) + feval(f,i())); Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 8 end end Int = Int + Int; I = [I;I(:end)]; De Implementerung des Integratonsalgortmus erfolgte für ene belebge zu ntegrerende Funkton. Bespelaft wollen wr das Integral der Snus- Funkton A sn( ) d 0 berecnen. Das analytsce Ergebns st erfür zur Betractung des numerscen Felers berecenbar A. De zu ntegrerende Snus-Funkton muss noc als allgemene Integratonsfunkton für de Übergabe an de Integratonsfunkton mplementert werden: Codebespel (Defnton des Integranden) functon y=f() % Trgonometrsce-Funkton y=sn() y=sn(); 4 end un können wr uns das Ergebns berecnen und de Funkton nklusve der Stützstellen zecnen lassen. Codebespel 4 [Int I] = trapez(@f,[0 p],0.0); Int =lnspace(0,p,00); 4 y=f(); 5 y=f(i); 6 plot(,y,i,y,'') (Aufruf der Integratonsfunkton) Wr eralten A.9879, was berets ene gute Abscätzung des eakten Ergebnsses st. De Genaugket leße sc durc Verklenerung der Zeltoleranz weter verbessern. De egentlce Stärke von MATLAB legt n enem umfangrecen Repertore an berets mplementerten Funktonen. Das numersce Integreren mt Hlfe der Trapezregel lässt sc n MATLAB z.b. vel scneller realseren: f(abs(int-s)>=tol*(i()-i())) I = [I();(I()+I())/;I()]; [Int I] = trapez(f,i(:),tol); [Int I] = trapez(f,i(:),tol); Codebespel 5 X = 0:p/00:p; Y = sn(x); (Trapezregel als MATLAB-Funkton)

10 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 9 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 0 Z = trapz(x,y) %lefert Z = Gauss-Quadratur Es bestet wetern das Zel der genauen äerung des Integrals mt wengen Funktonsberecnungen. In den bser dskuterten Standardverfaren wurde dafür das Integratonsntervall [a,b] n vele Telntervalle [, + ] zerlegt, n denen de zu ntegrerende Funkton mt Polynomen erster bzw. zweter Ordnung genäert wurde. Jetzt wollen wr dese Idee aufgrefen und das gesamten Intervall [a,b] durc ene analytsc ntegrerbare Funkton oer Ordnung näeren, z.b. mt Hlfe ener ortogonalen Bass P (Legendre o.ä.). Obwol des prnzpell zu ener ser oen Genaugketsordnung füren kann, st Vorsct geboten. Hoe Ordnung bedeutet nur oe Genaugket, wenn de Funkton nrecend glatt st, m Snne ener guten Appromerbarket durc en Polynom. Ene Funkton f ( ) wrd nun also durc enen Satz von Polynomen ausgedrückt n f ( ) P( ) mt n klen weng Basselemente 0 De Bestmmung der Koeffzenten folgt aus der Ortogonaltät der P b a d P( ) P ( ) Daraus lässt sc en lneares Glecungssystem für de Koeffzenten ableten, dessen Lösung äufg de wesentlce numersce Aufgabe darstellt. Das zu lösende Integral bestmmt sc dann aus b a b n n d f ( ) d P( ) w f ( ) mt a w als Gewctskoeffzenten mt w, als den für enen ewelgen Polynomtyp zu bestmmenden Gewctskoeffzenten. Egenscaften Der äerungsfeler st klen, wenn f ( ) gut n gewälte Bass P entwckelbar st. De Abscätzung des Felers st allgemen nur scwer möglc. De bekannteste Gauß-Quadratur st de Gauß-Legendre-Integraton auf dem Intervall [ ;] durc Legendre-Polynome. Um das Verfaren auf belebge Intervalle [ ab ; ] anzuwenden st ledglc ene Varablentransformaton vorzunemen. Aufgabe Integraton mt Trapezregel Füren Se ene numersce Integraton nac der Trapez-Regel für de Funkton A 0 sn( ) d von Hand (mt Tascenrecner) für 4 bzw. 8 Telntervalle durc. Aufgabe Integraton mt Smpson-Regel Screben Se en Programm (Funkton), um de Smpson-Regel n MATLAB zu mplementeren. utzen Se dabe de m obgen Codebespel gezegte Funkton f (functon y = f()) und testen Se es durc de Integraton der n der vorergen Aufgabe genannten Funkton..5 ullstellen und Etrema n Englsc-spracger Lteratur: ullstellensuce = Root Fndng.5. ullstellen von Funktonen ener Veränderlcen De Aufgabe st das Fnden von ullstellen von f( ) m Intervall ab., De mesten computergestützten Lösungsansätze beruen auf Iteratonsverfaren, de enen Startpunkt n ab, nac verbessern bs f * 0. De nacsteenden Abbldungen verdeutlcen dabe enge Stuatonen, de be der Suce nac ullstellen auftreten können. De Wal enes spezellen Verfarens zu Suce nac ullstellen rctet sc oft nac den Egenscaften der betracteten Funkton f( ). Ene solerte ullstelle m Intervall [a,b] st durc den Vorzecenwecsel der Funktonswerte f(a) und f(b) an den de ullstelle engrenzenden Intervallgrenzen a und b gekennzecnet.

11 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Es können be glecen Vorzecen der Funktonswerte an den Intervallgrenzen dennoc z.b. doppelte ullstellen m Intervall esteren. Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4, Bsekton Be der Bsekton wrd das Intervall, welces anfänglc berets genau ene ullstelle enscleßt, albert. Dann wrd untersuct, welces der resulterenden Telntervalle wetern de ullstelle enscleßt und deses wederum albert, usw. bs de Intervallgrenzen, welce de ullstelle enscleßen, nrecend dentsc snd. Für de Feststellung der Estenz der ullstelle n enem Telntervall muss nur das Vorzecen von f ( ) untersuct werden und nct der Wert von f ( ). Das kann recentecnsc von großem Vortel sen. Das Verfaren konvergert zwar langsam aber dafür mt oer Sceret, d.. n edem Iteratonsscrtt wrd ene vorersagbare Verbesserung erzelt. Das nacsteende Struktogramm verdeutlct noc enmal das Verfaren der Bsekton. Be Vorzecenwecsel der Funktonswerte an den Intervallgrenzen muss dennoc nct zwngend ene ullstelle esteren falls de Funkton f() m Intervall [a,b] Unstetgketen aufwest. Scematscer Ablauf des Bsektonsverfarens unter der Anname f ( a) 0 f ( b) 0. De Implementerung berut auf enem rekursven Funktonsaufruf. Dese Funkton zegt, dass durcaus ene große Anzal ullstellen n enem Sucntervall esteren kann..5.. Sekantenverfaren Für das Sekantenverfaren wrd mt den zwe Funktonswerten f ( ) und f ( ) ene Sekante konstruert. De Etrapolatons- oder Interpolatonslne ergbt dann enen Scnttpunkt mt der -Acse der den älteren der beden Startwerte ( ) ersetzt. Für de Argumente der Funkton ergbt sc folgende Iteratonsformel f( ). f ( ) f( )

12 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Egenscaften konvergert scneller gegen ullstelle (für lneare Funktonen n enem Scrtt) Konvergenz nct scer, d.. nct n edem Iteratonsscrtt wrd zwangsläufg Verbesserung erzelt neues Intervall [, ] scleßt nct mmer ullstelle en Da be desem Verfaren der enner zwangsläufg klen wrd und gegen ull konvergert, st es snnvoll ene Abbrucbedngung enzufüren (Dabe st ε de relatve Mascnengenaugket): f f 0 f Illustraton des Sekantenverfarens. De enzelnen Punkte snd n der Reenfolge rer Benutzung n der Iteratven Verbesserung des Sucntervalls nummerert. Codebespel 6 Sekantenverfaren functon [,,status] = sekante(0,,tol,tol,no) %0,: Startwerte %tol: Toleranz fuer Funktonswert 4 %tol: Toleranz für Funktonsargument 5 %no: maamle Anzal an Iteratonen 6 7 %grapsce Ausgabe 8 ab = -0.4; _old=000;f_old=000; 9 as on; 0 plot( [-5 5], [0 0]); % -Acse zecnen old on; set(fndob(gca,'type','lne','color',[0 0 ]),'Color', 'black','lnewdt',) p=(-5):0.:(5); 4 for =::(0) Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4, f() = f(p()); 6 end 7 plot(p,f,'lnewdt',); 8 = 0; fa = f(0); fb = f(); 9 f abs(fa) > abs(fb) 0 a = 0; b = ; else a = ; b = 0; tmp = fb; fb = fa; fa = tmp; end 4 % Iteraton der Sekante 5 wle < no 6 s=fb/fa; r=-s; 7 t=s*(a-b); % Ansteg zwscen den zwe Punkten der Sekanten 8 =b-t/r; % konvergert gegen ullstelle 9 f=f(); % konvergert gegen ull 0 % Ausgabe der Punkte der Sekante f abs(_old-)<0. && abs(f_old-f)<0. ab=ab-0.; end 4 _old=; f_old=f; 5 plot(,f,'ro','lnewdt',); 6 tet(+ab, f,numstr(+),'horzontalalgnment','left') 7 f t == 0 8 status = 'Verfaren wurde nct durcgefuert.'; return 9 end 40 f abs(f) < tol 4 status = 'Verfaren konvergert, Loesung berecnet.'; return 4 end 4 f abs(-b) < tol*(+abs()) 44 status = 'Verfaren konvergert, Loesung berecnet.'; return 45 end 46 = +; 47 f abs(f) > abs(fb) 48 a = ; fa = f; 49 else 50 a = b; fa = fb; b = ; fb = f; 5 end 5 end 5 status = 'Iteratonszal ueberscrtten';.5.. Regula Fals (False Poston Metod) De bsergen Verfaren zegten entweder ene ser langsame Konvergenz (Bsekton) oder kene scere Konvergenz (Sekantenverfaren). De Regula Fals erwetert das Sekantenverfaren um de zusätzlce Bedngung, dass de neue Sekante nur durc de beden letzten Iteratons-

