4 Runge-Kutta-Verfahren

Größe: px
Ab Seite anzeigen:

Download "4 Runge-Kutta-Verfahren"

Transkript

1 Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0 y (t + τh) dτ. t+h t y (s) ds Approximiere durch Quadraturformel 0 g(τ) dτ m β j g(γ j ). j= ( ) Damit zumindest g exakt integriert wird, fordern wir m j= β j =. 4 Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

2 Numerik gewöhnlicher Differentialgleichungen 44 Daraus folgt y(t + h) y(t) + h = y(t) + h m β j y (t + γ j h) j= m β j f (t + γ j h, y(t + γ j h)). j= (RK-) Problem: y(t + γ j h) = y(t) + h γ j 0 y (t + τh) dτ sind unbekannt. Näherungen wieder durch Quadraturformeln, aber mit den alten Knoten γ j (j =,..., m) aus ( ) (sonst würden sich neue Unbekannte y(t + Knoten h) ergeben). γj 0 g(τ) dτ m α j,l g(γ l ) (j =,..., m). ( ) l= Damit zumindest g exakt integriert wird, fordern wir m l= α j,l = γ j j =,..., m. 4. Konstruktion Technische Universität Bergakademie Freiberg

3 Numerik gewöhnlicher Differentialgleichungen 45 Damit ergibt sich y(t + γ j h) y(t) + h m l= α j,ly (t + γ l h) = y(t) + h m l= α j,lf (t + γ l h, y(t + γ l h)). (RK-2) Abkürzung: k j := ( f (t + γ j h, y(t + γ j h)) (j =,..., m). (RK-2): kj f t + γ j h, y(t) + h ) m l= α j,l k l (j =,..., m). (RK-): y(t + h) y(t) + h m j= β j k j. m-stufiges Runge-Kutta-Verfahren (RKV): y n+ = y n + h m β j k j mit k j = f ( j= t n + γ j h, y n + h ) m α j,l k l (j =,..., m). (RKV) l= 4. Konstruktion Technische Universität Bergakademie Freiberg

4 Numerik gewöhnlicher Differentialgleichungen 46 Butcher-Matrix (John Charles Butcher, 933) (auch Runge-Kutta-ABC): γ α, α,m... γ m α m, α m,m β β m Beispiele /2 /2 symbolisiert ein zweistufiges explizites RKV (ein RKV ist explizit, wenn α j,l = 0 j l gilt), nämlich das verbesserte Euler-Verfahren. 4. Konstruktion Technische Universität Bergakademie Freiberg

5 Numerik gewöhnlicher Differentialgleichungen 47 0 /4 /4 2/3 /4 5/2 /4 3/4 symbolisiert ein zweistufiges implizites RKV: k = f ( t n, y n + 4 hk 4 hk 2), k 2 = f ( t n h, y n + 4 hk hk 2), ( zwei i.a. nichtlineare Gleichungen für k und k 2 ) y n+ = y n + 4 h(k + 3k 2 ). (Beispiel 2 aus Abschnitt 2.2 ist ein weiteres implizites zweistufiges RKV.) 4. Konstruktion Technische Universität Bergakademie Freiberg

6 Numerik gewöhnlicher Differentialgleichungen /2 / /6 4/6 /6 symbolisiert ein dreistufiges explizites RKV. Verfahren dritter Ordnung von Kutta: k = f (t n, y n ), k 2 = f ( t n + 2 h, y n + 2 hk ), k 3 = f (t n + h, y n hk + 2hk 2 ), y n+ = y n + 6 h(k + 4k 2 + k 3 ). 4. Konstruktion Technische Universität Bergakademie Freiberg

7 Numerik gewöhnlicher Differentialgleichungen /3 / /3 0 2/3 0 /4 0 3/4 symbolisiert ein dreistufiges explizites RKV. Verfahren dritter Ordnung von Heun: k = f (t n, y n ), k 2 = f ( t n + 3 h, y n + 3 hk ), k 3 = f ( t n h, y n hk 2), y n+ = y n + 4 h(k + 3k 3 ). (Vgl. Beispiel aus Abschnitt 2.2.) 4. Konstruktion Technische Universität Bergakademie Freiberg

8 Numerik gewöhnlicher Differentialgleichungen /2 / /2 0 / /6 2/6 2/6 /6 symbolisiert ein vierstufiges explizites RKV. Klassisches Runge-Kutta-Verfahren: k = f (t n, y n ), k 2 = f (t n + 2 h, y n + 2 hk ), k 3 = f (t n + 2 h, y n + 2 hk 2), k 4 = f (t n + h, y n + hk 3 ), y n+ = y n + 6 h(k + 2k 2 + 2k 3 + k 4 ). 4. Konstruktion Technische Universität Bergakademie Freiberg

