Numerisches Programmieren, Übungen
|
|
- Nicole Busch
- vor 5 Jahren
- Abrufe
Transkript
1 Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt: Interpolation ) Interpolation mit Unterschiedliche Basis Funktionen Die Ausgabewerte einer unbekannten Funktion f sind an den Punkten x 0 = 0, x =, x = gegeben: f(0) = 3, f() = 0, f( = Im folgenden untersuchen wir Schätzungen für f ( Geben Sie für das lineare Gleichungssystem für die Interpolation, die Interpolationsfunktion G, die Schätzung von f ( = G (, a) die Polynom-Basisfunktionen g 0 (x) =, g (x) = x, g (x) = x, (Bestimmen Sie, dass die Lösung ( c 0 c c ) T = ( 3 5 ) T ist) b) die folgende trigonometrische Basisfunktionen ( πx ) g 0 (x) =, g (x) = cos, g (x) = cos(πx), (Bestimmen Sie, dass ( ) T die Lösung ist) c) die Tchebycheff-Polynom-Basisfunktionen g 0 (x) =, g (x) = x, g (x) = x, (Bestimmen Sie, dass ( 4 5 ) T die Lösung ist) d) die Lagrange-Basispolynomen l 0, l, l für x 0, x, x (berechnen Sie den zuerst): l j (x) = i j x x i x j x i Vergleichen Sie Ihre Antworten zu a), c) und d)
2 Lösung: Für Stützpunkte x 0,, x n und Basisfunktionen g 0,, g n, sieht das lineare Gleichungssystem für die Interpolation so aus: a) Polynom-Basisfunktionen: g 0 (x 0 ) g n (x 0 ) c 0 f(x 0 ) = () g 0 (x n ) g n (x n ) f(x n ) 3 Lösungsvektor c = 5 G(x) = x 5x + 3 G ( = b) trigonometrische Basisfunktionen: 0 Lösungsvektor c = G(x) = + cos ( ) πx + cos(πx), G ( ) = + c) Tchebycheff-Polynom-Basisfunktionen: c n 0 0 c 0 3 c = 0 ( 4 c c 0 3 c = 0 (3) c Lösungsvektor c = 5 G(x) = (x ) 5x + 4 = x 5x + 3 G ( = d) Lagrange-Basispolynome c 0 c c 3 = 0 (4)
3 (x )(x (x )(x l 0 = = (0 (0 ) (x 0)(x x(x l = = ( ( 0) (x 0)(x ) x(x ) l = = ( 0)( ) 0 0 c c = 0 (5) 0 0 c 3 Lösungsvektor c = 0 G(x) = 3 (x )(x + x(x ) = x 5x + 3 G ( = Vergleich von a), c) und d): Interpolationspolynom ist eindeutig! Polynominterpolation nach Newton Die Newtonschen dividierten Differenzen bieten eine effiziente Möglichkeit, ein Interpolationspolynom p(x) analytisch zu beschreiben (dh seine Koeffizienten zu berechnen) Mit zu interpolierenden Punkten P i = (x i, f(x i )) gelten die folgenden Formeln aus der Vorlesung: [x i ]f = f(x i ) (6) [x i,, x i+k ] f = [x i+,, x i+k ]f [x i,, x i+k ]f x i+k x i (7) Man ordnet die dividierten Differenzen in ein Dreiecksschema: x i i \k 0 x 0 0 [x 0 ]f [x 0, x ]f [x 0, x, x ]f x [x ]f [x, x ]f x [x ]f Damit kann man in der ersten Zeile direkt die Koeffizienten [x 0,, x i+k ]f des Interpolationspolynoms p(x) in der folgenden Gestalt ablesen: n p(x) = [x 0 ]f + [x 0, x ]f (x x 0 ) + + [x 0,, x n ]f (x x i ) (8) i=0
4 In dieser Aufgabe soll zu den Punkten aus Aufgabe ) ein Interpolationspolynom bestimmt werden P 0 = (0, 3), P = (, 0) und P = (, ) a) Berechnen Sie die Newtonschen dividierten Differenzen für das Interpolationspolynom p(x) mit den Gleichungen (6) - (7) Stellen Sie dazu auch das Dreiecksschema auf und berechnen Sie p(x) mit Hilfe der Formel (8)! b) Nun soll ein zusätzlicher Punkt P 3 = (x 3, f(x 3 )) = (5, 0) zur Interpolation hinzugenommen werden Berechnen Sie die noch fehlenden dividierten Differenzen, erweitern Sie