Übungen zu Numerische Methoden I. Achte Übungseinheit 2., 3. und 4. Juni Interpolation in Tabellen. Inhalt der achten Übungseinheit:
|
|
- Kristina Kraus
- vor 5 Jahren
- Abrufe
Transkript
1 Übungen zu Numerische Methoden I Achte Übungseinheit 2., 3. und 4. Juni 2008 Inhalt der achten Übungseinheit: Interpolation in Tabellen Symbolische und numerische Integration Eigenwertaufgaben 7. Interpolation in Tabellen Häufig sind Werte einer Funktion tabellarisch gegeben, wie im folgenden Beispiel: T cp Spezifische Wärmekapazität von kohlenstoffarmem Stahl in J/kg K für Temperaturen zwischen 0 und 600C Gesucht sind Funktionswerte zwischen den Stützstellen der Tabelle. In der Vorlesung wurde Lagrange-, Neville- und Newton-Interpolation behandelt. Im Skriptum sind für diesen Datensatz Beispiele durchgerechnet. Aufgabe 56 Interpolation: Lagrange Schreiben Sie das kubische Lagrange-Interpolationspolynom für die obigen Daten der spezifischen Wärmekapazitäten von C an und implementieren Sie es als function.m- Datei. Das Polynom ist direkt in der Lagrange-Form zu implementieren. Es soll nicht auf die Standardform a 0 + a x + a 2 x 2 + a 3 x 3 umgeformt werden (Grund: rechnerisch umständlich und fehleranfällig, ungünstig in Hinsicht auf Rundungsfehler). Stellen Sie Datenpunkte und Interpolationspolynom graphisch dar. Aufgabe 57 Interpolation: Newton Erstellen Sie das kubische Interpolationspolynom nach Newton für die obige Tabelle der spezifischen Wärmekapazitäten, im Bereich C. Die Koeffizienten sollen Sie händisch ausrechnen, das Polynom implementieren Sie dann in der Newtonschen Form als function-m-datei (nicht auf die Standardform a 0 + a x + a 2 x 2 + a 3 x 3 umrechnen!) Stellen Sie Datenpunkte und Interpolationspolynom graphisch dar. Zur Rechengeschwindigkeit: Wie viele Multiplikationen braucht eine Polynomauswertung in der Standardform a 0 + a x + a 2 x 2 + a 3 x 3? Wie viele Multiplikationen braucht Ihre Implementierung? Vergleichen Sie dazu folgende Schreibweise des Newtonschen Polynoms: es erlaubt die rechengünstigste Auswertung eines Interpolationspolynoms. cp = ( ( e-7*(T-500))*(T-400))*(T-300);
2 7.2 Integration Integration von Tabellenwerten Wenn zu einer Funktion nur diskrete Datenpunkte vorliegen, kann daraus ihr Integral näherungsweise mit verschiedenen numerischen Quadraturformeln berechnet werden. Aufgabe 58 Integral der spezifischen Wärmekapazität Zur vorigen Aufgabe waren Tabellenwerte der spezifische Wärmekapazität von kohlenstoffarmem Stahl gegeben. Das Integral der spezifischen Wärmekapazität ist die Enthalpie. Berechnen Sie für die gegebenen Daten das Integral von T = 0 bis T = 600 mit der Simpson-Regel (3 Stützstellen T = 0,300,600) mit der 3/8-Regel (4 Stützstellen T = 0, 200, 400, 600) mit der zusammengesetzten Trapezregel (h = 00) mit der zusammengesetzten Simpson-Regel (h = 00) Hinweis: In MATLAB lässt sich die Multiplikation von Funktionswerten mit Gewichtsfaktoren elegant als Skalarprodukt zweier Vektorenschreiben. Am Beispiel der 3/8-Regel: b=600; a=0; f= [ ]; w=[ 3 3 ]/8; int38=(b a) f w Numerische Integration in MATLAB Wenn eine Funktion nicht in geschlossener Form integrierbar ist, oder der Rechenausdruck zu kompliziert wird, ist numerische Integration (auch: numerische Quadratur) möglich. Der MATLAB-Befehl q = quad(fun,a,b) berechnet das Integral von f in den Grenzen von a nach b mit einer adaptiven Simpson-Regel. Dabei kann f inline gegeben sein, >> q=quad(./ x,,2) q = >> Achtung, punktweise Vektor-Rechenoperationen.\,.^ usw. verwenden oder als Funktions-Henkel, genauso wie beim Aufruf von fzero(). Aufgabe 59 Berechnen Sie numerisch e x dx π/4 x 2 dx 0 cos(φ) cos(π/4) dφ 2