9 Numerik gewöhnlicher Differentialgleichungen 5 Eine alternative Form von (RKV) ist y n+ = y n + h m β j f (t n + γ j h, ỹ j ) mit ỹ j = y n + h j= m α j,l f (t n + γ l h, ỹ l ) (j =,..., m). (RKV ) l= Setze k j = f (t n + γ j h, ỹ j ). Die ỹ j können als Approximationen an die Lösung y zur Zeit t n + γ j h interpretiert werden, die k j als Approximationen an y (t n + γ j h). 4. Konstruktion Technische Universität Bergakademie Freiberg

10 Numerik gewöhnlicher Differentialgleichungen Konsistenzordnung Jedes RKV hat die Form y n+ = y n + hφ f (y n, t n ; h) mit Φ f (y n, t n ; h) = m β j k j. j= Es ist ein Einschrittverfahren (ρ(ζ) = ζ ), also stabil und (vgl. Abschnitt 2.3) genau dann konsistent, wenn Φ f (y(t n ), t n ; 0) = f (t n, y(t n ))ρ () erfüllt ist, was hier zu m j= β j = äquivalent ist. Ein RKV ist deshalb genau dann konvergent, wenn gilt. m β j = j= 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

11 Numerik gewöhnlicher Differentialgleichungen 53 Um die Konsistenzordnung eines RKVs zu bestimmen (oder um m-stufige RKV mit möglichst hoher Konsistenzordnung zu konstruieren), sind wie im Fall der Taylor-Verfahren (siehe Abschnitt 2.5) komplizierte Rechnungen erforderlich. Wir untersuchen als Beispiel explizite dreistufige RKV, γ 2 γ γ 3 γ 3 α 3,2 α 3,2 0, β β 2 β 3 und entwickeln h R n+ = y(t n+) y(t n ) h Φ f (y(t n ), t n ; h) = y(t n+) y(t n ) h 3 β j k j j= nach Potenzen von h (unter der Voraussetzung, dass y bzw. f genügend oft differenzierbar sind). 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

12 Numerik gewöhnlicher Differentialgleichungen 54 Für skalare AWPe ergibt sich mit den Abkürzungen F := f t + f y f und G := f tt + 2f ty f + f yy f 2 (alle Ableitungen von f werden an der Stelle (t n, y(t n )) ausgewertet) die Beziehung Anderseits ist y(t n+ ) y(t n ) h k = f(t n, y(t n )) = f, = f + 2 F h + 6 (G + f yf )h 2 + O(h 3 ). k 2 = f(t n + hγ 2, y(t n ) + hγ 2 k ) = f + hγ 2 F + 2 h2 γ 2 2G + O(h 3 ), k 3 = f(t n + hγ 3, y(t n ) + h(γ 3 α 3,2 )k + hα 3,2 k 2 ) = f + hγ 3 F + h 2 (γ 2 α 3,2 F f y + 2 γ2 3G) + O(h 3 ). 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

13 Numerik gewöhnlicher Differentialgleichungen 55 Das bedeutet: h R n+ = Folgerungen. [ 3 j= β j ] f + [ 2 β 2γ 2 β 3 γ 3 ] F h + [ ( 3 β 2γ 2 2 β 3 γ 2 3) 2 G + ( 6 β 3γ 2 α 3,2 )F f y ] h 2 + O(h 3 ).. Das Euler-Verfahren ist das einzige einstufige explizite RKV der Ordnung (β = ). Es gibt kein einstufiges explizites RKV höherer Ordnung. 2. Die zweistufigen expliziten RKV der Ordnung 2 sind durch β + β 2 = und β 2 γ 2 = 2 charakterisiert. Beispiele sind das modifizierte (β = 0, β 2 =, γ 2 = 2 ) und das verbesserte Euler-Verfahren (β = β 2 = 2, γ 2 = ). Kein explizites zweistufiges RKV besitzt die Ordnung Konsistenzordnung Technische Universität Bergakademie Freiberg

14 Numerik gewöhnlicher Differentialgleichungen Explizite dreistufige RKV der Ordnung 3 sind durch die vier Gleichungen β + β 2 + β 3 =, β 2 γ β 3 γ 2 3 = 3, β 2 γ 2 + β 3 γ 3 = 2, β 3γ 2 α 3,2 = 6 charakterisiert. (Man kann zeigen, dass keine dieser Methoden die Ordnung 4 besitzt.) Beispiele sind das Verfahren von Heun (β = 4, β 2 = 0, β 3 = 3 4, γ 2 = 3, γ 3 = α 3,2 = 2 3 ) und das Verfahren von Kutta (β = 6, β 2 = 2 3, β 3 = 6, γ 2 = 2, γ 3 =, α 3,2 = 2). 4. Ähnliche (kompliziertere) Rechnungen zeigen, dass es eine zweiparametrige Familie expliziter vierstufiger RKV der Ordnung 4 gibt, von denen keines die Ordnung 5 besitzt. Ein Beispiel ist das klassische Runge-Kutta-Verfahren. Weitere Beispiele sind 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

