Kap. 6: Iterative Lösung von Gleichungssystemen
|
|
- Gisela Raske
- vor 7 Jahren
- Abrufe
Transkript
1 Kap. 6: Iterative Lösung von Gleichungssystemen 6.1 Einleitung In vielen Anwendungen sind Gleichungssysteme zu lösen, in denen die Unbekannten nichtlinear auftreten. Beispiel: Der Betrag der Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 (in kg) mit dem Abstand r (in m) ist nach dem Newtonschen Gesetz F = G m 1m 2 r 2 mit G = Nm 2 /kg. Wir betrachten ein ebenes Gravitationsfeld mit drei festen Punktmassen m i in den Koordinaten (x 1,y 1 ) = (x 1,0), (x 2,y 2 ) = (x 2,0), (x 3,y 3 ) = (0,y 3 ). Gesucht ist der Punkt (x,y), so dass für jede Punktmasse m an der Stelle (x,y) die Gravitationskräfte F i zwischen m und m i (i = 1,2,3) im Gleichgewicht sind, also die Gleichung F 1 + F 2 + F 3 = 0 (6.1) gilt. Die vektorwertige Funktion F i hat die zwei Koordinatenfunktionen F i,x (x,y) = F i(x i x) r i, F i,y (x,y) = F i(y i y) r i mit r i = (x x i ) 2 +(y y i ) 2 und F i = G m im r 2 i. Die Gleichung (6.1) beschreibt ein nichtlineares Gleichungssystem mit zwei Unbekannten x und y.
2 6.2 Fixpunktiteration wichtigstes Verfahren zur Lösung nichtlinearer Gleichungssysteme fußt auf dem Banach schen Fixpunktsatz sehr leicht zu programmieren explizite Fehlerabschätzungen Definition: Fixpunkt Die Menge D R n sei nichtleer. Ein Element x D heißt Fixpunkt der Funktion φ : D R n, falls x = φ(x ) gilt.
3 6.2.2 Die Iterationsfolge: Jedes Gleichungssystem f(x) = 0 zu gegebener Funktion f : R n R n lässt sich in vielfältiger Weise umwandeln in die Form x = φ(x), wobei φ : R n R n mit f zusammenhängt über f(x) = 0 x = φ(x). Zu einem Startwert x 0 R n bildet man rekursiv x k+1 = φ(x k ), k = 0,1,2,... Ob die Folge (x k ) k 0 gegen einen Fixpunkt von φ konvergiert, hängt von den Eigenschaften von φ ab. Mögliche Szenarien für φ : R R werden im matlab-file fp bsp.m dargestellt.
4 6.2.3 Kontraktionsbedingung: Definition: Es sei D R n. Eine Funktion φ : D R n heißt Lipschitz-beschränkt mit der Lipschitzkonstanten L 0, falls für alle x,y D φ(x) φ(y) L x y gilt. Man nennt φ kontrahierend, falls φ Lipschitz-beschränkt mit einer Lipschitzkonstanten (Kontraktionszahl) L < 1 ist. Bemerkung: Die Lipschitz-Beschränktheit gilt unabhängig von der gewählten Norm. Die Konstante L (und damit die Kontraktionseigenschaft) hängt aber von der gewählten Norm ab.
5 6.2.4 Berechnung von Lipschitz-Konstanten: Satz: Die Menge D R n sei konvex und φ : D R n sei stetig differenzierbar. Mit φ (x) bezeichnen wir die Jacobimatrix von φ. Falls L := sup φ (x) < x D gilt, so ist L eine Lipschitzkonstante von φ. Die hierbei verwendete Matrixnorm. muss mit der auf R n verwendeten Norm verträglich sein, d.h. es gilt Ax A x für alle x R n.
6 Bemerkung: Verträgliche Matrixnormen für A R n n : für x = max k x k : Zeilensummennorm A := max j n a jk. k=1 für x 1 = k x k : Spaltensummennorm A 1 := max k n a jk. für x 2 = ( k x k 2 ) 1/2 : Spektralnorm und Frobeniusnorm A 2 := ρ(a T A), A F := j=1 n j,k=1 a 2 jk 1/2 = Spur(A T A).
