Kapitel 6. Nichtlineare Gleichungen. 6.1 Einführung. Problem: Idee: Beispiel:
|
|
- Insa Dressler
- vor 5 Jahren
- Abrufe
Transkript
1 Kapitel 6 Nichtlineare Gleichungen 6. Einführung Problem: Gesucht sind Lösungen nichtlinearer Gleichungen bzw. Systeme, das heißt es geht beispielsweise um die Bestimmung der Nullstellen eines Polynoms oder einer stetigen Funktion. Idee: Man wende ein iteratives Verfahren an, das heißt, man starte mit einem günstigen Startwert x 0 und berechne eine bessere Näherungslösung x nach einer gewissen Vorschrift, zum Beispiel durch x k+ = F (x k ), k =0,, 2,... (die Funktion F ist in diesem speziellen Fall nur von x k abhängig, es ist auch möglich, das sie außerdem noch von x k,x k 2,... abhängt, nötig wird dabei allerdings eine Vorgabe weiterer Startwerte). Wir betrachten das folgende Beispiel: Beispiel: Gesucht ist eine Lösung der Gleichung Setzen wir nun e x x =0. F (x) =:e x, so ist also ein x gesucht, so dass F (x )=x. Die Lösung dieses Problems basiert auf dem Banach schen Fixpunktsatz (Satz 3.2), der besagt: Ist die Funktion F : D D, D R n, eine Kontraktion, das heißt, existiert eine Lipschitz-Konstante 0 <L<so,dass F (x) F (y) L x y für alle x, y D gilt, so besitzt F genau einen Fixpunkt x D und die Folge {x k } k 0 mit x k = F (x k ) mit beliebigem Startwert x 0 D konvergiert gegen x. Es ist zunächst sicherzustellen, dass der Banach sche Fixpunktsatz überhaupt in unserem Beispiel anwendbar ist. Wir müssen also ein Intervall D R finden, für das F eine Kontraktion ist. Wir betrachten dazu zunächst das Intervall [0, ]. Da F (0) =, F() = e
2 Kapitel 6: NICHTLINEARE GLEICHUNGEN Darstellung von f(x) =e x und f(x) =x (siehe Beispiel) gilt, ist F eine Abbildung von [0, ] in [0, ]. Nötig für die Kontraktionseigenschaft ist die Existenz einer Konstanten L so, dass F (x) F (y) x y L<. Nach dem Mittelwertsatz der Differentialrechnung existiert ein Wert ξ [0, ] so, dass F (x) F (y) x y = F (ξ) gilt, das heißt man kann wählen. Wegen folgt L = max ξ [0,] F (ξ) F (ξ) = e ξ = e ξ L = e 0 =. Damit ist das betrachtete Intervall zu groß, F ist in [0, ] keine Kontraktion. Durch Verkleinerung des Intervalls (insbesondere an der linken Intervallgrenze, da die Funktion F streng monoton fallend ist) auf das Intervall [0.2, ] und anschliessende analoge Rechnung erhält man L = e 0.2 = <, also muss im Intervall [0.2, ] ein Fixpunkt existieren. Anwendung des Banach schen Fixpunktsatzes auf die Funktion F :[0.2, ] [0.2, ] mit Startwert 0.5 liefert dann eine Berechnungsvorschrift x k = F (x k ), k =, 2, 3,... und explizit x k = e x k. Nach Aufruf der folgenden MAPLE-Prozedur erhält man die im Anschluss aufgeführten Ergebnisse: > printlevel:=0; > x := 0.5; > for j fromto30do x:=evalf(exp( x)); print(j, x) end do;
3 84 Kapitel 6: NICHTLINEARE GLEICHUNGEN Fazit: x x x x x x x Der Banach sche Fixpunktsatz selbst kann schon für die Entwicklung eines Iterationsverfahrens benutzt werden. 6.2 Konvergenzordnung und Fehlerabschätzung Wie gut konvergieren die (mittels des Banachschen Fixpunktsatzes) gewonnenen Iterationsverfahren? Satz 6.: (a-prori Fehlerabschätzung) Sei F : D D eine Kontraktion, D R n, und D x = F (x )(dasheißtx ist Fixpunkt der Abbildung F ) sowie die Iterationsvorschrift x k = F (x k ),k=, 2,... mit Startwert x 0 D gegeben. Dann gilt die sogenannte a-priori-fehlerabschätzung x x k Lk L x x 0. Beweis: Es gilt für m N x k+m x k = x k+m x k+m + x k+m x k+m 2 + x k+m 2 + x k x k+m x k+m + x k+m x k+m x k+ x k = = k+m µ=k m+k µ=k k+m µ=k x µ+ x µ F (x µ ) F (x µ ) L µ x x 0 k+m = x x 0 µ=k L µ m = L k x x 0 L ν L< = L k x x 0 Lm L. ν=0
4 Kapitel 6: NICHTLINEARE GLEICHUNGEN 85 Dann folgt durch Grenzübergang: x x k = lim x k+m x k m Lk L x x 0. Die a-priori-fehlerabschätzung gestattet also eine ungefähre Angabe der benötigten Iterationsschritte zur Unterschreitung einer vorgegebenen Toleranz. Satz 6.2: (a-posteriori-fehlerabschätzung) Mit den Voraussetzungen wie in Satz 6. gilt die a-posteriori-fehlerabschätzung x x k L L x k x k, k =, 2,.... Beweis: Die Gültigkeit der Abschätzung folgt aus der Tatsache, dass (Idee analog zu oben) x k+m x k k+m µ=k x µ+ x µ und außerdem x µ+ x µ L µ k+ x k x k für µ = k, k +,k+2,..., k + m gilt. Das liefert Beispiel: x k+m x k k+m µ=k k+m L µ k+ x k x k = x k x k µ=k L µ k+ m = x k x k L µ+ L< = x k x k L Lm. L µ=0 }{{} L m L Wir betrachten erneut das obige Beispiel mit F (x) =e x. Mit dem oben bereits gefundenen L = liefert die a-priori-fehlerabschätzung x x }{{} 0.5 x = Für die a-posteriori-fehlerabschätzung hingegen erhält man x x x 30 x 29 = Die a-posteriori-fehlerabschätzung ist im allgemeinen mit Abstand besser!