15 Numerik gewöhnlicher Differentialgleichungen /3 / /3 / /8 3/8 3/8 /8 (3/8-Regel) /5 2/ /5 3/20 3/ /44 5/44 40/ /360 25/360 25/360 55/360 (Formel von Kuntzmann). 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

16 Numerik gewöhnlicher Differentialgleichungen 58 Die oben beschriebene Methode, die Ordnung eines RKVs zu bestimmen, wird für Verfahren höherer Ordnung schnell unübersichtlich: Die Koeffizienten eines expliziten Verfahrens der Ordnung 3 müssen 4 Gleichungen erfüllen (s.o.), während bei einem Verfahren der Ordnung 8 bereits 200 nicht-lineare Gleichungen überprüft werden müssen. Die sog. Butcher-Theorie (vgl. J. C. Butcher, The Numerical Analysis of Ordinary Differential Equations. Runge-Kutta and General Linear Methods. John Wiley & Sons, Chichester 987) erleichtert mit Hilfe graphentheoretischer Bäume die Buchhaltung bei den partiellen Ableitungen von f und erlaubt eine elegante Berechnung der Ordnung eines gegebenen RKVs (sie liefert aber keine Methode, ein Verfahren mit gewünschter Ordnung zu konstruieren). Wir beschränken uns hier darauf, notwendige Ordnungsbedingungen abzuleiten, die sich aus den speziellen AWPen y = y + t l, y(0) = 0, (l N) ergeben. 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

17 Numerik gewöhnlicher Differentialgleichungen 59 Satz 4. (Notwendige Ordnungsbedingungen für RKV) Das durch die Butcher-Matrix c A b definierte RKV besitze die Ordnung p. Dann gelten b A k C l (l )! e = (l + k)! = l(l + )... (l + k) für l =, 2,..., p und k = 0,,..., p l. Dabei sind b := [β, β 2,..., β m ], A := [α j,ν ] j,ν m, C := diag(γ, γ 2,..., γ m ) und e := [,,..., ] R m. 4.2 Konsistenzordnung Technische Universität Bergakademie Freiberg

18 Numerik gewöhnlicher Differentialgleichungen 60 Spezialfälle der notwendigen Bedingungen aus Satz 4. sind (für k = 0) b C l e = m j= β j γ l j = l für l =, 2,..., p sowie (für l = mit k k + ) b A k e = k! für k =, 2,..., p. Bemerkung. Ein explizites m-stufiges RKV besitzt höchstens die Konsistenzordnung m, denn hier ist A m = O (A ist echte untere Dreiecksmatrix). Für die optimale Ordnung p(m) eines expliziten m-stufigen RKVs gilt sogar p(m) m falls m 5, genauer: m p(m) Konsistenzordnung Technische Universität Bergakademie Freiberg

19 Numerik gewöhnlicher Differentialgleichungen Absolute Stabilität Wir wenden ein m-stufiges RKV auf die Testgleichung y = λy an und erhalten mit ĥ = λh [ ] y n+ = + ĥb (I m ĥa) e y n =: R(ĥ)y n, so dass (bei festem h) lim n y n = 0 (für alle y 0 ) genau dann gilt, wenn R(ĥ) < erfüllt ist. In Analogie zu Abschnitt 3.5 definieren wir den Stabilitätsbereich eines RKVs durch R A := {ĥ C : R(ĥ) < }. Für ein beliebiges m-stufiges RKV gilt R(ĥ) = + ĥb (I m ĥa) e = + ĥ j b T A j e. j= 4.3 Absolute Stabilität Technische Universität Bergakademie Freiberg

20 Numerik gewöhnlicher Differentialgleichungen 62 Besitzt das Verfahren die Ordnung p, so folgt R(ĥ) = p j=0 j!ĥj + j=p+ ĥ j b A j e. Ist das RKV explizit, so folgt m R(ĥ) = + ĥ j b T A j e. j= Insbesondere hängt der Stabilitätsbereich eines m-stufigen expliziten RKVs der Ordnung m ( m 4) wegen R(ĥ) = m j=0 j!ĥj nicht von den Koeffizienten des Verfahrens ab. Außerdem besitzt kein explizites RKV einen unbeschränkten Stabilitätsbereich (denn R ist ein Polynom). 4.3 Absolute Stabilität Technische Universität Bergakademie Freiberg

21 Numerik gewöhnlicher Differentialgleichungen 63 3 Verfahren dritter Ordnung von Heun 3 klassisches Rung Kutta Verfahren Absolute Stabilität Technische Universität Bergakademie Freiberg