13 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 5 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 6 punkte gezogen wrd, welce de ullstelle enscleßen. Damt wrd ene scerere Konvergenz erzwungen. Konkret bedeutet des de Unterscedung n zwe Fälle: f ( ) f ( ) 0, In desem Fall werden der neue und der letzte Iteratonspunkt weterverwendet. f ( ) f ( ) 0, Oder es werden m anderen Fall der neue und der vorletzte Iteratonspunkt weterverwendet, da nur dese de ullstelle wetern enscleßen. Dadurc konvergert das Verfaren gegenüber dem Sekantenverfaren mancmal langsamer, allerdngs wrd en Abdrften der Iteratonspunkte von der ullstelle verndert. In desem Bespel würden sowol mt dem Sekantenverfaren als auc mt der Regula Fals vele Iteratonen zum Fnden der ecten ullstelle benötgt. Auc vele andere Verfaren ergeben er kene Verbesserung. Wetere Ergänzungen zur Felerbetractung des Verfarens steen m Anang. Regula-Fals (False Poston Metod): De näcsten Iteratonspunkte müssen dabe stets de ullstelle enscleßen. Bevor wr zu enem weteren Verfaren kommen, soll de nacsteende Abbldung noc enmal verdeutlcen, dass sowol das Sekantenverfaren als auc de Regula-Fals nur bedngt geegnet snd, um ene ullstelle scnell zu fnden ewton-rapson Be desem Verfaren wrd f ( ) durc ene Taylorentwcklung genäert (mest nur n erster Ordnung - lnear), wofür de Abletung f ( ) bekannt sen muss. Dann glt f( ) f( ) f ( ) 0 woraus de Iteratonsformel abgeletet werden kann f ( ) f ( ) Egenscaften quadratsce Konvergenz mt folgender Felerentwcklung f ( ) E E f ( ) n edem Scrtt Verdopplung der korrekten Stellen errect ser scnell Mascnengenaugket funktonert nur scer n der äe von ullstellen gut auf merere Dmensonen verallgemenerbar kombnerbar mt Sekantenverfaren/Regula-Fals: erst Regula-Fals bs n äe der ullstelle (da allgemene Konvergenz), dann ewton Rapson (da scnell zur Mascnengenaugket)!

14 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 7 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 8 Aufgabe Bsektonsverfaren Implementeren Se das Bsektonsverfaren n MATLAB. utzen Se dazu das obge Struktogramm. Aufgabe 4 Struktogramm der Smpson-Regel We könnte en Struktogramm der Regula Fals ausseen?.5. Etrema von Funktonen ener Veränderlcen Da das Auffnden von ullstellen äufg aufwendg st und numersc soweso ne zu ener eakten Lösung mt f( * ) 0 fürt, wrd dese Aufgabenstellung oft n en Mnmerungsproblem umgewandelt. Dabe wrd ausgenutzt, dass für ene ullstelle das Quadrat der untersucten Funkton auc en Mnmum at. Auc sonst stellt das Auffnden des Mnmums ener Funkton ene äufg zu lösende Aufgabe dar. Deswegen werden wr nun Algortmen untersucen, um Mnma effzent zu lokalseren. Damt st auc de Frage nac eventuellen Mama beantwortet, da dese Mnma des Rezproken der zu mamerenden Funkton snd. Damt en Mnmum m Intervall [ ac, ] estert, muss für ene m Intervall [ ac, ] stetge, nac unten bescränkte Funkton folgendes gelten: Wenn für en Punktetrpel a<b<c (oder c<b<a) f b f a und f b f c st, so folgt daraus de Estenz enes Mnmums m Intervall [ ac., ].5.. Verfaren des goldenen Scntts (Golden Secton Searc) In Analoge zum Bsektonsverfaren bestet de Aufgabe darn, enen neuen Punkt zu wälen, entweder m Intervall [a,b] oder m Intervall [b,c]. Zuerst bestmmen wr de Funktonswerte be f( b), f( ). Für den Fall f b f st das näcste Punktetrpel (a, b, ). Für f b f nemen wr das Trpel (b,, c). Der Mttelpunkt des Trplets st dann der Abszsse am näcsten und st bs dan unser Mnmum. Desen Scrtt der Enscactelung wederolen wr solange, bs de Intervallbrete ene bestmmte Toleranz unterscretet. We sollte nun de Intervalltelung erfolgen, damt unabängg vom Funktonsverlauf ene optmale Konvergenz zum Mnmum erfolgt? Das st glecbedeutend mt der Forderung, dass de neue Intervallgröße unabängg vom Erfolgsfall der Telung sen soll, d.. das neues Intervall soll n edem Fall glec groß sen. oder 4 4 Forderung für effzenten Iteratonsverlauf Intervallredukton soll glec bleben (nct langsamer werden) Lösungsansatz Verältns der Telntervalllängen ( / ) soll be folgenden Iteratonen konstant bleben Verklenerung des Sucntervalls mt konstanter Rate Fall f 4a : neues Trpel st,, 4 dann soll / / sen Fall f 4b : neues Trpel st, 4, dann soll / /( ) sen Durc Elmnaton von c aus beden Glecungen folgt: b a / ( b/ a) mt der Lösung: b/ a ( 5)/ Deses Verältns entsprct dem goldenen Scntt und st de gesucte Bedngung für de Poston von..5.. Quadratsce Interpolaton (Parabolc Interpolaton) De Metode des Goldenen Scnttes st n rer Art spezell für den worst case, der bem Sucen des Mnmums auftreten kann, ausgelegt, d.. für en unkooperatves Mnmum. Befndet man sc edoc berets n der äe enes Etremums, kann man de Funkton mest nrecend gut durc ene parabolsce Funkton näeren? De Metode der quadratscen Interpolaton legt durc en gegebenes Punktetrpel ene Parabel und wält den neuen Punkt nae des Scetels. Dese Metode st für geegnete Funktonen ser effzent. Für ergbt sc folgender Zusammenang b ba f b f c bc f b f a ba f b f cbcf b f a Mt dem klensten Intervall, das dre Punkte umfasst wrd deser Vorgang so oft wederolt bs de gewünscte Genaugket errect st. Folgende Abbldung soll de Metode noc enmal verdeutlcen. Möglce Fälle der Engrenzung enes Mnmums nac der Intervalltelung.