5 86 Kapitel 6: NICHTLINEARE GLEICHUNGEN Definition 6.3: (Konvergenzordnung) Ein Iterationsverfahren besitzt die Konvergenzordnung p, falls die von ihm erzeugte Folge {x k } so gegen den Grenzwert x konvergiert, dass x k+ x lim k x k x p <K, 0 <K<, p gilt, und K<für p =.Für p = nennt man die Konvergenz linear, für p = 2 heißt die Konvergenz quadratisch. Satz 6.4: Sei D = [a, b] R und F : D D. Weiter sei F auf D eine Kontraktion und einmal stetig differenzierbar mit F (x) 0für alle x D. Dann gilt x k+ x lim k x k x = F (x ). Dabei war x k+ = F (x k ),x 0 D der Startwert und x = F (x ) der Fixpunkt der Kontraktion. Bemerkung: Da F (x) stetig ist, ist diese Ableitung auf einem abgeschlossenen Intervall beschränkt und man erhält in diesem Fall sofort lineare Konvergenz für F (x ) <. Beweis: Sei x 0 x, dann folgt, dass x k x für k gilt, denn angenommen es existiert ein k so, dass x k = x und x k x gilt. Dann folgt F (x k ) F (x k )=x k x k =0. () Andererseits ist aber nach dem Mittelwertsatz der Differentialrechnung für ein ξ [a, b]. Da weiter nach Voraussetzung F (x k ) F (x k )=(x k x k ) F (ξ) (2) x }{{} k x k }{{} =x x 0 und F (x) 0 x [a, b] gilt, ergibt sich aus () und (2) ein Widerspruch, das heißt die Annahme war falsch. Nutzt man erneut den Mittelwertsatz der Differentialrechnung, so erhält man mit ε k := x k x ε k+ := x k+ x = F (x k ) F (x ) = F (x + ε k ) F (x ) Taylor = F (x )+ε k F (x + θ ε k ) F (x ) (θ (0, )) = ε k F (x + θ ε k ). Da nach Voraussetzung ε k = x k x 0 galt, folgt aus der obigen Gleichungskette ε k+ ε k = F (x + θ ε k ).
6 Kapitel 6: NICHTLINEARE GLEICHUNGEN 87 Für k strebt ε k gegen 0 (Fixpunkteigenschaft von x ), und aufgrund der Stetigkeit von F erhalten wir ε k+ lim = F (x ). k ε k Damit ist der Beweis beendet. Was ist aber zu tun, wenn F (x ) = 0 gilt? Satz 6.5: Sei F :[a, b] [a, b] gegeben und auf dem Intervall [a, b] eine Kontraktion sowie zweimal stetig differenzierbar. Ferner sei F (x ) = 0 und F (x) 0für alle x [a, b]. Dann gilt x k+ x lim k (x k x ) 2 = 2 F (x ), das heißt, es liegt quadratische Konvergenz vor. Beweis: Es gilt x k+ x = F (x k ) F (x ) = F (x +(x k x )) F (x ) Taylor = F (x )+(x k x ) F (x ) + }{{} 2 (x k x ) 2 F (x + θ (x k x )) F (x ) =0 = 2 (x k x ) 2 F (x + θ (x k x )) mit einem θ (0, ).Wir zeigen wieder, dass für einen Startwert x 0 x auch alle weiteren x k,k ungleich x sind: Angenommen, es gäbe ein ein k N mit x k x und x k+ = x. dann folgt aus der obigen Rechnung, dass 2 (x k x ) 2 F (x + θ (x k x )) = 0 im Widerspruch zu (x k x ) 0 und F (x) 0für alle x [a, b]. Also ist eine Division durch den Faktor (x k x ) 2 erlaubt und die obige Gleichung ist äquivalent zu x k+ x (x k x ) 2 = 2 F (x + θ (x k x )). Da F nach Voraussetzung stetig in [a, b] ist und die Folge {x k } gegen x konvergiert, ergibt sich lim F (x + θ (x k x )) = k 2 F (x ), damit ist der Beweis beendet.
7 88 Kapitel 6: NICHTLINEARE GLEICHUNGEN 6.3 Das Newton-Verfahren Es sei f(x) im Intervall[a, b] stetig differenzierbar und es existiere eine Nullstelle von f(x) in [a, b]. Idee: Man wähle einen Startwert x 0 [a, b]. Die Werte x k+ (k =0,, 2,...) werdendannso gewählt, dass sie jeweils die Schnittpunkte der x-achse mit den Tangenten an die Funktion f(x) im Punkt x k sind. f(x) a x 0 x b Geometrische Darstellung des Newton-Verfahrens Allgemein lautet die Tangentengleichung für die zu betrachtende Tangente y = f(x k )+(x x k ) f (x k ), dabei soll nun der Wert, für den y = 0 gilt, der nächste Iterationspunkt sein, das heißt, es gilt y = 0 an der Stelle x k+.damitlässt sich x k+ durch Umstellen der Gleichung berechnen: 0=f(x k )+(x k+ x k ) f (x k ) = x k+ = x k f(x k) f (k =0,, 2,...). (x k ) Somit ergibt sich hier direkt die Iterationsformel des Newton-Verfahrens. Dieses Verfahren ist eine Fixpunktiteration. Setzt man F (x) =x f(x) f (x) so ist x mit gesucht, denn F (x )=x F (x )=x x f(x ) f (x ) = x f(x ) f (x ) =0. Nötige Voraussetzung bei der Anwendung des Newton-Verfahrens ist, dass f (x) 0 gilt für alle x k,k=0,,...
