Klausur Numerische Mathematik (für Elektrotechniker), Samstag, 19. August 2017
|
|
- Lorenz Glöckner
- vor 5 Jahren
- Abrufe
Transkript
1 Verständnisfragen-Teil (5 Punkte) Jeder der 5 Verständnisfragenblöcke besteht aus 5 Verständnisfragen. Werden alle 5 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block 5 Punkte. Werden 4 von 5 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block 3 Punkte. Werden weniger als 4 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte. Verständnisfragenblock : Es seien A, B, P, L, R, D R n n mit P Permutationsmatrix, R obere Dreiecksmatrix, L normierte untere Dreiecksmatrix und D Diagonalmatrix.. Es seien A, B symmetrisch positiv definit. Ist dann A + B immer symmetrisch positiv definit? ja. Sei A regulär. Existiert dann stets eine LDL T -Zerlegung, so dass A = LDL T? nein 3. Sei A = LDL T. Ist dann stets κ (A) = κ (D)? nein 4. Ist P stets orthogonal? ja 5. Existiert für A symmetrisch positiv definit stets eine LR-Zerlegung A = LR? ja Verständnisfragenblock : Es seien A R m n, mit Rang(A) = n m, und b R m. Weiter seien Q R m m eine orthogonale Matrix und R R m n eine obere Dreiecksmatrix so, dass A = Q R gilt. Weiter sei x R n die eindeutige Minimalstelle des Minimierungsproblems min x R n A x b.. Steht der Vektor b A x stets senkrecht auf b? nein. Sei κ (A) = 6. Beim Lösen des linearen Ausgleichsproblems über Normalengleichungen muss ein Gleichungssystem der Form Mx = f gelöst werden. Was ist κ (M)? Ist die Matrix A A T immer symmetrisch positiv definit? nein 4. Ergibt sich die Matrix R durch Gauß-Elimination mit Spaltenpivotisierung, angewandt auf A? nein 5. Ist A x b = R x Q T b für alle x R n? ja Verständnisfragenblock 3: Es seien x MIN bzw. x MAX die kleinste bzw. größte (strikt) positive Zahl sowie eps die relative Maschinengenauigkeit in der Menge M(b, m, r, R) der Maschinenzahlen gemäß Vorlesung/Buch und D := [ x MAX, x MIN ] [x MIN, x MAX ]. Ferner beschreibe fl : D M(b, m, r, R) die Standardrundung. Alle Zahlen sind im Dezimalsystem angegeben.. Was ist x MIN in M(3,,, )? 9. Was ist x MAX in M(3,,, )? 8 3. Was ist die relative Konditionszahl κ rel (x) für die Auswertung der Funktion f(x) = x + x an der Stelle x =? 5 3 = Ist die Zahl 4 in M(, 3, 99, 99) exakt darstellbar? ja 5. Gilt für alle x D, dass fl(x) x eps x? ja
2 Verständnisfragenblock 4: Es sei P (f x,..., x n ) das Lagrange Interpolationspolynom zu den Daten (x, f(x )),..., (x n, f(x n )) mit x <... < x n.. Der Aufwand für die Berechnung über dividierte Differenzen (d.h. die Newton-Darstellung) ist O(n) Operationen.. Was ist P (Q x =, x = 3, x = 4, x 3 = 5)(x) ausgewertet an der Stelle x = für Q = x 3? 6 3. Gilt P (g x,..., x n ) = g für alle Polynome g? nein 4. Wird der Fehler max x [x,x n] P (f x,..., x n )(x) f(x) für wachsendes n immer kleiner? nein 5. Ist P (f x,..., x n )(x i ) = f(x i ) für i =,,..., n? ja nein Verständnisfragenblock 5: Wir betrachten Nullstellenprobleme.. Ist die Newton-Methode immer global quadratisch konvergent? nein. Wie viele LR-Zerlegungen müssen für die Durchführungen von 4 Schritten des vereinfachten Newton-Verfahrens (für Systeme) berechnet werden, wenn alle auftretenden Gleichungssysteme mittels LR-Zerlegung gelöst werden? 