22 Numerik gewöhnlicher Differentialgleichungen Eingebettete Runge-Kutta-Verfahren Kein Verfahren zur Lösung von AWPen arbeitet in der Praxis mit einer konstanten Schrittweite. Man wird vielmehr versuchen, die Schrittweite an das Verhalten der Lösung y anzupassen (ändert sich y in einem Bereich schnell, so ist dort eine kleine Schrittweite angebracht; in Bereichen, in denen y kaum variiert, ist eine größere Schrittweite ausreichend). Wir werden hier eine Schrittweitensteuerung vorstellen, die zum Ziel hat, den Konsistenzfehler K n+ := h R n+ (wird in der Literatur oft lokaler Diskretisierungsfehler genannt, vgl. Abschnitt 2.3) zu kontrollieren: K n tol, n =, 2,..., mit einer vorgebenen Toleranz tol. Bei Systemen von DGen (insbesondere dann, wenn die Lösungskomponenten von unterschiedlicher Größenordnung sind) wird man für jede Komponente eine eigene absolute Fehlertoleranz und global eine relative Fehlertoleranz festsetzen. 4.4 Eingebettete Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

23 Numerik gewöhnlicher Differentialgleichungen 65 Das folgende Lemma besagt, dass mit dem Konsistenzfehler auch der (eigentlich interessante) globale Diskretisierungsfehler kontrolliert wird. Lemma 4.2 Für den globalen Diskretisierungsfehler e n = y(t n ) y n eines Einschrittverfahrens gilt e n (t n t 0 ) κ n exp(m(t n t 0 )). Dabei ist κ n := max{ K j : j = 0,,..., n} und M die Lipschitzkonstante der Verfahrensfunktion (vgl. (V 2 ) aus Abschnitt 2.2). Um den Konsistenzfehler zu schätzen, verwendet man zwei Methoden unterschiedlicher Konsistenzordnungen (sagen wir p und q mit p < q), um y n aus y n zu berechnen: y n = y n + hφ f (y n, t n ; h) bzw. ŷ n = y n + h Φ f (y n, t n ; h). 4.4 Eingebettete Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

24 Numerik gewöhnlicher Differentialgleichungen 66 Für die zugehörigen Konsistenzfehler gelten: Daraus folgt K n = y(t n) y(t n ) h K n = y(t n) y(t n ) h Φ(y n, t n ; h) = O(h p ), Φ(y n, t n ; h) = O(h q ). K n K n = Φ(y n, t n ; h) Φ(y n, t n ; h) = h (ŷ n y n ). Wegen K n K n = K n ( + O(h q p )) K n erhalten wir aus eine (grobe) Schätzung für K n. h y n ŷ n K n 4.4 Eingebettete Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

25 Numerik gewöhnlicher Differentialgleichungen 67 Ist h y n ŷ n > tol, so wird die Schrittweite h verworfen und mit ( h h ) p = α h tol y n ŷ n ( ) eine neue Schrittweite h bestimmt (α ist hier ein Sicherheitsfaktor, etwa α = 0.9). Ausgehend von y n werden jetzt neue Näherungen y n und ŷ n (an der Stelle t n + h) berechnet. Diesen Prozess wiederholt man so lange, bis h y n ŷ n tol erfüllt ist. Dann wird ( ) verwendet, um eine neue (größere) Schrittweite für den nächsten Schritt (n n + ) vorzuschlagen. Die Wahl von h nach ( ) motiviert sich folgendermaßen: benutzte Schrittweite h: h y n ŷ n K n = ch p + O(h p+ ) ch p, erwünschte Schrittweite h: tol = K n = c h p + O( h p+ ) c h p. 4.4 Eingebettete Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

26 Numerik gewöhnlicher Differentialgleichungen 68 Um den Aufwand in Grenzen zu halten, verwendet man zur Berechnung von y n und ŷ n zwei RKV (verschiedener Ordnungen), deren Butcher-Matrizen sich nur im Vektor b unterscheiden (d.h. A und c sind für beide Verfahren gleich, so dass die Größen k j nur einmal berechnet werden müssen). Man spricht von eingebetteten RKV und schreibt c A b, z.b. b /2 /2. Im Beispiel wird ein RKV der Ordnung (das Euler-Verfahren) in ein RKV der Ordnung 2 (das verbesserte Euler-Verfahren) eingebettet. 4.4 Eingebettete Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

27 Numerik gewöhnlicher Differentialgleichungen 69 Ein populäres Beispiel ist die Fehlberg 4(5)-Formel: Hier werden zwei sechsstufige RKV der Ordnungen 4 bzw. 5 kombiniert Eingebettete Runge-Kutta-Verfahren Technische Universität Bergakademie Freiberg

