(L p Norm, 1 p < ). h U f h V
|
|
- Karsten Baumann
- vor 5 Jahren
- Abrufe
Transkript
1 2 Approximtion Bei der Interpoltion von f C[, b] wird eine einfch berechenbre Funktion h us einem Untervektorrum von C[, b] gesucht, die in einer gewissen Anzhl von Punkten mit f übereinstimmt. Bei der Approximtion suchen wir eine einfch strukturierte Funktion h, die die Funktion f in [, b] gut drstellt, so dss f(x) h(x) für lle x [, b] möglichst klein wird. 2. Existenz von Bestpproximtion Wir betrchten die folgenden Normen für f C[, b] : bzw. f := mx x [,b] f(x) ( b f p := ) f(x) p p dx (Mximumnorm, Tschebyscheff-Norm) (L p Norm, p < ). Definition 2.. Sei U ein Untervektorrum des normierten Vektorrums V mit der Norm. =. V. Ein Element h von U heißt beste Approximtion (Proximum) von f V, wenn gilt. Der optimle Wert f h V f h V h U (2.) E U (f) := inf h U f h V heißt Minimlbweichung von f bzgl. U. Ds Problem (2.), eine beste Approximtion h U von f zu finden, heißt lineres Approximtionsproblem. Beispiel: Für V = C[, b] mit der Norm,. V =. spricht mn von Tschebyscheff-Approximtion. Als Untervektorrum von C[, b] können wir z.b. wählen. U = Π n (lgebrische Polynome bis zum Grd n) U = T n (trigonometrische Polynome vom Grd n) U = S m (X) (Spline-Rum) Stz 2.2. Es sei U ein endlichdimensionler Untervektorrum des normierten Vektorrums V mit der Norm. =. V. Dnn gibt es zu jedem f V eine beste Approximtion. 5
2 Beweis. Flls es eine beste Approximtion h für f gibt, gilt Andererseits gilt nch Definition 2. h f h + f. f h f = f U d die Nullfunktion im Untervektorrum U enthlten ist. Also folgt h 2 f. Wir können uns dher bei der Suche nch h uf die Kugel K := { h U : h 2 f } beschränken. Diese Kugel ist für endlichdimensionle Räume U kompkt. Die Funktion f h ist uf K stetig, ht dher uf K ein Minimum. Dies liefert eine Bestpproximtion. Die Bestpproximtion muss nicht eindeutig sein. Wir erhlten Stz 2.3. Die Menge der besten Approximtionen us U n ein Element f V ist konvex. Beweis. Seien h, h zwei beste Approximtionen n f V, d.h. f h = f h = E U (f). Dnn folgt für h = λ h + ( λ) h und beliebiges λ [, ] f h = f λh ( λ) h = λ(f h ) + ( λ)(f h λ f h + ( λ) f h = E U (f). Ob die Bestpproximtion h n ein f V eindeutig ist oder nicht hängt von den Eigenschften der Norm. V b. Definition 2.4. Die Norm = V eines Vektorrumes V heißt streng konvex, wenn für jedes Pr x, y V mit x y und x = y = gilt Beispiele: x + y < 2. 52
3 ) Sei V = R 2 mit der Mximumnorm x V = mx( x, x 2 ), x := (x, x 2 ) T. Wähle nun U = R = {(x, ) T : x R}. Sei nun y = (, ) T. Dnn ht jeder Punkt x = (x, ) T U mit x den Abstnd von y und ist dmit beste Approximtion n y, denn (, ) T (x, ) T = ( x, ) =. 2) Sei V = R 2 mit der Euklidischen Norm x V = x 2 + x2 2 und U wie in Beispiel. Dnn ist nur x = (, ) T Bestpproximtion von y = (, ) T V, denn (, ) T (x, ) T 2 = ( x, ) T 2 = x =. In diesem Fll ist die beste Approximtion lso eindeutig bestimmt. Die Euklidische Norm ist streng konvex, denn für folgt x = (x, x 2 ) T, y = (y, y 2 ) T mit x 2 = y 2 = x + y 2 2 = (x + y ) 2 + (x 2 + y 2 ) 2 = x 2 + x y 2 + y x }{{}}{{} y + 2x 2 y }{{} 2 <2 < 4. 3) Sei V = C[, b] mit der Norm f = mx f(x). Diese Norm ist nicht x [,b] streng konvex. Wähle z.b. Dnn folgt f(x) in [, ], g(x) = x in [, ]. f = g =, f g und f + g = + x = 2. 4) Sei V = C[, b] mit der Norm Diese Norm ist streng konvex. b f 2 V = f(x) 2 dx. Beweis: Seien f, g C[, b] mit f 2 = g 2 =, f g gegeben. Dnn gilt f + g 2 2 = b b f(x) + g(x) 2 dx = } {{ } = b b f(x) 2 dx + g(x) 2 dx +2 }{{} = ( f(x) + g(x) ) ( f(x) + g(x) ) dx b f(x)g(x)dx. 53
4 Aus der Cuchy-Schwrzschen Ungleichung ergibt sich 2 b f(x)g(x)dx 2 f 2 g 2 = 2. Gleichheit gilt ber nur, flls f, g liner bhängig sind, d.h. f = λ g für λ und ist dher nicht möglich. Stz 2.5. Die Lösung eines lineren Approximtionsproblems ist bei streng konvexer Norm eindeutig bestimmt. Beweis. Es seien h, h U mit h h zwei beste Approximtionen n f V. Nch Stz 2.3 gilt dnn uch f 2 (h + h ) = 2 (f h ) + (f h ) = E U (f). Division durch E U (f) ergibt wegen die Ungleichung = f h 2 E U (f) + f h E U (f) f h = f h = E U (f) E U (f) 2 ( f h + f h ) < E U (f) E U (f) d die Norm streng konvex ist, und somit erhlten wir einen Widerspruch. Bemerkung: Die Umkehrung dieses Stzes gilt nicht! 2.2 Sklrprodukte und unitäre Vektorräume Wir wiederholen einige wichtige Begriffe und Sätze us der Lineren Algebr. Definition 2.6. Sei V ein Vektorrum über K {R, C}. Eine Abbildung.,. : V V K mit den folgenden Eigenschften (i) αx + βy, z = α x, z + β y, z α, β K, x, y, z V, (d.h.,.,. ist biliner, sesquiliner) (ii) x, y = y, x x, y V (d.h.,.,. ist symmetrisch bzw. hermitisch) 54
5 (iii) x, x x V \ {} (d.h.,.,. ist positiv definit) heißt Sklrprodukt (inneres Produkt) in V, und V heißt euklidisch (unitär). Beispiel: Sei V = C[, b] über R. Dnn ist ein Sklrprodukt in V. f, g := b f(x)g(x)dx Stz 2.7. (Cuchy-Schwrzsche Ungleichung) Sei V ein unitärer Vektorrum. Für x, y V gilt x, y 2 x, x y, y. Gleichheit gilt genu dnn, wenn x = λy mit λ Koder x = oder y =. Stz 2.8. In einem unitären Vektorrum ist x 2 := x, x, x V eine Norm. Beispiel: In V = C[, b] mit dem Sklrprodukt f, g = b f(x)g(x)dx ist eine Norm in V. f 2 = ( b f(x) 2 dx) 2 Stz 2.9. Die durch ein Sklrprodukt induzierte Norm x 2 = ( x, x ) 2, x V ist streng konvex. Beweis. Es gilt die Prllelogrmmgleichung x + y x y 2 2 = 2( x y 2 2 ). Für x 2 = y 2 = und x y folgt drus wegen x y 2 2 > x + y 2 2 < 2( x 2 + y 2 ) = 4. 55
