Serie 1. Paul Boeck und Gregor Milicic
|
|
- Nicolas Fromm
- vor 5 Jahren
- Abrufe
Transkript
1 Serie 1 Paul Boeck und Gregor Milicic Inhaltsverzeichnis Aufgabenstellung und Vorbetrachtungen Aufgabenstellung Theoretische Vorbetrachtung Newton-Verfahren Broyden-Verfahren Konvergenzbetrachtung Programmbeschreibung 3 Newton.m Broyden.m konvergenz.m prak1.m Experimente und Beobachtungen 5 prak1(1,[1;1;1.5],10*eps,50,0,1) - Experiment prak1(1,[10;10;10],10*eps,50,0,1) - Experiment prak1(1,[40;-0;0],10*eps,50,0,1) - Experiment prak1(,[1;1;1],10*eps,100,0,1) - Experiment prak1(,[5;-;10],10*eps,100,0,1) - Experiment prak1(,[8;8;8],10*eps,100,0,1) - Experiment Auswertung 7 1
2 Aufgabenstellung und Vorbetrachtungen Aufgabenstellung Das Newton- und das Broyden-Verfahren sollen zur Nullstellenbestimmung einer beliebigen Funktion f C 1 (R d, R d ) in einem MATLAB-Programm implementiert werden, wobei der Nutzer die Möglichkeit haben soll, sowohl neben dem Startwert x 0 auch die Toleranzgrenze einzugeben. Zu dem wurde gewünscht, das Konvergenzverhalten der Funktion f zu untersuchen auf lineare, überlineare bzw. quadratische Konvergenz. Theoretische Vorbetrachtung Newton-Verfahren Beim Newton-Verfahren erhält man die Annäherung x k+1 der Nullstelle x aus der Formel: x k+1 = x j f (x j ) 1 f(x j ) Nach dem lokalen Konvergenzsatz aus der Vorlesung ist das Newton-Verfahren für jeden Startwert x 0 B(x,ρ) durchführbar, falls die Ableitung f in x regulär ist. Allerdings sagt der Satz nichts über ρ aus, so dass experimentell ermittelt werden muss, ob und wenn ja ab welchem Wert das Newton-Verfahren tatsächlich konvergiert. Praktisch umgesetzt berechnen wir allerdings in unserem Programm nicht x j mit der oben beschriebenen Formel, sondern wir lösen zuerst das Gleichungssystem f (x j ) x = f(x j ) um danach x j+1 mit x j+1 = x x j zu bestimmen. Damit muss nicht die Inverse der Ableitung f (x j ) bestimmt werden, was numerisch sehr aufwändig wäre. In allen Funktionen benutzen wir zudem die bereits in MATLAB implementierte Funktion norm(), womit also immer die -Norm der jeweiligen Matrix benutzt wird. Broyden-Verfahren Das Broyden-Verfahren zur Nullstellenbestimmung gehört zur Klasse der Quasi-Newton-Verfahren, d.h. es wird eine Quasi-Newton-Bedingung genutzt. Im Unterschied zum klassischen Newton-Verfahren wird nicht die Nullstelle der Tangente, also der Funktion g(x j ) = f(x j ) + f (x j )(x x j ) zur näherungsweisen Berechnung der Nullstelle genutzt, sondern allgemeiner die Funktion g j (x) = f(x j ) + A j (x x j ) (Beim Newtonverfahren war dabei A j = f (x j )). Ziel ist es dabei, die Anzahl der Funktionsaufrufe zu minimieren. Zur Bestimmung der Matrix A j wird dabei die Quasi-Newton-Bedingung g j (x j 1 ) = f(x j 1 ) so dass sich dann zur Bestimmung von A j ergibt: A j = A j 1 + z j (f(x j ) f(x j 1 A j 1 z j )z T j mit z j = x j x j 1. Genauso wie beim Newton-Verfahren lösen wir auch hier nicht die oben beschriebene Gleichung direkt, sondern lösen das Gleichungssystem A j ( x) = f(x j ) Das Broyden-Verfahren ist unter den gleichen Bedingungen wie das Newton-Verfahren durchführbar, sodass auch hier wieder experimentell bestimmt werden muss, ob und wann für welchen Startwert x 0 das Broyden-Verfahren konvergiert. Konvergenzbetrachtung Für die Ermittlung der Konvergenzgeschwindigkeit nehmen wir als Ersatz für die exakte Nullstelle x die berechnete Annäherung, die letzte berechnete Iterierte x. Dazu betrachten wir die Gleichungen a = q b p mit b := x x k,a := x x k+1 und c := x x k+. Damit ergibt sich: und c = q a p p = log c a log a und q = a b b p Dabei haben wir für jede 3 aufeinander folgende Iterierten die jeweiligen Werte von p und q bestimmt.