3. Beim Sekantenverfahren wird die Steigung der Funktion durch einen Differenzenquotienten approximiert. 4. Für eine quadratische Funktion liefert das Newton-Verfahren für beliebige Startwerte die Lösung nach einer Iteration 5. Gibt es zu jedem Nullstellenproblem nur ein Fixpunktverfahren, mit welchem dieses gelöst werden kann? ja nein nein
3 Aufgabe Gegeben sei die Matrix ( ) A := R und eine rechte Seite Wir betrachten für < ε < eine Störung von A, A ε := ( b = R ). ( ) R + ε. Berechnen Sie die Lösung x ε des gestörten Gleichungsystems A ε x ε = b und die Lösung x des exakten Gleichungsystems A x = b sowie die Konditionszahl κ (A ε ).. Schätzen Sie den relativen Fehler der Lösung des gestörten Gleichungssystems A ε x ε = b in der -Norm unter der Annahme, dass die rechte Seite b exakt gegeben ist, ab. Geben Sie eine Bedingung an ε an, die erfüllt sein muss, damit diese Fehlerabschätzung gilt. 3. Bestimmen Sie eine Diagonalmatrix D R so, dass die Konditionszahl der Matrix AD in der -Norm minimal wird. Musterlösung. ( / A ) ε = e+ e+. Wenn b exakt gegeben ist, gilt nach dem Satz 3.9 falls κ (A) A A <. x ε = ( ) ( ε, x = + ε ) { } κ (A ε ) = A ε A ε = (3 + ε) max, = ε + 3 ε + ε + x x κ (A) κ (A) A A Es ist κ (A) = 6 und der relative Fehler von A ist A A gegeben durch 6 ε 3 <. ( ) A. A = Aε A A Damit die Abschätzung anwendbar ist, muss also ε < gelten. Setzt man die Kondition ein, wobei b exakt angenommen wurde, gilt Weiteres Umformen ergibt x x 6 6 A A ( ) A. A x x 6 ( ε 6 ε. 3 3) x x 6ε 3 6ε 3. Die gesuchte Diagonalmatrix D ist die Spaltenäquilibrierung D = ( i= i, ) a ( i= a i, ) 3+5+= Punkte = ε 3. Obige Voraussetzung ist also hier = ( ) 3 3
4 Aufgabe. Gegeben sei das lineare Gleichungssystem Ax = b mit A = 3 R 3 3 und b = 5 R 3. 6 a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung und ohne Äquilibrierung. Geben Sie L, R und die Permutationsmatrix P explizit an. b) Lösen Sie das System mit Hilfe der LR-Zerlegung. c) Berechnen Sie die Determinante von A mit Hilfe der LR-Zerlegung.. Sei à eine Störung einer gegebenen, nichtsingulären Matrix A R n n. Das ungestörte Problem lautet: Finde x sodass Ax = b gilt. Dieses Problem sei hier aber nicht exakt auflösbar (zum Beispiel aufgrund von Rundungsfehlern). Anstelle dessen lasse sich aber das gestörte Problem à x = b leicht und exakt nach x auflösen, wobei dementsprechend r := b A x das Residuum bzgl. der Approximation x zu x ist. Wir wollen diese Approximation nun durch einen Nachiterationsschritt verbessern. Wie lautet das Gleichungssystem, das man dazu lösen muss, und wie wird die verbesserte Approximation berechnet? In welcher Form ist à typischerweise (es reicht ein Beispiel) gegeben? Musterlösung = Punkte. a) Spaltenpivotisierung schreibt in diesem Fall zunächst vor, dass Zeilen