Numerische Integration und Differentiation
|
|
- Lucas Tiedeman
- vor 7 Jahren
- Abrufe
Transkript
1 Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische Integration und Differentiation Näherungsweise Auswertung reeller Funktionen Numerische Lösung von Differentialgleichungen Numerische Lösung von Optimierungsproblemen b) Typisches Ziel: Näherungen für die exakte Lösung eines mathematischen Problems, deren Fehler beliebig klein gemacht werden kann und für die verlässliche Fehlerschranken vorliegen c) praktisch: wesentliche Komponente des Wissenschaftlichen Rechnens (engl: scientific computing): Computersimulation auf der Grundlage mathematischer Modelle in den Anwendungswissenschaften: Naturwissenschaften, Ingenieurwissenschaften, Medizin, Wirtschaftswissenschaften Bemerkung 2 (Entwicklung der Rechentechnik) Entwicklung der Numerik untrennbar verknüpft mit Entwicklung der Rechentechnik Grundlagen: verstärkt ab 8 Jahrhundert
2 Bemerkung 2: Entwicklung der Rechentechnik Z3 (94) ENIAC (946) Abbildung : Klassische Rechentechnik Bemerkung 2: Entwicklung der Rechentechnik (II) Hitachi SR8000-F Abbildung 2: Moderner Hochleistungsrechner am LRZ München 2
3 94 Z3 (K Zuse) 946 ENIAC (J v Neumann) 958 erster Mikrochip 967 erster Taschenrechner 976 Home Computer Apple 98 erster Personal Computer (PC) heute: leistungsfähige Arbeitsplatzrechner (PC, Workstation) Vektor- und Parallelrechner für High performance computing seit 97: Anzahl der elementaren Transistorfunktionen je Sekunde verdoppelt sich etwa nach jeweils 8 Monaten Bemerkung 3 (Literatur) [] Th Huckle and S Schneider Numerische Methoden Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker Springer Verlag, Berlin, 2nd edition, 2006 [2] RW Freund and RHW Hoppe Stoer / Bulirsch: Numerische Mathematik Springer Verlag, Berlin Heidelberg, 0th edition, 2007 [3] J Stoer and R Bulirsch Numerische Mathematik 2 Springer Verlag, Berlin Heidelberg New York, 5th edition, 2005 [4] P Deuflhard and A Hohmann Numerische Mathematik I Eine algorithmisch orientierte Einführung Walter de Gruyter, Berlin New York, 3rd edition, 2002 [5] A Quarteroni, R Sacco, and F Saleri Numerische Mathematik Springer Verlag, Berlin, 2002 [6] A Quarteroni, R Sacco, and F Saleri Numerische Mathematik 2 Springer Verlag, Berlin, 2002 [7] GH Golub and ChF van Loan Matrix Computations The Johns Hopkins University Press, Baltimore London, 3rd edition, Klassische Polynominterpolation Bemerkung 4 (Problemstellung) geg: n + Stützpunkte (x j, y j ), ( j = 0,,, n ) mit Stützstellen x j und Stützwerten y j, zwischen denen ein (oft auch nur vermuteter) funktionaler Zusammenhang besteht: y j = f(x j ), ( j = 0,,, n ) Praktisch oft: Messdaten y j ges: Polynom Φ (n) (x) höchstens n-ten Grades, das die n + Interpolationsbedingungen erfüllt y j = Φ (n) (x j ), ( j = 0,,, n ) 3
4 Bemerkung 4: Polynominterpolation Abbildung 3: Interpolationspolynom Φ (2) (x) zu f(x) = sin πx, ( x [0, ] ) Tabellierte Daten, z B n =, f(x) = e x, x 0 = 045, x = 046, y 0 = 5683 exp(045), y = 584 exp(046) Lineare Interpolation exp(x) Φ () (x) = x 045 ( ) Φ () (0454) =