3 Programmbeschreibung Newton.m Ein Aufruf Funktion Newton.m sieht so aus: [xn,yn] = Newton(x0,f,Df,opt) Dabei ist x0 der Startwert, f und Df sind function_handle auf eine reelle, vektorwertige Funktion und ihre Ableitung. Stimmen die Dimension der beiden nicht überein, so wird von Matlab ein dimension error geworfen und das Programm stürzt ab. (Dies ist nicht explizit programmiert, sondern allgemeines Verhalten von Matlab). In der Variable opt können verschiedene Parameter des Algorithmus verändert werden. Die Optionen sind iter entscheidet, ob die Zwischenwerte, also die Nullstellennäherung nach jeder Iteration gespeichert wird. Der Defaultwert ist 1(also ja). Für höhere Geschwindigkeit sollten dies deaktiviert werden (oder besser komplett auskommentiert werden). maxiter gibt die maximale Anzal der Iterationen an, die dem Verfahren gelassen werden, bevor es abbricht. Der Defaultwert ist hier 100, da mehr Iterationen in der Regel keinen Sinn machen. TOL gibt die Toleranz an, ab der eine Nullstelle akzeptiert wird und das Verfahren mit Erfolgsmeldung abbricht. Der Defaultwert ist wie in der Aufgabenstellung empfohlen 10*eps*cond(Df(x0)) verbose lässt das Verfahren in jeder Iteration ausführliche Information wie Jacobimatrix an dieser Stelle oder deren Rang. Diese Einstellung ist nur für Experimente zu empfehlen und daher im Default deaktiviert(0). Der Kern der Funktion ist dieser: 1 while norm( fx ) > TOL count = count +1; 3 i f count == maxiter, 4 error ( Zu v i e l e Iterationen! Verfahren abgebrochen! ) 5 end; 6 Dfx = Df(x0 ) ; 7 [ y, R] = l i n s o l v e (Dfx, fx ) ;%newtonschritt 8 if R < 100 TOL 9 error ( Jacobimatrix i s t singulaer. Verfahren abgebrochen! ) ; 10 end 11 x0 = y + x0 ; 1 fx = f (x0 ) ; 13 end Leicht zu erkennen sind die beiden Abbruchbedingungen (Zeile 4 und 9). Der erste, falls die maximale Anzahl der Iterationen erreicht ist, die andere, falls die Kondition der Jacobimatrix zu schlecht ist. Die Rückgabewerte der Funktion sind xn und yn. xn werden dabei die verschiedenen Iterierten gepspeichert, bzw. deren Funktionswerte. Sollte iter deaktiviert sein, so wird in xn nur die gefundene Nullstelle gespeichert. Andernfalls haben xn und yn die folgende Struktur (bei einer n dimensionalen Funktion und k Schritten bis die Nullstelle gefunden wurde.) x (0) 1 x (0)... x (0) n }{{} Startwert x (1) 1 x (1)... x (1) n }{{} 1. Schritt... x (k) 1 x (k)... x (k) n }{{} k. Schritt Es sind also k n Matrizen. Ein Zugriff auf die jte Iterierte wäre damit xn(:,j). Broyden.m Ein Aufruf Funktion Broyden.m sieht so aus: [xn,yn] = Broyden(x0,f,Df,opt) 3
4 Die Parameter und Optionen der Variable opt sind genauso wie bei der Funktion Newton.m. Deshalb wird hier auf eine erneute Ausführung verzichtet. Der Kern der Funktion ist dieser: 1 while norm( fx0 ) > TOL 3 count = count +1; 4 5 %Ueberpruefen der maximalen Anzahl der Iterationsschritte 6 i f count == maxiter, 7 error ( Zu v i e l e Iterationen! Verfahren Abgebrochen! ) 8 end; 9 10 %Loesen des Gleichungssystems A j ( x { j+1) x j)= f ( x j ) 11 [ y, R] = l i n s o l v e (A0, fx0 ) ; 1 x1 = y + x0 ; if R < 100 TOL 16 error ( Matrix A j i s t numerisch singulaer. Verfahren abgebrochen! ) ; 