15 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 9 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 0 Das Mnmum wrd be deser Metode durc Interpolaton von Parabeln gesuct. Durc dre Punkte,, der gegebenen Funkton (durcgezogene Lne) wrd ene Parabel gelegt (gestrcelte Lne). Deren Scetelpunkt fürt zum neuen Punkt 4 der gegebenen Funkton. un wrd durc de Punkte,,4 ene Parabel gelegt (gepunktet) usw. So st der Scetelpunkt 5 der zweten Parabel scon nae dem wrklcen Mnmum der Funkton..5. Mnma von Funktonen mererer Veränderlcer Ecte ullstellensuce st n öeren Dmensonen etrem scwerg aber Mnmerung st mest möglc. De Mnmerungsverfaren aus dem letzten Abscntt werden wr desalb auf merdmensonale Funktonen erwetern..5.. Downll-Smple-Metode De Downll-Smple-Metode st en auf Mnma kondtonerter Sucalgortmus für enen Smple. En Smple st en n-dmensonale Punktmenge aus n+ Punkten, wobe de Verbndungslnen zwscen den Punkten allesamt lnear unabängg snd. Im Zwedmensonalen st des en Dreeck, m Dredmensonalen en Tetraeder. Spegelung P S Epanson/Kontrakton Grapsce Darstellung der Smpleoperatonen an enem D Smple P Das Verfaren set mt der Implementerung nac elder und Mead folgendermaßen aus:. Wäle belebge Punkte, de enen Smple aufspannen und bestmme deren Funktonswerte. Suce den Besten Punkt B und Sclectesten Punkt S (klenster/ größter Funktonswert). Der Punkt S wrd um den Smplemttelpunkt gespegelt und:.a Wenn der neue Punkt P besser als alle anderen st, dann strecke den Smple n deser Rctung und ersetze den Punkt S durc den neuen gestreckten Punkt P..b Ist der Punkt P nur besser als Punkt S, dann ersetze Punkt S durc Punkt P.c Ist der Punkt P sclecter als Punkt S, dann kontraere den Smple unter Bebealtung der anderen Punkte. 4. Wederole de Scrtte und bs das Smplevolumen nrecend klen st. Je nac Problemstellung st es noc möglc, de Punkte unabängg von den oben genannten Implementerungsscrtten mmer etwas stocastsc zu verändern, um en Festfaren des Smple zu verndern..5.. Mnmerung n alternerende Rctungen Ene andere Mnmerungsmetode greft drekt auf de berets m vergangenen Abscntt vorgestellten Konzepte für de endmensonale Mnmerung zurück. Be der Mnmerung n alternerende Rctungen werden für ene n-dmensonale Funkton endmensonale Mnmerungsaufgaben n n verscedene Rctungen nacenander gelöst. Für enen gegebenen Startpunkt P und Rctung u P, u wrd folgendermaßen vorgegangen mn f Pu P Pu mn f P u P P u f P u P P u mn Das Verfaren wrd so lange ausgefürt, bs n alle Rctungen kene wesentlce Verbesserung mer zu erzelen st. De Wal der Mnmerungsrctungen beenflusst wesentlc de Effzenz des Verfarens. De enfacste Wal für de Mnmerungsrctungen snd de Koordnatenacsen, allerdngs st des mestens nct de effektvste Varante.

16 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 gute Konvergenz y sclecte Konvergenz Gebete mt guter und sclecter Konvergenz der Mnmerung n alternerende Rctungen. Metoden zur Rctungsfestlegung werden wesentlc danac untersceden, ob se de Kenntns der Abletung der zu mnmerenden Funkton n de Rctungsfestlegung enbezeen oder nct. Zel be der Rctungswal st das Auffnden von konugerten Rctungen mt der Egenscaft, dass de Mnmerung n u nct durc de nacfolgende Mnmerung n Rctung u beenträctgt wrd, d.. dass nac der Mnmerung n Rctung u man auc entlang u noc m Mnmum stzt..5.. Gradentenverfaren (Steepest Descent) Ene Metode zur effektven Rctungswal, be welcer de Abletungsbldung enbezogen wrd, st das Verfaren des stelsten Absteges, das auc als Gradentenverfaren bekannt st. De Idee st, dass de Sucrctung entgegen der des Gradenten stet, d.. P P f P mn f P tf P mt Egenscaften Das Problem der Metode des stelsten Absteges st es, dass das Verfaren n ser "scmalen Tälern" dazu negt, sc dem Mnmum n enem Zck-Zack- Kurs zu näern. De Ursace legt darn, dass der neue Mnmerungspfad mmer gegen den Gradenten n enem konkreten Punkt stet, dese Rctung muss nct notwendgerwese zum Mnmum füren. Zudem st der Gradent n der äe enes lokalen Mnmums numersc nur scwer zu bestmmen. t Gutes und sclectes Bespel des Gradentenverfarens Was snd konugerte Rctungen? Metode zur Abletung konugerter Rctungen zuerst Mnmeren entlang u bs zum Punkt p danac stet Gradent senkrect auf u nun Taylor-Entwcklung nac um Ursprung p f f p c b  f f p, p f c f p b f  p mt p (Hesssematr) mt deser äerung Berecnung der Ortsabänggket des Gradenten von f f  b Veränderung des Gradenten be Verscebung: f  Resulterendes Vorgeen: zuerst Mnmerung entlang u danac Mnmerung entlang u bestmmt wrd:, wobe u aus folgender Bedngung konugert wenn Gradent senkrect zu u blebt 0 uf u Âu d.. es muss de Hessematr am Punkt p berecnet werden und danac en lneares Glecungssystems zur Bestmmung von u gelöst werden

17 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 Egenscaften der resulterenden Metode Wal von lnear unabänggen paarwese konugerten Mnmerungsrctungen ( Dmensonen) dadurc für quadratsce Funkton Mnmerung n Scrtten quadratsce Konvergenz: mt edem Scrtt doppelte Anzal rctger Stellen edoc komplzerte und auf Abletungsbldung beruende Bestmmung der Rctungen.5..4 Powell s Metode Wenn das Blden von Abletungen vermeden werden soll, betet sc Powell s Metode an. Dese erzeugt paarwese zuenander konugerte Rctungen one Abletungsbldung. Dazu wrd de folgende Sclefe nrecend oft durclaufen, wobe anfänglc de Sucrctungen entlang der Koordnatenacsen gewält werden.. Startpunkt p 0. für,, Verscebung von p zum Mnmum entlang u bs Punkt p. für,, setze u u und u p p (mttlere Rctung) 0 4. Verscebe p zum Mnmum entlang u und p0 p, danac eustart be. Egenscaften Iteratonen notwendg für de Mnmerung ener quadratscen Form Problem: Rctungen u werden lnear abängg nur Telraum von wrd mnmert Verbesserung: z.b. nac -malgem Ausfüren der obgen Scrtte (,,,4) Rückker zu Enetsvektoren e oder noc besser: ersetze n Scrtt () de Rctung mt dem stärksten Ansteg, da dese scon voll mnmert st Bemerkung In der Pras st äufg de sog. Konugerte-Gradenten-Metode de Metode der Wal (see Lteratur, z.b. umercal Recpes)..6 Interpolaton Um aus Messungen gewonnene Daten pyskalsc nterpreteren zu können, st es mestens notwendg de Messwerte zu nterpoleren bzw. zu etrapoleren. Im Folgenden werden dafür geegnete Verfaren vorgestellt, sodass der Funktonsverlauf möglcst nae an den Messwerten legt. Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 4 Her wrd sc auf Interpolatonsverfaren konzentrert. De Etrapolaton auf Argumentenberece außeralb des bekannten Intervalls kann mest nct durc allgemengültge Metoden erfolgen, sondern sollte stark durc das Wssen um das generelle Veralten des pyskalscen Problems geprägt sen. Bespelwese könnte aus der Pysk der Aufgabenstellung bekannt sen, mt welcer Potenz ene Größe sc be der Annäerung an enen Grenzwert verändert..6. Interpolatonsformel von Lagrange (wrd auc als Laplace sce Interpolatonsformel bezecnet) Be der Lagrange-Interpolaton get man von n bekannten Punkten aus, y f ( ),, y f ( ),, n, yn f ( n) de durc das Polynom P von Grad ( n ) verbunden werden sollen ges.: Polynom vom Grade ( n ), welces alle Punkte verbndet n n y P A 0 Zur Bestmmung der Koeffzenten Multplkaton von Wert y mt Polynom n A wält man en enfaces Vorgeen ten Grades p n k k telen durc p man erält y p n 0 mt k k k y p k y k das Polynom, welces de Interpola- n n k damt st Pn y k k k tonsaufgabe löst, da k n n k( ) k k k k P P y y Egenscaften Da mt dem Grad des Polynoms auc de Anzal der Mama und Mnma stegt (en Polynom n-ten Grades at n- Etrema), negt de Interpolatonsfunkton zum Sclängeln. Zusätzlc ergeben sc numersce Probleme be der Polynombestmmung für oe Stützstellenzalen (als Faustregel: ab >00), da dann de numersce Produktberecnung nstabl wrd. Her betet sc ene Interpolaton n Telntervallen an (see Splne-Interpolaton m näcsten Kaptel).

18 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 5 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 6 Außeralb des Intervalls verält sc de Funkton we en Polynom n-ten Grades und st daer für ene Etrapolaton nct geegnet. Der Feler der Interpolaton nneralb des Interpolatonsntervalls (d.. de Abwecung des Polynoms von der egentlcen de Stützstellen verbndenden Orgnalfunkton) ängt m Wesentlcen von der Wal der Lage der Stützstellen ab. Für äqudstante Stützstellen st deser Feler an den Intervallrändern tendenzell besonders groß. Des kann durc ene optmerte Stützstellenwal umgangen werden, wenn z.b. als Stützstellen de ullstellen des Tscebysceff-Polynoms gewält werden. Es wrd en Polynom gesuct, das durc alle roten Krese get. De Lagrange- Interpolaton (blauer Plot) mt ren Etremwerten (blaue Punkte) wect dabe von der Splne-Interpolaton (grüner Plot) stark ab. (En Kodescnpsel zur Lagrange-Interpolaton und desem Plot fndet man m Anang) Bemerkung Das Tscebysceff-Polynom st Lösung der Dfferentalglecung y y n y 0 Für ganzzalge n ergeben sc als Lösungen Polynome, deren ullstellen durc bescreben werden. cos 0, n n.6. De Splne-Interpolaton De Lagrange-Interpolaton atte zum Enen starke Oszllatonen, zum Anderen st se nstabl be der Bestmmung großer Produkte. En besseres und wet verbretetes Verfaren st de Splne-Interpolaton, be der de Funkton nur n ewels klenen Telntervallen nterpolert wrd. Dabe werden de verscedenen Interpolanten nrecend glatt anenandergesetzt und Polynome gerngeren Grades genutzt. Bemerkung Splne: (aus Scffsbau) begsame Holzlatte durc alle Punkte legen und deren Spannung mnmeren Lösung enes Varatonsproblems z.b. mnmeren von d[ s( )]² De gebräuclcsten Splnes snd kubsce, d.. Polynome drtten Grades. Ansatz: Der Splne, s soll zwemal stetg dfferenzerbar sen. Daraus ergeben sc an den Intervallgrenzen folgende Bedngungen s y - stetger Anscluss an vorergeenden Splne s y s' s' s'' s'' - stetger Anscluss an nacfolgenden Splne - Stetgket der. Abletung s s - Stetgket der. Abletung '' '' n n 0 - kraftfree Enspannung an den Enden Dabe snd n edem Intervall ver Parameter für en Polynom drtten Grades anzupassen. Auf n Intervallen ergbt des 4( n ) Parameter und genauso