8 Kapitel 6: NICHTLINEARE GLEICHUNGEN 89 Satz 6.6: Sei f C 2 [A, B], f:(a, B) R, (A, B) R. Für ein Intervall (a, b) (A, B) gelte (i) f (x) 0 x [a, b], d.h., f ist in [a, b] monoton. (ii) Es ist f(x) f (x) f (x) 2 L< x [a, b]. (Diese Bedingung sichert die Kontraktionseigenschaft für F (x).) (iii) Es sei x f(x) f := F (x) [a, b] (x) d.h., F (x) ist eine Abbildung von [a, b] in[a, b]. x [a, b], Dann existiert genau eine Nullstelle x [a, b] und für einen beliebigen Startwert x 0 (a, b) konvergiert das Newton-Verfahren gegen x mit F (x )=x und die Folge {x k } ist mindestens quadratisch konvergent. Bemerkung: Ist x eine Nullstelle von f C 2 [A, B] mitf (x ) 0, dann existiert immer ein Intervall (a, b) mitx (a, b) so, dass (i)-(iii) erfüllt sind. Die Eigenschaft (i) folgt für ein Intervall [x ε, x + ε] aus der Stetigkeit von f. Aufgrund der Stetigkeit von f auf diesem abgeschlossenen Intervall lässt sich eine Abschätzung der Form f (x) C mit positiver Konstante C finden, da außerdem f (x ) 0 vorausgesetzt war, ist auf diesem Intervall auch eine Abschätzung der Form mit positiver Konstante c gültig. Damit gilt f (x) c f(x) f (x) f (x) 2 f(x) C c 2. Da f(x ) = 0 war, kann man ein ε finden, für das f(x + h) < c2 C für alle h <εgilt. Damit gilt auch Eigenschaft (ii). Wählt man dann speziell ε>0so,dassfür alle x [x ε, x + ε] die Eigenschaft c f (x) 2c (c >0) gilt (auch das ist aufgrund der Stetigkeit von f und der daraus folgenden Beschränktheit auf abgeschlossenen Intervallen immer möglich) und ist o.b.d.a. f (x) > 0für alle x [x ε, x + ε], dann ergibt sich (da x ja nach Voraussetzung die Nullstelle von f ist), dass f(x) < 0 für x<x, f(x) > 0 für x>x,
9 90 Kapitel 6: NICHTLINEARE GLEICHUNGEN (streng monotones Wachstum!). Für x [x,x + ε] gilt dann x f(x) [ f x f(x),x f(x) ] (x) c 2c [ x f(x) + x x,x f(x) ] + x x. c 2c Aus dem Mittelwertsatz der Differentialrechnung und der Stetigkeit von f, folgt außerdem für eine Zwischenstelle ξ (x,x) =0 {}}{ f(x) f(x ) x x = f (ξ) = c x x f(x) 2c x x, so dass x f(x) [ f (x) x x x,x + ] [ 2 x x x ε, x + ε ]. 2 Analog folgt für x [x ɛ, x ] x f(x) [ f (x) x ε ] 2,x + ε. Damit ist auch Eigenschaft (iii) erfüllt. Beweis von Satz 6.6: ) Nach Eigenschaft (iii) ist F (x) eine Abbildung von [a, b] in[a, b]. Nach dem Mittelwertsatz der Differentialrechnung existiert ein ξ (x, y) mit F (x) F (y) = F (ξ) x y F (x) F (y) = F (ξ) x y. F ist eine Kontraktion, wenn wir zeigen können, dass gilt. Aus folgt max ξ [a,b] F (ξ) L< F (x) =x f(x) f (x) F (ξ) = f (ξ) 2 f(ξ) f (ξ) f (ξ) 2 = f(ξ) f (ξ) f (ξ) 2. Nach Eigenschaft (ii) ist F (x) also eine Kontraktion. Da F eine Abbildung von [a, b] in [a, b] ist, existiert nach dem Banach schen Fixpunktsatz also ein Fixpunkt x [a, b] mit F (x )=x.damiterhält man unter Berücksichtigung der Eigenschaft (i), f (x ) 0, dass x f(x ) f (x ) = x f(x ) f (x ) =0 = f(x )=0 gilt, das heißt, der Fixpunkt x ist gleichzeitig die gesuchte Nullstelle der Funktion f im Intervall [a, b]. Die Eindeutigkeit das Fixpunktes folgt aus Satz 3.2.
10 Kapitel 6: NICHTLINEARE GLEICHUNGEN 9 2) Das Newton-Verfahren hat die Konvergenzordnung 2, denn eine Taylor-Entwicklung der Funktion f (Entwicklungspunkt x k ) ergibt sich zu f(x ) = f(x k +(x x k )) = f(x k )+f (x k ) (x x k )+ 2 f (x k + θ (x x k )) (x x k ) 2, wobei θ (0, ) gilt. Wegen f(x ) = 0 ergibt sich mit der Iterationsformel aus der Taylor-Entwicklung x k+ = x k f(x k) f (x k ) 0=f(x k )+f (x k ) (x x k )+ 2 (x x k ) 2 f (x k + θ (x x k )) f(x k) f (x k ) +(x x k ) = 2 (x x k ) 2 f (x k + θ (x x k )) f }{{} (x k ) x x k+ x x k+ = 2 (x x k ) 2 f (x k + θ (x x k )) f (x k ) = x x k+ x x k 2 = 2 f (x k + θ (x x k )) f (x k ) x x k+ = lim k x x k 2 = 2 f (x ) f (x ) < das heißt, es ergibt sich die Konvergenzordnung 2. Beispiel: Gesucht ist die m-te Wurzel aus K>0, also die Nullstelle der Funktion f(x) =x m K, (m 2). Diese ist im Intervall (0, ) eindeutig. Zunächst ist vor der Anwendung des Newton-Verfahrens sicherzustellen, dass alle in Satz 6.6 genannten Bedingungen erfüllt sind. Es ist also zuerst ein geeignetes Intervall zu wählen, so dass dort (i)-(iii) gelten. (i) Es gilt f (x) =m x m 0 x>0. (ii) Es gilt f(x) f (x) f (x) 2 = (xm K) m(m ) x m 2 m 2 x 2m 2 = (xm K) (m ) m x m = m ( m Kx ) m. Um Eigenschaft (ii) aus Satz 6.6 zu erfüllen, muss dieser Quotient durch eine Konstante L<abgeschätzt werden können. Es ist K x m für K 2x m x m K 2.