6 Definition 2.. Zwei Elemente x, y eines unitären Vektorrums heißen orthogonl, flls x, y = gilt. Eine endliche oder bzählbre Menge von Elementen {x, x 2,..., x n,...} heißt orthonorml (Orthonormlsystem), wenn { i = k, x i, x k = δ ik = i k. Stz 2.. (Schmidtsches Orthonormierungsverfhren) Aus jedem System liner unbhängiger Elemente {, 2,..., n } des unitären Vektorrums V lässt sich ein orthonormles System {u, u 2,..., u n } gewinnen, und zwr rekursiv durch u =, u k = k k j= k, u j u j k k j= k, u j u j k = 2, 3,.... Approximtion in unitären Vektorräumen Problem: Sei V ein unitärer Vektorrum und U n ein Untervektorrum von V mit dim U n = n. Zu f V finde mn ein h U n mit f h 2 f h 2 h U n. D die durch ds Sklrprodukt induzierte Norm streng konvex ist, existiert zu jedem f V genu eine beste Approximtion h U n. Stz 2.2. Sei U n ein Untervektorrum des unitären Vektorrums V und dim U n = n. Ds Element h U n ist genu dnn beste Approximtion eines Elements f V, wenn f h, h = h U n gilt. Ds Element h heißt orthogonle Projektion von f uf U n. Ist {u,..., u n } eine Orthonormlbsis von U n, so ht h die Form h = n f, u j u j. j= Beweis.. Existenz: Sei {u,..., u n } eine Orthonormlbsis von U n. Dnn ist f h, h = h U n genu dnn erfüllt wenn f h, u j = j =,..., n, d.h., wenn f, u j = h, u j j =,..., n. 56
7 Wegen h U n, existieren Konstnten, 2,..., n C mit h = u + 2 u n u n. Also folgt h, u j = u n u n, u j = j. Ds Element h U mit n h = f, u j u j j= erfüllt lso die Bedingung f h, h = h U n. 2. Außerdem gilt für lle h U n f h 2 2 = f h + h h 2 2 = (f h ) + (h h), (f h ) + (h h) = f h f h, h h + h }{{} h, f h + h }{{} h 2 2 U }{{ n } f h, h h = }{{} U }{{ n } = = f h 2 + h h 2 }{{} f h 2 2. Gleichheit gilt genu dnn, wenn h = h. 2.3 Fourierreihen Sei f : R R eine 2π-periodische, stückweise stetige Funktion. Wir wollen f in T n := spn{, cos x, sin x,..., cos nx, sin nx} pproximieren. Sei p T n. Betrchte die Norm f 2 := ( f(x) 2 dx) 2 Gesucht ist p T n, so dss der Approximtionsfehler p f 2 := ( (L 2 Norm). ) (p (x) f(x)) 2 2 dx 57
8 miniml wird. Wir betrchten ds Sklrprodukt in L 2 ([, 2π)), f, g := f(x)g(x)dx f, g L 2 ([, 2π)). Stz 2.3. Die trigonometrischen Funktionen {, cos x,..., cos nx, sin nx} bilden in [, 2π] ein orthogonles System von T n. Es gilt j k, cos(jx) cos(kx)dx = 2π j = k =, j, k N, Beweis. Es gilt sin(jx) sin(kx)dx = π j = k, { j k, π j = k >, sin(jx) cos(kx)dx = j N, k N. j, k N, I := Für j k folgt cos(jx) cos(kx)dx = 2 [cos(j + k)x + cos(j k)x] dx. I = 2 [ ] 2π j + k sin(j + k)x + sin(j k)x =. (j k) Für j = k > folgt Für j = k = folgt ] 2π I = [ 2 2j sin(2jx) + 2 }{{} I = 2 Die nderen Identitäten folgen nlog. cos dx = π. cos } {{ + cos } dx = 2π. 2 Wir wenden nun Stz 2.2 uf den Vektorrum L 2 ([, 2π)) und den Untervektorrum T n der trigonometrischen Polynome n. 58
9 Stz 2.4. Ds trigonometrische Polynom p ist beste Approximtion von f L 2 ([, 2π)) in T n, wenn mit p (x) = 2 + n k (f) = k = π b k (f) = b k = π k= ( k cos(kx) + b k sin(kx)) f(x) cos(kx)dx f(x) sin(kx)dx (k =,..., n), (k =,..., n). Die Koeffizienten k, b k heißen Fourierkoeffizienten von f. Beweis. Wegen Stz 2.3 ist ds System { 2π, π cos x, π sin x,..., π cos(nx), π sin(nx)} orthonorml. Nch Stz 2.2 ht die orthogonle Projektion von f uf T n die Form wobei p (x) = f, + 2π 2π f, = 2π 2π π f, cos(jx) = π π f, sin(jx) = π n j= + f, sin(jx) ) sin(jx), π π ( f, cos(jx) cos(jx) π π f(x) dx = 2, f(x) cos(jx) dx = j j =,..., n, f(x) sin(jx) dx = b j j =,..., n. Numerische Berechnung der Fourierkoeffizienten Die komplexe Form des Fourier-Polynoms ist gegeben durch p (x) = n k= n c k (f) }{{} =:c k e ixk 59
10 mit c k (f) := 2 ( k ib k ) = 2π c k (f) := c k (f) = 2π c (f) := 2 = 2π Also erhlten wir c k (f) = 2π f(x)(cos(kx) i sin(kx) }{{} e ikx ) dx k =,..., n, f(x)e ikx dx k =,..., n, f(x) dx. f(x)e ikx dx = f, e ik, k = n,..., n. Grobe numerische Berechnung von c k (f): Wir zerlegen ds Intervll [, 2π] in Teilintervlle der Länge 2π und wenden zur näherungsweisen Berechnung des M Integrls die Rechteckregel n. Wir erhlten mit w M := e 2πi/M c k = 2π = M 2π M M j= M j= f( 2πj M ) e ik 2πj M f( 2πj M )wjk M. Die Koeffizienten c k lssen sich lso mit Hilfe einer DFT(M) berechnen. Bechte: M und n stehen nicht in Zusmmenhng, ber c k ist eine M-periodische Folge! Die Folge der Fourierkoeffizienten c k = c k (f) ist jedoch im Allgemeinen eine Nullfolge. Es gilt: Stz 2.5. Die Funktion f C([, 2π]) besitze eine bsolut konvergente Fourierreihe der Form f(x) = c j (f)e ijx = 2 + ( ) j (cos(jx)) + b j (sin(jx)). j= (Dies ist z.b. für f C ([, 2π)) der Fll). Dnn gilt die Alising-Formel j= c k = l= c k+lm (f) (k Z). 6
11 Beweis. Aus f(x) = l= c l(f)e ilx Wegen c k = M f(x j ) = M j= ergibt sich nch Lemm.29 c k = M = l= M j= ( l= c l (f) M l= folgt für x = x j = 2πj, j =,..., M, M c l (f)w lj M. f(x j ) w jk M, k =,..., M, ) c l (f) w lj M 8 < : M j= w jk M w lj M } {{ } k l modm M k = lmod M = r= c k+rm (f). Nch der Alising-Formel gilt lso für lle k Z c k c k (f) = (c k+lm (f) + c k lm (f)). l= Für k > M knn der bsolute Fehler c 2 k c k(f) lso größer ls c k (f) werden! Dmit c k eine gute Näherung von c k(f) ist, muss M lso im Vergleich zu n möglichst groß gewählt werden, mindestens M > 2n. Algorithmus: Eingbe: Wähle M > 2n, M = 2 t, L = 2 t.. Berechne c k = M M j= f( 2πj M )wjk M mittels eines FFT-Algorithmus (siehe Abschnitt.5). 2. Werte ds Polynom p (x) n den äquidistnten Stützstellen 2πj L, j =,..., L, mittels eines FFT-Algorithmus us. p ( 2πj L ) = n k= n 6 c k e 2πikj L }{{} = w jk L L k= c k w jk L
12 Beste Approximtion us T 8, berechnet mit obigem Algorithmus (mit M = 6 (links) und M = 32 (rechts)). mit c = (c, c,..., c n,,...,, c n,..., c )T C L. Ausgbe: p ( 2πj ), j =,..., L. L Beispiel: Wir pproximieren die 2π-periodische Funktion 2 t t π, π 2 π f(t) = 2 < t 3π, t 3π < t < 2π. π 2 durch ihre beste Approximtion in T 8, d.h., durch ihr Fourierpolynom p (t) T 8 und wenden zur Berechnung des Fourierpolynoms den obigen Algorithmus n. Wir verwenden zur Berechnung der 7 Fourierkoeffizienten zunächst M = 6 (links) und dnn M = 32 (rechts). Für M = 6 ist die Berechnung nch obigen Überlegungen noch sehr ungenu. Wir erhlten die Fourierkoeffizienten c c c 2 c 3 c 4 c 5 c 6 c 7 c 8 M = M = exkt Gleichmäßige Approximtion In diesem Abschnitt sei nun speziell V = C[, b] mit der Tschebyscheff-Norm f := mx f(x) x [,b] (Mximum Norm). 62