3 Wie gross sind jeweils die Fehler? Das erste Integral hat den Wert Das zweite Beispiel ist ein uneigentliches Integral, es berechnet die Schwingungsdauer eines physikalischen Pendels, sein Wert ist ; MATLAB gibt eine Warnung, liefert aber eine passable Näherung. Beim dritten Integral rechnen Sie bitte selber nach und prüfen das Ergebnis. 7.3 Eigenwerte und Eigenvektoren MATLAB-Befehle: d = eig(a) liefert Vektor von Eigenwerten [V,D] = eig(a) Spalten von V sind Eigenvektoren, Diagonalelemente von D sind Eigenwerte. Aufgabe 60 Vektoriteration Was passiert, wenn man einen Vektor wieder und wieder mit derselben Matrix multipliziert? Testen Sie für den Vektor x = (,0,0) T und die Matrix A 2 A = Wenn man den Befehl x = A*x zehnmal iteriert, werden die Zahlen in x schon recht groß. Dividieren Sie nun zusätzlich in jedem Schritt den Vektor x nach der Multiplikation mit A durch seine erste Komponente. Das ändert nicht die Richtung von x, hält aber die Zahlenwerte der Komponenten in übersichtlichen Grenzen. Sie können das in der Form >> y=a*x; x = y/y() im Workspace durchspielen. Was beobachten Sie? Zu welchem Wert konvergiert y? Iterieren Sie nun, beginnend mit dem Startvektor x = (,0,0) T, >> y=a\x; x = /y() *y Zu welchem Wert konvergiert /y? Berechnen Sie auch mit MATLAB-Befehlen Eigenwert und Eigenvektoren. Was haben Ihre Ergebnisse mit den Eigenwerten und -vektoren von A zu tun? Aufgabe 6 QR-Iteration zur Eigenwert-Berechnung Gegeben sei eine quadratische Matrix A. Die QR-Zerlegung faktorisiert A in das Produkt A = Q R. Wenn man nun die Faktoren in umgekehrter Reihenfolge ausmultipliziert, erhält man eine neue quadratische Matrix A neu = R Q. Iteration nach Art eines Fixpunkt- Verfahrens sieht in MATLAB so aus: % QR-Iteration eps=.e-5 for i=:500 [Q R]=qr(A); Aneu=R*Q; 3
4 end if(norm(a-aneu)<eps) break; end A = Aneu; Dieses Verfahrens (mit Tricks zur Konvergenzbeschleunigung) ist ein Standardverfahren zur Eigenwertberechnung. Verwenden sie als Beispielmatrix A=hilb(4) und iterieren Sie. Ebenso für weitere Beispielmatrizen gallery( lehmer,5) und full(gallery( poisson,3)) Zu welcher Art von Matrix konvergiert das Verfahren jedesmal? Sehen Sie einen Zusammenhang mit den jeweiligen Eigenwerten der Matrizen? Aufgabe 62 Nullstellen der Determinante Gegeben sei die quadratische Matrix A, A = Implementieren Sie eine Funktion, welche für gegebenes x die Determinante det(a xi) berechnet. Berechnen Sie diese Funktion mit verschiedenen Werten für x zwischen 0 und 4 und zeichnen Sie einen Graphen. Finden Sie aus der graphischen Darstellung oder mittels fzero() Werte von x, für die det(a xi) möglichst genau 0 wird. Zur Kontrolle: für x = 0 ist det(a xi) = 6, für x = ist det(a xi) = 0. Es gibt noch vier weitere Werte 0 < x < 4, wo det(a xi) gleich null wird. Was haben diese Werte mit den Eigenwerten von A zu tun? Aufgabe 63 Anwendungen: Hauptachsentransformation, stabiler Zustand a) Der Spannungstensor in einem Material sei (in willkürlichen Einheiten) p = In welche Richtungen zeigen die Hauptachsen des Spannungstensors? Wie lautet der auf Diagonalgestalt transformierte Tensor? b) Eigenwerte in der Soziologie: Soziologen interessieren die Verschiebungen zwischen gesellschaftlichen Schichten von einer Generation zur nächsten. Nehmen wir als einfaches Beispiel an, es gäbe drei Berufsschichten: Leitende Position (L), Mittelklasse (M) und Hilfsarbeiter (H). Die folgende Tabelle faßt Datenmaterial aus den späten Vierzigerjahren in England und Wales zusammen. L M H L 0,448 0,054 0,0 M 0,484 0,699 0,503 H 0,068 0,247 0,486 natürlich kann so ein Beispiel nur aus dem klassenbewussten England kommen! 4