7 In der Analysis wurde bereits der folgende Satz bewiesen Banachscher Fixpunktsatz Sei D R n eine nichtleere abgeschlossene Teilmenge und φ : D D eine kontrahierende Selbstabbildung mit der Kontraktionskonstante 0 L < 1. Dann hat φ genau einen Fixpunkt x D. Für jeden Startwert x 0 D liefert das allgemeine Iterationsverfahren x k+1 = φ(x k ), k 0, eine konvergente Folge (x k ) k 0, die gegen den Fixpunkt x D konvergiert. Es gelten die folgenden Fehlerabschätzungen für k 1: x k x L x k 1 x (monotone Abnahme) x k x x k x L 1 L x k x k 1 L k 1 L x 1 x 0 (a posteriori) (a priori)
8 6.2.6: Prüfung des Wertebereichs Wichtig ist die Voraussetzung an den Wertebereich von φ, also φ(d) D, damit die Iterationsfolge gebildet werden kann. a) Für eine Funktion φ : [a,b] R prüft man dies mit den üblichen Methoden zur Kurvendiskussion (Monotoniebereiche). b) Einschränkung von φ: Für φ : D R n wählt man ein ξ 0 D und r > 0 sowie 0 L < 1 mit den folgenden Eigenschaften: (1) K r(ξ 0) = {x R n x ξ 0 r} D. (2) Für alle u,v K r(ξ 0) gilt φ(u) φ(v) L u v. (3) Es gilt die Kugelbedingung φ(ξ 0) ξ 0 r(1 L). Dann bildet φ die Menge K r (ξ 0 ) in sich ab, ist also auf dieser Menge eine kontrahierende Selbstabbildung.
9 6.3 Newton-Verfahren Ziel: Löse das (nichtlineare) Gleichungssystem f(x) = 0, wobei f : D R n R n mindestens einmal stetig differenzierbar ist Das Newton-Verfahren im R n Eine mögliche Fixpunktform der Gleichung lautet f(x) = 0 x = x [f (x)] 1 f(x), f 1 x 1 (x) falls die Jacobi-Matrix f (x) =. f n x 1 (x) invertierbar ist. Das hierzu passende allgemeine Iterationsverfahren heißt Newton-Verfahren. f 1 x n (x). für alle x D f n x n (x) x (k+1) = x (k) [f (x (k) )] 1 f(x (k) ), k 0,
10 Bemerkung: Für n = 1 ist x k+1 = x k f(x k) f (x k ) die Nullstelle der Tangente an den Grafen von f im Punkt (x k,f(x k )).
11 6.3.2 Beispiel: Die Funktion f : R R, f(x) = x 6 x 1, besitzt eine positive Nullstelle im Intervall [0,2], und zwar x Wir verwenden 1. die Fixpunktiteration φ 1 (x) = (1+x) 1/6 mit Startwert x 0 = 2, 2. das Newtonverfahren, also φ 2 (x) = x x6 x 1 6x 5 1. φ 1 φ
12 6.3.3 Lokale Konvergenz im skalaren Fall: Wir betrachten die Gleichung f(x) = 0 für f : D R R. Die Iterationsfunktion des Newton-Verfahrens lautet φ(x) = x f(x) f (x). f sei zweimal stetig differenzierbar in einer Umgebung (a,b) von x und es gelte f(x ) = 0, f (x ) 0. Dann ist φ stetig differenzierbar in einer Umgebung von x, ( φ (x) = 1 1 f(x)f ) (x) (f (x)) 2 = f(x)f (x) (f (x)) 2. Insbesondere ist φ (x ) = 0. Also gibt es ein δ > 0 so, dass φ im Intervall K δ (x ) = [x δ,x +δ] kontrahierend ist. Mit ξ 0 = x in 6.2.5(b) ist die Kugelbedingung ebenfalls erfüllt. Eine etwas genauere Untersuchung ergibt:
13 Satz: Lokale Konvergenz des Newton-Verfahrens im skalaren Fall Die Funktion f : [a,b] R sei zweimal stetig differenzierbar und besitze eine Nullstelle x (a,b) mit f (x ) 0. Weiter gelte m := min x [a,b] f (x) > 0. M := max x [a,b] f (x) <. Wir wählen 0 < r < r 0 = 2m M mit K r(x ) [a,b]. Dann ist die Iterationsfunktion φ(x) = x f(x) f (x) des Newtonverfahrens eine kontrahierende Selbstabbildung des Intervalls K r (x ) mit der Kontraktionskonstante L = Mr 2m < 1. Also konvergiert die Folge (x k ) des Newton-Verfahrens für jeden Startwert x 0 K r (x ) gegen x.