19 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 7 vele Bedngungen. We das daraus entsteende lneare Glecungssystem gelöst werden kann, wrd n enem späteren Kaptel vorgestellt. Bespelrecnung für den enfacen Fall mt äqudstanten Stützstellen (Bemerkung: Im Folgenden snd de Superskrpts n a en Inde und kene Potenzen.) Gegeben seen de Stützstellen mt dem äqudstanten Abstand, y,, n Der Splne m Intervall, s mt, at dann de Form s y a a a 6 mt den Koeffzenten = Abletungen der Ft-Funkton an der Stelle. Aus den Ansclussbedngungen folgt y y a a a 6 a a a a (*) a a a und an den Rändern st zusätzlc a 0 a 0 n Durc Ensetzen der Glecungen nenander lässt sc en lneares Glecungssystem für a fnden. Aus desem können dann de anderen Koeffzenten ( a, a ) bestmmt werden. Dafür wrd de letzte Glecung von (*) nac a a a a umgestellt / und n de anderen beden Glecungen engesetzt. Des ergbt Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 8 y y a a a 6 a a a a De obere Glecung von (**) wrd an den Intervallgrenzen und + aufgestellt. Aus desen beden Glecungen wrd a elmnert ndem de untere Glecung von (**) be aufgestellt wrd. Daraus folgt y a a a a y a 5a a a 6 6 y y a a a 6 Durc Elmnaton von a ergbt sc (**),, n 6 a 4a a yy y be,, n Mt den Randbedngungen lassen sc aus desem Glecungssystem alle zweten Abletungen a ermtteln. De anderen beden Koeffzenten ( a, a ) lassen sc dann durc Ensetzen n de entsprecenden Glecungen lect bestmmen..6. Ratonale Appromaton De bser dskuterten Interpolatonsverfaren zecnen sc durc ene oe Flebltät des Funktonenansatzes aus, d.. se lassen sc auf velfältge Probleme anwenden. Telwese erfordert das zu lösende Interpolatonsproblem edoc de Wal enes spezfscen, problemangepassten Funktonenansatzes. Falls de zu nterpolerende Funkton Polstellen aufwest, erscent folgender Polynomansatz günstg Pn y Qm wobe Pn ( ) und Qm ( ) Polynome vom Grade n bzw. m snd. De Anzal der bekannten Stützstellen k bestmmt de Polynomgrade durc mn. eben der Anzal der Pole ( m) kann z.b. mt m n de pyskalsce Informaton über das asymptotsce Veralten berücksctgt werden (für große st y ~ ). De Werte der Polynome lassen sc durc en Glecungssystem an den Stützstellen k bestmmen

20 Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4,..0 9 P y Q a 0 ak ak... f k b k bk... n k k m k Skrpt Computatonal Pyscs I, FSU-Jena, Prof. T. Pertsc, CP_Skrpt_WS0/4, Lneare Glecungssysteme Im Folgenden werden Verfaren zu Lösung von lnearen Glecungssystemen vorgestellt. Dabe betracten wr Systeme algebrascer Glecungen der Form a a a... a nn b a a a... ann b a a a... ann b... a a a... a b m m m mn n m Des können wr auc n der Matrdarstellung screben als  b Wobe  de Koeffzentenmatr st und b en Spaltenvektor. a a... a n b a a... a n  b, b am am am amn bm Ene alternatve Formulerung des Problems st n f f a b,, n,, m 0 mt. Implementerung n Computer-Algebra-Systemen Für de Anwendung von Lösungsalgortmen n Computer-Algebra-Systemen wrd das Problem zuerst nac verscedenen Gesctspunkten caraktersert. Wenn de Vektoren b und de glece Dmenson aben lässt sc das Problem am enfacsten lösen. Ist edoc ene Zele oder Spalte degenerert, d.. se st nct von den anderen Zelen bzw. Spalten lnear unabängg, treten Sngulartäten auf. Dese müssen gesondert betractet werden. Falls de Vektoren unterscedlce Dmensonen aben ergeben sc kompleere Aufgabenstellungen. Im Falle enes unterbestmmten Problems ergeben sc Lösungsräume, de vom Computer nur Bespelaft berecnet werden können. Für überbestmmte Probleme kann der Computer zur Lösung ener Mnmerungsaufgabe engesetzt werden (see Kaptel "ullstellen und Etrema") deren Lösung das lneare Glecungssystem "möglcst gut" löst. Her Konzentraton auf den Fall A (n m): Probleme be analytscer Lösung: degenererte Probleme ene Zele (Spalte) st Lnearkombnaton von anderen Zelen (Spalten) zelendegenerert (spaltendegenerert)

3. Numerische Lösung der Halbleiter-Gleichungen

3. Numerische Lösung der Halbleiter-Gleichungen 3. Numersce Lösung der Halbleter-Glecungen 3. Dskretserung der Posson-Glecung De Dskretserung von (3.) dv (ε grad ψ) st en Standardproblem der numerscen Matematk. Für rectwnklge d-gtter kann en Fünf-Punkte-Stern

Mehr

mit der Anfangsbedingung y(a) = y0

mit der Anfangsbedingung y(a) = y0 Numersce Lösung von Dfferentalglecungen De n den naturwssenscaftlc-tecnscen Anwendungen auftretenden Dfferentalglecungen snd n den wengsten Fällen eplzt lösbar. Man st desalb auf Näerungsverfaren angewesen.

Mehr

Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08

Theorie und Numerik von Differentialgleichungen mit MATLAB und SIMULINK. K. Taubert Universität Hamburg SS08 Teore und Numerk von Dfferentalglecungen mt MATLAB und SIMULINK K Taubert Unverstät Hamburg SS8 Partelle Dfferentalglecungen 3 EINFÜHRENDE BEISPIELE Zwe typsce partelle Dfferentalglecungen werden n Iren

Mehr

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme

Runge-Kutta-Theorie: Adjungierte Verfahren, A-Stabilität, Steife Systeme Runge-Kutta-Teore: Adjungerte Verfaren, A-Stabltät, Stefe Systeme Andre Neubert bat@un-paderborn.de Semnar Numerk für Informatker, SS2004: Runge-Kutta-Teore Sete Glederung : - Adjungerte Verfaren / Symmetrsce

Mehr

Bei der Sickerwasserbewegung an Staubauwerken wird das Potentialnetz für die Lösung der nachfolgenden 3 Aufgaben benötigt:

Bei der Sickerwasserbewegung an Staubauwerken wird das Potentialnetz für die Lösung der nachfolgenden 3 Aufgaben benötigt: Untersckerung von Staubauwerken, vergl. 04 Be der Sckerwasserbewegung an Staubauwerken wrd das Potentalnetz für de ösung der nacfolgenden 3 Aufgaben benötgt: Bestmmung des Sckwasserverlustes Q, Beurtelung

Mehr

3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. Gründe für Lagerbestände

3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. Gründe für Lagerbestände 3. Systeme des Bestandsmanagements Was st Bestandsmanagement? Grob gesagt, wrd m Bestandsmanagement festgelegt, welce Mengen enes Produktes zu welcem Zetpunkt zu bestellen snd Herdurc wrd der Bestand enes

Mehr

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ).

Sei T( x ) die Tangente an den Graphen der Funktion f(x) im Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Taylorentwcklung (Approxmaton durch Polynome). Problemstellung Se T( x ) de Tangente an den Graphen der Funkton f(x) m Punkt ( x 0, f(x 0 ) ) : T( x ) = f(x 0 ) + f (x 0 ) ( x - x 0 ). Dann kann man de

Mehr

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gauslng, M.Sc. C. Hendrcks, M.Sc. Sommersemester 1 Bergsche Unverstät Wuppertal Fachberech C Mathematk und Naturwssenschaften Angewandte Mathematk / Numersche Analyss Enführung

Mehr

Gründe für Lagerbestände. 3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem.