11 92 Kapitel 6: NICHTLINEARE GLEICHUNGEN F (x) = x/2 + /x (siehe Beispiel) Damit ist beispielsweise das Intervall [a, b] mita m K 2 und b = zulässig. Wir wählen ein a mit K 2 am <K. (iii) Zu überprüfen ist, ob für dieses Intervall [a, b] die Bedingung (iii) gilt, d.h., ob F (x) := x f(x) f (x) = x xm K m x m = x x m + K m x m = m m x + K m x m eine Abbildung von [a, b] in[a, b] ist.f (x) ist monoton wachsend für x m >K(x m K) und monoton fallend für a m x m K (a x m K), denn es ist F (x) = m m + K m ( m +) x m = m ( m Kx ) m. Zu Veranschaulichung betrachte die folgende Skizze (m =2,K=2,f(x) =x 2 2, F(x) = 2 x + x ): Es gilt (wieder im allgemeinen Fall!) für m K/2 a< m K: m F (a) = m a + K m a m a m <K m m a + a m m a m m = m a + a m = a und für x = m K ( F ) m K = m m m K + ( m = m m m K + m ( K m K = m m m K + m m K = m K > a. ( ) m ) m m K ) m m K
12 Kapitel 6: NICHTLINEARE GLEICHUNGEN 93 Alle nötigen Bedingungen aus Satz 6.6 sind somit erfüllt auf dem Intervall [a, ). Die Iterationsvorschrift lautet in diesem Fall explizit x k+ = x k f(x k) f (x k ) = x k xm k K m x m k = ( ) K m x m +(m ) x k. k Im Fall m = 2 (Quadratwurzel) ergibt sich daraus speziell x k+ = [ ] K 2 + x k, x k wobei z.b. der Startwert x 0 = K gewählt werden kann. Nach dieser Formel berechnet ein Taschenrechner/Computer die Quadratwurzel. Für die Funktion f(x) =x 2 2 mit dem Startwert x 0 = 2 und der Iterationsvorschrift x k+ = [ ] x k k =0,, 2,..., x k finden wir und x 2 = 2 [ x 3 = 2 [ x =.5, + 3 ] = = 7 2 = ] = = = , dabei ist die Berechnung im dritten Iterationsschritt bereits auf 6 Nachkommastellen genau! 6.4 Intervallschachtelung, Regula falsi, Sekantenmethode Das Newton-Verfahren zur Berechnung einer Nullstelle ist nicht immer anwendbar (z.b., wenn f nicht differenzierbar ist. Wir betrachten daher noch einige weitere Methoden zur Berechnung der Nullstelle einer Funktion. Es sei im Folgenden f : R R eine nichtlineare, stetige Funktion. Intervallschachtelung Sei das Intervall I 0 = [a, b] bekanntmitf(a) f(b) < 0, das heißt in einem der beiden Endpunkte ist der Funktionswert negativ, im anderen positiv. Für stetiges f existiert damit eine Nullstelle von f in [a, b].
13 94 Kapitel 6: NICHTLINEARE GLEICHUNGEN Algorithmus: O.B.d.A. sei f(a) < 0, f(b) > 0. Man geht dann in der folgenden Weise vor: (i) Solange b a >toleranz. Berechne x = a +(b a) Berechne f(x). Falls f(x) < 0gilt,sosetzea := x. Falls f(x) > 0gilt,sosetzeb := x. (ii) Drucke a, b. Ist L 0 = b a, so ergibt sich nach k Iterationsschritten L k = b a 2 k, also x k x b a 2 k+, dabei bezeichnet x k jeweils den Mittelpunkt des Intervalls I k. Die Fehlerschranke nimmt mit dem Faktor 2 ab, die Konvergenzordnung ist. Methode der Regula falsi Voraussetzung: Das Startintervall [a, b] mitf(a) f(b) < 0 ist bekannt. Setze dann x 0 := a, x := b. Idee: Man bestimme den Wert x 2 als Nullstelle der Geraden g durch die Punkte (x 0,f(x 0 )) und (x,f(x )), das heißt, g besitzt die Gestalt Für g (x 2 ) = 0 folgt g (x) =f(x 0 )+(x x 0 ) f(x ) f(x 0 ) x x 0. f(x 0 )+(x 2 x 0 ) f(x ) f(x 0 ) =0 x x 0 x x 0 x 2 = x 0 f(x 0 ) f(x ) f(x 0 ) = x 0 f(x ) x f(x 0 ). f(x ) f(x 0 ) Es sei f(x 0 ) < 0, f(x ) > 0. Falls f(x 2 ) > 0gilt,sowähle I I := [x 2,x ]. Man kann so folgenden Algorithmus verwenden: Algorithmus: := [x 0,x 2 ], sonst wähle Bei gegebenen x 0 <x,y 0 = f(x 0 ),y = f(x )mity 0 y < 0 berechne man für k =, 2, 3,... x k+ := x k y k x k y k y k y k, y k+ := f(x k+ ). Falls dann y k+ = 0 (aufgrund von Rundungsfehlern in der Realität wohl besser y k+ < toleranz) gilt, dann stoppt der Algorithmus, x k+ ist dann die gesuchte Nullstelle.