14 Es gelten die a-priori Fehlerabschätzung x k x M 2m x k 1 x 2 2m ) M L(2k und die a-posteriori Fehlerabschätzungen x k x 1 m f(x k) M 2m x k x k 1 2. Die Folge (x k ) konvergiert also lokal quadratisch.
15 Wesentliche Beweisschritte: 1. Wegen m > 0 gibt es keine weitere Nullstelle in [a,b] (Satz von Rolle). 2. Für beliebige x,y [a,b], x y, folgt aus dem Mittelwertsatz x y 1 m f(x) f(y). Damit ist die erste a-posteriori Fehlerabschätzung gezeigt. 3. Die Taylorentwicklung um die Stelle x [a,b] ergibt x 0 = f(x ) = f(x)+(x x)f (x)+ f (ξ)(x ξ)dξ. x Daraus erhalten wir f(x) (x x )f (x) M 2 (x x ) 2 und weiter φ(x) x = (x x ) f(x) f (x) M 2m (x x ) Wegen r < 2m M folgt für alle x Kr(x ) φ(x) x M 2m (x x ) 2 x x r, also ist φ eine Selbstabbildung von K r(x ): Alle Folgenglieder x k (bei beliebigem x 0 K r(x )) liegen in K r(x ).
16 5. Wir führen die Bezeichnung ǫ k = M 2m x k x ein. Aus 3. folgt auch Wegen ǫ k ǫ 2 k 1 ǫ(2k ) 0. ǫ 0 = M 2m x 0 x Mr 2m = L < 1 folgen die Konvergenz ǫ k 0, also x k x und die a-priori Fehlerabschätzung. 6. Zum Beweis der zweiten a-posteriori Abschätzung erhalten wir wie in 3. (Taylorentwicklung um die Stelle x k 1 ) f(x k ) f(x k 1 ) (x k x k 1 )f (x k 1 ) M 2 (x k x k 1 ) 2. Als Nullstelle der Tangente erfüllt x k die Beziehung f(x k 1 )+(x k x k 1 )f (x k 1 ) = 0, also haben wir f(x k ) M 2 (x k x k 1 ) 2. Damit ergibt sich die zweite a-posteriori Abschätzung.
17 6.3.4 Bemerkung Die in gewählte Umgebung K r(x ) einer einfachen Nullstelle x der Funktion f ist ein Einzugsbereich dieser Nullstelle: für einen Startwert x 0 in dieser Umgebung erfolgt sehr rasche Konvergenz. Z.B. für L = 1/2 erzielt man mit 5 bzw. 10 Iterationsschritten bereits x 5 x 2m M m M 10 10, x 10 x 2m M m M Die wirkliche Schwierigkeit besteht häufig darin, mit dem Startwert überhaupt eine solche Umgebung zu treffen, da der Radius r sehr klein sein kann. Oft kann man zunächst eine langsame (lineare) Annäherung der Zahlen x 0,x 1,...,x n an die Nullstelle beobachten, bevor die schnelle quadratische Konvergenz einsetzt. Dies liegt daran, dass erst das Folgenglied x n im Einzugsbereich K r(x ) liegt. Sehr oft wird man gar keine Konvergenz erzielen, wenn x 0 nicht nahe genug bei x gewählt wird. Bestimmte Ausnahmen werden in der Übung behandelt.
18 6.3.5 Lokale Konvergenz im mehrdimensionalen Fall Verallgemeinerungen aus dem skalaren Fall: f : Ω R n R n ist stetig differenzierbar, Ω ist konvex und offen. f besitzt eine Nullstelle x Ω und die Jacobimatrix f (x ) ist invertierbar (also detf (x ) 0). f ist auf Ω Lipschitz-beschränkt mit einer Konstanten M > 0, d.h. f (x) f (y) M x y, x,y Ω. Für jedes x Ω ist f (x) invertierbar und 1 m := sup [f (x)] 1 <. x Ω Satz: Lokale Konvergenz des Newton-Verfahrens (mehrdimensional) Unter den obigen Voraussetzungen wählen wir 0 < r < r 0 = 2m M so, dass K r (x ) Ω gilt. Dann ist die Iterationsfunktion φ(x) = x [f (x)] 1 f(x) des Newtonverfahrens eine kontrahierende Selbstabbildung von K r (x ) mit der Kontraktionskonstante L = Mr 2m < 1.