und vertauscht werden müssen, d.h. 3 P A =.5.5.5, P =. Mithilfe der ersten Zeile werden nun Nullen in Spalte erzeugt: 3 L (P A) =, L =.5. (Anstelle der fett gedruckten Nullen, lassen sich hier zur Vereinfachung auch die relevanten Einträge von L vermerken (siehe unten)) Von dieser Matrix müssen nun Zeile und 3 vertauscht werden: A = P (L (P A)) = 3, P =. Da sich A bereits in oberer Dreiecksgestalt befindet, ist nichts mehr zu tun (L = I). Es ist also R = A. Somit ergibt sich: 3 R =, L = (P L P T ) =, P = P P =..5 Die Matrix L = (P L P T ) wird dabei durch die üblichen Rechenregeln, bzw. durch Vermerken der relevanten Einträge von L in den Null Einträgen von L (P A), ausgewertet. b) Vorwärtseinsetzen: b b = P b = 6 5 (Pivotisierung) ergibt Ly = b y = 6. 4
5 Rückwärtseinsetzen: Rx = y ergibt x = 3. c) Wir haben dann det(p ) =, det(l) =, det(r) = = det(a) = det(l) det(r) det(p ) = =. Man berechnet zuerst r := b A x = Ax A x = A(x x) = Aδ. Das zu lösende Gleichungssystem ist dann Ãδ = r. Die Korrektur ergibt dann die bessere Nährung x = x+δ. Ã ist dabei typischerweise als eine leicht invertierbare Faktorisierung gegeben, z.b. Ã = P LR. Gelöst wird dann über Vorwärts- und Rückwärtseinsetzen: P LRδ = r oder LRδ = P r 5
6 Aufgabe 3. Formulieren Sie für das Newton-Verfahren für Systeme einen Algorithmus in Pseudocode. Sie können dabei folgende Funktionen als gegeben annehmen: Funktion f(x) f (x) LR(A) VS(M, b) Ausgabe Die Funktion f ausgewertet an der Stelle x Die Jacobi-Matrix f der Funktion f berechnet und ausgewertet an der Stelle x Die Zerlegung (P, L, R), wobei P eine Permutationsmatrix ist und P A = LR gilt Der Vektor x = M b berechnet durch Vorwärtseinsetzen mit der Matrix M und dem Vektor b RS(M, b) Der Vektor x = M b berechnet durch Rückwärtseinsetzen mit der Matrix M und dem Vektor b +,, Das entsprechende Ergebnis der arithmetischen Operation für Vektoren und Matrizen. Lösen Sie das nichtlineare Gleichungssystem x x y = 7y x + x = 36 indem Sie je zwei Iterationen des Newton-Verfahrens ( und des vereinfachten Newton-Verfahrens durchführen. Benutzen Sie den Startwert x =. ) Musterlösung. Input: x. For k =,,,... : (P, L, R) LR(f (x k )) b P ( f(x k )) z VS(L, b) //Lz = P (f(x k )) =: b s k+ RS(R, z) //Rx = z x k+ x k + s k Das volle Verfahren: I x = (, ) f(x ) = (., 8.) ( ).. f (x ) =. 8. s = ( , ) x = ( , ) ( ) x f(x) = x y 7y x + x 36 II f(x ) = ( , ) ( ) f (x ) = s = (.38363, ) x = ( , ) Das vereinfachte Verfahren: I s. oben: f(x ) = (., 8.) ( ).. f (x ) =. 8. s = ( , ) ( ) f x (x) = x + 4y 4+7= Punkte () 6
7 x = ( , ) II f(x ) = ( , ) s = (.73838, ) x = ( , ) 7