5 Bemerkung 4: Polynominterpolation (II) Abbildung 4: Interpolationspolynom Φ (3) (x) zu f(x) = sin πx, ( x [0, ] ) Bemerkung 4: Polynominterpolation (III) Abbildung 5: Interpolationspolynom Φ (4) (x) zu f(x) = sin πx, ( x [0, ] ) 5
6 Bemerkung 4: Polynominterpolation (IV) Abbildung 6: Interpolationspolynom Φ (5) (x) zu f(x) = sin πx, ( x [0, ] ) Bemerkung 4: Polynominterpolation (V) Abbildung 7: Interpolationspolynom Φ (6) (x) zu f(x) = sin πx, ( x [0, ] ) 6
7 Bemerkung 5 (Eindeutigkeit des Interpolationspolynoms) Sind die Stützstellen x 0, x,, x n paarweise voneinander verschieden, so ist das Interpolationspolynom Φ (n) (x) aus Bemerkung 4 eindeutig bestimmt, denn gilt für zwei Polynome Φ (n), Φ (n) 2 Π n Φ (n) (x j ) = Φ (n) 2 (x j ) = y j, ( j = 0,,, n ), so ist Φ (n) Φ (n) 2 Π n ein Polynom mit den n + Nullstellen x 0, x,, x n Φ (n) Φ (n) 2 = 0 (Fundamentalsatz der Algebra), Φ (n) (x) Φ (n) 2 (x) Bemerkung 6 (Horner Schema) Auswertung des Interpolationspolynoms mit je n Multiplikationen und Additionen: Horner Schema Φ (n) (x) = n a j x j = a 0 + a x + a 2 x a n x n j=0 = a 0 + x (a + x (a x (a n + xa n ) )) a n a n a n 2 a 0 x x a n x (a n + xa n ) x ( ) a n a n + xa n a n 2 + x(a n + xa n ) = Φ (n) (x) Auswertung von Φ(x) = (x ) 3 = x 3 3x 2 + 3x an der Stelle x = 5 : Algorithmus = = = = = = 64 = Φ(5) p := a n for i = n : : p := a i + x p Matlab Code Speicherschema für Vektoren in Matlab (a 0, a,, a n ) = a(:(n+)) p = a(n+); for i=n:-:, p = a(i) + x p; end; 7
8 Bemerkung 7 (Elementarer Zugang) n Sei Φ (n) (x) = a i x i mit den zunächst unbekannten Koeffizienten a 0, a,, a n i=0 Interpolationsbedingungen y j = Φ (n) (x j ), ( j = 0,,, n ) sind äquivalent zu dem linearen Gleichungssystem x 0 x 2 0 x n 0 a 0 y 0 x x 2 x n a = y Die x n x 2 n x n n a n y n Lösung mit dem Gaußschen Algorithmus, vgl Abschnitt 2 Ziel: Transformation in ein äquivalentes lineares Gleichungssystem mit Dreiecksgestalt Schritt Addiere Vielfache der Zeile zu Zeilen 2,, n + so, dass in der Spalte alle Elemente unterhalb der Hauptdiagonale verschwinden: x 0 x 2 0 x n 0 a 0 y 0 0 x x 0 x 2 x 2 0 x n x n 0 a = y y 0 0 x n x 0 x 2 n x 2 0 x n n x n 0 a n y n y 0 Rechenaufwand: n 2 Rechenoperationen zur Transformation von n Zeilen mit je n Spalten Schritt k Addiere Vielfache der k-ten Zeile zu Zeilen k +,, n + so, dass in der k-ten Spalte alle Elemente unterhalb der Hauptdiagonale verschwinden Rechenaufwand: (n + k) 2 Rechenoperationen zur Transformation von n + k Zeilen mit je n + k Spalten gesamt Rechenoperationen n Gaußschritte mit insgesamt n (n + k) 2 = k= n l 2 = l= n(n + )(2n + ) 6 Ergebnis: Rechenaufwand n3 3 + O(n2 ) Rechenoperationen, wächst kubisch mit n Bemerkung 8 (Landau Symbole) Sei x 0 R und g : I R in einer Umgebung von x 0 definiert Gibt es für ein p R, p 0 eine positive Konstante c R, so dass für alle x in einer hinreichend kleinen Umgebung von x 0 die Abschätzung g(x) c x x 0 p 8