das Dreiecksschema aus Teilfaufgabe b) und geben Sie die Koeffizienten des neuen Gesamtpolynoms q(x) nach Formel (8) an! Lösung: a) Für die Newtonschen dividierten Differenzen ergibt sich: [x 0 ] f = f(x 0 ) = 3 [x ] f = f(x ) = 0 [x ] f = f(x ) = [x 0, x ] f = [x ]f [x 0 ]f x x 0 = = 3 [x, x ] f = [x ]f [x ]f x x = 0 = [x 0, x, x ] f = [x, x ]f [x 0, x ]f x x 0 = ( 3) 0 = Im Dreiecksschema sieht das folgendermaßen aus: x i i \k f(x 0 ) = 3 3 f(x ) = 0 f(x ) = Nützen wir nun die Werte [x 0,, x i ]f aus der obersten Zeile des Dreiecks als Koeffizienten des Polynoms in der Darstellung (4), so erhalten wir das Interpolationspolynom p(x) zu n p(x) = [x 0 ]f + [x 0, x ]f (x x 0 ) + + [x 0,, x n ]f (x x i ) = (x 0) + (x 0)(x ) = x 5x + 3 b) Ein zusätzlicher Punkt P 3 = (x 3, f(x 3 )) = (5, 0) lässt sich (unabhängig von seiner x Position) einfach unten an das Newton-Schema anhängen Man muss nur die noch i=0
5 fehlenden dividierten Differenzen berechnen: [x 3 ] f = f(x 3 ) = 0 [x, x 3 ] f = [x 3]f [x ]f x 3 x = 0 5 = [x, x, x 3 ] f = [x, x 3 ]f [x, x ]f x 3 x = 5 = [x 0, x, x, x 3 ] f = [x, x, x 3 ]f [x 0, x, x ]f x 3 x 0 = 5 0 = 0 Im Dreiecksschema sieht das folgendermaßen aus: x i i \k f(x 0 ) = f(x ) = 0 f(x ) = 5 3 f(x 3 ) = 0 Der zusätzliche Term für q(x) besteht dann aus [x 0, x, x, x 3 ]f (x x 0 )(x x )(x x ) = 0 Dass dieser Anteil verschwindet, ist nötig, da der Zusatzpunkt (5,0) auch schon auf dem ersten Interpolationspolynom p(x) liegt! Deswegen muss aufgrund der Eindeutigkeit der Polynominterpolation p(x) = q(x) gelten 3) Polynominterpolation mit Aitken-Neville Das Aitken-Neville Verfahren gibt uns eine Möglichkeit das Interpolationspolynom zu den Punkten P i = (x i, f(x i )), i = 0,, n direkt an einer Stelle x auszuwerten, ohne die tatsächliche Koeffizienten des Polynomes zu berechnen: for i=0:n; p[i,0]:=f_x[i]; end for k=:n for i=0:n-k p[i,k] := p[i,k-] + (x-x[i])/(x[i+k]-x[i])*(p[i+,k-] - p[i,k-]); end end Die sukzessive Berechnung der p[i, k] ist hier im Vergleich zur Vorlesungsfolie äquivalent umgeformt und kann wieder mit einem Dreiecksschema veranschaulicht werden: x i i \k 0 x 0 0 p[0, 0] = y 0 p[0, ] p[0, ] x p[, 0] = y p[, ] x p[, 0] = y
6 Der Wert des Polynoms p(x) an der Stelle x steht nach Abschluss des Algorithmus in p[0, n] Berechnen Sie den Wert des quadratischen Interpolationspolynoms p(x) an der Stelle x = 05 für die drei Punkte P 0, P, P aus Aufgabe mit dem Aitken-Neville-Algorithmus! Stellen Sie dabei auch das Dreiecksschema auf Wann ist die Berechnung mit Aitken-Neville vorteilhaft und wann nicht? Lösung: Die zu interpolierenden Punkte (hier für alle vier Punkte) sind: x 0 = 0, f(x 0 ) = 3 x =, f(x ) = 0 x =, f(x ) = x 3 = 5, f(x 3 ) = 0 Damit ergibt sich für die Auswertung des Algorithmus (p[i, 0] = f(x i ) ist ja klar): k = : k = : k = 3: p[0, ] = p[0, 0] + x x[0] x[] x[0] p[, ] = p[, 0] + x x[] x[] x[] p[, ] = p[, 0] + x x[] x[3] x[] p[0, ] = p[0, ] + x x[0] x[] x[0] p[, ] = p[, ] + x x[] x[3] x[] p[0, 3] = p[0, ] + x x[0] x[3] x[0] 05 0 (p[, 0] p[0, 0]) = 3 + (0 3) = (p[, 0] p[, 0]) = 0 + ( 0) = (p[3, 0] p[, 0]) = + (0 ) = (p[, ] p[0, ]) = 5 + ( 05 5) = 0 05 (p[, ] p[, ]) = 05 + ( ( 05)) = (p[, ] p[0, ]) = + ( ) = 0