8 Aufgabe 4. Gegeben seien folgende Stützstellen t i und Messwerte f i t i 3 5 f i 4 Aus theoretischen Überlegungen geht hervor, dass diese Messdaten einer Funktion f(t) = αβ t. genügen. Die Parameter α und β sollen optimal im Sinne der kleinsten Fehlerquadrate bestimmt werden. Formulieren Sie dazu das entsprechende nichtlineare Ausgleichsproblem.. Das nichtlineare Ausgleichsproblem soll jetzt über das Gauß-Newton-Verfahren gelöst werden. Seien (α k, β k ) die Werte der k-ten Iterierten. Bestimmen Sie das lineare Ausgleichsproblem, das im k-te Schritt des Verfahrens gelöst werden muss. 3. Gegeben sei nun das lineare Ausgleichsproblem Ax b min, mit A := 8 R 3 und b := R 3. x R 4 34 Bestimmen Sie die Lösung des Ausgleichsproblems über die QR-Zerlegung mit Givensrotationen. Musterlösung. Die i-te Zeile des Residuums lautet F i := f(t i ) f i = αβ ti f i. Also ist das entsprechende nichtlineare Ausgleichsproblem gegeben durch: F F = f(t ) f f(t ) f = αβ 4 αβ 3 F 3 f(t 3 ) f 3 αβ 5. Die i-te Zeile der Jakobischen J ist gegeben durch (das ist ein Gradient) : ( β t i αt i β ti ). min (α,β) R R +3+8=3 Punkte Die Jakobische im k-ten Schritt lautet dann F (α k, β k ) = β k βk 3 βk 5 α k β k 3α k βk 5α k βk 4 Das lineare Ausgleichsproblem lautet dann: ( ) F αk (α k, β k ) β k + α kβ k 4 α k β 3 k α k β 5 k min. ( α k, β k ) R R 3. Um den Eintrag A, auf Null zu bringen, betrachtet man die Einträge A, und A,. Es ergibt sich: r = sgn(a, ) =, c = A, = 3 r 5, s = A, = 4 r 5 G, = G, A =, G, b = Um den Eintrag (G, A) 3, auf Null zu bringen, betrachtet man die Einträge (G, A), und (G, A) 3,. Es ergibt sich: r = sgn((g, A), ) + 4 = 6, c = (G,A), r = 5 3, s = (G,A) 3, = r 3 8
9 G,3 = G,3 G, A = 6, G,3 G, b = Als Lösung des Systems ergibt sich damit: x = 6 = x 3 ( 5) = = 8 =.8 9
10 Aufgabe 5 Es sei m n und A R m n. Weiter sei A = UΣV T eine SVD von A.. Welche Bedingung an die Singulärwerte garantiert, dass A vollen Rang hat?. Zeigen Sie, dass für alle b R m A T A A + b = A T b gilt. 3. Zeigen Sie, dass der Vektor x = A + b (eine) Lösung des linearen Ausgleichsproblems ist. Ax b min Erinnerung: Es sind also U R m m und V R n n orthogonal sowie Σ = diag(σ,..., σ n ) R m n (d.h. Σ i,i = σ i, i =,..., n und Σ i,j = wann immer i j). Dabei sind σ... σ r > = σ r+ =... = σ n die Singulärwerte, r n. Die Pseudoinverse A + R n m ist definiert als A + := V Σ + U T, Σ + := diag(σ,..., σ r,,..., ). Musterlösung. Ist σ n > (bzw. r = n), so hat A vollen Rang.. Zunächst stellen wir fest, dass A T AA + = A T zu zeigen ist. Einsetzen liefert +7+ = Punkte A T AA + = V Σ T U T UΣV T V Σ + U T A T AA + = V Σ T (U T U) Σ (V T V ) Σ + U T }{{}}{{} I I = V Σ Σ + U T, Σ = diag(σ,..., σr,,..., ) R n n = V Σ T U T = A T 3. y R n ist Lösung des linearen Ausgleichsproblems genau dann wenn y die Normalengleichung erfüllt, d.h. A T Ay = A T y. Da nach Aufgabe a) gerade A T Ax = A T b gilt, ist x demnach Lösung des linearen Ausgleichsproblems.
Matr. Nr.: Benutzter Taschenrechner (genaue Typenbezeichnung) : Name: Vorname: Unterschrift: VFr: A1: A2: A3: A4: A5: BP: Platz Nr.
Matr. Nr.: Platz Nr.: Klausur zur Numerischen Mathematik (für Elektrotechniker) Prof. Dr. Wolfgang Dahmen Samstag, 19. August 2017 Institut für Geometrie und Praktische Mathematik Hilfsmittel: dokumentenechtes
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.
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).