17 end %Berechnung z j 0 delta x=x1 x0 ; 1 fx1=f (x1 ) ; 3 4 %Berechnung der neuen Matrix, A j=a {j 1} + z j ˆ( ) 5 %( f ( x j) f ( x {j 1} A {j 1} z j ) z j ˆT 6 A0=A0+(norm( delta x )ˆ( )) (( fx1 fx0) A0 ( delta x )) ( delta x ) ; 7 8 %Setzen des neuen Wertes 9 x0=x1 ; %Zuweisung des neuen Funktionswertes 3 fx0 = fx1 ; 33 end Leicht zu erkennen sind die beiden Abbruchbedingungen (Zeile 7 und 16). Der erste, falls die maximale Anzahl der Iterationen erreicht ist, die andere, falls die Kondition der Jacobimatrix zu schlecht ist. Als Startmatrix A 0 wird dabei die Ableitung der Funktion f an der Stelle x 0 verwendet, A 0 = f (x 0 ). Ansonsten erfolgt die Berechnung der Werte wie im Theorieteil beschrieben. Die Rückgabewerte und deren Format ist wieder mit denen beim Newton-Verfahren identisch. konvergenz.m Die Funktion[q,p] = konvergenz(x) berechnet die beiden Konvergenzparameter p und q aus dem Gleichungssystem x x k+1 = q x x k p x x k+ = q x x k+1 p wie im Theorieteil beschrieben. Dabei muss der Eingabewert x genau die Struktur haben, wie sie von Newton und Broyden ausgegeben werden. Die letzte berechnete Nullstelle in x wird als echte Nullstelle x angenommen und dient als Basis der Berechnung. Sind also mehr als 3 Werte in x, so wird für jeweils 3 aufeinander folgende Stellen das System gelöst, wodurch die Listen p und q entstehen. prak1.m Die Funktion [] = prak1(n,x0,tol,maxiter,verbose,latex) dient zum Experimentieren anhand der konkreten Aufgabenstellung. Es startet mit gegeben Startwert die Verfahren Newton und Broyden und analysiert danach deren 4
5 Konvergenzgeschwindigkeit. Außerdem sind die Beispielfunktionen in dieser Datei gespeichert. Ein Erweitern durch andere Funktionen benötigt lediglich C&P Vorgänge in den switch Blöcken für Newton und Broyden(Zeilen 34 und 47). Der Parameter n schaltet zwischen den verschiedenen Funktionen hin und her. 1 und sind dabei die Funktionen, die Aufgrund unserer Matrikelnummer genutzt werden sollten. 4 ist eine weitere, allerdings dimensionale Funktion, die wir zu Testzwecken verwendet haben, da wir unter BroydenMethodMod/Links/BroydenMethodMod lnk 7.html das Broyden Verfahren mit den Zwischenergebnissen abgleichen konnten. x0 ist der Startwert für beide Verfahren, TOL,maxiter,verbose gibt die gleichnamigen Optionen an die beiden Verfahren weiter. latex ist ein Schalter, der die Ausgabe der Konvergenztabellen auf L A TEX Stil stellt. Damit wurden die in diesem Dokument vorhanden Tabellen erzeugt. Werden weniger Parameter gegeben, werden jeweils Defaultwerte gewählt, die das Newtonverfahren zum Konvergieren bringen, das Broydenverfahren aber abbrechen lässt. Die beiden Verfahren werden nacheinander ausgeführt. Sollte das Newtonverfahren aufgrund eines Fehlers abbrechen, so kann das Broydenverfahren nicht mehr ausgeführt werden. Bei strukturellen Fehlern, etwa wenn die Dimensionen der Funktion, deren Ableitung und des Startwertes nicht zusammen passen, ist das sinnvoll. Im Fall des Abbruchs, weil zu viele Iterationen gebraucht wurden, ist dieses Verhalten zumindest theoretisch nicht gut. Praktisch haben wir aber festgestellt, dass das Broydenverfahren stets mehr Iterationen gebraucht