14 Kapitel 6: NICHTLINEARE GLEICHUNGEN 95 f(x) x 0 x 2 x Geometrische Darstellung der Regula falsi Methode Ansonsten falls y k+ y k < 0 gilt, so setze x k := x k,y k := y k falls y k+ y k > 0 gilt, so vertausche die Punkte (x k+,y k+ ) und (x k,y k ) Um die Konvergenzordnung dieser Methode zu bestimmen, benötigen wir folgendes Lemma. Lemma 6.7: Seien x 0,x,x 2 R mit x 0 <x <x 2.Istf C 2 [x 0,x 2 ], so existiert eine Zwischenstelle ξ [x 0,x 2 ]mit f[x 0,x,x 2 ]= 2 f (ξ). Dabei ist f[x 0,x,x 2 ]:= f[x 0,x ] f[x,x 2 ] x 0 x 2 und f[x 0,x ]:= f(x 0) f(x ), f[x,x 2 ]=: f(x ) f(x 2 ), x 0 x x x 2 das heißt, wir erhalten explizit die dividierte Differenz zweiter Ordnung ( ) ( ) f(x0 ) f(x ) f(x ) f(x 2 ) x 0 x x x 2 f[x 0,x,x 2 ] = x 0 x 2 f(x 0 ) = (x 0 x )(x 0 x 2 ) + f(x ) (x x 0 )(x x 2 ) + f(x 2 ) (x 2 x 0 )(x 2 x ). Beweis: Für beliebiges a [x 0,x 2 ] gilt x f(x) =f(a)+ f (t) dt a }{{} f (t) f(x) p.i. x x = f(a)+f (t) (t x) f (t) (t x) dt t=a a x f(x) =f(a)+f (a) (x a)+ f (t) (x t) dt. a ( )
15 96 Kapitel 6: NICHTLINEARE GLEICHUNGEN Setzt man jetzt ω 0 = (x 0 x )(x 0 x 2 ), ω = (x x 0 )(x x 2 ), ω 2 = so erhält man für die dividierte Differenz zweiter Ordnung (x 2 x 0 )(x 2 x ), f[x 0,x,x 2 ] = f(x 0 ) ω 0 + f(x ) ω + f(x 2 ) ω 2 ( ) 2 x k [ = f(a)+f (a) (x k a)+ f (t) (x k t) dt ] ω k. k=0 Unter Verwendung der Tatsache, dass ω 0 + ω + ω 2 = (x 0 x )(x 0 x 2 ) + (x x 0 )(x x 2 ) + (x 2 x 0 )(x 2 x ) = (x x 2 ) (x 0 x 2 )+(x 0 x ) (x 0 x )(x 0 x 2 )(x x 2 ) = 0 sowie ω 0 x 0 + ω x + ω 2 x 2 = x 0(x x 2 )+x (x 2 x 0 )+x 2 (x 0 x ) (x 0 x )(x 0 x 2 )(x x 2 ) = x 0x x 0 x 2 + x x 2 x x 0 + x 2 x 0 x 2 x (x 0 x )(x 0 x 2 )(x x 2 ) = 0 a gilt, ergibt sich 2 [ f(a)+(xk a) f (a) ] ω k =0, das heißt, es folgt k=0 f[x 0,x,x 2 ]= 2 x k ω k f (t) (x k t) dt. k=0 Wählt man jetzt a = x,dannerhält man mit x 0 x f (t) x 0 t x 2 (x 0 x )(x 0 x 2 ) dt + f x 2 t (t) (x 2 x 0 )(x 2 x ) dt = x K(t) = a t x 0 (x 0 x )(x 0 x 2 ) 0 für x 0 t x, x 2 t (x 2 x 0 )(x 2 x ) 0 für x <t x 2. x 2 x 0 f (t) K(t) dt Die Funktion K(t)heißtKern, in diesem Fall ist der Kern positiv, dies wird in der folgenden Skizze deutlich: Wegen ( ) x 2 min f (x) K(t) dt x [x 0,x 2] x 0 x 2 x 0 ( f (t) K(t) dt max f (x) x [x 0,x 2] ) x 2 x 0 K(t) dt
16 Kapitel 6: NICHTLINEARE GLEICHUNGEN 97 x 2 x 0 K(t) x 0 x x 2 Kern K(t). folgt dann aus der Stetigkeit von f f[x 0,x,x 2 ]=f (ξ) x 2 K(t) dt mit einer Zwischenstelle ξ [x 0,x 2 ]. Satz 6.8: x 0 }{{} = 2, vgl.skizze Sei f C 2 [a, b], x 0 = a, x = b und f(x 0 ) f(x ) < 0. Sei weiterhin f (x) 0,f (x) 0 für alle x [a, b]. Die Konvergenzordnung der Methode der Regula falsi ist dann lokal mindestens Eins. Bemerkung: Die Bedingung f (x) 0in[a, b] sichert die Monotonie von f. Insbesondere ist dann x eine einfache Nullstelle von f. Falls f (x ) 0 und f (x ) 0, dann existiert immer ein Intervall [ã, b] U ε (x )mitf (x) 0,f (x) 0für alle x [ã, b], da f und f stetig sind. Beweis: Es gilt x k+ = x k f(x k ) x k f(x k ) f(x k ) f(x k ) = x k+ x = (x k x ) f(x k ) (x k x ) f(x k ) f(x k ) f(x k ) = (x k+ x ) (f(x k ) f(x k )) = (x k x ) f(x k ) (x k x ) f(x k ) x k x k x k x k f(x k ) f(x ) f(x )=0 = x k x f(x ) f(x k ) x x k x k x k (x x k ) (x x k ). = (x k+ x ) f(x k) f(x k ) x k x k = f[x k,x,x k ] (x x k ) (x x k ). Nach dem Mittelwertsatz und Lemma 6.7 gilt weiter (x k+ x ) f (η) = 2 f (ξ) (x x k ) (x x k )
17 98 Kapitel 6: NICHTLINEARE GLEICHUNGEN mit η, ξ (x k,x k ). Damit folgt durch Umformen x k+ x x k x = 2 f (ξ) f (η) x x k. Aufgrund der Stetigkeit von f und f im Intervall [a, b] existiert eine Konstante M>0mit f (ξ) f (η) <M ξ,η [x k,x k ], das heißt, es folgt x k+ x x k x 2 M x x k. Wegen lim x k = x ergibt sich lineare Konvergenz. k Sekantenmethode Die Sekantenmethode ist eine Modifikation der Methode der Regula falsi. Gegeben seien hier zwei Näherungswerte x 0,x, die die Nullstelle nicht unbedingt einschließen müssen. Idee: Man berechne den Schnittpunkt der Sekante (der Geraden durch die Punkte (x 0,f(x 0 )) und (x,f(x ))) mit der x-achse und erhält so x 2. Im Gegensatz zur Methode der Regula falsi wird jetzt die Iteration ohne Umbenennen der Punkte fortgesetzt, das heißt, man führt den nächsten Iterationsschritt mit den Punkten x und x 2 durch. Es werden immer die letzten beiden Punkte zur Berechnung der neuen Sekante herangezogen. Man erhält zur f(t) x 0 x 3 x 2 x Geometrische Darstellung der Sekantenmethode Berechnung des nächsten Punktes die Iterationsvorschrift ( ) x k x k x k+ = x k f(x k ) = x k f(x k ) x k f(x k ), f(x k ) f(x k ) f(x k ) f(x k ) das heißt formal dieselbe Vorschrift wie bei der Methode der Regula falsi. Voraussetzung ist allerdings, dass f(x 0 ) f(x ) gilt, da sonst der Nenner des auftretenden Bruches nicht definiert ist.