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
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
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik 4 Punkte Es gibt zu jeder der Aufgaben vier Teilaufgaben. Diese sind mit bzw. zu kennzeichnen hinschreiben. Es müssen
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
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
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.
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
MehrOriginal - d.h. unvertauschte Reihenfolge
NumaMB F6 Verständnisfragen-Teil (3 Punkte) Jeder der 6 Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es dafür 5
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
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
Mehr4. Großübung. Lösung linearer Gleichungssysteme
4. Großübung Lösung linearer Gleichungssysteme Gesucht x, x, x 3, x 4 R, sodass gilt. mit A R 4 4, x R 4, b R 4 x x + 3x 3 + x 4 = 5 6x 3x 7x x 4 = 5 4x + 4x + 5x 3 5x 4 = 3 8x + x + x 3 + x 4 = 8 3 x
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: b a 2 3a 1
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: 1 1 0 2 b 1 1 2 4 1 1 4 6 x = 1 1. 2 2 2a 2 3a 1 (a) Bringen Sie das lineare Gleichungssystem auf Treppenform. (b) Für welche
MehrKlausur zur Numerischen Mathematik im Maschinenbau
Matr. Nr.: Platz Nr.: Klausur zur Numerischen Mathematik im Maschinenbau Zugelassene Hilfsmittel: Prof. Dr. Arnold Reusken Donnerstag 20. August 2015 Institut für Geometrie und Praktische Mathematik Die
MehrDiplom VP Informatik / Numerik 2. September 2002
Diplom VP Informatik / Numerik. September 00 Aufgabe Gegeben sei das lineare Gleichungssystem A x = b mit 0 4 0 0 0 0 A = 4 0 0 0 0 0 0 0 0 und b = 4 4 8 5. Punkte a Berechnen Sie die Cholesky Zerlegung
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
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
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
Mehrf(x) dx soll numerisch approximiert werden durch eine
NumaMB H4 Verständnisfragen-Teil (4 Punkte) Es gibt zu jeder der Aufgaben vier Teilaufgaben. Diese sind mit bzw. zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet ergibt Punkte.
MehrAufgabe 1. Berechnen Sie die absolute und die relative Kondition des Problems x f(x) für die Abbildung. x = x 2 e x 1.
Name: Matrikel-Nr.: 1 Aufgabe 1. Berechnen Sie die absolute und die relative Kondition des Problems x f(x) für die Abbildung R 3 R 2, x 1 f : x 1 + e x2 2 sin(x3 ) x = x 2 e x 1 (1 + x 2 1 + x, 2x 3 )
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)
Mehr7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)
Technische Universität München Zentrum Mathematik, M1 Prof. Dr. Boris Vexler Dr. Ira Neitzel Dipl.-Math. Alana Kirchner 7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012) Diese Auswahl
MehrInstitut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 2013/2014. Klausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 03/0 Prof. Dr. Martin Grepl Dipl.-Math. Jens Berger Dr. Jochen Schütz Klausur
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
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 2016/17
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 6/7 837 Aufgabe Punkte): Gegeben sei das lineare Gleichungssystem Ax = b mit A = 6 3 und
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
Mehr2 Lineare Gleichungssysteme
Vorlesungsskript HM-Numerik (SS 4): Kapitel Version: 9 Mai 4 Lineare Gleichungssysteme Gegeben: A R n n mit det(a) b R n Gesucht: x R n mit Ax = b Zeilenäquilibrierung Möchten zunächst die Kondition des
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
MehrLösung Semesterendprüfung