19 Also konvergiert die Folge (x k ) des Newton-Verfahrens für jeden Startwert x 0 K r (x ) gegen x. Es gilt die a-priori Fehlerabschätzung x k x 2m M L(2k). Die Folge (x k ) konvergiert also lokal quadratisch Beispiel: a) Einzugsgebiet: Flugbahn der US-Raumsonde Voyager 2 ( ), siehe www-aix.gsi.de/ giese/swr b) Einführungsbeispiel: (s. auch Dahmen, Reusken, S )
20 6.4 Ergänzungen zum Newton-Verfahren Skalarer Fall: mehrfache Nullstelle Gegeben: f : [a,b] R mit doppelter Nullstelle x und f (x ) 0. Falls f dreimal stetig differenzierbar ist, gilt für jedes x mit f (x) 0 (x x ) f f(x) (x ) f (x) = f (x )(x x )+ In einer Umgebung von x gilt Also erhalten wir x x f (ξ) x (x ξ)2 2 x f (ξ) (x ξ) 2 dξ x x x f (ξ)(x ξ)dξ dξ = O( x x 3 ), x f (ξ)(x ξ)dξ = O( x x 2 ). x x f(x) f (x) = 2 +O( x x 2 ) 1+O( x x ) = x x 2 2 +O( x x 2 ).
21 Der modifizierte Ansatz zum Newtonverfahren x k+1 = x k 2 f(x k) f (x k ) führt also wieder zur lokal quadratischen Konvergenz: x k+1 x = x k x 2 f(x k) f (x k ) = O( x k x 2 ). Definition: modifiziertes Newton-Verfahren Bei p-facher Nullstelle x von f, also f(x ) = f (x ) = = f (p 1) (x ) = 0, f (p) (x ) 0 (p 2), lautet das modifizierte Newtonverfahren x k+1 = x k p f(x k) f (x k ).
22 6.4.2 Vereinfachtes Newton-Verfahren Das Newton-Verfahren im R n wird meist so programmiert: Gegeben: Startwert x 0. Für k = 0,1,2,...: 1. Berechne f(x k ), A k := f (x k ), 2. löse das lineare Gleichungssystem A k s k = f(x k ), 3. Setze x k+1 := x k +s k, bis k k max oder A 1 k f(x k+1) tol. In jedem Schritt ist also ein lineares Gleichungssystem zu lösen, in dem die Newton-Korrektur s k berechnet wird. Die Abbruchbedingung ist in Anlehnung an die erste a-posteriori Fehlerabschätzung im skalaren Fall gewählt. Beim vereinfachten Newton-Verfahren hält man die Matrix dieses Gleichungssystems für mehrere Schritte fest, also z.b. 2. löse das lineare Gleichungssystem As k = f(x k ), 3. Setze x k+1 = x k +s k.
23 Das vereinfachte Newton-Verfahren entspricht der Fixpunkt-Iteration x k+1 = x k A 1 f(x k ), mit festem A. Bei geeigneter Wahl von A liegt lineare Konvergenz gegen die Nullstelle x von f vor (z.b. falls A eine gute Näherung der Jacobi-Matrizen von f in einer Umgebung der Nullstelle x ist und der Startwert x 0 nahe genug bei x gewählt wird).
24 6.4.3 Gedämpftes Newton-Verfahren Zur Globalisierung der Konvergenz verwendet man die Newton-Korrektur s k = [f (x k )] 1 f(x k ) als Suchrichtung, entlang der die Norm des Funktionswerts f(x k +λs k ) verringert werden soll: Gegeben: Startwert x 0. Für k = 0,1,2,... : 1. Berechne f(x k ), A k := f (x k ). 2. Löse das lineare Gleichungssystem A k s k = f(x k ), 2.a Setze λ = 1. 2.b Dämpfung: Setze x := x k +λs k ; C λ := 1 λ/4; Falls A 1 k f(x) C λ A 1 k f(x k), gehe zu 3. Sonst: Setze λ := λ/2. Falls λ λ min, gehe zu 2.b. Sonst ABBRUCH: keine Konvergenz. 3. Setze x k+1 := x, bis k k max oder A 1 k f(x k+1) tol.