18 Kapitel 6: NICHTLINEARE GLEICHUNGEN 99 Satz 6.9: Sei f C 2 [a, b], x 0,x [a, b] und sei x k [a, b] für k =2, 3,... Außerdem gelte f(a) f(b) < 0. Ist weiterhin f (x) 0,f (x) 0für alle x [a, b], dann ist die lokale Konvergenzordnung des Sekantenverfahrens > (superlineare Konvergenz). Beweis: Aus der Iterationsvorschrift ( ) x k x k x k+ = x k f(x k ) f(x k ) f(x k ) folgt wie im Beweis von Satz 6.8, dass (x k+ x ) f(x k) f(x k ) = ±f[x k,x,x k ] (x x k ) (x x k ) x k x k gilt, dabei ist zu beachten, dass (anders als im Beweis zu Satz 6.8) nicht unbedingt x k < x <x k gilt (deshalb entsteht auf der rechten Seite unter Umständen ein anderes Vorzeichen als im letzten Beweis). Mit dem Mittelwertsatz und Lemma 6.7 erhält man eine Darstellung der Form (x k+ x ) f (η k )=± 2 f (ξ k ) (x x k ) (x x k ) ( ) mit η k,ξ k I k =[min{x k,x,x k }, max{x k,x,x k }]. Sei nun M k := 2 f (ξ k ) f (η k ) <M:= 2 max f (ξ) η,ξ [a,b] f (η) <. Zunächst sehen wir ein, dass x k lokal linear gegen x konvergiert, denn aus ( ) folgt Zur Abkürzung sei jetzt x k+ x x k x M x k x. d k := x k x, k =0,, 2,... Dann ergibt sich aus ( ) d k+ = M k d k d k. Es ist nun zu zeigen, dass für k d k+ c d (+ 5)/2 k (k 0) mit einer Konstante 0 <c< gilt. Mit dem Ansatz d k = γ k d s k erhalten wir aus d k+ = M k d k d k γ k+ d s k = M k d k d k γ k+ d s k = M k d k γ k+ (γ k d s k ) s = M k d k (γ k+ γ s k ) d s2 s k = M k. Für s = 2 ( 5+)folgts 2 s = 0 und daher γ k+ γ s k = M k <M,
19 00 Kapitel 6: NICHTLINEARE GLEICHUNGEN d.h., die Folge γ k ist beschränkt. (Da (d k ) k=0 eine Nullfolge ist, ist für größere s die Beschränktheit der Folge (γ k ) k=0 nicht mehr gesichert.) Also ist d k+ lim k d s k = lim k γ k+ c<. Bemerkung: ) Die Bedingung x k [a, b] für k =2, 3,... in Satz 6.9 ist erfüllt, falls ein d<soexistiert, dass x 0 x M d< und x x M d< mit M = f (ξ) max 2 η,ξ [a,b] f (η) gilt, denn aus (vgl. Beweis zu Satz 6.9) folgt x k+ x M x k x x k x M x k+ x M 2 x k x x k x M x 2 x d 2, M x 3 x d 3, u.s.w.
Nichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
MehrNichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
MehrNullstellenberechnung von nichtlinearen Funktionen
Kapitel 3 Nullstellenberechnung von nichtlinearen Funktionen In dieser Vorlesung wird nur die Nullstellenberechnung reeller Funktionen einer reellen Variablen f : R R betrachtet. Man nennt die Nullstellen
MehrLösung zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim
Lösung zur Serie 8 Aufgabe 40 Wir zeigen in dieser Aufgabe, dass die Voraussetzung dass die Funktion in einer kleinen Umgebung injektiv sein muss, beim Satz über die Umkehrfunktion notwendig ist. Hierzu
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
Mehr6. Iterationsverfahren. Fixpunktiteration. 6.Iterationsverfahren: Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16
6. Iterationsverfahren Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16 Beispiel: Ausbreitung eines Grippevirus in einem Kindergarten Zeitpunkt t 0 t 1 t 2 t 3 t 4 t 5 Anteil kranker
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
MehrNullstellen von algebraischen Gleichungen
Kapitel 2 Nullstellen von algebraischen Gleichungen 2.1 Vorbemerkungen Suche Lösung der Gleichung f(x) = 0 (2.1) Dies ist die Standardform für eine Dimension. - typisch nichtlineare Gleichung, sonst elementar
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 3. März 2016 Nichtlineare Gleichungen, Fixpunkt-Iterationen 1 Wiederholung Aufgabentypen
MehrNäherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.
3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1)
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrIterative Verfahren: Allgemeines, Fixpunkt-Iteration, Nullstellen. Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Iterative Verfahren: Allgemeines, Fiunkt-Iteration, Nullstellen Motivation Viele numerische Probleme lassen sich nicht mit endlich vielen Schritten lösen Nullstellen
Mehr5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
MehrAlgebra. Roger Burkhardt Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft
Algebra Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft FS 2010 Roger Burkhardt roger.burkhardt@fhnw.ch Algebra
MehrKapitel 5. Lösung nichtlinearer Gleichungen
Kapitel 5. Lösung nichtlinearer Gleichungen 5.1 Nullstellen reeller Funktionen, Newton-Verfahren 5.2 Das Konvergenzverhalten iterativer Verfahren 5.3 Methode der sukzessiven Approximation 5.4 Das Newton-Verfahren
MehrIterative Lösung von nichtlinearen Gleichungen und Gleichungssystemen
Kapitel 5 Iterative Lösung von nichtlinearen Gleichungen und Gleichungssstemen 5.1 Iterationsverfahren zur Lösung einer reellen nichtlinearen Gleichung Es sei g() eine im Intervall I definierte reellwertige
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrNumerisches Lösen von Gleichungen
Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:
MehrKAPITEL 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
Mehrdx nf(x 0). dx f(n 1) (x 0 ) = dn
4.3. Höhere Ableitungen, Konveität, Newtonverfahren 65 4.3 Höhere Ableitungen, Konveität, Newtonverfahren Ist f:i R differenzierbar auf einem Intervall I, so erhalten wir eine neue Funktion auf I, nämlich
MehrNEXTLEVEL I, Analysis I
NEXTLEVEL I, Analysis I Hanna Peywand Kiani Wintersemester 9/ Die ins Netz gestellten Kopien der Folien sollen nur die Mitarbeit während der Veranstaltung erleichtern. Ohne die in der Veranstaltung gegebenen
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. Februar 2014 Gliederung Wiederholung: Gleichungstypen, Lösungsverfahren Grundprinzip
MehrKapitel 4: Nichtlineare Nullstellenprobleme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik (SS
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
Mehr13. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrDas Newton Verfahren.