hat, als das Newtonverfahren. Experimente und Beobachtungen In diesem Abschnitt stellen wir einige Tabellen mit Werten zusammen, die die Konvergenz der beiden Verfahren verdeutlichen sollen. Bei den ersten 3 Experimenten haben wir die erste Funktion, also r 4,0 benutzt, bei den anderen 3 Experimenten die zweite in der Funktion prak1.m implementierte Funktion, r 3, 4. Bei beiden Funktionen haben wir Startwerte gefunden, bei denen das Newton-Verfahren konvergierte, das Broyden-Verfahren aber abbricht (Experiment, prak1(1,[1;1;1.5],10*eps,50,0,1) - Experiment 1 Die gefundene Nullstelle ist x 0 = (1,0,0) T, und es wurden 7 Iterationen benötigt. Auch das Broyden-Verfahren konvergierte gegen die Nullstelle x 0 = (1,0,0) T, benötigte aber 1 Iterationen. prak1(1,[10;10;10],10*eps,50,0,1) - Experiment Wieder konvergierte das Newton-Verfahren gegen die Nullstelle x 0 = (1,0,0) T, diesmal wurden allerdings 13 Iterationen benötigt. Diesmal konvergiert das Broyden-Verfahren gegen eine andere Nullstelle, nämlich x 0 = ( ,0.4794,0) T, und es wurden 35 Iterationen benötigt e e+004 Tabelle 1: Experiment 1 5
6 e e e e e e e e-033 Tabelle : Experiment e e bricht ab Tabelle 3: Experiment 3 6
7 prak1(1,[40;-0;0],10*eps,50,0,1) - Experiment 3 Das Verfahren hat nach 15 Iterationen x 0 = (1,0,0) T als Nullstelle ermittelt. Broyden bricht wegen zu vielen Iterationen ab. prak1(,[1;1;1],10*eps,100,0,1) - Experiment 4 Newton hat 6 Iterationen gebraucht, x 0 = (0.0091,0.0343,0.3000) T und Broyden 9 Iterationen x 0 = (0.0091,0.0343,0.3000) T. prak1(,[5;-;10],10*eps,100,0,1) - Experiment 5 Für Newton wurden 7 Iterationen gebraucht, x 0 = (7.573,1.81,4.736) T und Broyden 4 Iterationen, x 0 = (0.0091,0.0343,0.3000) T. prak1(,[8;8;8],10*eps,100,0,1) - Experiment 6 Es wurden 9 Iterationen gebraucht, x 0 = (7.573,1.81,4.736) T. Das Broyden-Verfahren bricht ab, es wurden zu viele Iterationen benötigt. Auswertung Der Vorteil des Broyden-Verfahrens, die Zeitersparnis durch die wenigen Funktionsaufrufe, konnte wir nicht wirklich nachvollziehen, da nicht die Zeit bei unseren Betrachtungen beachtet wurde, sondern nur die Anzahl der Iterationsschritte. Außerdem muss man kritisch anmerken, dass der Nutzer in den meisten Fällen nur die Funktion f ohne die Ableitung angibt, sodass zusätzlich immer wieder die Ableitung an den entsprechenden Stellen berechnet und ausgewertet werden muss, was auch nochmal die Zeit beeinflusst und ein Vorteil des Broyden-Verfahrens ist, da dieses ja komplett ohne die Ableitung der Funktion f auskommt. Deutlich wurde bei den Experimenten auch, dass ein Gewinn an Genauigkeit bei der Nullstelle nur mit der Erhöhung der Zahl der Iterationen und damit der Laufzeit einhergeht, wobei aber gerade beim Newton-Verfahren auf Grund der quadratischen Konvergenz ein oder zwei Iterationsschritte mehr schon einen deutlichen Gewinn an Genauigkeit herbeiführen e+006 Tabelle 4: Experiment 4 7
8 e Tabelle 5: Experiment e-015 bricht ab Tabelle 6: Experiment 6 8
Newton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
