Kurze Einführung in die Finite-Elemente-Methode

Größe: px
Ab Seite anzeigen:

Download "Kurze Einführung in die Finite-Elemente-Methode"

Transkript

1 Kurze Einführung in die Finite-Elemente-Methode Stefan Girke Wissenschaftliches Rechnen 23 Die Finite-Elemente-Methode In diesem Skript soll eine kurze Einführung in die Finite-Elemente-Methode gegeben werden. Wir beschränken unsere Betrachtungen dabei auf elliptische Differentialgleichungen zweiter Ordnung in 2 Dimensionen.. Grundlegende Begriffe Definition. (Linearform). Ist V ein K-Vektorraum, so nennen wir eine Abbildung f : V K einen Linearform auf V, falls sie linear ist, d.h. f(λ v +λ 2 w) = λ f(v)+λ 2 f(w). Definition.2 (Bilinearform). Seien V, W zwei K-Vektorräume. Eine Abbildung B : V W K heißt Bilinearform, falls sie bzgl. des ersten bzw. des zweiten Arguments linear ist, d.h. B(v +v 2,w) = B(v,w)+B(v 2,w), B(v,w +w 2 ) = B(v,w )+B(v,w 2 ), B(λv,w) = λb(v,w) = B(v,λw).

2 2 Definition.3 (Divergenz-, Gradient- und Laplace-Operator). Mit u(x) := ( u(x), 2 u(x)) bezeichnen wir den Gradienten einer Funktion u : R 2 R. Mit v(x) := 2 i v i (x) bezeichnen wir die Divergenz einer Funktion v : R 2 R 2. Mit u(x) := ( u(x)) = 2 i 2 u(x) bezeichnen wir den Laplace-Operator einer Funktion u : R 2 R. Bemerkung.4. Für zeitabhängige Funktionen u : R 2 (,T) R bezieht sich der Gradient (bzw. Divergenz bzw. Laplace) gewöhnlicherweise nur auf die Ortsvariablen, d.h. u(x,t) := ( u(x), 2 u(x)) usw. Definition.5 (L p -Räume). Sei p [, ) und ein Gebiet. Dann bezeichnen wir mit L p () den Raum { ( ) } /p L p () = u : R u Lebesgue-messbar, u p <. Mit der Norm ( ) /p u L p () := u p ist L p () ein Banachraum. Auf L 2 () ist durch uv ein Skalarprodukt definiert, dass L2 () zu einem Hilbertraum macht.

3 3 L () bezeichnet den Raum L () = {u : R u Lebesgue-messbar,esssup u < }. Definition.6 (Lipschitz-Gebiet). Eine offene Teilmenge R heißt Lipschitz-Gebiet, genau dann wenn der Rand sich lokal in einer jeweils geeigneten Richtung als Graph einer Lipschitz-stetigen Funktion schreiben lässt und auf einer Seite des Graphen liegt. Abbildung : Lipschitz-Bedingung nicht erfüllt Satz.7 (Satz von Gauß für Lipschitz-Gebiete). Sei R 2 ein Lipschitz- Gebiet und v C (;R 2 ) C (;R 2 ) ein Vektorfeld mit v L (). Dann gilt vdx = v ndσ(x), wobei n die äußere Normale an den Rand von bezeichne. Satz.8 (partielle Integration). Sei R 2 ein Gebiet, sodass der Satz von Gauß gilt und u C () und v C (;R 2 ). Dann gilt u(x) v(x)dx = u(x) (v(x))dx+ u(x)v(x) n(x)dσ(x). Definition.9 (Lokale Integrierbarkeit). Sei R 2 ein Gebiet. Dann definieren wir L loc() := {u L (K) K,Kkompakt}. Beispiel. (Lokale Integrierbarkeit). Für u : R R,x gilt u L loc (), aber u / L ().

4 4 Definition. (Schwache Ableitung). Sei α = (α,...,α d ) N d ein Multiindex. Eine Funktion u L loc () besitzt eine schwache Ableitung v α L loc (), wenn gilt ud α ϕ = ( ) α v α ϕ Wir schreiben v α = D α u für die schwache Ableitung. ϕ C (). Beispiel.2 (Schwache Ableitung von x ). x ϕ (x)dx = sign(x)ϕ(x)dx Definition.3 (Sobolev-Räume). Seien m N, p [, ] und u L loc (). Wir nehmen an, dass alle schwachen, partiellen Ableitungen Dα u für a m existieren. Dann definieren wir die Sobolevnormen u H m,p () durch für p < bzw. u H m,p () := D α u p L p () α m /p, u H m,p () := max D α u L (). α m Hiermit definieren wir die Sobolev-Räume H m,p () durch H m,p () := {u L loc () u H m,p () < }. Für p = 2 schreiben wir H m () := H m,2 (). Definition.4 (Schwache Nullrandwerte). Für p <, m N definieren wir die Sobolevräume mit Nullrandwerte durch H m,p () := C m () H m,p ().