25 Der Algorithmus hat zwei ineinander geschachtelte Schleifen, die durch die Parameter λ min und k max begrenzt werden. Die Voraussetzungen an den Startwert x 0 für die Konvergenz gegen die Nullstelle x sind wesentlich schwächer als beim Newton-Verfahren Daher liegt oft Konvergenz vor, auch wenn x 0 eine grobe Näherung an x ist.
26 6.5 Newton-ähnliche Verfahren zur Nullstellenberechnung in R Sekantenverfahren: Ersetze die Ableitung durch den Differenzenquotienten der zwei letzten Folgenglieder: x k+1 = x k x k x k 1 f(x k ) f(x k 1 ) f(x k) = x k f(x k) f[x k 1,x k ]. Hierbei werden zwei Startwerte x 0,x 1 benötigt. Die Iteration kann durchgeführt werden, wenn f streng monoton ist, weil dann f[x k 1,x k ] 0 gilt. Die Konvergenzuntersuchung ist ähnlich zum Newton-Verfahren (Satz 6.3.3). Wir benötigen die Folge der Fibonacci-Zahlen F 0 = 1, F 1 = 1, F k+1 = F k +F k 1 für k 1.
27 6.5.2 Satz: Lokale Konvergenz des Sekanten-Verfahrens Die Funktion f : [a,b] R sei zweimal stetig differenzierbar und besitze eine Nullstelle x (a,b) mit f (x ) 0. Weiter gelte m := min x [a,b] f (x) > 0, M := max x [a,b] f (x) <. Wir wählen 0 < r < r 0 = 2m M mit K r(x ) [a,b]. Dann liegen die Iterierten x k des Sekantenverfahrens bei beliebigen Startwerten x 0,x 1 K r (x ), x 0 x 1, ebenfalls in K r (x ), die Folge (x k ) konvergiert gegen x.
28 Mit L = Mr 2m < 1 gelten die a-priori Fehlerabschätzung x k x M 2m x k 1 x x k 2 x 2m M LF k und die a-posteriori Fehlerabschätzungen x k x 1 m f(x k) M 2m x k x k 1 x k x k 2.
29 Der Beweis verläuft analog wie in 6.3.3, siehe auch [Rannacher: Satz 6.3.1]. Die Fibonacci-Zahlen kommen ins Spiel, indem wir wie in setzen und die Abschätzung ǫ k = M 2m x k x ǫ k ǫ k 1 ǫ k 2 rekursiv auf ǫ j = M 2m x j x L, j = 1,2 zurückführen: ǫ k ǫ F 1 k 1 ǫf 0 k 2 ǫf 2 k 2 ǫf 1 k 3 ǫf 3 k 3 ǫf 2 k 4 ǫf k 1 1 ǫ F k 2 0 L F k. Bemerkung: Aus der Formel für die Fibonacci-Zahlen F k = 1 ( λ k+1 1 λ k+1 ) 2, λ1,2 = 1± 5, 5 2 erhalten wir F k λ1 5 λ k k < 2 k. Die a-priori Fehlerabschätzung für das Sekantenverfahren deutet also auf eine langsamere Konvergenz gegenüber dem Newton-Verfahren hin. Da aber in jedem Schritt nur 1 Auswertung von f erforderlich ist (beim Newton-Verfahren je eine Auswertung von f und f ), kann das Sekantenverfahren trotzdem vorteilhaft sein.