MehrOptimierung. Optimierung. Vorlesung 4 Newton und Quasi Newton Verfahren (Teil II) 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 4 Newton und Quasi Newton Verfahren (Teil II) 1 Newton Verfahren Taylor Approximation 1. Ordnung von Newton Verfahren! 0 Setze 0und berechne Löse lineares Gleichungssystem für : 2
MehrNumerische Analysis - Matlab-Blatt 1
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Sommersemester 015 Numerische Analysis - Matlab-Blatt 1 Lösung (Besprechung
MehrBemerkung 2.1: Das Newtonverahren kann auch als sequential quad. minimization verstanden werden: 2.1 Ein globalisiertes Newtonverfahren
Kapitel 2 Newtonverfahren Ziel: Bestimmung von Nullstellen von f (=stationärer Punkt). Dies geschieht mit dem Newtonverfahren. x k+1 = x k ( 2 f (x k )) 1 f (x k ) (2.1) Bemerkung 2.1: Das Newtonverahren
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,
MehrÜbungen zur Mathematik Blatt 1
Blatt 1 Aufgabe 1: Bestimmen Sie die Fourier-Reihe der im Bild skizzierten periodischen Funktion, die im Periodenintervall [ π, π] durch die Gleichung f(x) = x beschrieben wird. Zeichnen Sie die ersten
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
MehrNewtonverfahren Die folgende Abbildung beschreibt das Newtonverfahren zur näherungsweisen Berechnung von Nullstellen:
BspNr: J0011 Themenbereich Näherungsverfahren zur Nullstellenberechnung (Newtonverfahren) Ziele Probleme, die bei der näherungsweisen Nullstellenberechnung auftreten können, erkennen. Analoge Aufgabenstellungen
MehrKapitel 5 Nichtlineare Gleichungssysteme und Iterationen
Kapitel 5 Nichtlineare Gleichungssysteme und Iterationen Wir betrachten das System f() = 0 von n skalaren Gleichungen f i ( 1,..., n ) = 0, i = 1,..., n. Gesucht: Nullstelle von f() = 0. Es sei (0) eine
MehrNumerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren
Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
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)
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 3. März 2016 Nichtlineare Gleichungen, Fixpunkt-Iterationen 1 Wiederholung Aufgabentypen
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
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
MehrMa 10 / 11 Das Newton-Verfahren Na - 4. September 2014
Was ist das Newton-Verfahren? Das Newton-Verfahren ist ein nuerisches Verfahren zur näherungsweisen Bestiung einer Nullstelle einer gegeben Funktion. Analytisch exakt können Nullstellen von Geraden von
MehrIterative Verfahren: Allgemeines, Fixpunkt-Iteration, Nullstellen. Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Iterative Verfahren: Allgemeines, Fiunkt-Iteration, Nullstellen Motivation Viele numerische Probleme lassen sich nicht mit endlich vielen Schritten lösen Nullstellen
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. Februar 2014 Gliederung Wiederholung: Gleichungstypen, Lösungsverfahren Grundprinzip
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
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
Mehr8.3 Lösen von Gleichungen mit dem Newton-Verfahren
09.2.202 8.3 Lösen von Gleichungen mit dem Newton-Verfahren Beispiel: + 2 e Diese Gleichung kann nicht nach aufgelöst werden, da die beiden nicht zusammengefasst werden können. e - - 2 0 Die gesuchten
Mehr7. Nichtlineare Gleichngssysteme. Problem 7: Sei f : R n R n stetig. Löse f(x) = 0.