MNUM Mathematik: Numerische Methoden Herbstsemester 17 Dr Christoph Kirsch ZHAW Winterthur Aufgabe 1 : Lösung Semesterendprüfung Wir schreiben zuerst die Gleichungen f(x i ; a, a 1, a y i, i 1,,, 1, als
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
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
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
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
MehrKapitel 3. Lineare Ausgleichsrechnung. Problem: Löse A x = b, A R m n, b R m, wobei. Rang(A) < Rang([A;b])
Kapitel 3. Lineare Ausgleichsrechnung Problem: Löse A x = b, A R m n, b R m, wobei Rang(A) < Rang([A;b]) zugelassen ist, d.h. Ax = b ist nur im weitesten Sinne lösbar. 3.1 Lineares Ausgleichsproblem: Zu
MehrKlausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 01/013 Prof. Dr. M. Grepl J. Berger, P. Esser, L. Zhang Klausur Numerisches Rechnen
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
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
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrNumerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaben Frühjahr 08
Numerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaen Frühjahr 08 Hier einige Hinweise zu den MC-Aufgaen. Die Lösungen sollten nicht auswendig gelernt werden. Man sollte verstehen, warum
MehrMethode der kleinsten Quadrate
Versus QR Matrizen mit vollem Rang 27. Mai 2011 Versus QR Inhaltsverzeichnis 1 2 3 Beispiel 4 Beispiel 5 6 Versus QR Kondition Vergleich Beispiel Versus QR Zu finden: Gerade, die den Punkten (0, 6), (1,
MehrBegleitmaterial zur Vorlesung Numerik I
Begleitmaterial zur Vorlesung Numerik I Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik I 1 / 49 Inhalte der Numerik
MehrAusgleichsprobleme. 3 Nichtlineare Ausgleichsprobleme
1 Normalengleichung Ausgleichsprobleme A T A T = AA 2 Orthogonalisierungsverfahren A = Q R 3 Nichtlineare Ausgleichsprobleme Typeset by FoilTEX 1 Motivation Ausgleichsprobleme treten meist dann auf, wenn
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
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2015 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8 Such-Algorithmen
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrZusammenfassung Numerische Mathematik für Elektrotechniker
Zusammenfassung Numerische Mathematik für Elektrotechniker RWTH Aachen, SS 2006, Prof. Dr. W. Dahmen c 2006 by Sebastian Strache, Ralf Wilke Korrekturen bitte an Ralf.Wilke@rwth-aachen.de 27. August 2006
Mehrd) Produkte orthogonaler Matrizen sind wieder orthogonal.
Die orthogonale Matrizen Definition: Eine Matrix Q R n n heißt orthogonal, falls QQ T = Q T Q = I gilt. Die Eigenschaften orthogonaler Matrizen: a) det(q) = ±1; b) Qx 2 = x 2 für alle x R n, also Q 2 =
MehrÖffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) WS 2016/17 Klausur
Prof. Dr. Benjamin Stamm Prof. Dr. Martin Grepl Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen II (CES) WS 2016/17 Klausur 17.03.2017 Dokumentenechtes
MehrLineare Algebra. 10. Übungsstunde. Steven Battilana.
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 3, 26 Erinnerung Gram-Schmidt Verfahren Sei V ein euklidischer/unitärer Vektorraum mit dim(v ) n < Gegeben: W span{v,...,
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
MehrKapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
Mehr2 Direkte Lösungsverfahren für lineare Gleichungen
(2.1) Sei x = (x n ) n=1,...,n R N, A = (a m,n ) m=1,...,m, n=1,...,n R M,N. a) Sei 1 m n N. Dann ist x[m : n] = (x k ) k=m,...,n R 1+n m Teilvektor von x. b) Seien 1 m 1 m 2 M, 1 n 1 n 2 N. Dann ist A[m
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
MehrMODULPRÜFUNG MODUL MA 1302 Einführung in die Numerik
................ Note Name Vorname 1 I II Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Obige Angaben sind richtig: Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT
MehrLR Zerlegung. Michael Sagraloff
LR Zerlegung Michael Sagraloff Beispiel eines linearen Gleichungssystems in der Ökonomie (Input-Output Analyse Wir nehmen an, dass es 3 Güter G, G, und G 3 gibt Dann entspricht der Eintrag a i,j der sogenannten
MehrComputergestützte Mathematik zur Linearen Algebra
Computergestützte Mathematik zur Linearen Algebra Pivotwahl und Gleitkommaarithmetik Achim Schädle 3. und 20. Dezember 208 Achim Schaedle (HHU) CompLinA 3. und 20. Dezember 208 Instabilitäten bei Gauß-Elimination
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2017 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
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
MehrMatrixzerlegungen. 6. Vorlesung Numerische Methoden I. Clemens Brand. 2. April Nachträge und Wiederholung. Links-Rechts- Zerlegung
Matrixzerlegungen. 6. Vorlesung 170004 Numerische Methoden I Clemens Brand QR- QR- 2. April 2009 Gliederung Elimination faktorisiert A = L R QR- QR- QR- QR- Eine Zusammenfassung der Folien 6 14 der letzten
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrPS Numerische Mathematik für LAK WS 08/09, LV-Nr.: , HS Übungsblatt (bis )
. Übungsblatt (bis 5.0.2008). Aufgabe. Skizzieren Sie die Einheitskugeln K (0,) im R 2 für die Normen, 2 und. 2. Aufgabe. Beweisen Sie x x 2 n x für alle x R n. 3. Aufgabe. Bestimmen Sie die relative Konditionszahl
MehrErweiterungen der LR-Zerlegung
Prof. Thomas Richter 6. Juli 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 06.07.2017 Erweiterungen
MehrRechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
MehrMODULPRÜFUNG Numerische Methoden (Elektrotechnik, Meteorologie, Geodäsie und Geoinformatik)
Karlsruher Institut für Technologie KIT) Institut für Analysis Dr. S. Wugalter Herbst 7.9.7 MODULPRÜFUNG Numerische Methoden Elektrotechnik, Meteorologie, Geodäsie und Geoinformatik) Aufgabe 4 Punkte)
MehrGaußsche Ausgleichsrechnung
Kapitel 6 Gaußsche Ausgleichsrechnung 6. Gaußsche Methode der kleinsten Fehlerquadrate Die Gaußsche Methode der kleinsten Fehlerquadrate wurde 89 von C.F. Gauß in dem Aufsatz Theorie der Bewegung der Himmelkörper
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei die Matrix
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei die Matrix 1 1 1 A = 3 3 3 2 2 2 (a) Bestimmen Sie Rang(A), Kern(A) und Bild(A). Ist A invertierbar? Geben Sie zwei verschiedene rechte Seiten b 1, b 2 an, so
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 9. Aufgabe 9.1. Herbstsemester Dr. V. Gradinaru D. Devaud A.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 2014 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 91 91a) Sei A eine n n-matrix Das Gleichungssystem Ax
Mehra ij x j max a ik = x 1 max max a ij x 0. a ij = e k 1 max
2.1 a) Sei x R n fest, aber beliebig gewählt. Sei i 0 {1,...,n} ein Index mit Dann gilt zunächst x i0 = max,...,n x i. x = max x i = x i0 = ( x i0 p) ( ) 1/p 1/p x i p = x p,...,n für alle p 1. Umgekehrt
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
MehrMAV-NUM Applied Numerics Frühlingssemester Serie 4. (a) Berechnen Sie per Hand die LR-Zerlegung der Matrix
MAV-NUM Applied Numerics Frühlingssemester 08 Dr. Evelyne Knapp ZHAW Winterthur Serie 4 Aufgabe (LR Zerlegung Theorie): (a) Berechnen Sie per Hand die LR-Zerlegung der Matrix 3 0 0 0 (b) Lösen Sie mit
MehrNumerik 1 Eine Zusammenfassung
Numerik 1 Eine Zusammenfassung Steffi, Balthasar, Julian und Julian WS 2009/2010 - M Bause Contents 1 Fehleranalyse 3 11 Kondition eines Problems 3 111 Definition einer Norm 3 112 Relative & absolute Kondition
Mehr3 Lineare Algebra Vektorräume