Gründe für Lagerbestände. 3.2 Systeme des Bestandsmanagements. Wie kommt es zu Lagerbeständen? 3.2.1 Klassisches Bestellmengenproblem. 3. Systeme des Bestandsmanagements Was st Bestandsmanagement? Grob gesagt, wrd m Bestandsmanagement festgelegt, welce Mengen enes Produktes zu welcem Zetpunkt zu bestellen snd Herdurc wrd der Bestand enes

Mehr

Computational Physics I

Computational Physics I Skrpt Computatonal Physcs I, FSU-Jena, Prof. T. Pertsch, CP_Skrpt_WS0/3,..0 Computatonal Physcs I Prof. Thomas Pertsch, Fredrch-Schller-Unverstät Jena 0. Enführung und Motvaton.... Grundlegende Methoden

Mehr

wissenschaftliche Einrichtung elektronik

wissenschaftliche Einrichtung elektronik wssenscaftlce Enrctung elektronk Oberscwngungen, Begrffe und Defntonen Prof.. Burgolte Labor Elektromagnetsce Verträglcket Facberec ngeneurwssenscaften Begrff Störgröße (dsturbance) Störfestgket (mmunty)

Mehr

Augmented Reality - 3D Wahrnehmung + perspektivische Abbildungen

Augmented Reality - 3D Wahrnehmung + perspektivische Abbildungen Augmented Realt - 3D Warnemung + perspektvsce Abbldungen Intellgente Mensc-Mascne-Interakton - IMMI SS 2 Prof. Dder Strcker Dder.Strcker@dfk.de De Vorlesung am 7.6 fndet m Raum Zuse am DFKI statt 2 Übersct

Mehr

Elemente der Mathematik - Sommer 2016

Elemente der Mathematik - Sommer 2016 Elemente der Mathematk - Sommer 2016 Prof Dr Matthas Lesch, Regula Krapf Lösungen Übungsblatt 3 Aufgabe 9 (10 Punkte) Das Horner-Schema st ene Methode zum Auswerten enes Polynoms n a0 x an der Stelle s

Mehr

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren

6 Rechnen mit Zahlen beliebig hoher Stellenzahl 7 Intervall-Arithmetik 8 Umsetzung in aktuellen Prozessoren Inhalt 4 Realserung elementarer Funktonen Rehenentwcklung Konvergenzverfahren 5 Unkonventonelle Zahlenssteme redundante Zahlenssteme Restklassen-Zahlenssteme logarthmsche Zahlenssteme 6 Rechnen mt Zahlen

Mehr

Lorenzattraktor:

Lorenzattraktor: 3 3 3 ) ( c b a 7... Lorenattraktor: D glecngssstem as Modell ür Bescrebng der Ltrklaton n der Erdatmospäre. We be der logstscen Parabel esteren we Attraktoren, wscen denen de Lösngskrve caotsc wecselt.

Mehr

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher.

NSt. Der Wert für: x= +1 liegt, erkennbar an dem zugehörigen Funktionswert, der gesuchten Nullstelle näher. PV - Hausaugabe Nr. 7.. Berechnen Se eakt und verglechen Se de Werte ür de Nullstelle, de mttels dem Verahren von Newton, der Regula als und ener Mttelung zu erhalten snd von der! Funkton: ( ) Lösungs

Mehr

Versuchs-Datum: Semester: Gruppe: Testat:

Versuchs-Datum: Semester: Gruppe: Testat: Labor: Elektrsce ascnen 1 Fakultät E Labor: Elektrsce ntrebstecnk Versuc E1-6: Glecstrommascne Versucs-Datum: Semester: Gruppe: Protokoll: Testat: Berct: Datum: 1. Versucszel Be desem Versuc sollen Se:

Mehr

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar.

2. Nullstellensuche. Eines der ältesten numerischen Probleme stellt die Bestimmung der Nullstellen einer Funktion f(x) = 0 dar. . Nullstellensuche Enes der ältesten numerschen Probleme stellt de Bestmmung der Nullstellen ener Funkton = dar. =c +c =c +c +c =Σc =c - sn 3 Für ene Gerade st das Problem trval, de Wurzel ener quadratschen

Mehr

Blatt 8. WKB; Trägheitsmomente starrer Körper - Lösungsvorschlag

Blatt 8. WKB; Trägheitsmomente starrer Körper - Lösungsvorschlag Fakultät für Pysk der LMU Müncen Lerstul für Kosmologe, Prof. Dr. V. Mukanov Übungen zu Klassscer Mecank T1) m SoSe 11 Blatt 8. WKB; Trägetsmomente starrer Körper - Lösungsvorsclag Aufgabe 8.1. WKB-Näerung

Mehr

Definition des linearen Korrelationskoeffizienten

Definition des linearen Korrelationskoeffizienten Defnton des lnearen Korrelatonskoeffzenten r xy x y y r x xy y 1 x x y y x Der Korrelatonskoeffzent st en Indkator dafür, we gut de Punkte (X,Y) zu ener Geraden passen. Sen Wert legt zwschen -1 und +1.

Mehr

Kernphysik I. Kernkräfte und Kernmodelle: Deuteron

Kernphysik I. Kernkräfte und Kernmodelle: Deuteron Kernpysk I Kernkräfte und Kernmodelle: Deuteron Wederolung: Ladungsunabänggket der Kernkräfte Neutronen und Protonen aben nct nur fast de glece Masse, sondern snd auc n rer Kernwecselwrkung änlc. Des set

Mehr

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog

Das zum dualen Problem (10.2) gehörige Barriere-Problem lautet analog 60 Kaptel 2. Lneare Optmerung 10 Innere-Punkte-Verfahren Lteratur: Geger, Kanzow, 2002, Kaptel 4.1 Innere-Punkte-Verfahren (IP-Verfahren) oder nteror pont methods bewegen sch m Gegensatz zum Smplex-Verfahren

Mehr

n y j l j (x) È n. j=0 n (x x j ). f(x) = a y n+1 p n (x n+1 ) (x n+1 x 0 )...(x n+1 x n ).

n y j l j (x) È n. j=0 n (x x j ). f(x) = a y n+1 p n (x n+1 ) (x n+1 x 0 )...(x n+1 x n ). 5 Interpolaton 5.1 De Lagrangesche Interpolatonsaufgabe Mt È n bezechnen wr den Raum der reellen Polynome vom Grad n. Gegeben seen n+1 verschedene Stützstellen x j Ê, j = 0,...,n, und n + 1 ncht notwendg

Mehr

14 Auch teilen will gelernt sein Brüche

14 Auch teilen will gelernt sein Brüche Auc telen wll gelernt sen Brüce Ft. Sommerparty Zu desem Kaptel gbt es fertge Unterrctsmateralen für das Offene Lernen unter: ttp: //www.besseresbuc.at te Sara und Tom geben ene Sommerparty. Dazu aben se

Mehr

Bayessche Netzwerke. von Steffen Otto. Proseminar: Machine Learning

Bayessche Netzwerke. von Steffen Otto. Proseminar: Machine Learning Bayessce Netzwerke von Steffen Otto Prosemnar: Macne Learnng Bayessce Netzwerke Inaltsverzecns 1 Enletung... 3 2 Bayessce Netzwerke... 3 2.1 Allgemene Struktur... 3 2.2 Datenerebung zum Aufstellen enes

Mehr

Konkave und Konvexe Funktionen

Konkave und Konvexe Funktionen Konkave und Konvexe Funktonen Auch wenn es n der Wrtschaftstheore mest ncht möglch st, de Form enes funktonalen Zusammenhangs explzt anzugeben, so kann man doch n velen Stuatonen de Klasse der n Frage

Mehr

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel

Multilineare Algebra und ihre Anwendungen. Nr. 6: Normalformen. Verfasser: Yee Song Ko Adrian Jenni Rebecca Huber Damian Hodel ultlneare Algebra und hre Anwendungen Nr. : Normalformen Verfasser: Yee Song Ko Adran Jenn Rebecca Huber Daman Hodel 9.5.7 - - ultlneare Algebra und hre Anwendungen Jordan sche Normalform Allgemene heore

Mehr

16. Vorlesung Sommersemester

16. Vorlesung Sommersemester 16. Vorlesung Sommersemester 1 Das Egenwertproblem In allgemener Form hat das Egenwertproblem de Form A x = λ x, (1) wobe A ene n n-matrx, x en n-dmensonaler Vektor und λ der Egenwert st (n Englsch: egenvector,

Mehr

Wenn 1 kg Wasser verdampft, leistet es gegen den Atmosphärendruck eine Arbeit von 169 kj.