28 Numerik gewöhnlicher Differentialgleichungen Implizite und halb-implizite Verfahren Ist die Matrix A eines m-stufigen RKVs keine echte untere -Matrix (ist das RKV also implizit), so muss in jedem Zeitschritt ein nicht-lineares Gleichungssystem der Form k = f (t n + γ h, h m l= α,lk l ).. k m = f (t n + γ m h, h m l= α m,lk l ). ( ) gelöst werden. Dieses System hat also mn Unbekannte, wenn y = f(t, y) aus n Gleichungen besteht. Mit Hilfe des Banachschen Fixpunktsatzes erkennt man, dass ( ) für genügend kleine h eindeutig lösbar ist. In der Praxis wird man dieses System aber nicht mit der Fixpunktiteration, sondern mit einem Newton- bzw. Quasi-Newton-Verfahren lösen. 4.5 Implizite und halb-implizite Verfahren Technische Universität Bergakademie Freiberg

29 Numerik gewöhnlicher Differentialgleichungen 7 Ist A eine untere (aber keine echte untere) -Matrix, so nennt man das zugehörige RKV halb-implizit. Das System ( ) zerfällt dann in m Systeme mit jeweils n Unbekannten. Implizite RKV werden oft mit Hilfe von Gauß-Quadraturformeln konstruiert. Dies sind Formeln der Bauart b m g(τ)dτ = β j g(γ j ) + R m (g). a j= Hier werden die Gewichte β j und Knoten γ j so gewählt, dass R m (p) = 0 für Polynome p möglichst hohen Grades d erfüllt ist. Man kann zeigen (vgl. Numerik I), dass eine optimale Wahl auf d = 2m führt (man sagt die Quadraturformel hat Exaktheitsgrad 2m). Die zugehörigen RKV (auch sie werden Gauß-Formeln genannt) haben die Ordnung 2m. Beachte, dass kein m-stufiges RKV eine höhere Ordnung besitzen kann. Warum? 4.5 Implizite und halb-implizite Verfahren Technische Universität Bergakademie Freiberg

30 Numerik gewöhnlicher Differentialgleichungen 72 Für m = ergibt sich die implizite Mittelpunktsregel welche die Ordnung 2 besitzt. /2 /2, Für m = 2 und m = 3 ergeben sich die Gauß-Formeln bzw mit den Konsistenzordnungen 4 bzw. 6. Bei Gauß-Radau-Integrationsformeln wählt man einen Knoten als (entweder linken oder rechten) Endpunkt des Integrationsintervalls. 4.5 Implizite und halb-implizite Verfahren Technische Universität Bergakademie Freiberg

31 Numerik gewöhnlicher Differentialgleichungen 73 Die übrigen Knoten und alle Gewichte werden so bestimmt, dass sich ein möglichst hoher Exaktheitsgrad ergibt. Man kann zeigen, dass eine Gauß-Radau-Formel mit m Knoten den Exaktheitsgrad 2m besitzt. Daher haben die zugehörigen impliziten RKV die Konsistenzordnung 2m. Zu dieser Klasse gehören die Verfahren und Schließlich kann man noch beide Enden des Integrationsintervalls als Knoten wählen und die übrigen Daten so bestimmen, dass die zugehörige Integrationsformel den Exaktheitsgrad 2m 2 (bzw. das zugehörige implizite RKV die Konsistenzordnung 2m 2) besitzt. Man spricht von Gauß-Lobatto-Formeln. Ein Beispiel ist die Trapezregel (für m = 2). 4.5 Implizite und halb-implizite Verfahren Technische Universität Bergakademie Freiberg

32 Numerik gewöhnlicher Differentialgleichungen 74 Ein Vorteil von impliziten gegenüber expliziten RKV ist ihr wesentlich größerer Stabilitätsbereich (wird ausführlicher im nächsten Kapitel diskutiert). Wir betrachten die Trapezregel 0 0 /2 /2 /2 /2 d.h. k = f (t n, y n ), k 2 = f (t n+, y n + h(k + k 2 )/2), y n+ = y n + h(k + k 2 )/2, oder kürzer: y n+ = y n + h(f (t n, y n ) + f (t n+, y n+ ))/2. Die zugehörige Stabilitätsfunktion ist R(ĥ) = ( + ĥ/2)/( ĥ/2) und es gilt: R(ĥ) < + ĥ/2 < ĥ/2 Real(ĥ) < 0. Die Trapezregel ist daher A-stabil. (Man nennt ein Verfahren A-stabil, wenn sein Stabilitätsbereich die (offene) linke Halbebene enthält.) 4.5 Implizite und halb-implizite Verfahren Technische Universität Bergakademie Freiberg

33 Numerik gewöhnlicher Differentialgleichungen Kollokationsmethoden Kollokationsmethoden sind spezielle implizite RKV, die auf Grund ihrer Konstruktion sehr viel leichter zu analysieren sind als allgemeine RKV. Mit gegebenen 0 γ < γ 2 < < γ m setzen wir t (j) := t n + γ j h (j =, 2,..., m) und suchen ein Polynom p vom Grad m (bei Systemen von k DGen ist das ein Vektor p = [p, p 2,..., p k ] aus k Polynomen vom Grad höchstens m), das die Interpolationsbedingungen p(t n ) = y n, p (t (j) ) = f (t (j), p(t (j) )) (j =, 2,..., m) erfüllt. Die Näherung y n+ an der Stelle t n+ wird dann definiert durch y n+ := p(t n+ ). 4.6 Kollokationsmethoden Technische Universität Bergakademie Freiberg