13 x x Interpolierende Gerde q (x) n f(x) = ln(+x) (links), und beste Approximtion durch p Π. Wir suchen nun ein Polynom p n Π n (höchstens n ten Grdes), ds den Abstnd f p n in der Mximum-Norm minimiert f p n = mx x [,b] f(x) p n (x) Min! Dnn heißt p n Polynom bester gleichmäßiger Approximtion (bester Approximtion im Tschebyscheffschen Sinne). Beispiel : Die Funktion f(x) = ln( + x) soll in [, ] durch 2 2 p Π (eine Gerde) gleichmäßig pproximiert werden. Ds Polynom p hbe die Form p (x) = c + c x. Betrchte die Differenz δ(x) = p (x) ln( + x). Wir betrchten zunächst die interpolierende Gerde q (x) mit q ( ) = 2 f() und 2 q ( ) = f( ). Dnn entsteht der größte Abstnd für x. Eine Verschiebung 2 2 der Gerden nch oben bewirkt eine Verkleinerung des Abstndes in und eine Vergrößerung in,. Also ht δ(x) drei Extremwerte, n x 2 2 =, n x 2 2 = 2 und n einer Zwischenstelle x (, ). 2 2 Wir berechnen zunächst x folgendermßen: δ (x) = c + x = x = c. Für p muss lso gelten (siehe Abbildung): δ(x ) = c + c x ln( + x ) =, δ(x ) = c + c x ln( + x ) =, δ(x 2 ) = c + c x 2 ln( + x 2 ) =. 63
14 Aus c 2 c ln( 2 ) =, c + 2 c ln( 3 2 ) =, folgt c = ln( 3 2 ) ln( 2 ) =.986 und dmit x = c = Aus c 2 c ln( 2 ) = c + x c ln( + x ) = folgt c = 2 (ln( 2 )+ln(+x )+c ( 2 x )) =.6964 und = c 2 c ln( 2 ) =.742. Wir erhlten die Gerde bester Approximtion p (x) = x. Beispiel 2: Die Funktion f(x) soll in [, ] durch ein Polynom p n+ Π n+ mit Höchstkoeffizient gleichmäßig pproximiert werden. Nch Stz.9 wr 2 n T n+ (x) ein Polynom mit der Eigenschft 2 n = mx x [,] T n+ (x) mx w 2 n n+ (x) x [,] für jedes Polynom w n+ (x) Π n+ mit Höchstkoeffizient. Beispiel 3: Ds Monom f(x) = x n+ pproximiert werden. Betrchte soll durch p n Π n in [, ] gleichmäßig δ(x) = p n (x) f(x) = p n (x) xn+. Dnn ist δ(x) ein Polynom von Grd n + mit Höchstkoeffizient ( ). Folglich ist δ(x) nch Beispiel 2 miniml, wenn δ(x) = x n+ p n (x) = 2 n T n+(x) ein Tschebyscheffpolynom vom Grd n + ist, d.h., p n(x) = x n+ 2 n T n+(x). 64
15 Wir erhlten: n x n+ T n+ (x) p n(x) x 2 2x x 3 4x 3 3 3x x x 4 8x 4 8x 2 + x x 5 6x 5 2x 3 + 5x 5 4 x3 5 x 6 6 Stz 2.6. (Alternntenstz) Existiert zu einer Funktion f C[, b] und einem Polynom p n Π n eine Folge (Referenz) von n + 2 Punkten x < x <... < x n+ b, in denen der Approximtionsfehler δ(x) = p n (x) f(x) seinen Mximlwert mit lternierenden Vorzeichen nnimmt, n (f) := p n f δ(x k ) = p n (x k ) f(x k ) = n (f), k =,..., n +, δ(x k ) = δ(x k+ ), k =,..., n, so ist p n ein Polynom bester gleichmäßiger Approximtion (lso p n = p n ) n die Funktion f und n (f) gleich dem Abstnd der Funktion f von Π n. Beweis. Angenommen, es existiert ein p n Π n mit kleinerem Approximtionsfehler, d.h. δ (x) = p n (x) f(x), δ := <. Betrchte nun q n (x) := p n (x) p n(x). Dnn wechselt q n (x) mindestens n + ml ds Vorzeichen in [, b] denn sign(q n (x k )) = sign(p n (x k )) k =,..., n +. Also ht q n Π n mindestens n + Nullstellen und ist dher ds Nullpolynom im Widerspruch zur Annhme. Die in Stz 2.5 definierte Folge x <... < x n+ heißt Alternnte. Bemerkung: Mn knn zeigen, dss zu jeder Funktion f C[, b] ein eindeutig bestimmtes Polynom gleichmäßiger Approximtion existiert. 65
16 Der Remez-Algorithmus Wir wollen zu festgelegtem f C[, b] ein Polynom gleichmäßiger Approximtion numerisch bestimmen. Idee: Wir suchen zunächst ein Polynom p n Π n mit p n (x k ) f(x k ) = ( ) k h k =,..., n + (2.2) mit einer gewissen Strtfolge (Strtreferenz) x < x <... < x n+ b. Wir ändern nun die Stützstellen schrittweise b, so dss die Folge der zugehörigen h monoton zunimmt und gegen = n (f) konvergiert. Erfüllt p n die Bedingung (2.2), so nennen wir p n ds Referenzpolynom und h seine Referenzbweichung. Stz 2.7. (Existenz u. Eindeutigkeit des Referenzpolynoms) Für jede Referenz x < x... < x n+ b und jede Funktion f C[, b] gibt es genu ein Polynom p n (x) und genu eine Zhl h, die (2.2) erfüllen. Beweis. ) Existenz: Nch Stz.2 ist durch n + 2 Stützstellen x <... < x n+ und pssende Stützwerte y,..., y n+ ein Interpoltionspolynom p n+ Π n+ mit p n+ (x k ) = y k, k =,..., n + eindeutig festgelegt. Wir betrchten die zwei Interpoltionspolynome zu den Stützwerten y k = ( ) k, k =,..., n + und zu y k = f(x k ), k =,..., n + in Lgrngedrstellung, q n+ (x) = = r n+ (x) = n+ ( ) k l n+ k (x) k= n+ j= n+ k= n+ j x j (mit l n+ k (x) = n+ f(x k )l n+ k (x) = j= j= j k ( x x j x k x j )), (2.3) b j x j. (2.4) Bilde nun p n (x) := r n+ (x) b n+ n+ q n+ (x). Dnn ist p n (x) Π n, denn r n+ (x) und b n+ n+ q n+ (x) hben beide den Höchstkoeffizienten b n+. (Bechte, dss n+, denn wegen der n + 2 lternierenden Stützwerte ht ds Polynom q n+ genu n + Nullstellen.) Weiter gilt p n (x k ) = r n+ (x k ) b n+ n+ q n+ (x k ) = f(x k ) b n+ n+ ( ) k. 66
17 Setze nun h := b n+ n+. Dnn erfüllt p n die Bedingungen (2.2). 2) Eindeutigkeit: Angenommen, es existiert ein p n Π n mit p n (x k ) f(x k ) = ( ) k h, k =,..., n + und p n p n. Dnn erhlten wir p n (x k ) p n (x k ) = (f(x k ) + ( ) k h) (f(x k ) + ( ) k h). Flls h = h ist, folgt p n = p n wegen Stz.2. Flls h h ist, ht p n p n mindestens n + 2 Vorzeichenwechsel und dher mindestens n + Nullstellen. Also ist p n p n ein Nullpolynom im Widerspruch zur Annhme. Explizite Berechnung von h Wenn h schon durch die Referenz {x k } n+ k= und f(x) bestimmt ist, wäre eine explizite Drstellung hilfreich, d dnn (2.2) in ein Interpoltionsproblem übergeht. Im Beweis von Stz 2.7 htten wir h := b n+ n+ erhlten, wobei n+ und b n+ die Höchstkoeffizienten der Interpoltionspolynome q n+ und r n+ wren. Wir betrchten den Höchstkoeffizient von l n+ k (x) = n+ (x x j ) (x k x j und finden für ) k =,..., n d k := n+ j= j k j= j k x k x j = ( ) n+ k d k d x < x <... < x n+. Aus (2.3) und (2.4) ergibt sich dmit so dss wir n+ n+ n+ = ( ) k ( ) n+ k d k, b n+ = f(x k ) ( ) n+ k d k, k= k= n+ k= h = f(x k) ( ) n+ k d k n+ n+ k= ( )k ( ) n+ k d k = k= f(x k)( ) k d k n+ k= d k n+ = f(x k )( ) k λ k mit λ k := k= d k n+ j= d j (2.5) erhlten. Bechte, dss n+ k= λ k =. 67