5 Dabei bedeutet der Wert in Zeile i und Spalte j dieser Matrix den Anteil an Kindern von Personen mit Beruf in Klasse j, die einen Beruf der Klasse i ergreifen (zum Beispiel arbeitet sich ein Anteil von 0,503 der Kinder von Hilfsarbeitern zu Mittelklasse-Beschäftigten hoch). Sofern sich diese Verhältnisse nicht ändern, strebt der Anteil von Personen in den einzelnen Schichten im Laufe einiger Generationen einem stabilen Verhältnis zu. Der betragsgrößte Eigenwert dieser Matrix ist, und ein zugehöriger Eigenvektor gibt einen stabilen Zustand an. Das bedeutet, wenn die Anzahl von Personen in den drei beruflichen Schichten im selben Verhältnis steht wie die Komponenten eines Eigenvektors, dann ändert sich dieses Verhältnis nicht von einer Generation zur nächsten. Berechnen Sie dieses Verhältnis! Aufgabe 64 Anwendung: Schwingungsgleichung Die Eigenschwingungsformen und zugehörigen Frequenzen einer schwingenden Saite lassen sich näherungsweise aus dem Eigenwertproblem Ax = λx bestimmen. Man denkt sich die Saite dazu in n Einzelmassen, wie Perlen auf einer Schnur, zerlegt. Für grosse n nähert sich die Perlenschnur einer kontinuierlichen Massenverteilung an. Die n n Matrix A ist nach dem Muster der Matrix in Aufgabe 62 aufgebaut: A = Hat die Saite die Länge l und Wellenausbreitungsgeschwindigkeit c, dann ist die Eigenschwingungsfrequenz ν(in Hz) bestimmt durch ν = n + c λ 2π l Dem kleinsten Eigenwert von A entspricht die Frequenz der Grundschwingung, die weiteren Eigenwerte entsprechen den Obertönen. Erstellen Sie für n = 5,0,20 die Matrix A, setzen Sie der Einfachheit halber c/l = und berechnen Sie die Frequenzen der Grundschwingung und der ersten drei Oberschwingungen. Zeichnen Sie die entsprechenden Eigenvektoren; sie geben die Schwingungsformen an. Die Folie 20 der 9. Vorlesung beschreibt ein ähnliches Eigenwertproblem (Schwingungen der frei hängenden Kette).. 5
H Achte Übungseinheit
H Achte Übungseinheit Inhalt der achten Übungseinheit: Symbolische und Numerische Integration Eigenwertaufgaben H. Integration H.. Integration von Tabellenwerten Wenn zu einer Funktion nur diskrete Datenpunkte
MehrInterpolation, numerische Integration, Eigenwerte
Neunte Vorlesung, 29. Mai 2008, Inhalt Interpolation, numerische Integration, Eigenwerte Polynomiale Interpolation (Lagrange, Newton, Neville) Splines und weitere Interpolationsverfahren numerische Integration
Mehr8. Vorlesung, 5. April Numerische Methoden I. Eigenwerte und Eigenvektoren
8. Vorlesung, 5. April 2017 170 004 Numerische Methoden I Eigenwerte und Eigenvektoren 1 Eigenwerte und Eigenvektoren Gegeben ist eine n n-matrix A. Gesucht sind ein vom Nullvektor verschiedener Vektor
MehrVorlesung, 26. Mai 2011, Inhalt. Eigenwerte und Eigenvektoren. Gewöhnliche Differentialgleichungen
Vorlesung, 26. Mai 2011, Inhalt Eigenwerte und Eigenvektoren Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Es sei A eine n n-matrix, x ein vom Nullvektor verschiedener Vektor und λ
Mehr8. Eigenwerte und Eigenvektoren
8. Eigenwerte und Eigenvektoren 8.1. Einführung, Definition, Grundlagen Eigenwertproblem Gegeben ist eine n n-matrix A. Gesucht sind ein vom Nullvektor verschiedener Vektor x und ein Skalar λ (auch λ =
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).
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
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
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 6 Eigenwerte
MehrZehnte Vorlesung, 4. Juni 2009, Inhalt. Eigenwerte und Eigenvektoren (2) Gewöhnliche Differentialgleichungen
Zehnte Vorlesung, 4. Juni 2009, Inhalt Eigenwerte und Eigenvektoren (2) Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Wichtige Feststellungen zur Eigenwertaufgabe Ax = λx: Eigenwerte
MehrSerie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1
Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor
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.
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
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud.