34 Numerik gewöhnlicher Differentialgleichungen 76 p ist ein Polynom vom Grad m, das durch die letzten m dieser Interpolationsbedingungen eindeutig bestimmt ist. In Lagrange-Form besitzt es die Darstellung p (t n + τh) = m j= l j(t n + τh)k j mit l j (t n + τh) = m j i= Jetzt folgt für jedes i {, 2,..., m} Analog: τ γ i γ j γ i und k j := p (t (j) ). p(t (i) ) p(t n ) = t (i) t n p (t n + sh) ds = t (i) m t n j= l j(t n + sh)k j ds = h m ( γi j= 0 l j(r) dr ) k j =: h m j= α i,jk j. p(t n+ ) p(t n ) = h ( m ) j= 0 l j(r) dr k j =: h m j= β jk j. 4.6 Kollokationsmethoden Technische Universität Bergakademie Freiberg

35 Numerik gewöhnlicher Differentialgleichungen 77 Daraus folgt y n+ = p(t n+ ) = p(t n ) + h m j= β jk j = y n + h m j= β jk j mit k j = p (t (j) ) = f (t (j), p(t (j) )) = f (t n + γ j h, y n + m l= α j,lk l ). Mit anderen Worten: Jedes Kollokationsverfahren ist ein (implizites) RKV. Implementiert wird es in der Form (RKV) bzw. (RKV ), d.h. zu gegebenen γ j (j =, 2,..., m) bestimmt man zunächst (i, j =, 2..., m). α i,j = γ i 0 l j(r) dr und β j = 0 l j(r) dr Nicht jedes implizite RKV ist ein Kollokationsverfahren. Beispiel /3 /3 /3 /4 3/4 repräsentiert kein Kollokationsverfahren. 4.6 Kollokationsmethoden Technische Universität Bergakademie Freiberg

36 Numerik gewöhnlicher Differentialgleichungen 78 Satz 4.3 (Konsistenzordnung bei Kollokationsverfahren) Für ein m-stufiges Kollokationsverfahren mit der Butcher-Matrix c A b sind die folgenden drei Aussagen äquivalent: Das Verfahren besitzt die Konsistenzordnung m + p. 0 τ j m j= (τ γ j) dτ = 0 für j = 0,,..., p. b C l e = /l für l =, 2,..., m + p. Dabei sind C := diag(γ, γ 2,..., γ m ) und e := [,,..., ] R m. 4.6 Kollokationsmethoden Technische Universität Bergakademie Freiberg

2.3.1 Explizite Runge-Kutta-Verfahren

2.3.1 Explizite Runge-Kutta-Verfahren Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung

Mehr

2.4 Adaptive Verfahren mit Schrittweitensteuerung

2.4 Adaptive Verfahren mit Schrittweitensteuerung 0 0 0 Euler und RK4 fuer f(t,y) = t 0. Euler RK4 /N 0 0 f(t,y) =. t 0., graduiertes Gitter RK4 /N 4 Fehler bei T = 0 3 0 4 0 5 Fehler bei T = 0 5 0 0 0 6 0 7 0 0 0 0 2 0 3 0 4 0 5 Anzahl Schritte N 0 5

Mehr

Numerische Verfahren

Numerische Verfahren Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Kevin Caldwell. 18.April 2012

Kevin Caldwell. 18.April 2012 im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel

Mehr

2 Einschrittverfahren 2.1 Einführung

2 Einschrittverfahren 2.1 Einführung Einschrittverfahren. Einführung Im folgenden werden wir uns bei der Beschreibung und Analyse von numerischen Verfahren für Anfangswertprobleme auf den Fall n = beschränken. Dies wird nur gemacht, um die

Mehr

Mitschrift von Höhere Mathematik 4, Sommer 2013, Prof. Ulbrich

Mitschrift von Höhere Mathematik 4, Sommer 2013, Prof. Ulbrich Mitschrift von Höhere Mathematik 4, Sommer 203, Prof. Ulbrich Benedict Simlinger, published by http://latex4ei.de/ July 6, 203 Inhaltsverzeichnis Gewöhnliche DGL 3. nichtlineare DGL erster Ordnung..................

Mehr

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Mathematische Grundlagen

Mathematische Grundlagen Kapitel 2 Mathematische Grundlagen In diesem Kapitel werden für die nachfolgenden Untersuchungen wesentliche Grundlagen bereitgestellt. 2.1 Differentiell-algebraische Gleichungssysteme 2.1.1 Einführung

Mehr

Numerische Integration

Numerische Integration Numerische Integration Die einfachste Anwendung des Integrals ist wohl die Beantwortung der Frage nach der Fläche zwischen dem Graphen einer Funktion und der Achse über einem gegebenen Intervall ('Quadraturaufgabe').