30 6.5.3 Regula falsi: Mischung des Sekantenverfahrens mit der Bisektion: man schließt eine Nullstelle ein, indem man den Vorzeichenwechsel von f zwischen x k 1 und x k fordert. Als Startwerte sind x 0,x 1 zu wählen mit f(x 0 )f(x 1 ) < 0 (Vorzeichenwechsel von f). Der neue Wert x k+1 wird genau wie beim Sekantenverfahren berechnet: x k+1 = x k x k x k 1 f(x k ) f(x k 1 ) f(x k) = x k f(x k) f[x k 1,x k ]. Dann wird entschieden, ob der vorletzte Wert x k beibehalten wird (nämlich wenn f(x k )f(x k+1 ) < 0 gilt), oder ob x k durch den vorvorletzten Wert x k 1 ersetzt wird. Hierdurch wird der Unterschied zum Sekantenverfahren deutlich: Wählt man bei beiden Verfahren die gleichen Startwerte x 0 und x 1, so ist auch x 2 bei beiden Verfahren gleich. Die Werte von x 3 unterscheiden sich aber, falls nach dem ersten Schritt der Regula falsi x 1 durch x 0 ersetzt wurde, weil f(x 2 ) und f(x 1 ) das gleiche Vorzeichen haben. Durch die Einschließungseigenschaft ist die Regula falsi sehr stabil. Meistens ist die Konvergenz etwas besser als beim Bisektionsverfahren, aber immer noch linear.
31 6.6 Allgemeine Aussagen zur Konvergenzordnung Definition: Konvergenzordnung Eine konvergente Folge (x k ) k 0 im R n mit Grenzwert x hat die Konvergenzordnung p 1, falls es k 0 N und c > 0 (mit c < 1 im Fall p = 1) gibt, so dass für alle k k 0 gilt. x k+1 x c x k x p Im Fall p = 1 spricht man von linearer Konvergenz. Für k k 0 gelten die a-priori und a-posteriori Fehlerabschätzungen (mit L := c) des Banachschen Fixpunktsatzes: x k x ck k0 1 c x k 0+1 x k0, x k x c 1 c x k x k 1.
32 Im Fall p = 2 spricht man von quadratischer Konvergenz, siehe Newton-Verfahren. Dann gilt für k k 0 Gilt im Fall p = 1 die Beziehung x k x 1 c x k 0 x 2k k 0. x k+1 x lim k x k x = 0, so spricht man von superlinearer Konvergenz. Einige Quasi-Newton -Verfahren sind superlinear, haben aber keine Konvergenzordnung p > 1.
33 6.6.2 Satz: Konvergenzordnung der Fixpunkt-Iteration in R Es sei p N, p 2. Die Funktion φ : [a,b] [a,b] sei p-mal stetig differenzierbar und kontrahierend. Für den eindeutig bestimmten Fixpunkt x gelte φ (x ) = = φ (p 1) (x ) = 0. Dann hat die Folge der Iterierten (x k ) des allgemeinen Iterationsverfahrens die Konvergenzordnung p. x 0 [a,b], x k+1 = φ(x k ), k 0, Beweisidee: Man zeigt mit der Taylorformel x φ(x) x = φ (p) (x ξ)p 1 (ξ) dξ x (p 1)! M p p! x x p mit M p = sup x [a,b] φ (p) (x).
Kapitel 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
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
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
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
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
Mehr6. Iterationsverfahren. Fixpunktiteration. 6.Iterationsverfahren: Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16
6. Iterationsverfahren Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16 Beispiel: Ausbreitung eines Grippevirus in einem Kindergarten Zeitpunkt t 0 t 1 t 2 t 3 t 4 t 5 Anteil kranker
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 ( )
MehrNichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
MehrKapitel 6. Nichtlineare Gleichungen. 6.1 Einführung. Problem: Idee: Beispiel:
Kapitel 6 Nichtlineare Gleichungen 6. Einführung Problem: Gesucht sind Lösungen nichtlinearer Gleichungen bzw. Systeme, das heißt es geht beispielsweise um die Bestimmung der Nullstellen eines Polynoms
Mehr5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme Nichtlineare Gleichungen oder Gleichungssysteme müssen in vielen Anwendungen der Mathematik gelöst werden. Typischerweise werden die Lösungen nichtlinearer Gleichungen
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:
MehrNEXTLEVEL I, Analysis I
NEXTLEVEL I, Analysis I Hanna Peywand Kiani Wintersemester 9/ Die ins Netz gestellten Kopien der Folien sollen nur die Mitarbeit während der Veranstaltung erleichtern. Ohne die in der Veranstaltung gegebenen
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
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 3. März 2016 Nichtlineare Gleichungen, Fixpunkt-Iterationen 1 Wiederholung Aufgabentypen
MehrNäherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.