9 erfüllt ist, so schreibt man sprich: g(x) ist groß O von (x x 0 ) p sin x = O(x), ( x 0 ) g(x) = O( (x x 0 ) p ), ( x x 0 ) Existiert lim x x0 g(x) (x x 0 ) p und ist lim x x0 g(x) = 0, so schreibt man (x x 0 ) p g(x) = o( (x x 0 ) p ), ( x x 0 ) sprich: klein o x 3 = o(x), ( x 0 ) Entsprechend bedeutet v(n) = O(n p ), ( n ) für eine Funktion v : N R, dass für alle n n 0 die Abschätzung v(n) cn p einer gewissen positiven Konstanten c R erfüllt ist, und mit v(n) = o(n p ), ( n ) steht für v(n) lim = 0 n n p n(n + )(2n + ) v(n) = 6 Es gilt v(n) < n 2n 3n / 6 = n 3, also v(n) = O(n 3 ) Genauer gilt v(n) = n 3 /3 + w(n) mit w(n) = 2 n2 + n = 6 O(n2 ), man schreibt kurz: v(n) = n 3 /3 Bemerkung 9 (Klassische Polynominterpolation: Lagrange Darstellung) Elementarer Zugang aus Bemerkung 7 Interpolationspolynom Φ (n) in monomialer Basis {, x, x 2,, x n }: n Φ (n) (x) = a j x j Lagrange Darstellung Φ (n) (x) = n j=0 j=0 y j L (n) j (x) mit den Lagrangeschen Basispolynomen n L (n) x x i j (x) := = (x x 0) (x x ) (x x i ) (x x i+ ) (x x n ) x j x i (x j x 0 )(x j x ) (x j x i )(x j x i+ ) (x j x n ), i = 0 i j 9
10 die die Interpolationsbedingungen { falls k = j, L j (x k ) = δ kj = 0 sonst, ( k = 0,,, n ) erfüllen n = 2, x 0 =, x = 0, x 2 = L (2) 0 (x) = L (2) (x) = L (2) 2 (x) = (x 0)(x ) ( 0)( ) (x + )(x ) (0 + )(0 ) (x + )(x 0) ( + )( 0) Bemerkung 0 (Rekursive Auswertung des Interpolationspolynoms) Sei Φ i,,i+l Π l das Interpolationspolynom zu Stützpunkten Dann gilt also (x k, y k ), ( k = i, i +,, i + l ) Φ i+,,i+l (x k ) = y k, ( k = i +,, i + l ), Φ i,,i+l (x k ) = y k, ( k = i,, i + l ), Φ i,,i+l (x) = (x x i)φ i+,,i+l (x) (x x i+l )Φ i,,i+l (x) x i+l x i, ( ) denn der rechts stehende Ausdruck erfüllt Φ i,,i+l (x k ) = y k für k = i, für k = i + l und für k = i +,, i + l Neville Schema x 0 x x 2 x n y 0 = Φ 0 (x) y = Φ (x) y 2 = Φ 2 (x) y n = Φ n (x) Φ 0 (x) = (x x 0)y (x x )y 0 x x 0 Φ 2 (x) = (x x )y 2 (x x 2 )y x 2 x Φ n,n (x) = Φ 02 (x) Φ(x) mit Φ(x) = Φ 0 n (x) 0
11 (Polynominterpolation: Neville Schema) Idee Approximiere 2 = 2 /2 durch Φ (2) (/2) mit dem Interpolationspolynom Φ (2) Π 2 zu (, /2), (0, ) und (, 2) Lagrange Darstellung Φ (2) ( 2 ) = 2 j=0 y j L (2) j ( 2 ) = 2 L(2) 0 ( 2 ) + L(2) ( 2 ) + 2 L(2) 2 ( 2 ) mit den Lagrangeschen Basispolynomen L (2) j (x) aus Bemerkung 9 Neville ( 2 ( )) ( 2 0) 2 0 ( ) ( 2 0) 2 ( 2 ) 0 = 3 2 = 5 4 ( ( )) 3 ( ) ( ) = 23 6 = 4375 Bemerkung 2 (Klassische Polynominterpolation: Newton Darstellung) Problem Neville Schema erfordert O(n 2 ) Rechenoperationen, ebenso die Auswertung von j y jl (n) j (x), aber n a j x j = a 0 + x (a + x (a x (a n + xa n ) )) j=0 kann mit O(n) Rechenoperationen ausgewertet werden gesucht Darstellung des Interpolationspolynoms, die man effizient bestimmen kann und die mit Horner artigem Schema ausgewertet werden kann Ansatz Es gilt Φ i,i+,,i+l (x) = Φ i,i+,,i+l (x) + (x x i )(x x i+ ) (x x i+l )f i,i+,,i+l mit einem f i,i+,,i+l R, denn Φ i,i+,,i+l (x k ) = Φ i,i+,,i+l (x k ), ( k = i, i +,, i + l ) Durch Vergleich der Koeffizienten von x l in ( ) aus Bemerkung 0 folgt f i,i+,,i+l = f i+,,i+l f i,,i+l x i+l x i