Wenn 1 kg Wasser verdampft, leistet es gegen den Atmosphärendruck eine Arbeit von 169 kj. A. (Bespel) Welce Arbet wrd gelestet, wenn kg Wasser be o C (n der Küce) verdampft? ( l (H O) = 953,4 kg/m³, g (H O) =,5977 kg/m³ ) Der Vorgang läuft be dem konstanten Druck p =,3 bar ab. Da der Druck

Mehr

1 Definition und Grundbegriffe

1 Definition und Grundbegriffe 1 Defnton und Grundbegrffe Defnton: Ene Glechung n der ene unbekannte Funkton y y und deren Abletungen bs zur n-ten Ordnung auftreten heßt gewöhnlche Dfferentalglechung n-ter Ordnung Möglche Formen snd:

Mehr

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 )

( ) γ. (t 1 ) (t 2 ) = Arg γ 2(t 2 ) Funktonentheore, Woche 10 Bholomorphe Abbldungen 10.1 Konform und bholomorph Ene konforme Abbldung erhält Wnkel und Orenterung. Damt st folgendes gement: Wenn sch zwe Kurven schneden, dann schneden sch

Mehr

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13

Mi , Dr. Ackermann Übungsaufgaben Gewöhnliche Differentialgleichungen Serie 13 M. 3. 5-4. 45, Dr. Ackermann 6..4 Übungsaufgaben Gewöhnlche Dfferentalglechungen Sere 3.) Bestmmung ener homogenen Dfferentalglechung zu gegebenen Funktonen y (partkuläre Lösungen) enes Fundamentalsystems.

Mehr

3. Lineare Algebra (Teil 2)

3. Lineare Algebra (Teil 2) Mathematk I und II für Ingeneure (FB 8) Verson /704004 Lneare Algebra (Tel ) Parameterdarstellung ener Geraden Im folgenden betrachten wr Geraden m eukldschen Raum n, wobe uns hauptsächlch de Fälle n bzw

Mehr

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz):

Aufgabe 8 (Gewinnmaximierung bei vollständiger Konkurrenz): LÖSUNG AUFGABE 8 ZUR INDUSTRIEÖKONOMIK SEITE 1 VON 6 Aufgabe 8 (Gewnnmaxmerung be vollständger Konkurrenz): Betrachtet wrd en Unternehmen, das ausschleßlch das Gut x produzert. De m Unternehmen verwendete

Mehr

Methoden der innerbetrieblichen Leistungsverrechnung

Methoden der innerbetrieblichen Leistungsverrechnung Methoden der nnerbetreblchen Lestungsverrechnung In der nnerbetreblchen Lestungsverrechnung werden de Gemenosten der Hlfsostenstellen auf de Hauptostenstellen übertragen. Grundlage dafür snd de von den

Mehr

Vorlesung 3 Differentialgeometrie in der Physik 13

Vorlesung 3 Differentialgeometrie in der Physik 13 Vorlesung 3 Dfferentalgeometre n der Physk 13 Bemerkung. Ist M Manngfaltgket, p M und φ : U R n Karte mt p U, so nennt man U auch Koordnatenumgebung und φ auch Koordnatensystem n p. Bespel 2.4 Seen R >

Mehr

Numerische Methoden II

Numerische Methoden II umersche Methoden II Tm Hoffmann 23. Januar 27 umersche Bespele umersche Methoden zur Approxmaton von Dervatpresen: - Trnomsche Gttermethode - Implzte Fnte Dfferenzen - Explzte Fnte Dfferenzen - Crank-colson

Mehr

Lösungen der Aufgaben zu Kapitel 2

Lösungen der Aufgaben zu Kapitel 2 Lösungen der Aufgaben zu Kaptel Abschntt 1 Aufgabe 1 Wr benutzen de Potenzrechenregeln, um ene Potenz von mt geradem Eponenten n oder mt ungeradem Eponenten n + 1 we folgt darzustellen: n n und n+1 n n

Mehr

Rekonstruktion kontinuierlicher Daten Interpolation 1D. Prof. U. Rüde - Algorithmik kontinuierlicher Systeme

Rekonstruktion kontinuierlicher Daten Interpolation 1D. Prof. U. Rüde - Algorithmik kontinuierlicher Systeme Algorthmk kontnuerlcher Ssteme Rekonstrukton kontnuerlcher Daten Interpolaton D SS 07 Interpolaton n D Prof. U. Rüde - Algorthmk kontnuerlcher Ssteme Motvaton Rekonstrukton kontnuerlcher Daten aus dskreten

Mehr

AWP für Diff gleichungen höherer Ordnung in IR:

AWP für Diff gleichungen höherer Ordnung in IR: d d j j j j,,, j j 7..8. AWP für Dff glecngen öerer Ordnng n IR: Gegeben ene Bedngng für de j-te Abletng der salaren Fnton mt Anfangswerten Umformleren n Dff glecng erster Ordnng m IR j : Defnere daz Vetorfnton

Mehr

6. Übung zur Linearen Algebra II

6. Übung zur Linearen Algebra II Unverstät Würzburg Mathematsches Insttut Prof. Dr. Peter Müller Dr. Peter Fleschmann SS 2006 30.05.2006 6. Übung zur Lnearen Algebra II Abgabe: Bs Mttwoch, 14.06.2006, 11:00 Uhr n de Brefkästen vor der

Mehr

1 Mehrdimensionale Analysis

1 Mehrdimensionale Analysis 1 Mehrdmensonale Analyss Bespel: De Gesamtmasse der Erde st ene Funton der Erddchte ρ Erde und des Erdradus r Erde De Gesamtmasse der Erde st dann m Erde = V Erde ρ Erde Das Volumen ener Kugel mt Radus

Mehr

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden.

Daten sind in Tabellenform gegeben durch die Eingabe von FORMELN können mit diesen Daten automatisierte Berechnungen durchgeführt werden. Ene kurze Enführung n EXCEL Daten snd n Tabellenform gegeben durch de Engabe von FORMELN können mt desen Daten automatserte Berechnungen durchgeführt werden. Menüleste Symbolleste Bearbetungszele aktve

Mehr

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder -

Seminar Analysis und Geometrie Professor Dr. Martin Schmidt - Markus Knopf - Jörg Zentgraf. - Fixpunktsatz von Schauder - Unverstät Mannhem Fakultät für Mathematk und Informatk Lehrstuhl für Mathematk III Semnar Analyss und Geometre Professor Dr. Martn Schmdt - Markus Knopf - Jörg Zentgraf - Fxpunktsatz von Schauder - Ncole

Mehr

Kapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation

Kapitel 8: Kernel-Methoden. Maschinelles Lernen und Neural Computation Kaptel 8: Kernel-Methoden SS 009 Maschnelles Lernen und Neural Computaton 50 Ausgangsbass: Perceptron Learnng Rule Δw y = Kf = 0Ksonst K"target" = Kf Rosenblatt (96) Input wrd dazugezählt (abgezogen),

Mehr

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung

Fachbereich Mathematik Prof. K. Grosse-Brauckmann D. Frisch WS 2007/08 10./ Gruppenübung Fachberech Mathematk Prof. K. Grosse-Brauckmann D. Frsch WS 27/8./.. 6. Übungsblatt zur Lnearen Algebra für Physker Gruppenübung Aufgabe G7 (Kern, Bld, Rang und Orthogonaltät) Gegeben se ene lneare Abbldung

Mehr

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung

Die Annäherung der Binomialverteilung durch die Normalverteilung am Beispiel eines Modells der Schadenversicherung am Bespel enes Modells der chadenverscherung Für das Modell ener chadenverscherung se gegeben: s w s. n 4 chaden enes Verscherungsnehmers, wenn der chadenfall entrtt Wahrschenlchket dafür, dass der chadenfall

Mehr

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n

Regressionsgerade. x x 1 x 2 x 3... x n y y 1 y 2 y 3... y n Regressonsgerade x x x x 3... x n y y y y 3... y n Bem Auswerten von Messrehen wrd häufg ene durch theoretsche Überlegungen nahegelegte lneare Bezehung zwschen den x- und y- Werten gesucht, d.h. ene Gerade

Mehr

Resultate / "states of nature" / mögliche Zustände / möglicheentwicklungen

Resultate / states of nature / mögliche Zustände / möglicheentwicklungen Pay-off-Matrzen und Entschedung unter Rsko Es stehen verschedene Alternatven (Strategen) zur Wahl. Jede Stratege führt zu bestmmten Resultaten (outcomes). Man schätzt dese Resultate für jede Stratege und

Mehr

Teil XIV. Lösung linearer Gleichungssysteme. Scientific Computing in Computer Science, Technische Universität München

Teil XIV. Lösung linearer Gleichungssysteme. Scientific Computing in Computer Science, Technische Universität München Tel XIV Lösung lnearer Glechungssysteme IN8008, Wntersemester 010/011 89 Gauss Algorthmus Zwe Schrtte: Vorwärtselmnaton und Rückwärtssubsttuton Vorwärtselmnaton Erzeugen ener Stufenform Zelen dürfen mt

Mehr

Nullstellen Suchen und Optimierung

Nullstellen Suchen und Optimierung Nullstellen Suchen und Optmerung Typsche Probleme: De optmale Bahnkurve De Mnmerung des Erwartungswertes ür den Hamltonan Wr möchten ene Funkton mnmeren oder mameren solch en Problem wrd Optmerung genannt!