Dr. V. Gradinaru D. Devaud Herbstsemester 15 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 1 Aufgabe 1.1 1.1a) Sei A eine n n-matrix. Das Gleichungssystem Ax = b sei
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)
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg WS 28/29 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 3. Februar 29 Sie haben 9 Minuten Zeit zum
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
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
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
Mehrc i u i. (10.2) x = i
Kapitel 0 Von Mises Wielandt Verfahren Im Folgenden wollen wir uns ausschließlich auf reelle, symmetrischen Matrizen der Ordnung n beschränken. Wie im letzten Kapitel diskutiert, sind für solche Matrizen
MehrApproximation, Interpolation, numerische Integration
Approximation, Interpolation, numerische Integration 7. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 12. Mai 2016 Approximation, Interpolation, numerische
Mehr51 Numerische Berechnung von Eigenwerten und Eigenvektoren
5 Numerische Berechnung von Eigenwerten und Eigenvektoren 5. Motivation Die Berechnung der Eigenwerte einer Matrix A IR n n als Lösungen der charakteristischen Gleichung (vgl. Kapitel 45) ist für n 5 unpraktikabel,
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
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
MehrÜbungsblatt 4 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Übungsblatt 4 Musterlösung Aufgabe 7 (Nullstellen als Eigenwerte) Die Polynome {S n } n=0,,2,, S n P n, mit führem Koeffizienten eins, heißen Orthogonalpolynome
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.
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
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
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(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
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
MehrMathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrEigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )
Eigenwertprobleme 5. Oktober Autoren:. Herrmann, Hannes (45969). Kraus, Michael (9). Krückemeier, Paul (899) 4. Niedzielski, Björn (7) Eigenwertprobleme tauchen in der mathematischen Physik an Stellen
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrKlausur DI/LA F 2006 LA : 1
Klausur DI/LA F 26 LA : Aufgabe (4+2=6 Punkte): Gegeben seien die Matrix A und der Vektor b mit λ A = λ und b = λ a) Bestimmen Sie die Werte λ R, für welche das Gleichungssystem Ax = b genau eine, keine
MehrÜbungen zur Linearen Algebra II, Sommersemester Test, , Gruppe A: Lösung
Aufgabe. (5 Punkte) Matrix A C 3 3 : Übungen zur Linearen Algebra II, Sommersemester 0. Test, 9.5.0, Gruppe A: Lösung Bestimmen Sie alle Eigenwerte und Eigenräume der folgenden 8 A 9 6 3 9 Lösung: Charakteristisches
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 27 L I N E A R E A L G E B R A F Ü R T P H, U E (.64) 2. Haupttest (FR, 9..28) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrModulprüfung Numerische Mathematik 1
Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
(MUL) 1. März 2012 1 / 37 Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand MUL 1. März 2012 Gliederung 1 Wiederholung Begriffe, Verfahren
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.
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:
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
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
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
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
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.
Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist
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
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 25. Februar 2010 Newton- Gliederung Newton-, ng Newton- , Fragenliste Nichtlineare Gleichungen
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
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
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
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
MehrRegression, Interpolation, numerische. Integration
,, numerische 9. Vorlesung 170004 Methoden I Clemens Brand 20. Mai 2010 Gliederung : Aufgabenstellung Gesucht ist ein Polynom, das die Datenpunkte möglichst gut approximiert Gegeben m+1 Wertepaare (x i,
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
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
Mehr4.6 Berechnung von Eigenwerten
4.6 Berechnung von Eigenwerten Neben der Festlegung auf den betragsgrößten Eigenwert hat die Potenzmethode den Nachteil sehr langsamer Konvergenz, falls die Eigenwerte nicht hinreichend separiert sind.
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
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
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
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
MehrBegleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
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,
MehrEigenwerte. Vorlesung Computergestützte Mathematik zur Linearen Algebra. Lehrstuhl für Angewandte Mathematik Sommersemester 2009
Eigenwerte Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Sommersemester 2009 25. Juni + 2.+9. Juli 2009 Grundlagen Definition Ist für A C n,n, Ax = λx
MehrD. Vierte Übungseinheit
D. Vierte Übungseinheit Inhalt der vierten Übungseinheit: Matrix-Vektor-Multiplikation Bergabstrich löst Gleichungssysteme Eindeutig, nicht eindeutig und gar nicht lösbare Systeme Eliminationsverfahren
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.
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
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!)
MehrNumerische Mathematik
Numerische Mathematik Von Martin Hermann 2., überarbeitete und erweiterte Auflage Oldenbourg Verlag München Wien Vorwort zur ersten Auflage Vorwort zur zweiten Auflage V VII 1 Wichtige Phänomene des numerischen
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
MehrGrundlagen der Mathematik II (LVA U)
Dr. Marcel Dettling 3.4. Dr. Daniel Haase FS daniel.haase@math.ethz.ch Grundlagen der Mathematik II (LVA 4-6- U) 8 Zur Übungsstunde vom 3.4. Aufgabe (Ausgleichsrechnung) Gegeben sei das lineare Gleichungssystem
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Betrachtet wird eine (n,n)-matrix A. Eine Zahl λ heißt Eigenwert von A, wenn ein Vektor v existiert, der nicht der Nullvektor ist und für den gilt: A v = λ v.