3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1)
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:
MehrAlgebra. Roger Burkhardt Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft
Algebra Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft FS 2010 Roger Burkhardt roger.burkhardt@fhnw.ch Algebra
MehrKapitel 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
MehrKAPITEL 6. Nichtlineare Ausgleichsrechnung
KAPITEL 6 Nichtlineare Ausgleichsrechnung Beispiel 61 Gedämpfte Schwingung: u + b m u + D m u = 0, Lösungen haben die Form: u(t) = u 0 e δt sin(ω d t + ϕ 0 ) Modell einer gedämpften Schwingung y(t; x 1,
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;
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
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
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
Mehr6. Numerische Lösung des. Nullstellenproblems
6. Numerische Lösung des Nullstellenproblems 1 Problemstellung Zwischenwertsatz: Sei f : [a,b] R stetig und c R mit f(a) c f(b) oder f(b) c f(a). Dann gibt es ein x [a,b] mit f(x) = c. Frage: Wie lässt
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
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
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
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
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
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,
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
Mehr2 Stetigkeit und Differenzierbarkeit
2.1) Sei D R. a) x 0 R heißt Häufungspunkt von D, wenn eine Folge x n ) n N existiert mit x n D,x n x 0 und lim n x n = x 0. D sei die Menge der Häufungspunkte von D. b) x 0 D heißt innerer Punkt von D,
Mehr2 Nullstellenbestimmung
2.1 Motivation und Einordnung Das Lösen von nichtlinearen Gleichungen spielt eine grundlegende Rolle in der Mathematik. Oft werden solche Aufgabenstellungen als Nullstellenproblem formuliert. Die Nullstellenbestimmung
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
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
MehrNumerische Mathematik für Ingenieure (SoSe 2013)
Numerische Mathematik für Ingenieure (SoSe 2013) PD Dr(USA) Maria Charina Auszüge aus Vorlesungsfolien von Prof Joachim Stöckler werden verwendet Für die Bereitstellung dieses Materials und der Tex-Files
MehrIterative Lösung von nichtlinearen Gleichungen und Gleichungssystemen
Kapitel 5 Iterative Lösung von nichtlinearen Gleichungen und Gleichungssstemen 5.1 Iterationsverfahren zur Lösung einer reellen nichtlinearen Gleichung Es sei g() eine im Intervall I definierte reellwertige
MehrNäherungsverfahren zur Berechnung von Nullstellen. Das Newtonsche Iterationsverahren
Näherungsverfahren zur Berechnung von Nullstellen Das Newtonsche Iterationsverahren. Dieses Verfahren der Nullstellenanäherung macht von der Tatsache Gebrauch, dass der Funktionsgraph einer differenzierbaren
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 zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim
Lösung zur Serie 8 Aufgabe 40 Wir zeigen in dieser Aufgabe, dass die Voraussetzung dass die Funktion in einer kleinen Umgebung injektiv sein muss, beim Satz über die Umkehrfunktion notwendig ist. Hierzu
MehrMathematik II. Vorlesung 49. Der Banachsche Fixpunktsatz
Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 49 Der Banachsche Fixpunktsatz Satz 49.1. Es sei M ein nicht-leerer vollständiger metrischer Raum und f :M M eine stark kontrahierende Abbildung.
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
MehrKarlsruher Institut für Technologie (KIT) SS 2013 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie KIT SS 2013 Institut für Analysis 06.05.2013 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik II für die Fachrichtung Physik 4. Übungsblatt Aufgabe 1 Bestimmen
MehrStetige Funktionen. Definition. Seien (X, d) und (Y, ϱ) metrische Räume und f : X Y eine Abbildung. D(f) X sei der Definitionsbereich von f.
Stetige Funktionen Abbildungen f : X Y, wobei X und Y strukturierte Mengen sind (wie z.b. Vektorräume oder metrische Räume), spielen eine zentrale Rolle in der Mathematik. In der Analysis sind Abbildungen
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.
MehrGleichungen, GS und Nullstellen
TU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG5.TEX Übungsaufgaben zum Lehrgebiet Numerische Mathematik - Serie 5 Gleichungen, GS
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
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
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
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrAnleitung zu Blatt 1, Analysis II
Fachbereich Mathematik der Universität Hamburg Dr. H. P. Kiani Anleitung zu Blatt, Analysis II SoSe 0 Banachscher Fixpunktsatz Die ins Netz gestellten Kopien der Anleitungsfolien sollen nur die Mitarbeit
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
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
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
MehrGMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida
GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?