Mehr

MINERGIE und Passivhaus: Zwei Gebäudestandards im Vergleich

MINERGIE und Passivhaus: Zwei Gebäudestandards im Vergleich Energeforscung Programm Ratonelle Energenutzung n Gebäuden m Auftrag des Bundesamts für Energe BFE Jaresberct MINERGIE und Passvaus: Zwe Gebäudestandards m Verglec Autor und Koautoren A. Bnz, A. Haas.

Mehr

Die Transzendenz der Eulerschen Zahl e

Die Transzendenz der Eulerschen Zahl e De Transzendenz der Eulerschen Zahl e nach Jean-Paul Delahaye Der n [1, Seten 21-22] skzzerte Bewes der Transzendenz der Eulerschen Zahl e wrd m folgenden ausgeführt. En alternatver Bewes, der auf Ideen

Mehr

Vermessungskunde für Bauingenieure und Geodäten

Vermessungskunde für Bauingenieure und Geodäten Vermessungskunde für Baungeneure und Geodäten Übung 4: Free Statonerung (Koordnatentransformaton) und Flächenberechnung nach Gauß Mlo Hrsch Hendrk Hellmers Floran Schll Insttut für Geodäse Fachberech 13

Mehr

22. Vorlesung Sommersemester

22. Vorlesung Sommersemester 22 Vorlesung Sommersemester 1 Bespel 2: Würfel mt festgehaltener Ecke In desem Fall wählt man den Koordnatenursprung n der Ecke und der Würfel st durch den Berech x = 0 a, y = 0 a und z = 0 a bestmmt De

Mehr

Übersicht der Vorlesung

Übersicht der Vorlesung Überscht der Vorlesung. Enführung. Bldverarbetung 3. Morphologsche Operatonen 4. Bldsegmenterung 5. Merkmale von Objekten 6. Klassfkaton 7. Dredmensonale Bldnterpretaton 8. Bewegungsanalyse aus Bldfolgen

Mehr

Vermessungskunde für Bauingenieure und Geodäten

Vermessungskunde für Bauingenieure und Geodäten Vermessungskunde für Baungeneure und Geodäten Übung 4: Free Statonerung (Koordnatentransformaton) und Flächenberechnung nach Gauß Mlo Hrsch Hendrk Hellmers Floran Schll Insttut für Geodäse Fachberech 13

Mehr

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung:

wird auch Spannweite bzw. Variationsbreite genannt ist definiert als die Differenz zwischen dem größten und kleinsten Messwert einer Verteilung: Streuungswerte: 1) Range (R) ab metrschem Messnveau ) Quartlabstand (QA) und mttlere Quartlabstand (MQA) ab metrschem Messnveau 3) Durchschnttlche Abwechung (AD) ab metrschem Messnveau 4) Varanz (s ) ab

Mehr

Experimentalphysik II (Kip SS 2007)

Experimentalphysik II (Kip SS 2007) permentalphsk II (Kp SS 007) Zusatvorlesungen: Z-1 n- und mehrdmensonale Integraton Z- Gradent, Dvergen und Rotaton Z-3 Gaußscher und Stokesscher Integralsat Z-4 Kontnutätsglechung Z-5 lektromagnetsche

Mehr

e dt (Gaußsches Fehlerintegral)

e dt (Gaußsches Fehlerintegral) Das Gaußsche Fehlerntegral Φ Ac 5-8 Das Gaußsche Fehlerntegral Φ st denert als das Integral über der Standard-Normalvertelung j( ) = -,5 n den Grenzen bs, also F,5 t ( ) = - e dt (Gaußsches Fehlerntegral)

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Grundlagen der numerischen Strömungsmechanik, WS 2011/12

Grundlagen der numerischen Strömungsmechanik, WS 2011/12 Lehrstuhl für Aerodynamk und Strömungsmechank Prof H-J Kaltenbach Assstenz: E Lauer Grundlagen der numerschen Strömungsmechank, WS / Lösung zu Übung 5 Aufgabe : Fnte-Elemente-Verfahren De Dfferentalglechung

Mehr

Gruppe. Lineare Block-Codes

Gruppe. Lineare Block-Codes Thema: Lneare Block-Codes Lneare Block-Codes Zele Mt desen rechnerschen und expermentellen Übungen wrd de prnzpelle Vorgehenswese zur Kanalcoderung mt lnearen Block-Codes erarbetet. De konkrete Anwendung

Mehr

Kapitel V. Parameter der Verteilungen

Kapitel V. Parameter der Verteilungen Kaptel V Parameter der Vertelungen D. 5.. (Erwartungswert) Als Erwartungswert ener Zufallsvarablen X bezechnet man: E( X ) : Dabe se vorausgesetzt: = = + p falls X dskret f d falls X stetg und = + p

Mehr

Hydrosystemanalyse: Finite-Elemente-Methode (FEM)

Hydrosystemanalyse: Finite-Elemente-Methode (FEM) Hydrosystemanalyse: Prof. Dr.-Ing. habl. Olaf Koldtz 1 Helmholtz Centre for Envronmental Research UFZ, Lepzg 2 Technsche Unverstät Dresden TUD, Dresden Dresden, 03. Jul 2015 1/31 Prof. Dr.-Ing. habl. Olaf

Mehr

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen

Lineare Regression. Stefan Keppeler. 16. Januar Mathematik I für Biologen, Geowissenschaftler und Geoökologen Mathematk I für Bologen, Geowssenschaftler und Geoökologen 16. Januar 2012 Problemstellung Bespel Maß für Abwechung Trck Mnmum? Exponentalfunktonen Potenzfunktonen Bespel Problemstellung: Gegeben seen

Mehr

5.3.3 Relaxationsverfahren: das SOR-Verfahren

5.3.3 Relaxationsverfahren: das SOR-Verfahren 53 Iteratve Lösungsverfahren für lneare Glechungssysteme 533 Relaxatonsverfahren: das SOR-Verfahren Das vorangehende Bespel zegt, dass Jacob- sowe Gauß-Sedel-Verfahren sehr langsam konvergeren Für de Modellmatrx

Mehr

I) Mechanik 1.Kinematik (Bewegung)

I) Mechanik 1.Kinematik (Bewegung) I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate

Mehr

Diskrete Mathematik 1 WS 2008/09

Diskrete Mathematik 1 WS 2008/09 Ruhr-Unverstät Bochum Lehrstuhl für Kryptologe und IT-Scherhet Prof. Dr. Alexander May M. Rtzenhofen, M. Mansour Al Sawad, A. Meurer Lösungsblatt zur Vorlesung Dskrete Mathematk 1 WS 2008/09 Blatt 7 /

Mehr

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines

Sequential minimal optimization: A fast Algorithm for Training Support Vector machines Sequental mnmal optmzaton: A fast Algorthm for Tranng Support Vector machnes By John C. Platt (998) Referat von Joerg Ntschke Fall der ncht-trennbaren Tranngs-Daten (/) In der Realtät kommen lnear ncht-trennbare

Mehr

Facility Location Games

Facility Location Games Faclty Locaton Games Semnar über Algorthmen SS 2006 Klaas Joeppen 1 Abstract Wr haben berets sehr häufg von Nash-Glechgewchten und vor allem von deren Exstenz gesprochen. Das Faclty Locaton Game betet

Mehr

6. Modelle mit binären abhängigen Variablen

6. Modelle mit binären abhängigen Variablen 6. Modelle mt bnären abhänggen Varablen 6.1 Lneare Wahrschenlchketsmodelle Qualtatve Varablen: Bnäre Varablen: Dese Varablen haben genau zwe möglche Kategoren und nehmen deshalb genau zwe Werte an, nämlch

Mehr

Modellierung von Hydrosystemen Numerische und daten-basierte Methoden 2018 Finite-Elemente-Methode Selke-Modell

Modellierung von Hydrosystemen Numerische und daten-basierte Methoden 2018 Finite-Elemente-Methode Selke-Modell Modellerung von Hydrosystemen Numersche und daten-baserte Methoden BHYWI-22-21 @ 2018 Fnte-Elemente-Methode Selke-Modell Olaf Koldtz *Helmholtz Centre for Envronmental Research UFZ 1 Technsche Unverstät

Mehr

Die Jordansche Normalform

Die Jordansche Normalform De Jordansche Normalform Danel Hug 29. Aprl 211 KIT Unverstät des Landes Baden-Württemberg und natonales Forschungszentrum n der Helmholtz-Gemenschaft www.kt.edu 1 Zerlegung n Haupträume 2 Fazt und nächstes

Mehr

Zwei Sätze von Joseph Wolstenholme. Johann Cigler

Zwei Sätze von Joseph Wolstenholme. Johann Cigler Zwe Sätze von Joseh Wolstenholme Johann Cgler Vor enger Zet sandte mr Herr P., en hlosohsch gebldeter älterer Mann, enge Bemerkungen zu enem Resultat von Joseh Wolstenholme, das er folgendermaßen formulerte:

Mehr

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x,

Analysis I. Vorlesung 17. Logarithmen. R R, x exp x, Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analyss I Vorlesung 17 Logarthmen Satz 17.1. De reelle Exponentalfunkton R R, x exp x, st stetg und stftet ene Bjekton zwschen R und R +. Bewes. De Stetgket

Mehr

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n.