12 Für f k = f(x k ) bezeichnet man diese dividierten Differenzen mit f[x i,, x i+l ] Rekursive Berechnung mittels Steigungsschema l = 0 l = l = 2 l = n x 0 x x 2 x n f[x 0 ] = f 0 f f 2 f n f[x 0, x ] = f f 0 x x 0 f[x, x 2 ] = f 2 f x 2 x f[x 0, x, x 2 ] f[x 0,, x n ] mit f[x 0, x, x 2 ] = f 2 f x 2 x f f 0 x x 0 x 2 x 0, Newtonsche Darstellung Φ(x) = f[x 0 ] + (x x 0 ) f[x 0, x ] + (x x 0 )(x x ) f[x 0, x, x 2 ] (x x 0 )(x x ) (x x n ) f[x 0, x,, x n ] Newton Horner Schema Φ(x) = f[x 0 ] + (x x 0 ) (f[x 0, x ] + (x x ) (f[x 0, x, x 2 ] + + (x x n 2 )(f[x 0, x,, x n ] + (x x n ) f[x 0, x,, x n ]) )) vgl ( ) = = 2 ( ) = 4 Φ(x) = 2 + (x ( )) + (x ( )) (x 0) 2 4 = 2 + (x + ) ( 2 + x 4 ) Φ( 2 ) = 2 + ( 2 + ) ( ) = =
13 Bemerkung 2: Newton-Darstellung Lagrangesche Basispolynome (vgl Bemerkung 9) Interpolationspolynom (rekursive Definition) Koeffizientenvergleich in Abbildung 8: Rekursive Bestimmung der f i,i+,,i+l : Beweisidee Algorithmen Steigungsschema Newton Horner Schema for i = n : : 0 a i := f i for j = i + : n a j := a j a j x j x i p := a n for i = n : : 0 p := a i + (x x i ) p Satz 3 (Restglied der Polynominterpolation) Sei f C n+ [a, b] und Φ das Interpolationspolynom zu den Stützstellen a x 0 < x < < x n b, d h Φ(x k ) = f(x k ), ( k = 0,,, n ) Dann gibt es zu jedem x [a, b] ein ξ [a, b] mit f( x) Φ( x) = f (n+) (ξ) (n + )! ( x x 0)( x x ) ( x x n ) 3
14 Beweis Die Behauptung ist trivial für x = x k, ( k = 0,,, n ) Andernfalls betrachtet man g(x) := f(x) Φ(x) K(x x 0 )(x x ) (x x n ) mit f( x) Φ( x) K := ( x x 0 )( x x ) ( x x n ) Die Funktion g hat in [a, b] (mindestens) n+2 Nullstellen: x 0, x,, x n, x Nach dem Satz von Rolle hat g mindestens n + Nullstellen usw und schließlich g (n+) (x) mindestens eine Nullstelle ξ [a, b] Wegen 0 = g (n+) (ξ) = f (n+) (ξ) dn+ Φ(x) dx n+ x=ξ }{{} = 0, da Φ Π n = f (n+) (ξ) K (n + )! folgt schließlich K = f (n+) (ξ) (n + )! K d n+ ( (x x dx n+ 0 )(x x ) (x x n )) und hieraus die Behauptung x=ξ Bemerkung 4 (Wahl der Stützstellen) a) Nach Satz 3 sollte man die Stützstellen möglichst so wählen, dass Typische Stützstellen: max (x x 0 )(x x ) (x x n ) min x [a,b] äquidistant: x j := a + jh, Schrittweite h := b a n Tschebyscheff Stützstellen: [a, b] = [, ] x j := cos (2j + )π 2n + 2, ( j = 0,,, n ) b) Zu jeder Folge von Stützstellen lässt sich ein f C[a, b] angeben, so dass die zugehörige Folge der Interpolationspolynome nicht gleichmäßig konvergiert (Satz von Faber) c) Praktische Erfahrung: Polynome hohen Grades neigen zu Oszillationen und sollten vermieden werden 5 (Funktion von Runge) Äquidistante Stützstellen sind ungeeignet zur Interpolation der Funktion von Runge f(x) =, ( x [ 5, 5] ) + x2 (vgl Abb 9, 0 und ) Bessere Ergebnisse für Tschebyscheff Stützstellen (vgl Abb 2 und 3) 4
15 5: Funktion von Runge Abbildung 9: Interpolation der Funktion von Runge: Φ (2) (x), Stützstellen äquidistant 5: Funktion von Runge (II) Abbildung 0: Interpolation der Funktion von Runge: Φ (6) (x), Stützstellen äquidistant 5
16 5: Funktion von Runge (III) Abbildung : Interpolation der Funktion von Runge: Φ (8) (x), Stützstellen äquidistant 5: Funktion von Runge (IV) Abbildung 2: Interpolation der Funktion von Runge: Φ (6) (x), Tschebyscheff Stützstellen 6