7. Nichtlineare Gleichngssysteme Problem 7: Sei f : R n R n stetig. Löse f(x) = 0. Das Gleichungssystem f(x) = 0 lässt sich in die Fixpunktgleichung x = φ(x) umschreiben, wobei φ : D R n R n. Beispielsweise
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrGleichungsbasierte Modellierung
1 Gleichungsbasierte Modellierung Die Benutzung von Gleichungen zur Geometrischen Modellierung wurde bereits von Sutherland eingeführt. Fortgeführt wurde sie durch die Arbeiten von Light und Gossard. Wie
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
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
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
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
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrAlgorithmen zur Nullstellenbestimmung Ac 2018
Algorithmen zur Nullstellenbestimmung Ac 2018 Bestimmt werden sollen Lösungen x der Gleichung f(x) = 0 für eine stetige Funktion f. Diese Lösungen x nennt man Nullstellen von f. 1. Methode: Bisektionsverfahren
Mehrnumerische Berechnungen von Wurzeln
numerische Berechnungen von Wurzeln. a) Berechne x = 7 mit dem Newtonverfahren und dem Startwert x = 4. Mache die Probe nach jedem Iterationsschritt. b) h sei eine kleine Zahl, d.h. h. Wir suchen einen
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
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.
MehrNICHTRESTRINGIERTE OPTIMIERUNG
3 NICHTRESTRINGIERTE OPTIMIERUNG Die Aufgabe, mit der wir uns im Folgen beschäftigen werden, ist die Lösung von Minimierungsproblemen der Form minimiere f(x) in R n, (3.1) wobei f : R n R eine gegebene
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
MehrNullstellen von algebraischen Gleichungen
Kapitel 2 Nullstellen von algebraischen Gleichungen 2.1 Vorbemerkungen Suche Lösung der Gleichung f(x) = 0 (2.1) Dies ist die Standardform für eine Dimension. - typisch nichtlineare Gleichung, sonst elementar
MehrNichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
MehrOptimale Steuerung 1
Optimale Steuerung 1 Kapitel 6: Nichtlineare Optimierung unbeschränkter Probleme Prof. Dr.-Ing. Pu Li Fachgebiet Simulation und Optimale Prozesse (SOP) Beispiel: Parameteranpassung für Phasengleichgewicht
MehrHochschule RheinMain WS 2016/17 Prof. Dr. D. Lehmann. 7. Übungsblatt zur Vorlesung Komplexe Funktionen
Hochschule RheinMain WS 2016/17 Prof. Dr. D. Lehmann 7. Übungsblatt zur Vorlesung Komplexe Funktionen (Schauen Sie sich dieses Übungsblatt als pdf-file auf dem Computer an, um alle Abbildungen in Farbe
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrKAPITEL 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
MehrUnterprogramme: Formalargumente und Übergabeargumente
Unterprogramme: Formalargumente und Übergabeargumente SUBROUTINE name(var1,var2,var3) Deklarationen ausführbare Anweisungen name= END SUBROUTINE name Formalargumente Der Aufruf des Unterprogramms: CALL
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrNumerisches Lösen von Gleichungen
Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:
MehrModul NUME: Numerische Mathematik Einführung
TU Dresden Fakultät Mathematik Institut für Numerische Mathematik 1 Prof. Dr. A. Fischer WiS 2018/2019 Modul NUME: Numerische Mathematik Einführung 5. Übungsblatt: 10. - 21. Dezember 2018 Aufgabe 18 :
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
MehrLineare Algebra und Numerische Mathematik D-BAUG. Sommer 2012 Prof. H.-R. Künsch
b Prüfung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice: Sommer Prof. H.-R. Künsch Gegeben sei die folgende Matrix A = 4. 4 (a) x AA T ist eine 4 4 Matrix mit ( AA T) = 4. AA T ist
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
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
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
MehrTrifft uns der Komet?