Asymptotische Stochastik (SS 2010) Übungsblatt 1 P X. 0, n. Insttut für Stochastk PD. Dr. Deter Kadelka Danel Gentner Asymptotsche Stochastk (SS 2) Übungsblatt Aufgabe (Arten von Konvergenz reeller Zufallsvarablen und deren Zusammenhänge) Es seen X,, n N reelle

Mehr

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1.

9 Komplexe Zahlen ( ) ( ) 9.1 Ziele. 9.2 Warum braucht man komplexe Zahlen? 9.3 Darstellung von komplexen Zahlen. r 2. j 2. j 1. Mathematk I / Komplexe Zahlen 9 Komplexe Zahlen 9. Zele Am Ende deses Kaptels hast Du ene Grundvorstellung was komplexe Zahlen snd. Du kannst se grafsch darstellen und enfache Berechnungen durchführen.

Mehr

Dynamisches Programmieren

Dynamisches Programmieren Marco Thomas - IOI 99 -. Treffen n Bonn - Dynamsches Programmeren - Unverstät Potsdam - 8.02.999 Dynamsches Programmeren 957 R. Bellmann: Dynamc Programmng für math. Optmerungsprobleme Methode für Probleme,.

Mehr

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT

SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT Smulaton von Hybrdfahrzeugantreben mt optmerter Synchronmaschne 1 SIMULATION VON HYBRIDFAHRZEUGANTRIEBEN MIT OPTIMIERTER SYNCHRONMASCHINE H. Wöhl-Bruhn 1 EINLEITUNG Ene Velzahl von Untersuchungen hat sch

Mehr

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit

Grundlagen der Technischen Informatik. 12. Übung. Christian Knell Keine Garantie für Korrekt-/Vollständigkeit Grundlagen der Technschen Informatk 12. Übung Chrstan Knell Kene Garante für Korrekt-/Vollständgket 12. Übungsblatt Themen Aufgabe 1: Aufgabe 2: Aufgabe 3: Komparator Adderer/Subtraherer Mehr-Operanden-Adderer

Mehr

18. Dynamisches Programmieren

18. Dynamisches Programmieren 8. Dynamsches Programmeren Dynamsche Programmerung we gerge Algorthmen ene Algorthmenmethode, um Optmerungsprobleme zu lösen. We Dvde&Conquer berechnet Dynamsche Programmerung Lösung enes Problems aus

Mehr

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet.

Determinanten - I. den i-ten Zeilenvektor der n n-matrix A bezeichnet. Determnanten - I Ene Determnante st ene Abbldung, welche ener quadratschen (!) Matrx ene Zahl zuordnet. Wr verwenden n desem Zusammenhang de Schrebwese A = a 2, wobe den -ten Zelenvektor der n n-matrx

Mehr

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik

Optimierung 4.3 A2 : Warenhauszentrale a 2 +b 2 =c 2 Materialbörse Mathematik Zechenerklärung: [ ] - Drücken Se de entsprechende Taste des Graphkrechners! [ ] S - Drücken Se erst de Taste [SHIFT] und dann de entsprechende Taste! [ ] A - Drücken Se erst de Taste [ALPHA] und dann

Mehr

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper

Zweck. Radiometrische Kalibrierung. Traditioneller Ansatz. Kalibrierung ohne Kalibrierkörper Raometrsche Kalbrerung Tratoneller Ansatz Kalbrerung aus mehreren Blern Behanlung von übersteuerten Blern Zweck Das Antwortverhalten es Systems Kamera Framegrabber st ncht mmer lnear Grauwerte sn ncht

Mehr

Streuungs-, Schiefe und Wölbungsmaße

Streuungs-, Schiefe und Wölbungsmaße aptel IV Streuungs-, Schefe und Wölbungsmaße B... Lagemaße von äufgketsvertelungen geben allen weng Auskunft über ene äufgketsvertelung. Se beschreben zwar en Zentrum deser Vertelung, geben aber kenen

Mehr

Die Hamilton-Jacobi-Theorie

Die Hamilton-Jacobi-Theorie Kaptel 7 De Hamlton-Jacob-Theore Ausgearbetet von Rolf Horn und Bernhard Schmtz 7.1 Enletung Um de Hamlton schen Bewegungsglechungen H(q, p q k = p k H(p, q ṗ k = q k zu verenfachen, führten wr de kanonschen

Mehr

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition

Informatik II. Minimalpolynome und Implikanten. Minimalpolynome. Minimalpolynome. Rainer Schrader. 27. Oktober Was bisher geschah: Definition Informatk II Raner Schrader und Implkanten Zentrum für Angewandte Informatk Köln 27. Oktober 2005 1 / 28 2 / 28 Was bsher geschah: jede Boolesche Funkton kann durch enfache Grundfunktonen dargestellt werden

Mehr

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen

6.5. Rückgewinnung des Zeitvorgangs: Rolle der Pole und Nullstellen 196 6.5. Rückgewnnung des Zetvorgangs: Rolle der Pole und Nullstellen We n 6.2. und 6.. gezegt wurde, st de Übertragungsfunkton G( enes lnearen zetnvaranten Systems mt n unabhänggen Spechern ene gebrochen

Mehr

Intertemporale Diversifikation im VAR-Ansatz

Intertemporale Diversifikation im VAR-Ansatz Mannemer Manuskrpte zu Rskoteore, Portfolo Management und Verscerungswrtscaft Nr. 46 Intertemporale Dversfkaton m VAR-Ansatz Erklärung "paradoxer Pänomene" be langen Prognosezeträumen von ELKE EBERTS Mannem

Mehr

Grundgedanke der Regressionsanalyse

Grundgedanke der Regressionsanalyse Grundgedanke der Regressonsanalse Bsher wurden durch Koeffzenten de Stärke von Zusammenhängen beschreben Mt der Regressonsrechnung können für ntervallskalerte Varablen darüber hnaus Modelle geschätzt werden

Mehr

Seminar über Numerische Mathematik

Seminar über Numerische Mathematik Andreas Mester Semnar über Numersche Mathematk Semnar m Wntersemester 008/009 Unverstät Kassel Fachberech Mathematk Inhaltsverzechns Bezer-Kurven 1 1 Enletung 1 Der Algorthmus von de-castelau.1 Parabeln....................................

Mehr

Stochastische Prozesse

Stochastische Prozesse INSTITUT FÜR STOCHASTIK SS 009 UNIVERSITÄT KARLSRUHE Blatt 4 Prv.-Doz. Dr. D. Kadelka Dpl.-Math. W. Lao Übungen zur Vorlesung Stochastsche Prozesse Musterlösungen Aufgabe 16: (Success Run, Fortsetzung)

Mehr

IT Governance Kontrolle und Steuerung von Operationellen Risiken mit Hilfe eines Neuronalen Netzes im CoBIT-Frame

IT Governance Kontrolle und Steuerung von Operationellen Risiken mit Hilfe eines Neuronalen Netzes im CoBIT-Frame IT Goernance Kontrolle und Steuerung on Operatonellen Rsken mt Hlfe enes Neuronalen Netzes m CoBIT-Frame Zusammenfassung Ene Netzstruktur n Form enes Modfed Restrcted Boltzmann Netzes wrd über alle Standard-Prozesse

Mehr

1 α. Nach [Joerg93] motiviert man eine Interpolation als Bildung einer gewichteten Summe der Z- Werte von vier Punkten und erhält so die Darstellung

1 α. Nach [Joerg93] motiviert man eine Interpolation als Bildung einer gewichteten Summe der Z- Werte von vier Punkten und erhält so die Darstellung 4 ž 4 Datenanalyse 4 Datenanalyse 41 Interpolaton En Snal, das emäß den Bednunen des Abtastteorems dskretsert wurde, kann vollständ rekonstruert werden, das eßt auc Werte, de nct auf dem Gtter leen, können

Mehr

Lineare Regression (1) - Einführung I -

Lineare Regression (1) - Einführung I - Lneare Regresson (1) - Enführung I - Mttels Regressonsanalysen und kompleeren, auf Regressonsanalysen aserenden Verfahren können schenar verschedene, jedoch nenander üerführare Fragen untersucht werden:

Mehr

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler

I)1. Kinematik. EP WS 2009/10 Dünnweber/Faessler I)1. Knematk I) Mechank 1.Knematk (Bewegung) 2. Dynamk on Massenpunkten (Enfluss on Kräften) 3. Starre Körper 4.Deformerbare Meden 5. Schwngungen, Wellen, Akustk I)1. Knematk Bewegungslehre (Zel: Quanttate

Mehr