18 Wir leiten noch eine weitere Drstellung für h her. Stellt mn ein beliebiges p Π n ls Interpoltionspolynom (n + ) ten Grdes dr, so ergibt sich für c n+ n+ p(x) = k= n+ p(x k ) l n+ k (x) = j= c j x j, n+ n+ c n+ = = p(x k ) ( ) n+ k d k = ( ) n+ p(x k )( ) k d k. k= Also erhlten wir mit (2.5) k= n+ h = λ k ( ) k (p(x k ) f(x k )). (2.6) k= Jetzt knn ds Referenzpolynom p n (x) mittels Polynom-Interpoltion von beliebigen n + der n + 2 Stützstellen/Stützwerte (x k, f(x k ) + ( ) k h) berechnet werden. Anschließend muss der Verluf von δ(x) = p n (x) f(x) untersucht werden. Gilt δ(x) h für lle x [, b], so ist {x k } n+ k= eine Alternnte und p n(x) ds gesuchte Polynom bester Approximtion. δ(x) = p n (x) f(x) h x = x x x x 2 x 2 x 3 x 3 x 4 = x 4 h Gilt in einigen Teilintervllen δ(x) > h, so muss die Referenz geändert werden. Ist im Intervll (x k, x k+ ) mx δ(x) > h, so wähle einen Punkt x (x k, x k+ ), so dss δ(x) > h, und tusche x gegen x k us, flls δ(x k ) und δ(x) ds gleiche Vorzeichen hben, nsonsten gegen x k+ (siehe Skizze). So erhlten wir eine neue Referenz x <... < x n+. Stz 2.8. Tuscht mn die Referenz x <... < x n+ b gegen eine Referenz x <... < x n+ b us, so dss δ(x k ) δ(x k ), k =,..., n +, 68
19 und und für mindestens ein j sgn δ(x k ) = sgn δ(x k+ ), k =,..., n, δ(x j ) > δ(x j ) = h gilt, wobei δ die zum lten Referenzpolynom p n (x) gehörende Fehlerfunktion δ(x) = p n (x) f(x) ist, so ht ds neue Referenzpolynom p n (x) eine größere Referenzbweichung h > h. Beweis. Wir stellen h mit Hilfe von (2.6) dr und finden mit p = p n und der Referenz {x k } n+ k= n+ h = λ k ( ) k (p n (x k ) f(x k )) = k= n+ k= λ k δ(x k ), wobei wir usgenutzt hben, dss δ(x k ) lternierendes Vorzeichen besitzen. Andererseits gilt h = δ(x k ) für lle k =,..., n + und dmit n+ n+ λ k δ(x k ) = h λ k = h. k= k= D δ(x j ) > δ(x j ) für mindestens ein j, folgt h > h. Mit der neuen Referenz x <... < x n+ b wird der Prozess wiederholt, usw. Wir erhlten eine monoton wchsend Folge von Referenzbweichungen. Die Folge ist konvergent, denn es gilt Stz 2.9. (Beschränktheit der Referenzbweichung) Ist p n (x) ein Referenzpolynom mit der Referenzbweichung h und δ(x) die zugehörige Fehlerfunktion, so gilt h n (f) mx x [,b] δ(x) mit n (f) us Stz 2.6. Beweis. Es wr n (f) = mx x [,b] (p n(x) f(x), wobei p n ds (gesuchte) Polynom gleichmäßiger Approximtion zu f ist. Folglich gilt n (f) mx x [,b] δ(x). Weiter gilt nch (2.6) mit p = p n für die Referenzbweichung h des Polynoms p n (x) n+ h = λ k ( ) k (p n(x k ) f(x k )) mx x [,b] p n(x) f(x) k= }{{} n(f) λ k ) = n (f). n+ ( k= } {{ } = 69
20 e-5 2e x e-5-4e-5 Beste Approximtion us Π 7 n f, berechnet mit Remez-Algorithmus (links) und der entstehende Approximtionsfehler (rechts). Problem: Wie sollte die Strtreferenz x <... < x n+ b gewählt werden? Wähle im Intervll [, b] zum Beispiel die Tschebyscheff-Knoten x k = + b 2 + ( b 2 ) cos kπ n + k =,..., n +. Algorithmus: siehe z.b. G. Meß: Vorlesungen über numerische Mthemtik, Bnd II: Anlysis, Birkhäuser, Bsel, 2. Aufl., 988. Bechte: Ds Mple-Progrmm findet keine sinnvolle Lösung, wenn sich für die Strtreferenz die Referenzbweichung ergibt. Beispiel: Wir wollen eine gleichmäßige Approximtion n die Funktion f(x) = uf dem Intervll [ 5, 5] finden (Rungebeispiel). Wir suchen ds Polynom x bester Approximtion n f(x) us Π 7. Als Strtreferenz verwenden wir die Tschebyscheff-Knoten [ 5., 4.694, ,.9342,.,.9342, , 4.694, 5.]). Nch 4 Itertionen mit dem Algorithmus erhlten wir die neue Referenz [ 5., , 3.394,.7359,.,.7359, 3.394, , 5.]) und h =.5. 7
Numerische Mathematik Sommersemester 2013
TU Chemnitz 5. Februr 2014 Professur Numerische Mthemtik Prof. Dr. Oliver Ernst Dipl.-Mth. Ingolf Busch Dipl.-Mth. techn. Tommy Etling Numerische Mthemtik Sommersemester 2013 Musterlösungen zu nicht behndelten
Mehr1 Metrische Räume. Sei X eine nichtleere Menge. Definition 1.1. Eine Abbildung: d : X X R heißt Metrik auf X, falls für alle x, y, z X gilt
Metrische Räume Sei X eine nichtleere Menge. Definition.. Eine Abbildung: d : X X R heißt Metrik uf X, flls für lle x, y, z X gilt (i) d(x, y) 0, (ii) d(x, y) = d(y, x), (iii) d(x, y) d(x, z) + d(z, y)
Mehra) x 0, (Nichtnegativität) b) x = 0 x = 0, (Eindeutigkeit) c) αx = α x, (Skalierung)
Definition 1.20 Ein metrischer Rum besteht us einer Menge X und einer Abbildung d : X X R, die jedem geordneten Pr von Elementen us X eine reelle Zhl zuordnet, d.h. (x,y) X X d(x,y) R. Diese Abbildung
MehrLösung 4: Reelle innere Produkte, Normen und Gram-Schmidt Orthogonalisierung
D-MATH Linere Algebr II FS 217 Dr. Meike Akveld Lösung 4: Reelle innere Produkte, Normen und Grm-Schmidt Orthogonlisierung 1. Seien v (i) 1, v (i) 2, v (i) 3 R 3, sodss B i = (v (i) 1, v (i) 2, v (i) 3
MehrLösung 18: Reelle innere Produkte, Normen und Gram-Schmidt Orthogonalisierung
D-MATH Linere Algebr I/II HS 217/FS 218 Dr. Meike Akveld Lösung 18: Reelle innere Produkte, Normen und Grm-Schmidt Orthogonlisierung 1. Seien v (i) 1, v (i) 2, v (i) 3 R 3, sodss B i (v (i) 1, v (i) 2,
Mehr1.2. Orthogonale Basen und Schmistsche Orthogonalisierungsverfahren.
.. Orthogonle Bsen und Schmistsche Orthogonlisierungsverfhren. Definition.. Eine Bsis B = { b, b,..., b n } heit orthogonl, wenn die Vektoren b i, i =,,..., n, prweise orthogonl sind, d.h. bi b j = fur
Mehrkomplizierteren Funktionen versucht man, die Fläche durch mehrere Rechtecke anzunähern.