17 5: Funktion von Runge (V) Abbildung 3: Interpolation der Funktion von Runge: Φ (8) (x), Tschebyscheff Stützstellen 7
KAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
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
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,
Mehr6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 06 / 07 Institut für Informatik Prof. Dr. Daniel Cremers Dr. Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen Musterlösung 5. Übungsblatt:
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
Mehr1 2 x x x x x x2 + 83
Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die
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
Mehr3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen
KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an
MehrKlassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
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.
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt:
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrKapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.
Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]
MehrDie Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,
Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht
MehrInterpolation und 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
MehrDie Interpolationsformel von Lagrange
Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n
MehrInhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
Mehrc) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. 8n 3 max i,j,k a (k) ij ε.
Matrix unverändert: A = QR cond 2 (R) = cond 2 (A). c) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. Spaltenpivotisierung: l ik 1 kleine Fehlerschranke
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht
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
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
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
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!)
MehrInterpolation. Heinrich Voss. TUHH Heinrich Voss Kapitel / 49.
Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 2 2010 1 / 49 Interpolationsproblem Gegeben seien eine Funktion Φ (x; a 1,...,
MehrApproximation durch Polynome
durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz
MehrGrundkurs Numerische Mathematik (MODUL M4) für Fachrichtungen Bio-Informatik und Lehramt Wintersemester 2007/08
Grundkurs Numerische Mathematik (MODUL M4) für Fachrichtungen Bio-Informatik und Lehramt Wintersemester 2007/08 Martin Arnold Martin Luther Universität Halle Wittenberg Naturwissenschaftliche Fakultät
MehrMODUL M4 Numerische Mathematik. Wintersemester 2005/06
MODUL M4 Numerische Mathematik für Fachrichtung Informatik und Lehramt Wintersemester 2005/06 Martin Arnold Martin Luther Universität Halle Wittenberg Fachbereich Mathematik und Informatik Institut für
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
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
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
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).
MehrKardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken
Florian Badt 2. Juni 2015 Gliederung Grundlegende Problemstellung Ausgangspunkt: Lu = f Approximation der unbekannten Funktion: u(x) u N (x) = N n=0 a nφ n Minimierung des Residuums R(x; a 0, a 1,...,
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
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.
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
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
MehrZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE FELIX LIEDER DR. GEORG JANSING.9.7 ZWEITE KLAUSUR zur Numerik I mit Lösungen Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
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
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 9 Splinefunktionen
KAPITEL 9 Splinefunktionen 9.1 Splineräume und Approximationsgüte Bei der Behandlung von Splines ist es bequemer, statt mit dem Grad von Polynomen, mit der Ordnung k := Grad + 1 zu arbeiten. Für eine Knotenmenge
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.
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
MehrGitterfreie Methoden. Florian Hewener. 29. Oktober 2013
Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche
MehrÜbungsaufgaben zu den mathematischen Grundlagen von KM
TUM, Institut für Informatik WS 2003/2004 Prof Dr Thomas Huckle Andreas Krahnke, MSc Dipl-Inf Markus Pögl Übungsaufgaben zu den mathematischen Grundlagen von KM 1 Bestimmen Sie die Darstellung von 1 4
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrGMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida
GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?
MehrKAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
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
MehrAlgorithmische Mathematik und Programmieren
Algorithmische Mathematik und Programmieren Martin Lanser Universität zu Köln WS 2016/2017 Organisatorisches M. Lanser (UzK) Alg. Math. und Programmieren WS 2016/2017 1 Ablauf der Vorlesung und der Übungen
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
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 20 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 6 Übungsblatt:
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
MehrName: Matrikel-Nr.: 1
Name: Matrikel-Nr.: 1 2 Name: Matrikel-Nr.: 3 Aufgabe 1. Zeigen Sie per vollständiger Induktion, dass für alle n N gilt: n k=1 k(k + 1) 2 = n(n + 1)(n + 2). 6 3 Punkte 4 Name: Matrikel-Nr.: 5 Aufgabe 2.
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrInterpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...
sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt
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
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
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
Mehr5 Interpolation und numerische Approximation
Numerik I 194 5 Interpolation und numerische Approximation 5.1 Polynominterpolation 5.2 Spline-Interpolation 5.3 Diskrete Fourier-Transformation 5.4 Schnelle Fourier-Transformation (FFT) 5.5 Eine Anwendung
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
MehrNumerik für Informatiker und Bioinformatiker. Daniel Weiß
Numerik für Informatiker und Bioinformatiker Daniel Weiß SS 202 Folgende Literatur bildet die Grundlage dieser Vorlesung: P Deuflhard, A Hohmann, Numerische Mathematik, Eine algorithmisch orientierte Einführung,
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
Mehr$Id: matrix.tex,v /12/02 21:08:55 hk Exp $ $Id: vektor.tex,v /12/05 11:27:45 hk Exp hk $
$Id: matrixtex,v 14 2008/12/02 21:08:55 hk Exp $ $Id: vektortex,v 12 2008/12/05 11:27:45 hk Exp hk $ II Lineare Algebra 6 Die Matrixmultiplikation 63 Inverse Matrizen und reguläre lineare Gleichungssysteme
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.
MehrOrthogonalpolynome Einführung, Eigenschaften und Anwendungen
Anna Weller Orthogonalpolynome Einführung, Eigenschaften und Anwendungen 1 Orthogonalpolynome Einführung, Eigenschaften und Anwendungen Anna Weller Seminar zur Numerik im SS 2018, Universität zu Köln 10.