Das Newton Verfahren. Ziel: Bestimme eine Nullstelle einer differenzierbaren Funktion f :[a, b] R. Verwende die Newton Iteration: x n+1 := x n f x n) f x n ) für f x n ) 0 mit Startwert x 0. Das Verfahren
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrAlgorithmen zur Nullstellenbestimmung Ac 2018
Algorithmen zur Nullstellenbestimmung Ac 2018 Bestimmt werden sollen Lösungen x der Gleichung f(x) = 0 für eine stetige Funktion f. Diese Lösungen x nennt man Nullstellen von f. 1. Methode: Bisektionsverfahren
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrAnalysis I. 3. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 3. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine Abbildung F von einer Menge L in eine
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 26 1. Folgen R. Steuding (HS-RM)
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrAnalysis I. 7. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 7. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine surjektive Abbildung f: L M. () Ein archimedisch
MehrFerienkurs Seite 1. Technische Universität München Ferienkurs Analysis 1 Stetigkeit, Konvergenz, Topologie
Ferienkurs Seite Technische Universität München Ferienkurs Analysis Hannah Schamoni Stetigkeit, Konvergenz, Topologie Lösung 2.03.202. Gleichmäßige Konvergenz Entscheiden Sie, ob die folgenden auf (0,
Mehr6 Weiterer Ausbau der Differentialrechnung
6 Weiterer Ausbau der Differentialrechnung 6.1 Mittelwertsätze, Extremwerte, Satz von Taylor Motivation: Wie wählt man Höhe und Durchmesser einer Konservendose, so dass bei festem Volumen V möglichst wenig
Mehr(b) Bestimmen Sie mit Hilfe des Newton-Verfahrens eine Nullstelle von f auf 6 Nachkommastellen
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 5.10.18 Übung 6 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 9. Oktober 018 in den Übungsstunden Aufgabe 1 GebenSieohneTaschenrechnereineNäherungvon
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 6. (n+1)!. Daraus folgt, dass e 1/x < (n+
D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger Lösung - Serie 6 1. MC-Aufgaben (Online-Abgabe) 1. Für alle ganzen Zahlen n 1 gilt... (a) e 1/x = o(x n ) für x 0 + (b) e 1/x = o(x n ) für x 0 + (c)
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV Aufgabe N1 (LR-Zerlegung mit Pivotisierung) Gegeben seien R 3.
Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV 7.7.6 Aufgabe N (LR-Zerlegung mit Pivotisierung) Gegeben seien 6 8 A = 8 6 R und b = 6 R. a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung.
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
Mehr12 Extremwerte und Monotonie
5 II. Differentialrechnung 1 Extremwerte und Monotonie Lernziele: Resultate: Existenz von Maxima und Minima stetiger Funktionen auf kompakten Intervallen, Monotoniesatz Kompetenzen: Bestimmung lokaler
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
Mehr6 Die Bedeutung der Ableitung
6 Die Bedeutung der Ableitung 24 6 Die Bedeutung der Ableitung Wir wollen in diesem Kapitel diskutieren, inwieweit man aus der Kenntnis der Ableitung Rückschlüsse über die Funktion f ziehen kann Zunächst
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV 6.8.005 1 Aufgabe N1 Gegeben seien A = 5-10 -5-10 8-10 -5-10 13 R 3 3 und b = a) Überprüfen Sie, ob die Matrix A positiv definit ist. b) Bestimmen
MehrDem Anschein nach werden diese Zahlen kleiner und kleiner und streben gegen Null. Was sollen sie sonst auch tun? Aber der Begriff
47 5 Irrationales 5.1 Folgen, Konvergenz und Vollständigkeit Eine Abbildung a : N R definiert eine Folge von reellen Werten a 1 = a(1), a 2 = a(2), a 3 = a(3),... Solche Zahlenfolgen werden uns dazu dienen,
Mehr1. Aufgabe 8 Punkte. f (x) = (x 2 + 1) e x2. Es gilt. f (x) = 2xe x2 + ( x ) e x2 ( 2x) = 2x 3 e x2.
1. Aufgabe 8 Punkte Geben Sie die Bereiche, auf denen die Funktion f : R R mit f (x) = (x + 1) e x monoton wachsend oder fallend ist, an, und untersuchen Sie die Funktion auf lokale und globale Extrema.
Mehr2 - Konvergenz und Limes
Kapitel 2 - Folgen Reihen Seite 1 2 - Konvergenz Limes Definition 2.1 (Folgenkonvergenz) Eine Folge komplexer Zahlen heißt konvergent gegen, wenn es zu jeder positiven Zahl ein gibt, so dass gilt: Die
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 26. Februar 2009, Gliederung,, Gleichungen in einer Variablen Was ist... Wie geht... eine lineare (nichtlineare,
MehrAnalysis I. Vorlesung 19
Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 19 In dieser Vorlesung untersuchen wir mit Mitteln der Differentialrechnung, wann eine Funktion f: I R, wobei I R ein Intervall ist, (lokale)
MehrDas Newton-Verfahren
1/14 Das Newton-Verfahren 11./12. Jgst. Bayern Doris Behrendt Gymnasium Marktbreit Stand: 12. März 2016 2/14 Formelsammlung Seite 72 oben, vierter Punkt: Newton-Iterationsformel: x n+1 = x n f(x n) f (x
Mehr16. Differentialquotient, Mittelwertsatz
16. Differentialquotient, Mittelwertsatz Gegeben sei eine stetige Funktion f : R R. Wir suchen die Gleichung der Tangente t an die Kurve y = f(x) im Punkt (x, f(x ), x R. Das Problem dabei ist, dass vorderhand
Mehr8.3 Lösen von Gleichungen mit dem Newton-Verfahren
09.2.202 8.3 Lösen von Gleichungen mit dem Newton-Verfahren Beispiel: + 2 e Diese Gleichung kann nicht nach aufgelöst werden, da die beiden nicht zusammengefasst werden können. e - - 2 0 Die gesuchten
Mehr2.6 Lokale Extrema und Mittelwertsatz
2.6. Lokale Etrema und Mittelwertsatz 49 2.6 Lokale Etrema und Mittelwertsatz In diesem Kapitel bezeichne f stets eine reellwertige Funktion, definiert auf einem abgeschlossenen Intervall [a, b]. Unter
MehrHöhere Mathematik III
Universität Stuttgart Fachbereich Mathematik Prof. Dr. J. Pöschel Dr. D. Zimmermann Dipl.-Math. K. Sanei Kashani Blatt 5 Höhere Mathematik III el, kb, mecha, phs Vortragsübungen (Musterlösungen) 7..4 Aufgabe
MehrWiederholungsklausur zur Analysis I
Wiederholungsklausur zur Analysis I Prof. Dr. C. Löh/M. Blank 5. Oktober 2011 Name: Matrikelnummer: Vorname: Übungsleiter: Diese Klausur besteht aus 8 Seiten. Bitte überprüfen Sie, ob Sie alle Seiten erhalten
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrBrückenkurs Rechentechniken
Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
MehrAnalysis I. 6. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 6. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine Relation zwischen den Mengen X und Y.