Mthemtik für Nturwissenschftler I 4. 4 Integrlrechnung 4. Integrierbrkeit Die Grundidee der Integrlrechnung ist die Berechnung der Fläche zwischen dem Grphen einer Funktion und der x-achse. Recht einfch
Mehr5.1 Charakterisierung relativ kompakter und kompakter
Kpitel 5 Kompkte Mengen 5.1 Chrkterisierung reltiv kompkter und kompkter Mengen X sei im weiteren ein Bnchrum. Definition 5.1. Eine Menge K X heißt kompkt, wenn us jeder offenen Überdeckung von K eine
MehrNumerische Integration
Kpitel 4 Numerische Integrtion Problem: Berechne für gegebene Funktion f :[, b] R ds Riemnn-Integrl I(f) := Oft ist nur eine numerische Näherung möglich. f(x)dx. Beispiel 9. (i) Rechteckregel: Wir pproximieren
MehrThema 7 Konvergenzkriterien (uneigentliche Integrale)
Them 7 Konvergenzkriterien (uneigentliche Integrle) In diesem Kpitel betrchten wir unendliche Reihen n= n, wobei ( n ) eine Folge von reellen Zhlen ist. Die Reihe konvergiert gegen s (oder s ist die Summe
MehrMathematik II. Vorlesung 41. Satz Es sei f :[a,b] R n, t f(t), eine differenzierbare Kurve. Dann gibt es ein c [a,b] mit
Prof. Dr. H. Brenner Osnbrück SS 1 Mthemtik II Vorlesung 41 Die Mittelwertbschätzung für differenzierbre Kurven Stz 41.1. Es sei f :[,b] R n, t f(t), eine differenzierbre Kurve. Dnn gibt es ein c [,b]
MehrKlausurvorbereitungsausfgaben für die Feiertage Analysis II im WS 2013/2014
Institut für Mthemtik Freie Universität Berlin C. Hrtmnn, A. Ppke Wer spricht von Siegen, Überleben ist lles. Riner Mri Rilke Lösung zu Klusurvorbereitungsusfgben für die Feiertge Anlysis II im WS 23/24
MehrVII. Folgen und Reihen von Funktionen (Vertauschung von Grenzprozessen)
VII. Folgen und Reihen von Funktionen (Vertuschung von Grenzprozessen) Definition. Sei {f n } eine Folge von Funktionen, die uf einer Menge E definiert sind. Die Folgen der Funktionswerte {f n (x)} seien
MehrSatz 6.5 (Mittelwertsatz der Integralrechnung) Sei f : [a, b] R stetig. Dann gibt es ein ξ [a, b], so dass. b a. f dx = (b a)f(ξ) f dx (b a)m.
Stz 6.5 (Mittelwertstz der Integrlrechnung) Sei f : [, b] R stetig. Dnn gibt es ein ξ [, b], so dss 9:08.06.2015 gilt. f dx = (b )f(ξ) Lemm 6.6 Sei f : [, b] R stetig und m f(x) M für lle x [, b]. Dnn
Mehr(1 ξ) f (k) (ξ) + k! z x n+1. (n + 1)! 2 f (n + 1)!
0.. Lösung der Aufgbe. Wir schreiben f = sup{ f : [0, ]}. Für ξ ]0, [ und n N gibt es nch dem Stz von Tlor ein c ]ξ, [ so, dss: f = fξ + n ξ k f k ξ + k! k= Aus der Ttsche, dss f k 0 für lle k N ist, folgt
MehrZwei-Punkt Randwertprobleme. Fahed Bakar
Zwei-Punkt Rndwertprobleme Fhed Bkr Contents Inhltsverzeichnis II 1 Zwei-Punkt Rndwertprobleme (RWP) 1 1.1 Zwei-Punkt Rndwertprobleme.................... 1 1.2 Vritionle Formulierung des RWP..................
MehrKAPITEL 18 UND 19 H. KOCH. Kapitel 18. x>a. x<y
KAPITEL 18 UND 19 H. KOCH 1. VORLESUNG VOM 08.01.2018 Kpitel 18 Definition 1 (Zerlegungen, Treppenfunktionen, Regelfunktionen) Sei < b. 1. Eine Zerlegung τ von [, b] besteht us einer Zhl N N und (N + 1)
MehrFlächeninhalt unter dem Graphen. Ist nun die Kraft nicht mehr stückweise konstant, so wird man intuitiv immer noch den
19 REGELFUNKTIONEN 107 Kpitel 7: Integrtion Notwendigkeit des Integrlbegriffes und Hinweise zu seiner Präzisierung liegen uf der Hnd. Betrchten wir etw den physiklischen Begriff der Arbeit, die im einfchsten
Mehr24 UNEIGENTLICHE INTEGRALE 146. F (x) F (x ) f(x, t) dt. 3(b a) (b a) + ɛ 3 + ɛ 3 = ɛ.
24 UNEIGENTLICHE INTEGRALE 146 für lle t [, b] und lle x D mit x x < δ. Für lle x D mit x x < δ gilt lso = F (x) F (x ) b f(x, t) dt b b f(x, t) dt + f(x, t) f(x, t) dt + ɛ 3(b ) (b ) + ɛ 3 + ɛ 3 = ɛ.
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. r. H. Spohn r. M. Prähofer Zentrlübung TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik 14. Stetigkeit der Umkehrfunktion Mthemtik für Physiker 3 (Anlysis ) http://www-m5.m.tum.de/allgemeines/ma903
MehrNumerische Integration durch Extrapolation
Numerische Integrtion durch Extrpoltion Pblo Thiel Romberg-Verfhren Idee: Im Gegenstz zur numerischen Integrtion mit Hilfe der einfchen bzw. zusmmengesetzten Trpez-, Simpson-, 3/8- oder zum Beispiel der
MehrQuadraturfehler der Newton Cotes Formeln.
Qudrturfehler der Newton Cotes Formeln. R n [f ] := I n [f ] I [f ] heißt Qudrturfehler der Qudrturformel I n [f ]. Erinnerung: Drstellung für den Interpoltionsfehler f (x) p n (x) = 1 (n + 1)! f (n+1)
Mehr2 Lineare Operatoren. T(αx + βy) = αtx + βty x,y X, α, β K. (b) Ist T linear, so heißt
2 Linere Opertoren Im Folgenden seien X,Y, Z stets normierte Räumen über dem selben Körper K = C oder K = R. 2.1. Definition. () Eine Abbildung T : X Y heißt liner, flls T(αx + βy) = αtx + βty x,y X, α,
MehrBericht zur Mathematischen Zulassungsprüfung im Mai 2011
Bericht zur Mthemtischen Zulssungsprüfung im Mi Heinz-Willi Goelden, Wolfgng Luf, Mrtin Pohl Am 4. Mi fnd die Mthemtische Zulssungsprüfung sttt. Die Prüfung bestnd us einer 9-minütigen Klusur, in der 5
MehrEinführung in die Numerische Mathematik Vordiplomsklausur,
Institut für Angewndte Anlysis und Numerische Simultion Prof Dr C Eck, Dr M Schulz, Dipl- Mth J Giesselmnn Universität Stuttgrt Sommersemester 9 Einführung in die Numerische Mthemtik Vordiplomsklusur,
MehrKapitel 7. Integralrechnung für Funktionen einer Variablen
Kpitel 7. Integrlrechnung für Funktionen einer Vriblen In diesem Kpitel sei stets D R, und I R ein Intervll. 7. Ds unbestimmte Integrl (Stmmfunktion) Es sei f : I R eine Funktion. Eine differenzierbre
MehrHM I Tutorium 14. Lucas Kunz. 9. Februar 2018
HM I Tutorium 14 Lucs Kunz 9. Februr 218 Inhltsverzeichnis 1 Theorie 2 1.1 Uneigentliche Integrle............................. 2 1.1.1 Typ 1.................................. 2 1.1.2 Typ 2..................................