3 Lineare Algebra Vektorräume (31) Sei K ein Körper Eine kommutative Gruppe V bzgl der Operation + ist ein Vektorraum über K, wenn eine Operation : K V V (λ, v) λv existiert mit i) v,w V λ,µ K: λ (v +
MehrÜbungsaufgaben zur Numerischen Mathematik für Ingenieure. a) Bestimme die normalisierte Dezimaldarstellung der folgenden Dualzahlen
RWTH Aachen Institut für Geometrie und Praktische Mathematik Übungsaufgaben zur Numerischen Mathematik für Ingenieure 2 Fehleranalyse: Kondition, Rundungsfehler, Stabilität Aufgabe 2. a) Bestimme die normalisierte
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrNumerisches Rechnen Panikzettel
panikzettel.philworld.de Numerisches Rechnen Panikzettel der Dude, Luca Oeljeklaus, Tobias Polock, Philipp Schröer, Caspar Zecha Version 9 0.03.208 Inhaltsverzeichnis Einleitung 2 2 Fehleranalyse: Kondition,
Mehr4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax
MehrNumerische Mathematik
Numerische Mathematik SS 999 Augabe 6 Punkte Das Integral I ln d soll numerisch bis au eine Genauigkeit von mindestens - approimiert werden. a Wie groß muss die Anzahl N der Teilintervalle sein damit mit
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
Mehr3. Lineare Gleichungssysteme
3. Lineare Gleichungssysteme 1 3.1. Problemstellung 2 3.2. Direkte Verfahren 3 3.3. Normen und Fehleranalyse 4 3.4. Iterative Verfahren 5 3.5. Konvergenz von linearen Iterationsverfahren 6 3.6. Gradienten-Verfahren
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
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
MehrNichtlineare Ausgleichsrechnung
10. Großübung Nichtlineare Ausgleichsrechnung Allgemeines Problem: Wir betrachten ein nichtlineares System F : R n R m mit (m > n, d.h. das System ist überbestimmt und F i (x g(t i ; x g i! 0 i 1,.., m.
Mehry (k) (0) = y (k) y(z) = c 1 e αz + c 2 e βz. c 1 + c 2 = y 0 k=1 k=1,...,m y k f k (x)
9 Ausgleichsrechnung 9.1 Problemstelllung Eine Reihe von Experimenten soll durchgeführt werden unter bekannten Versuchsbedingungen z Ê m. Es sollen Größen x Ê n bestimmt werden, für die ein Gesetz gelten
MehrAusgleichsproblem. Definition (1.0.3)
Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst
MehrLineare Gleichungssysteme, LR-Zerlegung
Prof Thomas Richter 2 Juni 27 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomasrichter@ovgude Material zur Vorlesung Algorithmische Mathematik II am 22627 Lineare Gleichungssysteme,
MehrÖkonometrische Analyse
Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
Mehr1 Euklidische Approximation
1 Euklidische Approximation Sei V ein reeller euklidischer Vektorraum. Das Skalarprodukt in V wird mit, V und die Norm mit V bezeichnet. V N V sei ein Teilraum der Dimension N < mit Basis {φ n } n=1,...,n.
Mehr4 Lineare Ausgleichsrechnung
Numerik I 15 4 Lineare Ausgleichsrechnung Die folgende Tabelle zeigt die Bevölkerungsentwicklung in den U.S.A. 19 191 192 193 194 75.995 91.972 15.711 123.23 131.669 195 196 197 198 199 15.697 179.323
MehrLösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 2016/2017
Lösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 01/017 Peter Philip, Sabine Bögli. Januar 017 1. 10 Punkte) a) Betrachten Sie R mit der Maximumsnorm. Berechnen Sie die
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrLineare Gleichungssysteme: direkte Verfahren
Sechste Vorlesung, 24. April 2008, Inhalt Lineare Gleichungssysteme: direkte Verfahren Dreiecksmatrizen Gauß-Elimination LR-Zerlegung Anwendungen: Determinante, Inverse 1 Lösungsverfahren für lineare Gleichungssysteme
MehrGliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung
Matrixzerlegungen. 7. Vorlesung 170004 Numerische Methoden I Clemens Brand 29. April 2010 Gliederung Elimination faktorisiert A = L R Die A = L R Faktorisieren: Zerlege A in ein Produkt (einfacherer) Angenommen,
Mehr