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall 4. Lösung einer Differentialgleichung. Ordnung mit konstanten Koeffizienten a) Homogene Differentialgleichungen y'' + a y' + b y = 0 (**) Ansatz: y = e µx, also y' = µ e µx und y'' = µ e µx eingesetzt

Mehr

Numerik gewöhnlicher Differentialgleichungen

Numerik gewöhnlicher Differentialgleichungen Kapitel 3 Numerik gewöhnlicher Differentialgleichungen 3 Inhalt dieses Kapitels ist die numerische Lösung eines Systems gewöhnlicher Differentialgleichungen y (x) = f(x, y(x)) (3.) bzw. ausgeschrieben

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung A Maple-Skripte A.1 Einleitung Bei der Ausführung mechanischer Rechnungen können Computeralgebra-Programme sehr nützlich werden. Wenn man genau weiß, was eingesetzt, umgeformt, zusammengefaßt oder entwickelt

Mehr

Stabilität mittels Ljapunov Funktion

Stabilität mittels Ljapunov Funktion Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt

Mehr

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum

6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

Periodische Fahrpläne und Kreise in Graphen

Periodische Fahrpläne und Kreise in Graphen Periodische Fahrpläne und Kreise in Graphen Vorlesung Algorithmentechnik WS 2009/10 Dorothea Wagner Karlsruher Institut für Technologie Eisenbahnoptimierungsprozess 1 Anforderungserhebung Netzwerkentwurf

Mehr

Einführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010

Einführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010 Einführung in die Numerik strukturerhaltender Zeitintegratoren Leonard Schlag 6. Dezember 2010 1 Inhaltsverzeichnis 1 Einführung in die Numerik strukturerhaltender Zeitintegratoren 3 1.1 Häuge Problemstellung:

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den

Mehr

Skalare Differentialgleichungen

Skalare Differentialgleichungen Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen

Mehr

3 Nichtlineare Gleichungssysteme

3 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 ( )

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 2. Ordnung Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

6.2 Perfekte Sicherheit

6.2 Perfekte Sicherheit 04 6.2 Perfekte Sicherheit Beweis. H(B AC) + H(A C) = H(ABC) H(AC) + H(AC) H(C) Wegen gilt Einsetzen in die Definition gibt = H(AB C). H(A BC) = H(AB C) H(B C). I(A; B C) = H(A C) H(AB C) + H(B C). Da

Mehr

Vorlesung, 26. Mai 2011, Inhalt. Eigenwerte und Eigenvektoren. Gewöhnliche Differentialgleichungen

Vorlesung, 26. Mai 2011, Inhalt. Eigenwerte und Eigenvektoren. Gewöhnliche Differentialgleichungen Vorlesung, 26. Mai 2011, Inhalt Eigenwerte und Eigenvektoren Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Es sei A eine n n-matrix, x ein vom Nullvektor verschiedener Vektor und λ

Mehr

Numerische Integration von Differential-Gleichungen Das klassische Runge-Kutta-Verfahren

Numerische Integration von Differential-Gleichungen Das klassische Runge-Kutta-Verfahren Numerische Integration von Differential-Gleichungen Das klassische Runge-Kutta-Verfahren Gegeben sei ein Anfangswertproblem erster Ordnung: y = f (x;y y(x 0 = y 0 Wie schon erörtert, beschreibt eine DGl

Mehr

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Erinnerung/Zusammenfassung zu Abbildungsmatrizen Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend

Mehr

Die projektive Ebene Was sind unendlich ferne Punkte?

Die projektive Ebene Was sind unendlich ferne Punkte? Die projektive Ebene Was sind unendlich ferne Punkte? Prof. Dr. Hans-Georg Rück Fachbereich Mathematik/Informatik Universität Kassel Heinrich-Plett-Str. 40 34132 Kassel Zusammenfassung: Wir konstruieren

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel

Vorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Bestimmung einer ersten

Bestimmung einer ersten Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,

Mehr

Ebene algebraische Kurven

Ebene algebraische Kurven Ebene algebraische Kurven Tangenten und Singularitäten Meyrer Claudine 4. November 010 Inhaltsverzeichnis 1 Lokale Eigenschaften an-algebraischer Kurven (in C ) 1.1 Denitionen..............................

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

Nichtlineare Gleichungen

Nichtlineare 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.