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
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,
MehrD-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten
MehrBlockmatrizen. Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 :
Blockmatrizen Beispiel 1 Wir berechnen das Produkt von A R 4 6 mit B R 6 4 : 2 1 3 1 1 0 1 0 1 0 0 2 1 1 11 1 1 4 0 1 0 1 0 1 4 1 0 2 1 0 1 0 1 0 3 1 2 1 = 2 4 3 5 11 1 1 4 0 1 0 1 0 1 5 1 2 1 2 4 3 5
Mehr2 a 6. a 4 a Wir führen nun den Gauÿalgorithmus durch: 2 a a 2 4a 2 4a a a 2 2a 0 2 a
Aufgabe 8 Punkte). Bestimmen Sie die Lösungsmenge in R in Abhängigkeit von a R) des folgenden linearen Gleichungssystem: x + ax + 6x = 4, ax + 4x + ax =, x + 4x =. Lösung. Wir schreiben das lineare Gleichungssystem
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei
MehrAnalysis II für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg SoSe 2014 Prof. Dr. Armin Iske Dr. Hanna Peywand Kiani Analysis II für Studierende der Ingenieurwissenschaften Blatt 3, Hausaufgaben Aufgabe 1: a) Es sei
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
MehrStrukturmechanische Schwingungen mit der Finiten Elemente Methode
Strukturmechanische Schwingungen mit der Finiten Elemente Methode Unterlagen für die Durchführung des Praktikumsversuches 1. Schritt: Datenfiles mit Definition der Gitterelemente einlesen Datenfiles: Rechteck_4.asc
MehrAufgabenstellung: Explizite gewöhnliche Differentialgleichung 1. Ordnung mit Anfangsbedingung Gesucht ist eine Funktion y = y(x).
I Neunte Übungseinheit Inhalt der neunten Übungseinheit: Gewöhnliche Differentialgleichungen erster Ordnung I. Gewöhnliche Differentialgleichungen erster Ordnung Aufgabenstellung: Explizite gewöhnliche
MehrEigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung
Zurück Stand 4.. 6 Eigenwerte/Eigenvektoren/Eigenräume/Diagonalisierung Im Allgemeinen werden Vektoren durch Multiplikation mit einer Matrix gestreckt und um einen bestimmten Winkel gedreht. Es gibt jedoch
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 4. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 17. März 2016 Lineare Gleichungssysteme 1 Wiederholung: Normen, Jacobi-Matrix,
MehrÜBUNGSAUFGABEN ZUR NUMERIK 1
ÜBUNGSAUFGABEN ZUR NUMERIK 1 MARTIN EHLER, WS 2015/16 Teil 1. Matlab,... Aufgabe 1. Arbeiten Sie die Matlab Einführung von Waltraud Huyer durch, die unter dem Link http://www.mat.univie.ac.at/ huyer/matlab.pdf
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrMAV-NUM Applied Numerics Frühlingssemester Serie 14. a) (1 Punkt) Berechnen Sie die LR-Zerlegung der Matrix und geben Sie L, R und P an.
MAV-NUM Applied Numerics Frühlingssemester 208 Dr. Evelyne Knapp ZHAW Winterthur Aufgabe (6 Punkte): Serie 4 a) ( Punkt) Berechnen Sie die LR-Zerlegung der Matrix und geben Sie L, R und P an. 6 2 5 A =
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
Mehr7. Strukturmechanische Schwingungen mit der Finiten Elemente Methode
7. Strukturmechanische Schwingungen mit der Finiten Elemente Methode Unterlagen für die Durchführung des Praktikumsversuches 1. Schritt: Datenfiles mit Definition der Gitterelemente einlesen Datenfiles:
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)
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, August BIOL-B GES+T PHARM Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle MC Total MC Total 3 4 5 6 -
MehrKapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrFinite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
Mehrd a Den drei Gleichungen entsprechen drei Kreise imr 2. Sie haben keinen gemeinsamen Schnittpunkt
G Siebte Übungseinheit Inhalt der siebten Übungseinheit: Überbestimmte nichtlineare Systeme MATLAB-Werkzeuge zum Anpassen von Funktionen an Daten Alternativen zur Minimierung der Fehlerquadrate: Robuste
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
Mehr