Mehr10 Das Riemannsche Integral
10 Ds Riemnnsche Integrl 50 10 Ds Riemnnsche Integrl Ziel dieses Prgrphen ist es, den Inhlt einer Fläche, die vom Grphen einer Funktion berndet wird, exkt zu definieren. f(b) f() = t 0 t1 t2 t3 t4 t5 t
Mehrnennt man eine Zerlegung (Partition, Unterteilung) des Intervalls [a, b]. Die Feinheit der Zerlegung ist dabei
Kpitel 8: Integrtion Erläuterung uf Folie 8.1 Ds bestimmte Integrl Sei f : [, b] R eine beschränkte Funktion uf einem (zunächst) kompkten Intervll [, b]. Definition: 1) Eine Menge der Form Z = { = x 0
MehrD-MAVT/D-MATL Analysis I HS 2016 Dr. Andreas Steiger. Lösung - Serie 9
D-MAVT/D-MATL Anlysis I HS 26 Dr. Andres Steiger Lösung - Serie 9. MC-Aufgben (Online-Abgbe). Es sei f die Funktion f() = e + 7. Welche der folgenden Funktionen sind Stmmfunktionen von f? () g() = 2 2
MehrVorlesungsvertretung Analysis II, H. P. Kiani, SoSe 2014 Ergänzungen/Erläuterungen zu den Folien von Prof. Iske
Fchbereich Mthemtik der Universität Hmburg Dr. H. P. Kini Vorlesungsvertretung Anlysis II, H. P. Kini, SoSe 4 Ergänzungen/Erläuterungen zu den Folien von Prof. Iske Qudrtur von f(x) uf [, 3] Mittelpunksregel,
Mehr7.9A. Nullstellensuche nach Newton
7.9A. Nullstellensuche nch Newton Wir hben früher bemerkt, dß zur Auffindung von Nullstellen einer gegebenen Funktion oft nur Näherungsverfhren helfen. Eine lte, ber wirkungsvolle Methode ist ds Newton-Verfhren
MehrSerie 13 Lösungsvorschläge
D-Mth Mss und Integrl FS 204 Prof. Dr. D. A. Slmon Serie 3 Lösungsvorschläge. Sei I := [, b] R ein kompktes Intervll und sei B 2 I die Borel-σ-Algebr. Def. Eine Funktion f : I R heisst von beschränkter
Mehr6 Numerische Integration
Numerik I 251 6 Numerische Integrtion Ziel numerischer Integrtion (Qudrtur): Näherungswerte für f(t) dt. Wozu? Eine Apprtur liefere Messwerte x i = x i + ε i. Angenommen, die Messfehler ε i sind stndrdnormlverteilt
Mehr4.3 Symmetrische Operatoren
98 Kpitel 4. Hilberträume und symmetrische Opertoren 4.3 Symmetrische Opertoren Eine Abbildung zwischen Hilberträumen wird meist ls Opertor bezeichnet. Von besonderer Bedeutung sind die lineren Opertoren,
MehrZum Satz von Taylor. Klaus-R. Loeffler. 2 Der Satz von Taylor 2
Zum Stz von Tylor Klus-R. Loeffler Inhltsverzeichnis 1 Der verllgemeinerte Stz von Rolle 1 2 Der Stz von Tylor 2 3 Folgerungen, Anwendungen und Gegenbeispiele 4 3.1 Jede gnzrtionle Funktion ist ihr eigenes
MehrNumerische Integration
Numerische Integrtion Bei vielen Problemen des nturwissenschftlichen Rechnens treten Integrle uf, die nicht in expliziter Form drgestellt werden können, sei es, dß kein geschlossener Ausdruck für eine
MehrIntegration. Kapitel Newton-Cotes-Formeln
Kpitel 4 Integrtion Die Integrtion von Funktionen ist eine elementre mthemtische Opertion, die in vielen Formeln benötigt wird. Im Gegenstz zur Ableitung, die für prktisch lle mthemtischen Funktionen explizit
Mehr9 Integralrechnung. 9.1 Das Riemann-Integral: Sei [a, b] ein beschränktes abgeschlossenes Intervall und f : [a, b] R eine beschränkte Funktion.
9 ntegrlrechnung 9. Ds Riemnn-ntegrl: Sei [, b] ein beschränktes bgeschlossenes ntervll und f : [, b] R eine beschränkte Funktion. Problem: Bestimme Flächeninhlt A zwischen Grphen von f und x-achse. Betrchte
MehrAntworten auf Anfragen von Kursteilnehmern. Zu folgender Aussage aus den Multiple-Choice-Aufgaben: f (n) (a) (x a) n n! n=0
Ferienkurs Anlysis 1 WS 11/12 Florin Drechsler Antworten uf Anfrgen von Kursteilnehmern Zu Tylorreihen Zu folgender Aussge us den Multiple-Choice-Aufgben: Es gibt Funktionen f C (R) mit konvergenter Tylorreihe
MehrGeodäten. Mathias Michaelis. 28. Januar 2004
Geodäten Mthis Michelis 28. Jnur 2004 1 Vektorfelder Definition 1.1 Sei S 3 eine reguläre Fläche. Ein Vektorfeld uf S ist eine Abbildung v : S 3 so, dss v(p) T n S für lle p S. Ein Vektorfeld ordnet lso
MehrAbiturprüfung Mathematik 2013 (Baden-Württemberg) Berufliche Gymnasien Analysis, Aufgabe 1
www.mthe-ufgben.com Abiturprüfung Mthemtik 013 (Bden-Württemberg) Berufliche Gymnsien Anlysis, Aufgbe 1 1.1 Die Funktion f ist gegeben durch π f( x) = + sin x ; x. Ds Schubild von f ist K. 1.1.1 (8 Punkte)
Mehr2.6 Unendliche Reihen
2.6 Unendliche Reihen In normierten Räumen steht ds wichtige Werkzeug der Bildung von unendlichen Reihen zur Verfügung. Mn denke in diesem Zusmmenhng drn, dss mn in der Anlysis Potenz- und Fourierreihen
Mehr11. DER HAUPTSATZ DER DIFFERENTIAL- UND INTEGRALRECHNUNG
91 Dieses Skript ist ein Auszug mit Lücken us Einführung in die mthemtische Behndlung der Nturwissenschften I von Hns Heiner Storrer, Birkhäuser Skripten. Als StudentIn sollten Sie ds Buch uch kufen und
Mehr38 Das Riemann-Integral vektorwertiger Funktionen über [a, b]
38 Ds Riemnn-Integrl vektorwertiger Funktionen über [, b] 38.2 Riemnn-Integrierbrkeit von Wegen 38.4 Ds Riemnn-Integrl ist eine linere Abbildung von R([, b], V ) in V 38.9 Integrlbschätzung 38.10 Huptstz
MehrORTHOGONALPOLYNOME UND GAUSS-QUADRATUR
ORTHOGONALPOLYNOME UND GAUSS-QUADRATUR ALLGEMEINE CHARAKTERISTIKA Stz Es sei ω C(, b), ω(x) > für x (, b) eine positive Gewichtsfunktion Dnn ist für f, g C[, b] ein Sklrprodukt (f,g) := (f,g) ω := ω(x)f(x)g(x)
MehrKapitel 9. Integration. Josef Leydold Auffrischungskurs Mathematik WS 2017/18 9 Integration 1 / 36
Kpitel 9 Integrtion Josef Leydold Auffrischungskurs Mthemtik WS 207/8 9 Integrtion / 36 Stmmfunktion Eine Funktion F(x) heißt Stmmfunktion einer Funktion f (x), flls F (x) = f (x) Berechnung: Vermuten
MehrVI. Das Riemann-Stieltjes Integral.