7 Für das Dreicksschema erhält man somit: x i i \k f(x 0 ) = 3 5 f(x ) = 0 05 f(x ) = 5 3 f(x 3 ) = 0 Der Wert von p(x = 05) steht in dem obersten rechten Eintrag (p[0, 3]) des Schemas und passt mit dem echten Polynom p(x) = x 3 5x + 3 an der Stelle x = 05 zusammen Wenn man den Aitken-Neville-Algorithmus schnell im Kopf rechnen möchte/muss (zb bei der Klausur), dann kann man mit ein wenig Übung direkt das Dreiecksschema nützen; dafür stehen dort auch die x i mit dabei Die Auswertung eines Polynoms mit dem Aitken-Neville-Algorithmus ist dann gut, wenn man nicht sehr viele Werte des Polynoms benötigt Sonst ist der Aufwand von O(n ) durch die beiden verschachtelten Schleifen über i und k höher, als wenn man einmal die Polynomkoeffizienten direkt berechnet (zb mit Lagrange oder Newton) und dann die Auswertung über das Horner-Schema (O(n)) macht 4) Runge-Effekt Im letzten Übungsblatt haben wir uns mit Polynominterpolation beschäftigt Hierfür wurde zb das Newtonverfahren verwendet, um ein eindeutiges Polynom n- Grades, oder geringer, zu konstruieren, welches durch alle n gegebenen Stützpunkte verläuft a) Überlegen Sie sich wie das Interpolationspolynom von = +5x (siehe auch Abb ) mit wachsender Zahl von Stüzstellen aussieht b) Was könnte man machen um das Interpolationsergebnis zu verbessern? c) Zeichnen Sie das Ergebnis der verbesserten Methoden in die Abbildung ein! Lösung: a) Siehe Abb rote Kurve b) Interpolationspunkte besser wählen: zb Chebyshev Punkte Stückweise Interpolation: zb stückweise linear (oder auch höhere Ordnungen) c) Siehe Abb grüne und braune Kurven
8 y x Abbildung : Runge Funktion 0 5 interpolated uniform points interpolated Chebyshev interpolated piecewise linear 0 y x Abbildung : Runge Funktion with different interpolation strategies 5) Zusatzaufgabe: Fehlerabschätzung Im Abbildung 3 links ist die tatsächliche Funktion f gezeichnet a) Zeichnen Sie das berechnete Interpolationspolynom von ) dazu Wie groß ist der Fehler an der Stelle x = 05? b) Die Formel zur Abschätzung des Interpolationsfehlers p(x) für eine Funktion f C n+ lautet D n+ f(ξ) n p(x) = (x x k ) (n + )! mit ξ [min{x, x 0,, x n }, max{x, x 0,, x n }] Werten Sie den Fehler an der Stelle k=0
9 x = 05 aus! Verwenden Sie dazu max ξ [0,] D3 f(ξ) = 3543, max ξ [0,] D4 f(ξ) = D 3 D x x Abbildung 3: Die tatsächliche und ihre dritte und vierte Ableitungen Lösung: a) f(05) p(05) = = b) Mit den drei Punkten: p(x) = f(05) p(05) = D 3 f(ξ) 3! = 6 D3 f(ξ) 6 max x [0,] D3 = oder mit den vier Punkten: p(x) = f(05) p(05) = D 4 f(ξ) 4! = 64 D4 f(ξ) (05 0)(05 )(05 (05 0)(05 )(05 5)(05 64 max D 4 = x [0,] 64 Die tatsächliche Funktion war = + cos ( ( πx ) + cos(πx) + ) sin(πx)
10 4 3 p(x) abs Fehler x Abbildung 4: Die tatsächliche und der absolute Fehler
Numerisches Programmieren, Übungen
Technische Universität München WiSe 06 / 07 Institut für Informatik Prof. Dr. Daniel Cremers Dr. Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen Musterlösung 5. Übungsblatt:
Mehr8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.