MehrAnalysis II. Prof. Dr. H. Brenner Osnabrück SS 2014
Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Vorlesung 51 Für eine stetig differenzierbare Funktion ϕ: R R mit ϕ (P) > 0 in einem Punkt P R gibt es ein offenes Intervall P I =]P δ,p +δ, auf dem ϕ
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 (x 1, x 2,..., x n ) x 2... f 2 (x 1, x 2,..., x n )... x n f m (x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man:
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
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
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
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
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
Mehr6.2 Die Regeln von de l Hospital. Ausgangsfrage: Wie berechnet man den Grenzwert. Beispiel: Sei f(x) = x 2 und g(x) = x. Dann gilt. lim.
6.2 Die Regeln von de l Hospital Ausgangsfrage: Wie berechnet man den Grenzwert falls g(x), beide Funktionen gegen Null konvergieren, d.h. = g(x) = 0 beide Funktionen gegen Unendlich konvergieren, d.h.
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
MehrLAF Mathematik. Näherungsweises Berechnen von Nullstellen von Funktionen
LAF Mathematik Näherungsweises Berechnen von Nullstellen von Funktionen von Holger Langlotz Jahrgangsstufe 12, 2002/2003 Halbjahr 12.1 Fachlehrer: Endres Inhalt 1. Vorkenntnisse 1.1 Nicht abbrechende Dezimalzahlen;
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,
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
Mehrdx nf(x 0). dx f(n 1) (x 0 ) = dn
4.3. Höhere Ableitungen, Konveität, Newtonverfahren 65 4.3 Höhere Ableitungen, Konveität, Newtonverfahren Ist f:i R differenzierbar auf einem Intervall I, so erhalten wir eine neue Funktion auf I, nämlich
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
MehrDifferenzierbarkeit im R n. Analysis III October 30, / 94
Differenzierbarkeit im R n Analysis III October 30, 2018 36 / 94 Partielle Ableitungen Buch Kap. 5.5 Definition 5.23: (partielle Differenzierbarkeit) Sei die Funktion f : D R, D R n, wobei D eine offene
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
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
MehrLineare Algebra II 5. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,
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
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
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
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
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.
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
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
Mehr2.6 Lokale Extrema und Mittelwertsatz
2.6. Lokale Etrema und Mittelwertsatz 49 2.6 Lokale Etrema und Mittelwertsatz In diesem Kapitel bezeichne f stets eine reellwertige Funktion, definiert auf einem abgeschlossenen Intervall [a, b]. Unter
MehrVI. Iterationsverfahren
VI. Iterationsverahren To ininity and beyond Falls eine direte Lösung des Problems nicht möglich oder ineizient ist. 6.. Fipuntgleichungen 6... Problemstellung: Iterationsuntion Iteration: R Startwert,
MehrKontrollfragen zur Unterrichtsstunde
Kontrollfragen zur Unterrichtsstunde Frage 1: Das Newtonverfahren ist eine Methode zur Bestimmung A: der Extremstellen eines C: des Verhalten im Unendlichen. B: der Nullstellen eines D: der Fallzeit eines
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
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
MehrTeil I Auswahlfragen
UNIVERSITÄT KOBLENZ LANDAU INSTITUT FÜR MATHEMATIK Dr. Dominik Faas Grundlagen der Analysis Sommersemester 010 Klausur vom 07.09.010 Teil I Auswahlfragen Name: Hinweise: Bei den folgenden Auswahlfragen
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
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
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dipl.-Math. Dipl.-Inf. Jürgen Bräckle Dr.-Ing. Markus
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrComputer Vision Group Prof. Daniel Cremers. Fixpunktgleichungen
Computer Vision Group Pro. Daniel Cremers Fipuntgleichungen Iterationsverahren Problem: Ot önnen wir eine direte Lösung einer Gleichung angeben. Anstelle einer direten Lösung ann man aber ot ein Iterationsverahren
MehrLösen einer Gleichung
Zum Lösen von Gleichungen benötigen wir: mindestens einen Term eine Definition der in Frage kommenden Lösungen (Grundmenge) Die Grundmenge G enthält all jene Zahlen, die als Lösung für eine Gleichung in
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
Mehr