Trifft uns der Komet? Teilnehmer: Paul Barth Hristo Boyadzhiev Batkhaan Erdenetsetseg Roxana Esmaili Bryan Oppong-Boateng Felix Roth Julius Paul Rußmann Jean-Pierre Walter Bela Tim Wiethüchter Herder-Gymnasium
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrNewton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme
Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es
MehrÜbungsaufgaben Folgen und Reihen
Kallenrode, www.sotere.uos.de Übungsaufgaben Folgen und Reihen. Untersuchen Sie die folgenden Folgen auf Monotonie, Beschränktheit und Konvergenz (geben Sie gegebenenfalls den Grenzwert an): inverse Fakultäten:,,
MehrNäherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.
3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1)
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
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
MehrHeron-Verfahren. Inhaltsverzeichnis. Beispiel. aus Wikipedia, der freien Enzyklopädie
1 of 7 28.05.2010 20:16 Heron-Verfahren aus Wikipedia, der freien Enzyklopädie Das Heron-Verfahren oder babylonische Wurzelziehen ist ein Rechenverfahren zur Berechnung einer Näherung der Quadratwurzel
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
Mehr6.8 Newton Verfahren und Varianten
6. Numerische Optimierung 6.8 Newton Verfahren und Varianten In den vorherigen Kapiteln haben wir grundlegende Gradienten-basierte Verfahren kennen gelernt, die man zur numerischen Optimierung von (unbeschränkten)
MehrBeispiellösung Serie 7
D-MAVT FS 2014 K. Nipp A. Hiltebrand NUMERISCHE MATHEMATIK Beispiellösung Serie 7 1. a) Exakt: 0.005 1 1 1 0.005 1 ( 1 0 200-199 L = 200 1 Rückwärts einsetzen Lz = b : z 1 = 0.5, z 2 = 1 100 = 99 Rx =
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 =
MehrDas Trust-Region-Verfahren
Das Trust-Region-Verfahren Nadine Erath 13. Mai 2013... ist eine Methode der Nichtlinearen Optimierung Ziel ist es, das Minimum der Funktion f : R n R zu bestimmen. 1 Prinzip 1. Ersetzen f(x) durch ein
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
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
MehrKapitel 5. Lösung nichtlinearer Gleichungen
Kapitel 5. Lösung nichtlinearer Gleichungen 5.1 Nullstellen reeller Funktionen, Newton-Verfahren 5.2 Das Konvergenzverhalten iterativer Verfahren 5.3 Methode der sukzessiven Approximation 5.4 Das Newton-Verfahren
MehrNewton- und und Quasi-Newton-Methoden in der Optimierung. János Mayer
Newton- und und Quasi-Newton-Methoden in der Optimierung János Mayer 1 GLIEDERUNG Newton-Methode für nichtlineare Gleichungen nichtlineare Gleichungssysteme freie Minimierung. Quasi-Newton-Methoden für
MehrIngenieurinformatik II Numerik für Ingenieure Teil 2
Hochschule München, FK 03 MB SS 013 Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz Ingenieurinformatik II Numerik für Ingenieure Teil Bearbeitungszeit : 60 Minuten Aufgabensteller : Dr. Reichl Hilfsmittel
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
MehrNullstellenberechnung von nichtlinearen Funktionen
Kapitel 3 Nullstellenberechnung von nichtlinearen Funktionen In dieser Vorlesung wird nur die Nullstellenberechnung reeller Funktionen einer reellen Variablen f : R R betrachtet. Man nennt die Nullstellen
MehrWoche 08/12 15/12 4. Gershgorin-Kreise, Stabilität und Kondition 1 / 8
Woche 08/12 15/12 4. Gershgorin-Kreise, Stabilität und Kondition 1 / 8 Lernziele In diesem Praktikum sollen Sie üben und lernen: Umgang mit der Matlab-Umgebung Darstellung einfacher Graphen Analyse der
MehrIterative Methoden zur Lösung von linearen Gleichungssystemen