8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis
Mehr1 2 x x x x x x2 + 83
Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 20 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 6 Übungsblatt:
Mehr6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
MehrH.J. Oberle Analysis II SoSe Interpolation
HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,
MehrPolynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):
. Großübung Polynominterpolation Allgemeines Problem: Aufgrund gegebener Messwerte (Paare aus Werten i und Funktionswerten f( i )) soll ein Funktionsverlauf rekonstruiert bzw. zumeist angenähert werden.
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrNachklausur am Donnerstag, den 7. August 2008
Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrAlgorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester
MehrÜbungsblatt 1 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA234 - SS6 Übungsblatt Musterlösung Aufgabe (Interpolationspolynom) a) Bestimmen Sie die Hilfspolynome L i, i =,,2, für x =, x = 2 und x 2 = 3 nach der Formel
MehrKlassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
MehrKapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.
Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]
Mehr19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .
Universität Erlangen-Nürnberg Department Mathematik PD Dr Markus Bause Numerik I 9 Januar A Gegeben sei die Matrix A = a Führen Sie eine Zeilenskalierung der Matrix durch Klausur b Bestimmen Sie mit Hilfe
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
Mehr6. Übungsblatt zur Vorlesung Mathematik I für Informatik
Fachbereich Mathematik Prof Dr Thomas Streicher Dr Sven Herrmann Dipl-Math Susanne Pape 6 Übungsblatt zur Vorlesung Mathematik I für Informatik Wintersemester 009/00 7/8 November 009 Gruppenübung Aufgabe
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 7 / 8 Institut für Informatik Univ.-Prof. Dr. Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 8. Übungsblatt:
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
MehrInhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
MehrKlausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016
Verständnisfragen-Teil ( Punkte) Jeder der Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte.
MehrDie Interpolationsformel von Lagrange
Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n
MehrDiplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y.
Diplom VP Informatik/Numerik 9 September 2000 / Seite 1 1 Pivotisierung : 2 L-R-Zerlegung von A: 3 Vorwärtseinsetzen: (pivotisierung) Aufgabe 1: L-R-Zerlegung, Nachiteration A A = 4 2 10 2 6 9 2 1 6 L
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2
D-MAVT NUMERISCHE MATHEMATIK FS 4 K Nipp, A Hiltebrand Lösung vom Test Sei A ( 3 3 ) a) Bestimmen Sie κ(a), die Kondition von A (in der -Norm): κ(a) b) Berechnen Sie den Spektralradius von A: ρ(a) 4 c)
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 214 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
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
MehrMathematik IT 3 (Analysis) Probeklausur
Mathematik IT (Analysis) Probeklausur Datum: 08..0, Zeit: :5 5:5 Name: Matrikelnummer: Vorname: Geburtsdatum: Studiengang: Aufgabe Nr. 5 Σ Punkte Soll 5 9 7 Punkte Ist Lösungen ohne begründeten Lösungsweg
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 32 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 23.1.2009 2 / 32 Wiederholung Stückweise Polynominterpolation Stückweise lineare Interpolierende
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
Mehr1/26. Integration. Numerische Mathematik 1 WS 2011/12
1/26 Integration Numerische Mathematik 1 WS 2011/12 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren
MehrApproximation durch Polynome
durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz
MehrMusterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt
TU ILMENAU Institut für Mathematik Numerische Mathematik PD Dr. W. Neundorf Musterlösungen zur Leistungsnachweisklausur vom.0.006 Studiengang Informatik, Ingenieurinformatik, Lehramt 1. Lineare Algebra
MehrAnalysis II. Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg
Analysis II Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 2. Juni 2008 Beachtenswertes Die Veranstaltung ist eng angelehnt
MehrÜbungsblatt 10 Musterlösung
Übungsblatt 0 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Aufgabe 45 Fehlerkonstante von MSV Betrachten Sie ein allgemeines lineares q Schrittverfahren α q j y i+ j = h β q j
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
MehrKlausur,,Algorithmische Mathematik II
Institut für angewandte Mathematik Sommersemester 017 Andreas Eberle, Matthias Erbar / Behrend Heeren Klausur,,Algorithmische Mathematik II Musterlösung 1 (Unabhängige Zufallsvariablen) a) Wir bezeichnen
MehrInterpolation. Heinrich Voss. TUHH Heinrich Voss Kapitel / 49.
Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 2 2010 1 / 49 Interpolationsproblem Gegeben seien eine Funktion Φ (x; a 1,...,
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
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.
MehrThemen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe
5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad
MehrVF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Aussagen Diese sind mit wahr bzw falsch zu kennzeichnen (hinschreiben) Es müssen alle Fragen mit wahr
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht
MehrGMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida
GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?
MehrKAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
Mehr3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen
KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an
Mehreps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
Mehr(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =
1. (a) i. Wann besitzt A R n n eine eindeutige LR-Zerlegung mit R invertierbar? ii. Definieren Sie die Konditionszahl κ(a) einer Matrix A bzgl. einer Norm.! iii. Welche Eigenschaften benötigt eine Matrix
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 8 Institut für Informatik Prof. Dr. Thomas Huckle Michael Rippl Fabio Gratl Numerisches Programmieren, Übungen Musterlösung 3. Übungsblatt: Gaußelimination mit Pivotsuche,
MehrWiederholungsklausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 2010/2011 Prof. Dr. Martin Grepl Jens Berger, Jörn Thies Frings Wiederholungsklausur
MehrÜbungsblatt 3 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA4 - SS6 Übungsblatt Musterlösung Sei M,N N und f C M+N+ (B) eine komplexe Funktion, B eine kompakte Menge. Die Padé Approximation PN M (f)(x) ist die rationale
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2017 / 2018 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen 5 Übungsblatt: Diskrete
MehrUE Numerische Mathematik für LA
06.986 UE Numerische Mathematik für LA Übungsbeispiele zur VO 06.942 Numerische Math für LA G. Schranz-Kirlinger Kapitel : Fehlerbetrachtungen. Berechnen Sie sinx dx mit Hilfe der Trapezregel für verschiedene
MehrA 1 A 2 A 3 A 4 A 5 A 6 A 7
Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer
MehrNumerik für Informatiker
Numerik für Informatiker Lars Grüne Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/ lgruene/ Karl Worthmann
MehrPolynominterpolation mit Matlab.
Polynominterpolation mit Matlab. Die Matlab-Funktion polyfit a = polyfit(x,f,n-1); berechnet die Koeffizienten a = (a(1),a(2),...,a(n)); des Interpolationspolynoms p(x) = a(1)*x^(n-1) + a(2)*x^(n-2) +...