VI. Ds Riemnn-Stieltjes Integrl. Es stellt sich herus, dss der hier entwickelte Integrlbegriff strk von der Ordnungsstruktur von R bhängt. Definition. Sei [, b] ein Intervll in R. Unter einer Prtition
MehrHöhere Mathematik für die Fachrichtung Physik
Krlsruher Institut für Technologie Institut für Anlysis Dr. Christoph Schmoeger Dipl.-Mth. Sebstin Schwrz Höhere Mthemtik für die Fchrichtung Physik Lösungsvorschläge zum. Übungsbltt Aufgbe 6 (Übung) )
MehrFourierreihen. Timo Dimitriadis
Fourierreihen Timo Dimitridis 4.5.9 In diesem Vortrg geht es im prktischen Sinne um die Anlyse von Schwingungsvorgängen, wie sie zum Beispiel in der Physik häufig vorkommen. Oft mg es nützlich sein, diese
MehrProbeklausur Mathematik für Ingenieure C3
Deprtment Mthemtik Dr. rer. nt. Lrs Schewe Mthis Sirvent Wintersemester 013/014 Probeklusur Mthemtik für Ingenieure C3 Anmerkungen zur Klusur: Die Arbeitszeit wird 90 Minuten betrgen. Sie können sämtliche
Mehr(x t) n f (n+1) (t) dt. f(x) =f(a)+ f (t) dt
6 Der Stz von Tylor Gleichmäßige Konvergenz Potenzreihen Der Stz von Tylor Es sei D ein Intervll, X ein Bnchrum und f : D X eine Funtion Stz Tylorsche Formel Ist f (n +)-ml stetig differenzierbr, so gilt
MehrIn diesem Kapitel stellen wir einige wichtige Verfahren zur näherungsweisen Berechnung bestimmter Integrale b
Kpitel Numerische Integrtion In diesem Kpitel stellen wir einige wichtige Verfhren zur näherungsweisen Berechnung bestimmter Integrle f(x)dx vor. Integrtionsufgbe: Zu gegebenem integrierbrem f : [, b]
MehrLangzeitverhalten von ODE Lösungen
Euler Verfhren für Systeme von ODEs Bemerkung zum Lngzeitverhlten Häufig ist von Interesse (z.b. in der Klimvorhersge), wie sich Lösungen y(t) der ODE ẏ = F (y) für sehr grosse t qulittiv verhlten, und
MehrLineare Probleme und schwache
Vritionsrechnung Kpitel 7 Linere Probleme und schwche Lösungen 7.1 Qudrtische Funktionle Der einfchste Typ von Funktionlen, die ein Minimum hben können, sind die qudrtischen Funktionle. Sei ein Gebiet
MehrMusterlösung zu Blatt 9, Aufgabe 2
Musterlösung zu Bltt 9, Aufgbe Anlysis II MIIA SoSe 7 Mrtin Schottenloher Musterlösung zu Bltt 9, Aufgbe I Aufgbenstellung Es sei J [, ] und f : J R deniert durch fx x 3. Finden Sie eine Folge f n n N
MehrHöhere Mathematik I für die Fachrichtung Elektrotechnik und Informationstechnik Lösungsvorschläge zum 9. Übungsblatt
Krlsruhe Institut für Technologie (KIT) Institut für Anlysis Priv.-Doz. Dr. P. C. Kunstmnn Dr. S. Wuglter WS 13/14 Aufgbe 1 Höhere Mthemtik I für die Fchrichtung Elektrotechnik und Informtionstechnik Lösungsvorschläge
MehrInfinitesimalrechnung, Mengenlehre und logische Verknüpfungen
Vorlesung 16 Infinitesimlrechnung, Mengenlehre und logische Verknüpfungen 16.1 Huptstz der Differentil- und Integrlrechnung Wir verknüpfen nun Differentil- mit Integrlrechnung. Definition 16.1.1. Eine
MehrMathematik II. Vorlesung 31
Prof. Dr. H. Brenner Osnbrück SS 2010 Mthemtik II Vorlesung 31 In den folgenden Vorlesungen beschäftigen wir uns mit der Integrtionstheorie, d.h. wir wollen den Flächeninhlt derjenigen Fläche, die durch
Mehr12 Numerische Quadratur
Numerische Qudrtur Ausgngssitution: Zu berechnen sei ein bestimmtes Integrl I = I[f] = mit einem numerischen Algorithmus. f(x) dx Verwenden Numerische Qudrtur (Qudrturformel) der Form mit I[f] I n [f]
MehrRiemann-integrierbare Funktionen
Kpitel VI Riemnn-integrierbre Funktionen 26 Ds Riemnn-Integrl ls Grenzwert von Zwischensummen 27 Der Huptstz der Differentil- und Integrlrechnung nebst Folgerungen 28 Äquivlente Definitionen des Riemnn-
Mehr3 Integration. viele Teilintervalle. Z (oder Z [a, b]) sei die Menge aller Zerlegungen von [a, b].
Krlsruhe Institute of Technology 3 Integrtion (3.1) ) Z = {x,...,x n } mit = x < x 1 < < x n = b heißt eine Zerlegung von [,b] in endlich viele Teilintervlle. Z (oder Z [, b]) sei die Menge ller Zerlegungen
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSIÄ KARLSRUHE Institut für Anlysis HDoz. Dr. P. C. Kunstmnn Dipl.-Mth. M. Uhl Sommersemester 9 Höhere Mthemti II für die Fchrichtungen Eletroingenieurwesen, Physi und Geodäsie inlusive Komplexe Anlysis
MehrZusatzunterlagen zur Vorlesung Analysis II Sommersemester 2014
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Prof. Dr. Jörg Eschmeier M. Sc. Sebstin Lngendörfer e Integrlrechnung Zustzunterlgen zur Vorlesung Anlysis II Sommersemester 2014 Dieses Bltt enthält
MehrKapitel IV Euklidische Vektorräume. γ b
Kpitel IV Euklidische Vektorräume 1 Elementrgeometrie in der Eene Sei E die Zeicheneene In der Schule lernt mn: (11) Stz des Pythgors: Sei E ein Dreieck mit den Seiten, und c, und sei γ der c gegenüerliegende
MehrMusterlösung der 1. Klausur zur Vorlesung
Prof. Dr. M. Röger Dipl.-Mth. C. Zwilling Fkultät für Mthemtik TU Dortmund Musterlösung der. Klusur zur Vorlesung Anlysis I (24.02.206) Wintersemester 205/6 Aufgbe. Sei R mit sin() 0. Der Beweis erfolgt
Mehr1 Differenzen- und Differentialquotient 2. 2 Differentiationsregeln 5. 3 Ableitung spezieller Funktionen 6. 4 Unbestimmtes und bestimmtes Integral 7
Universität Bsel Wirtschftswissenschftliches Zentrum Abteilung Quntittive Methoden Mthemtischer Vorkurs Dr. Thoms Zehrt Differentil- und Integrlrechnung Inhltsverzeichnis 1 Differenzen- und Differentilquotient
Mehr41 Normierte Räume über dem Körper der komplexen Zahlen
41 Normierte Räume über dem Körper der komplexen Zhlen 411 Rechenregeln für komplexe pseudonormierte Räume 412 Stetigkeits-, Differenzierbrkeits- und Integrierbrkeitskriterien für Abbildungen in einen
Mehr6.4 Die Cauchysche Integralformel
Die Cuchysche Integrlformel 6.4 39 Abb 6 Integrtionswege im Fresnelintegrl r ir 2 r 6.4 Die Cuchysche Integrlformel Aus dem Cuchyschen Integrlst folgt eine fundmentle Formel für die Drstellung einer holomorphen
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
Prof. Dr. M. Wolf Dr. M. Prähofer Aufgben TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mthemtik Mthemtik für Physiker 3 Anlysis ) Sommersemester Probeklusur Lösung) http://www-m5.m.tum.de/allgemeines/ma93 S
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 10. dt. Welche der folgenden Aussagen ist richtig? t3 + 2
D-MAVT/D-MATL Anlysis I HS 7 Dr. Andres Steiger Lösung - Serie.. Sei f(x) : () f() . x (c) f( ) . Die Funktion g : t t + ist, dss ds Integrl b dt. Welche der folgenden Aussgen
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
Mehr10 Integrationstechniken
Integrtionstechniken. Wichtige Stmmfunktionen α d = α + α+, d = log e d = e cos d = sin sin d = cos d = rcsin d = rctn + cosh d = sinh sinh d = cosh + d = sinh d = cosh α R, α. Linerität der Integrtion
MehrKapitel 8 Anwendungen der Di erentialrechnung
Kpitel 8 Anwendungen der Di erentilrechnung Kpitel 8 Anwendungen der Di erentilrechnung Mthemtischer Vorkurs TU Dortmund Seite 99 / 235 Kpitel 8 Anwendungen der Di erentilrechnung Stz 8.1 (Mittelwertstz
MehrResultat: Hauptsatz der Differential- und Integralrechnung
17 Der Huptstz der Differentil- und Integrlrechnung Lernziele: Konzept: Stmmfunktion Resultt: Huptstz der Differentil- und Integrlrechnung Methoden: prtielle Integrtion, Substitutionsregel Kompetenzen:
MehrLösungen zu den Übungsaufgaben
Lösungen zu den Übungsufgben Aufgbe A.2. Ist k L () mit k(x)dx = und ist f : beschränkt, Lebesgue-messbr und stetig in x, dnn gilt lim r r k(x y r )f(y)dy = f(x). Lösung A.2. Zunächst ist mit der Substitutionsregel
MehrKapitel 9 Integralrechnung
Kpitel 9 Integrlrechnung Kpitel 9 Integrlrechnung Mthemtischer Vorkurs TU Dortmund Seite 1 / 18 Kpitel 9 Integrlrechnung Definition 9.1 (Stmmfunktion) Es seien f, F : I R Funktionen. F heißt Stmmfunktion
MehrUneigentliche Riemann-Integrale
Uneigentliche iemnn-integrle Zweck dieses Abschnitts ist es, die Vorussetzungen zu lockern, die wir n die Funktion f : [, b] bei der Einführung des iemnn-integrls gestellt hben. Diese Vorussetzungen wren:
MehrAnalysis II (lehramtsbezogen): Rechnen mit Integralen
Anlysis II (lehrmtsbezogen): Rechnen mit Integrlen A. Ppke. November Substitution Wir wiederholen kurz die grundlegende Methode der Substitution und wenden sie im Beispiel n. Stz. (Integrtion durch Substitution).