Iterative Methoden zur Lösung von linearen Gleichungssystemen (13.12.2011) Ziel Können wir wir die zeitabhängige Schrödinger-Gleichung lösen? φ(t) = e iht ψ(0) Typischerweise sind die Matrizen, die das
MehrMATLAB Ferienkurs WS 2010/2011
MATLAB Ferienkurs WS 2010/2011 Teil 4 von 6 Andreas Klimke, Matthias Wohlmuth Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik Basier auf Kursunterlagen von Boris
MehrMathematik für Sicherheitsingenieure I A
Priv.-Doz. Dr. J. Ruppenthal Wuppertal, 9.0.08 Dr. T. Pawlaschyk Mathematik für Sicherheitsingenieure I A Aufgabe. (5+5+6+4 Punkte) a) Geben Sie für jede der folgenden Aussagen an, ob sie WAHR oder FALSCH
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
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 )
MehrDie Taylorreihe einer Funktion
Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist
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
Mehr9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
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
Mehr38 Iterative Verfahren für lineare Gleichungssysteme
38 Iterative Verfahren für lineare Gleichungssysteme 38.1 Motivation Viele praktische Probleme führen auf sehr große lineare Gleichungssysteme, bei denen die Systemmatrix dünn besetzt ist, d. h. nur wenige
MehrRadizieren mit dem Heron-Verfahren
Mathematik mit Python und OpenOffice Calc Radizieren mit dem Heron-Verfahren Matthias Richter. März 011 1 Idee Das Heron-Verfahren ist ein Algorithmus um die Quadratwurzel einer Zahl x R näherungsweise
MehrRegula Falsi Die folgende Abbildung beschreibt das Näherungsverfahren regula falsi zur Berechnung von Nullstellen:
BspNr: J0010 Themenbereich Näherungsverfahren zur Nullstellenberechnung (Regula falsi) Ziele Probleme, die bei der näherungsweisen Nullstellenberechnung auftreten können, erkennen. Analoge Aufgabenstellungen
MehrDipl.-Math. Robert Offinger Wintersemester 2006/07 Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik
Dipl.-Math. Robert Offinger Wintersemester 6/7 Otto-von-Guericke-Universität Magdeburg Fakultät für Mathematik Materialien zur Vorlesung Mathematik III für Ingenieure Ergänzungen zur Einführung in Matlab
MehrKapitel 4: Nichtlineare Nullstellenprobleme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik (SS
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme Nichtlineare Gleichungen oder Gleichungssysteme müssen in vielen Anwendungen der Mathematik gelöst werden. Typischerweise werden die Lösungen nichtlinearer Gleichungen
MehrWeitere Anwendungen der Differentialrechnung
Weitere Anwendungen der Differentialrechnung Informationsblatt Aus der großen Zahl von Anwendungsmöglichkeiten der Differentialrechnung werden das Newton sche Näherungsverfahren und die Taylor-Reihen vorgestellt.
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
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 26/7 (2.3.27). (a) Bestimmen Sie die kartesische Form von z = 5i 2i und z 2 = ( ) 9 3 2 2 i. (b) Bestimmen Sie sämtliche
MehrFachhochschule Südwestfalen Wir geben Impulse. Kontrollstrukturen und Schleifen in Octave
Fachhochschule Südwestfalen Wir geben Impulse Kontrollstrukturen und Schleifen in Octave Einführung Inhalt m-files Script-Files Function-Files Ein- Ausgabe von Variablen oder Ergebnissen For-Schleife While-Schleife
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
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,
MehrNichtlineare Gleichungen, mehrere Unbekannte
Dritte Vorlesung, 6. März 2008, Inhalt Aufarbeiten von Themen der letzten Vorlesung, und Nichtlineare Gleichungen, mehrere Unbekannte Systeme nichtlinearer Gleichungen Vektor- und Matrixnormen Fixpunkt-Iteration,
Mehr