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
MehrPractical Numerical Training UKNum
Practical Numerical Training UKNum 2: Interpolation, Extrapolation, Splines Dr. C. Mordasini Max Planck Institute for Astronomy, Heidelberg Program: 1) Einführung 2) Direkte Methode 3) Dividierte Differenzmethode
MehrZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE FELIX LIEDER DR. GEORG JANSING.9.7 ZWEITE KLAUSUR zur Numerik I mit Lösungen Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MehrDie Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,
Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht
MehrInterpolation und Approximation von Funktionen
Kapitel 6 Interpolation und Approximation von Funktionen Bei ökonomischen Anwendungen tritt oft das Problem auf, dass eine analytisch nicht verwendbare (oder auch unbekannte) Funktion f durch eine numerisch
MehrNumerisches Programmieren
Technische Universität München WS 2009/20 Institut für Informatik Prof. Dr. Hans-Joachim Bungartz Michael Lieb, M. Sc. Dipl.-Inf. Gerrit Buse Numerisches Programmieren 2. Programmieraufgabe: Polynominterpolation
MehrNumerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)
Lehrstuhl für Angewandte Mathematik Montanuniversität Leoben 70 004 Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan. 207 2:00-4:00 (20 min) Name Matrikelnummer Mündliche Prüfung: Bitte markieren
MehrInterpolation, numerische Integration
Interpolation, numerische Integration 8. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 8. Mai 2014 Gliederung 1 Interpolation polynomial Spline 2 Numerische
MehrKlausur. Physik auf dem Computer SS JP Dr. Axel Arnold Dr. Olaf Lenz Florian Fahrenberger Dominic Röhm 15. August 2012
Universität Stuttgart Institut für Computerphysik Klausur Physik auf dem Computer SS 2012 JP Dr. Axel Arnold Dr. Olaf Lenz Florian Fahrenberger Dominic Röhm 15. August 2012 Name Vorname Matrikelnummer
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrInterpolation. Kapitel 3
Kapitel 3 Interpolation Die Interpolation von Funktionen oder Daten ist ein häufig auftretendes Problem sowohl in der Mathematik als auch in vielen Anwendungen Das allgemeine Problem, die sogenannte Dateninterpolation,
MehrVorkurs Mathematik WiSe 2017/18
Vorkurs Mathematik WiSe 2017/18 S. Bernstein, S. Dempe, M. Helm Fakultät für Mathematik und Informatik Die Vorlesungen und Tutorien des Vorkurses wurden als Teil des Brückenkurses I teilweise durch das
MehrDiplom VP Numerik 27. August 2007
Diplom VP Numerik 27. August 2007 Multiple-Choice-Test 30 Punkte Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese
Mehr2. Interpolation. Die Lücken der Diskretisierung schließen...
Die Lücken der Diskretisierung schließen... Page 1 of 46 Die Approximationsaufgabe 2.1. Aufgabe: Eine (ganz oder partiell unbekannte oder einfach nur komplizierte) Funktion f(x) ist durch ein einfach zu
MehrInterpolation und Integration mit Polynomen
Interpolation und Integration mit Polynomen Philipp Andrea Zardo Universität Kassel 23. Februar 2006 / Kassel Outline 1 Einleitung Was ist numerische Mathematik? Die eulersche e-funktion Ein Wurzelalgorithmus
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 / 20 Wiederholung: Fehlerbetrachtung.
Mehr(x x j ) x [a,b] n! j=0
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (4 Punkte Es gibt zu jeder der 1 Aufgaben vier Aussagen. Diese sind mit bzw. zu kennzeichnen (hinschreiben. Es müssen alle Fragen mit oder gekennzeichnet
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
MehrNumerische Methoden 7. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 01 Institut für Analysis Prof Dr Michael Plum Dipl-Mathtechn Rainer Mandel Numerische Methoden 7 Übungsblatt Aufgabe 17: Quadratur II Die Menge aller Polynome
Mehrur Ingenieure (Maschinenbau und Sicherheitstechnik) 2. Semester Apl. Prof. Dr. G. Herbort Dr. T. Pawlaschyk
Mathematik f ur Ingenieure (Maschinenbau und Sicherheitstechnik) 2. Semester Apl. Prof. Dr. G. Herbort Dr. T. Pawlaschyk www.math.uni-wuppertal.de/ herbort SoSe16 Arbeitsheft Blatt 1 Tutorium Hinweis:
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Diplom VP Numerik 13. September 004 Aufgabe 1 10 0 40 Gegeben sei die Matrix A = 80 10 10. 10 5 5 (6 Punkte) a) Skalieren (Zeilenäquilibrierung)
MehrÜbungen zur Ingenieur-Mathematik II SS 2017 Blatt Aufgabe 13: Betrachten Sie die Funktion. f(x) =
Übungen zur Ingenieur-Mathematik II SS 2017 Blatt 6 2.5.2017 Aufgabe 1: Betrachten Sie die Funktion Lösung: f(x) = 1, x [, 1]. 1 + 25x2 a) Bestimmen Sie die Interpolationspolynome vom Grad m p m (x) =
Mehr[5], [0] v 4 = + λ 3
Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span
MehrMathematischer Vorkurs für Physiker WS 2012/13
TU München Prof. P. Vogl Mathematischer Vorkurs für Physiker WS 2012/13 Übungsblatt 2 Wichtige Formeln aus der Vorlesung: Basisaufgaben Beispiel 1: 1 () grad () = 2 (). () () = ( 0 ) + grad ( 0 ) ( 0 )+
MehrInterpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.