MehrUniversität Ulm Abgabe: Freitag,
Universität Ulm Abgbe: Freitg, 19.06.2009 Prof. Dr. W. Arendt Robin Nittk Sommersemester 2009 Punktzhl: 38+7 13. Zeige: Lösungen Prtielle Differentilgleichungen: Bltt 5 Sei (, b) ein reelles Intervll.
Mehr4.4 Partielle Integration
Mthemtik für Nturwissenschftler I 4.4 4.4 Prtielle Integrtion Zwei Integrtionsregeln kennen wir bereits: Stz 4.. und Stz 4..8. Stz 4.. sgt, dss mit zwei Funktionen uch deren Summe oder Differenz integrierbr
MehrAufgaben zur Vorlesung Analysis II Prof. Dr. Holger Dette SS 2012 Lösungen zu Blatt 6
Aufgben zur Vorlesung Anlysis II Prof. Dr. Holger Dette SS 0 Lösungen zu Bltt 6 Aufgbe. Die Funktion f : [, ) R sei in jedem endlichen Teilintervll von [, ) Riemnnintegrierbr. Für n N sei I n := f() d.
MehrKapitel 10. Integration. Josef Leydold Mathematik für VW WS 2015/16 10 Integration 1 / 35
Kpitel 0 Integrtion Josef Leydold Mthemtik für VW WS 205/6 0 Integrtion / 35 Flächeninhlt Berechnen Sie die Inhlte der ngegebenen Flächen! f (x) = Fläche: A = f (x) = +x 2 Approximtion durch Treppenfunktion
MehrReelle Analysis. Vorlesungsskript. Enno Lenzmann, Universität Basel. 7. November 2013
Reelle Anlysis Vorlesungssript Enno Lenzmnn, Universität Bsel 7. November 213 5 Konvergenz- und Approximtionssätze 5.1 Monotone und Dominierte Konvergenz Wir strten mit einem grundlegenden Stz der Integrtionstheorie,
Mehr9.4 Integration rationaler Funktionen
9.4 Integrtion rtionler Funktionen Ziel: Integrtion rtionler Funktionen R(x) = p(x) q(x) wobei p(x) = n k x k, q(x) = k=0 m b k x k. k=0 Methode: Prtilbruch-Zerlegung von rtionler Funktion R(x). Anstz:
MehrÜbungen zur Analysis 2
Mthemtisches Institut der Universität München Prof. Dr. Frnz Merkl Sommersemester 2013 Bltt 2 26.4.2013 Übungen zur Anlysis 2 2.1 Vernschulichung der Cuchy-Schwrz-Ungleichung. Gegeben seien die Vektoren
MehrLineare DGL zweiter Ordnung
Universität Duisburg-Essen Essen, 03.06.01 Fkultät für Mthemtik S. Buer C. Hubcsek C. Thiel Linere DGL zweiter Ordnung Betrchten wir ds AWP { x + x + bx = 0 mit, b, t 0, x 0, v 0 R. Der Anstz xt 0 = x
MehrLösungen zur Probeklausur Lineare Algebra 1
Prof. Dr. Ktrin Wendlnd Dr. Ktrin Leschke WS 2006/2007 Lösungen zur Probeklusur Linere Algebr Ausgbe: 2. Dezember 2006 Aufgbe.. Geben Sie die Definition des Begriffs Gruppe n. Eine Gruppe ist eine Menge
MehrDifferenzial- und Integralrechnung III
Differenzil- und Integrlrechnung III Riner Huser April 2012 1 Einleitung 1.1 Polynome und Potenzfunktionen Die Polynome oder Polynomfunktionen lssen sich durch die endliche Anzhl von n+1 Prmetern i R in
Mehr6. Integration 6.1 Das Riemann-Integral
6. Integrtion 6. Ds Riemnn-Integrl 6. Integrtion 6. Ds Riemnn-Integrl Mthemtik für Chemiker 6. Integrtion 6. Ds Riemnn-Integrl Flächenberechnung: Problemstellung und Lösungsidee Sei f : [, b] [0, ) eine
Mehr9.6 Parameterabhängige Integrale
Kpitel 9: Integrtion 9.6 Prmeterbhängige Integrle Beispiel: Die Gmm-Funktion Γ(x) := f(x, t)dt = e t t x 1 dt. Zunächst: Prmeterbhängige eigentliche Integrle. Sei f : I [, b] R, I R, so dss f für festes
MehrVektoren. Definition. Der Betrag eines Vektors. Spezielle Vektoren
Vektoren In nderen Bereichen der Nturwissenschften treten Größen uf, die nicht nur durch eine Zhlenngbe drgestellt werden können, wie Krft, die Geschwindigkeit. Zur vollständigen Beschreibung z.b. der
MehrBrückenkurs Lineare Gleichungssysteme und Vektoren
Brückenkurs Linere Gleichungssysteme und Vektoren Dr Alessndro Cobbe 30 September 06 Linere Gleichungssyteme Ws ist eine linere Gleichung? Es ist eine lgebrische Gleichung, in der lle Vriblen nur mit dem
MehrIntegration von Funktionen einer Variablen
Integrtion von Funktionen einer Vriblen Ds Riemnnintegrl Motivtion: Wie knn mn den Weg w berechnen, den ein Fhrzeug zwischen den Zeitpunkten und b zurückgelegt ht, wenn mn seine Geschwindigkeit v(t) für
MehrÜbungsblatt 2 Musterlösung
Numerik gewöhnlicher Differentilgleichungen MA234 - SS6 Übungsbltt 2 Musterlösung Funktion s k : [,b] R ist ein Spline vom Grd k, bezüglich der Knoten x,...,x n, flls i) s k C k ([,b]), ii) s k [xj,x j+
Mehra = x 0 < x 1 <... < x n = b
7 Integrtion 7.1 Integrtion von Treppenfunktionen Im folgenden ezeichnen wir mit I = [, ] ein eschränktes und geschlossenes Intervll. Für Punkte = x 0 < x 1
Mehr4. Der Cauchysche Integralsatz
22 Andres Gthmnn 4. Der Cuchysche Integrlstz Es seien D C offen und f : D C eine stetige Funktion. Ht f in D eine Stmmfunktion, so hben wir im letzten Kpitel gesehen, dss Kurvenintegrle über f in D nur
Mehr10. Riemannsche Geometrie I: Riemannsche Metrik. Variable Bilinearformen.
10. Riemnnsche Geometrie I: Riemnnsche Metrik Wir können in der hyperbolischen Geometrie noch nicht wirklich messen. Hierfür bruchen wir ein Riemnnsches Längen- und Winkelmß, d.h. eine Riemnnsche Geometrie.
MehrDoppel- und Dreifachintegrale
Doppel- und Dreifchintegrle Sei [, b] ein Intervll des R 2 oder R 3 (lso ein Rechteck bzw. ein Quder), i.e. [, b] = [, b ] [ 2, b 2 ] oder [, b] = [, b ] [ 2, b 2 ] [ 3, b 3 ]. Für Intervlle des R 2 bzw.
Mehr7 Numerische Integration
7 uerische Integrtion (7.1) Definition Sei Ξ [,b] R eine endliche Menge von Stützstellen ξ Ξ und seien w ξ R für ξ Ξ die Qudrturgewichte. Dnn heißt I Ξ : C[,b] R, Qudrturforel, und E Ξ ( f ) := heißt Qudrturfehler.
Mehr