Mehrc < 1, (1) c k x k0 c k = x k0
4.14 Satz (Quotientenkriterium). Es sei (x k ) Folge in K. Falls ein k 0 existiert, so dass für k k 0 gilt x k 0 und x k+1 x k c < 1, (1) so ist x k absolut konvergent. Beweis. Aus (1) folgt mit vollständiger
MehrKompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung:
16 Mittelwertsätze und Anwendungen 71 16 Mittelwertsätze und Anwendungen Lernziele: Konzepte: Konvexität und Konkavität Resultate: Mittelwertsätze der Differentialrechnung Methoden: Regeln von de l Hospital
MehrDas Trust-Region-Verfahren
Das Trust-Region-Verfahren Nadine Erath 13. Mai 2013... ist eine Methode der Nichtlinearen Optimierung Ziel ist es, das Minimum der Funktion f : R n R zu bestimmen. 1 Prinzip 1. Ersetzen f(x) durch ein
MehrTeil I Auswahlfragen
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Grundlagen der Analysis Sommersemester 010 Klausur vom 07.09.010 Teil I Auswahlfragen Name: Hinweise: Bei den folgenden Auswahlfragen
MehrDiplom VP Numerik 28. August 2006
Diplom VP Numerik 8. August 6 Multiple-Choice-Test Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese Aufgabe
MehrD-MATH, D-PHYS, D-CHAB Analysis I HS 2017 Prof. Manfred Einsiedler. Lösung 4
D-MATH, D-PHYS, D-CHAB Analysis I HS 017 Prof. Manfred Einsiedler Lösung 4 Hinweise 1. Zeigen Sie, dass inf X die kleinste obere Schranke von X ist.. Dass z 1, z Lösungen sind, kann man durch Einsetzen
Mehr1 Folgen und Stetigkeit
1 Folgen und Stetigkeit 1.1 Folgen Eine Folge ist eine durchnummerierte Zusammenfassung von reellen Zahlen. Sie wird geschrieben als (a 1, a 2, a 3,...) = (a n ) n N. Es ist also a n R. Der Index n gibt
MehrLösungen zur Klausur zur Analysis 1, WiSe 2016/17
BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:
MehrLösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.
Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )
MehrMathematik für Wirtschaftsinformatiker
UNIVERSITÄT SIEGEN Prof. Dr. Alfred Müller 12. Februar 2009 Klausuraufgaben Mathematik für Wirtschaftsinformatiker Beachten Sie folgende Hinweise: (1) Überprüfen Sie Ihr Exemplar auf Vollständigkeit! Die
MehrÜbersicht. 1. Motivation. 2. Grundlagen
Übersicht 1. Motivation 2. Grundlagen 3. Analysis 3.1 Folgen, Reihen, Zinsen 3.2 Funktionen 3.3 Differentialrechnung 3.4 Extremwertbestimmung 3.5 Nichtlineare Gleichungen 3.6 Funktionen mehrerer Variabler
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 5. x 1 2x 3 = lim 6x
D-MAVT/D-MATL Analysis I HS 07 Dr. Andreas Steiger Lösung - Serie 5. MC-Aufgaben Online-Abgabe. Durch zweifache Anwendung der Regel von Bernoulli-de l Hôpital folgt Stimmt diese Überlegung? lim x x 3 +
MehrMathematik für Anwender I. Klausur
Fachbereich Mathematik/Informatik 27. März 2012 Prof. Dr. H. Brenner Mathematik für Anwender I Klausur Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrDer Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 2. Folgen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen Mathematik
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
MehrD-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. Lösung - Serie 1
D-MAVT/D-MATL Analysis I HS 07 Dr. Andreas Steiger Lösung - Serie. Frage Welche der Aussagen sind richtig? Eine divergente Folge ist nicht beschränkt. Falsch. Z.B. ist {( ) n } n N beschränkt und divergent.
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
MehrNachklausur zur Analysis 1, WiSe 2016/17
BERGISCHE UNIVERSITÄT WUPPERTAL 04.04.7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis, WiSe 06/7 Aufgabe
MehrGleichungsbasierte Modellierung
1 Gleichungsbasierte Modellierung Die Benutzung von Gleichungen zur Geometrischen Modellierung wurde bereits von Sutherland eingeführt. Fortgeführt wurde sie durch die Arbeiten von Light und Gossard. Wie
MehrAlternativ kann man auch die Differenz a n+1 a n betrachten:
Aufgabe 1 Folgen auf Monotonie und Beschränktheit prüfen. a) Beschränktheit? Die Folge ( ) n N mit = n + ( 1) n ist nach unten beschränkt, denn es gilt n + ( 1) n n 1 1 für alle n N. Allerdings ist die
Mehr2 Der Weierstraßsche Produktsatz
4 Kapitel Meromorphe Funktionen Der Weierstraßsche Produktsatz Unser nächstes Problem soll sein, zu einer vorgegebenen Menge von Punkten eine holomorphe Funktion zu suchen, die genau in den Punkten Nullstellen
MehrNachklausur Analysis 2
Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
MehrKapitel 6 Grenzwerte von Funktionen und Stetigkeit
Kapitel 6 Grenzwerte von Funktionen und Stetigkeit 225 Relle Funktionen Im Folgenden betrachten wir reelle Funktionen f : D R, mit D R. Wir suchen eine formale Definition für den folgenden Sachverhalt.
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
Mehr