Interpolation Nadine Losert Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Nachdem wir in den vorherigen Vorträgen verschiedene
MehrA1-1 Kubische Gleichung
A1-1 Kubische Gleichung Wir betrachten das kubische Polynom p(x) = x 3 + a 2 x 2 + a 1 x + a 0, x R bzw. die kubische Gleichung mit reellen Koeffizienten a 0, a 1 und a 2. x 3 + a 2 x 2 + a 1 x + a 0 =
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
Mehrosungen zu Blatt 12 Thema: Rationale und trigonometrische Funktionen
Musterl osungen zu Blatt Kleingruppen zur Service-Veranstaltung Mathematik I f ur Ingenieure bei Prof. Dr. G. Herbort im WS/3 Dipl.-Math. T. Pawlaschyk, 5.. Thema: Rationale und trigonometrische Funktionen
MehrBeispiele. zum Tutorium Numerisches Rechnen und Lineare Algebra WS 2016/2017
Beispiele zum Tutorium Numerisches Rechnen und Lineare Algebra WS 6/7 Zur positiven Beurteilung der LV ist es notwendig, dass aus jedem der 9 Abschnitte (Lineare Gleichungssysteme, Determinanten, Vektorräume,
MehrKlausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS / Prof. Dr. M. Grepl P. Esser, G. Welper, L. Zhang Klausur Numerisches Rechnen
MehrKardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken
Florian Badt 2. Juni 2015 Gliederung Grundlegende Problemstellung Ausgangspunkt: Lu = f Approximation der unbekannten Funktion: u(x) u N (x) = N n=0 a nφ n Minimierung des Residuums R(x; a 0, a 1,...,
MehrDiplom VP Numerik 21. März 2005
Diplom VP Numerik. März 5 Aufgabe Gegeben sei das lineare Gleichungssystem Ax = b mit A = 3 3 4 8 und b = 4 5.5 6. ( Punkte) a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung. Geben Sie
MehrHTL Kapfenberg SPLINE Interpolation Seite 1 von 7.
HTL Kapfenberg SPLINE Interpolation Seite von 7 Roland Pichler roland.pichler@htl-kapfenberg.ac.at SPLINE Interpolation Mathematische / Fachliche Inhalte in Stichworten: Polynome, Gleichungssysteme, Differenzialrechnung
MehrFreie Universität Berlin Wintersemester 11/12 Fachbereich Mathematik und Informatik Institut für Mathematik Dr. A. Linke
Freie Universität Berlin Wintersemester / Fachbereich Mathematik und Informatik Institut für Mathematik Dr. A. Linke Musterlösung zum. Übungsblatt zur Vorlesung Mathematik für Physiker I Differenzierbarkeit,
MehrNumerische Verfahren Übungen und Lösungen, Blatt 1
Technische Universität Hamburg-Harburg Institut für Numerische Simulation, E-0 Dr. Jens-Peter M. Zemke Sommersemester 2008 Numerische Verfahren Übungen und Lösungen, Blatt Aufgabe : (Thema: relativer und
MehrÖffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2016 Klausur
Prof. Dr. Benjamin Stamm Prof. Dr. Martin Grepl Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen II (CES) SS 2016 Klausur 29.07.2016 Dokumentenechtes
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
MehrZuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
MehrNumerisches Programmieren (IN0019)
Numerisches Programmieren (IN0019) Frank R. Schmidt Winter Semester 2016/2017 5. Interpolation.................................................................................................. 2 Interpolation
MehrDefinition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form
3. Polynome 3.1 Definition und Grundlagen Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0,
Mehr