MehrNumerische Methoden 7. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 01 Institut für Analysis Prof Dr Michael Plum Dipl-Mathtechn Rainer Mandel Numerische Methoden 7 Übungsblatt Aufgabe 17: Quadratur II Die Menge aller Polynome
MehrFormelsammlung Numerik
Formelsammlung Numerik Fachbereich Design und Informatik Fachhochschule Trier University of Applied Sciences - 1-1 Grundlagen 1. Festlegungen: x - exakter Wert x - Näherungswert 2. Wahrer Fehler: 3. Absoluter
MehrDefinition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form
3. Polynome 3.1 Definition und Grundlagen Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0,
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 / 55 Studienplanung Bachelor
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
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
MehrA 1 A 2 A 3 A 4 A 5 A 6 A 7
Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer
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
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
MehrInterpolation. Kapitel 3
Kapitel 3 Interpolation Die Interpolation von Funktionen oder Daten ist ein häufig auftretendes Problem sowohl in der Mathematik als auch in vielen Anwendungen Das allgemeine Problem, die sogenannte Dateninterpolation,
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
MehrKlausur im Fach Numerische Methoden II Universität Siegen; Fachbereich Maschinenbau,
Aufgabe 1 (Polynominterpolation) Abb. 1: Roboter für Positionierungsaufgaben Industrieroboter erledigen oft Positionierungsaufgaben, indem sie einen vorgegebenen Pfad abfahren. Diese Trajektorie entspricht
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrMathematik IV für Elektrotechnik Mathematik III für Informatik
Mathematik IV für Elektrotechnik Mathematik III für Informatik Vorlesungsskriptum Stefan Ulbrich Fachbereich Mathematik Technische Universität Darmstadt Sommersemester 2011 Inhaltsverzeichnis 1 Einführung
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrInterpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.
Interpolation Nadine Losert Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Nachdem wir in den vorherigen Vorträgen verschiedene
MehrVon mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems
Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik Institut für Mathematik
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 33 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 16.1.2009 2 / 33 Wiederholung Polynom Interpolation Vandermonde Ansatz Newton Interpolation: Beispiel
MehrNumerische Verfahren
Numerische Verfahren Interpolation Prof Dr-Ing K Warendorf, Prof Dr-Ing P Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät 03 WS 13/14 Prof Dr-Ing K Warendorf (Fakultät 03) Numerische
MehrIV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen
Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit
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
MehrÜbungsblatt 10 Musterlösung
Übungsblatt 0 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Aufgabe 45 Fehlerkonstante von MSV Betrachten Sie ein allgemeines lineares q Schrittverfahren α q j y i+ j = h β q j
MehrIII Das Symmetrische Eigenwertproblem (SEP)
III Das Symmetrische Eigenwertproblem (SEP) III3 Algorithmen für symmetrische tridiagonale Eigenwertprobleme Sei im folgenden a b A = b a b b n a n b n b n a n R n n, zb nach Householder- oder Lanczos(im
MehrRekursionen (Teschl/Teschl 8.1/8.2)
Rekursionen (Teschl/Teschl 8.1/8.2) treten in vielen Algorithmen auf: Eine Rekursion ist eine Folge von Zahlen a 0, a 1, a 2,.., bei der jedes a n aus seinen Vorgängern berechnet wird: Beispiele a n =
MehrKonvergenz interpolierender Polynome
Technische Universität Berlin Institut für Mathematik Konvergenz interpolierender Polynome Seminar Differentialgleichungen im Sommersemester 2012 bei Prof. Dr. Etienne Emmrich vorgelegt von David Breiter
MehrSatz 142 (Partialbruchzerlegung)
Satz 142 (Partialbruchzerlegung) Seien f, g K[x] (K = Q, R, C) Polynome mit grad(g) < grad(f), und es gelte f(x) = (x α 1 ) m1 (x α r ) mr mit N m i 1 und paarweise verschiedenen α i K (i = 1,, r) Dann
Mehr(x x j ) x [a,b] n! j=0
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (4 Punkte Es gibt zu jeder der 1 Aufgaben vier Aussagen. Diese sind mit bzw. zu kennzeichnen (hinschreiben. Es müssen alle Fragen mit oder gekennzeichnet
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
Mehr