Mehr

2. Spezielle anwendungsrelevante Funktionen

2. Spezielle anwendungsrelevante Funktionen 2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für

Mehr

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Kapitel 15. Lösung linearer Gleichungssysteme

Kapitel 15. Lösung linearer Gleichungssysteme Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren

Mehr

Serie 13: Online Test

Serie 13: Online Test D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

7.2.1 Zweite partielle Ableitungen

7.2.1 Zweite partielle Ableitungen 72 72 Höhere Ableitungen 72 Höhere Ableitungen Vektorwertige Funktionen sind genau dann differenzierbar, wenn ihre Koordinatenfunktionen differenzierbar sind Es ist also keine wesentliche Einschränkung,

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Übungen zum Ferienkurs Lineare Algebra WS 14/15 Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)

Mehr

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten

Mehr

2.5.2 Selbstorganisierte Karten: das Modell von Kohonen. Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht

2.5.2 Selbstorganisierte Karten: das Modell von Kohonen. Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht 2.5.2 Selbstorganisierte Karten: das Modell von Kohonen Weil es beim Perzeptron keine Wechselwirkung in der Verarbeitungsschicht zwischen den einzelnen Neuronen gibt, spielt deren räumliche Anordnung keine

Mehr

35 Stetige lineare Abbildungen

35 Stetige lineare Abbildungen 171 35 Stetige lineare Abbildungen Lernziele: Konzepte: Lineare Operatoren und ihre Normen Resultate: Abschätzungen für Matrizennormen Kompetenzen: Abschätzung von Operatornormen 35.1 Lineare Abbildungen.

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6

Mehr

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2.

Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2. Fibonacci-Zahlen als Beispiel Für f = (f n ) = (0,,, 2, 3, 5, 8, 3, 2, 34,...) gilt Rekursion erzeugende Funktion f n2 = f n f n (n 0), f 0 = 0, f = f(z) = f n z n = z z z 2 Partialbruchzerlegung mit φ

Mehr

Iterative Verfahren, Splittingmethoden

Iterative Verfahren, Splittingmethoden Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem

Mehr

Leitfaden Lineare Algebra: Determinanten

Leitfaden Lineare Algebra: Determinanten Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv

Mehr

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung

Mehr

BONUS MALUS SYSTEME UND MARKOV KETTEN

BONUS MALUS SYSTEME UND MARKOV KETTEN Fakultät Mathematik und Naturwissenschaften, Fachrichtung Mathematik, Institut für Mathematische Stochastik BONUS MALUS SYSTEME UND MARKOV KETTEN Klaus D. Schmidt Ringvorlesung TU Dresden Fakultät MN,

Mehr

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des

Mehr

Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand

Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Entladen und Aufladen eines Kondensators über einen ohmschen Widerstand Vorüberlegung In einem seriellen Stromkreis addieren sich die Teilspannungen zur Gesamtspannung Bei einer Gesamtspannung U ges, der

Mehr

Analysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11.

Analysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11. ETH EIDGENÖSSISCHE TECHNISCHE HOCHSCHULE ZÜRICH Analysis mit dem Computer-Algebra-System des TI-92 Anhang 2: Gedanken zum Lehrplan Beat Eicke und Edmund Holzherr 11. November 1997 Eidgenössische Technische

Mehr

7. Ringe und Körper. 7. Ringe und Körper 49

7. Ringe und Körper. 7. Ringe und Körper 49 7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich

Mehr

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:

Tangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort: Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01

Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01 Kapitel Komplexe Zahlen Motivation: die Gleichung x = hat offensichtlich keine reellen Lösungen, da x 0 für jedes reelle x gilt Um auch diese Gleichung lösen zu können, muß man neue Zahlen einführen: die

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Friedrich Roesler Ralf Franken, PhD Max Lein Lineare Algebra 1 WS 26/7 en Blatt 4 13.11.26 Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

Mehr

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung

Mehr

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme

Newton-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

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Differenzengleichungen. und Polynome

Differenzengleichungen. und Polynome Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen

Mehr

Einstieg in die Informatik mit Java

Einstieg in die Informatik mit Java Vorlesung vom 07.01.2008 Übersicht 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme 3 Polygonzüge 4 Das Eulersche Polygonzugverfahren Warm-Up zum Jahresbeginn 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme

Mehr

3. Zusammenhang. 22 Andreas Gathmann

3. Zusammenhang. 22 Andreas Gathmann 22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept

Mehr

Simulation elektrischer Schaltungen

Simulation elektrischer Schaltungen Simulation elektrischer Schaltungen mittels Modizierter Knotenanalyse Teilnehmer: Artur Stephan Andreas Dietrich Thomas Schoppe Maximilian Gruber Jacob Zschuppe Sven Wittig Gruppenleiter: René Lamour Heinrich-Hertz-Oberschule,

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder

Mehr

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor)

Besteht eine Matrix nur aus einer Spalte (Zeile), so spricht man auch von einem Spaltenvektor (Zeilenvektor) Matrizenrechnung. Matrizen Matrizen sind bereits im Kapitel Lineare Gleichungssysteme aufgetreten. Unter einer (m n) -Matrix A verstehen wir ein rechteckiges Zahlenschema mit m Zeilen und n Spalten. Der.

Mehr