5 5 Dies macht H m,p () zu einem abgeschlossenen Teilraum von H m,p (). Beispiel.5. Sei := B /2 () R 2 und u : R 2,x log log x, dann gilt: u H,2 (), aber u / C (). Bemerkung.6 (Vollständigkeit der Sobolevräume). Klassische Funktionenräume sind bzgl. L p -Normen nicht vollständig, Sobolevräume schon!.2 Das Poisson-Problem Als Modellbeispiel für elliptische Differentialgleichungen betrachten wir zunächst ein einfaches Poisson-Problem. Definition.7 (Poisson-Problem (klassische Formulierung)). Sei R 2 ein Gebiet und f C (). Gesucht ist die klassische Lösung des Poisson- Problems u C 2 () C () der Gleichung u = f in, u = auf. Definition.8 (Schwache Formulierung des Poisson-Problems). Sei R 2 ein Gebiet, f L 2 (). Eine Funktion u H () heißt schwache Lösung des Randwertproblems für die Poisson-Gleichung, falls u(x) ϕ(x)dx = f(x)ϕ(x)dx ϕ H () gilt. Fassen wir die linke Seite als Bilinearform und die rechte Seite als Funktional auf, dann können wir mit den Definitionen a(u,v) := b(v) := u v, auch schreiben: Eine Funktion u H () heißt schwache Lösung des fv

6 6 Randwertproblems für die Poisson-Gleichung, falls a(u,v) = b(v) v H () gilt..3 Das Rechengitter (konforme Triangulierungen) Definition.9 (Referenzelement). ImR 2 bezeichnen wir das Dreieck ˆT mit den Eckpunkten (,),(,) und (,) als Referenzelement. In diesem Fall sprechen wir auch von dem Referenzdreieck. Definition.2 (Entitäten, Subentitäten). Dreiecke bezeichnen wir allgemeiner auch als Entitäten und bezeichnen die Kanten eines Dreiecks als Subentitäten der Kodimension und Ecken eines Dreieck als Subentitäten der Kodimension 2. Definition.2 (konforme Triangulierung). Sei R 2 ein polygonal berandetes Gebiet und T h = {T i i {,...,M}}, wobei T,...,T N Dreiecke sind. T h ist eine konforme Triangulierung, falls T = und falls für T T h zwei nicht identische Simplizes T,T T h der Schnitt T T eine Entität der Kodimension bzw. 2 ist. Abbildung 2: konforme Triangulierungen Definition.22 (Referenzabbildung). Zu jedem beliebigem Dreieck T mit den Eckpunkten a, a und a 2 gibt es eine affine Transformation F T : R 2 R 2, sodass jeder Punkt im Referenzelement ˆT auf T abgebildet wird. Diese

7 7 Abbildung 3: nicht konforme Triangulierung (hängender Knoten) Abbildung nennen wir Referenzabbildung und ist gegeben durch F T (x) = A T x+b T mit A T R 2 2, b T R 2. F T ˆT Abbildung 4: Referenzabbildung.4 Finite Elemente-Verfahren Definition.23 (Lagrange-Gitter). Wir definieren auf einem Dreieck T das Lagrange-Gitter k-ter Ordnung G k (T) durch gleichmäßiges Anordnen von Punkten, wie in Abbildung 5 skizziert. Definition.24 (Simpliziales Lagrange-Element). Die Anzahl der Punkt in G k (T) werde mit n bezeichnet. Durch die Angabe von Werten p(x i ) in den Punkten x i N := G k (T),i =,...,n ist eindeutig eine Funktionp P k (T) definiert. Durch Φ := {ϕ i ϕ i (x i ) = δ ik,i,k =,...,n} ist eine nodale Basis des Raums P k (T) gegeben. Wir nennen das Tripel (T,Φ,N) simpliziales Lagrange-Element vom Grad k.

8 8 Definition.25 (lokale Freiheitsgrade (degrees of freedom, dofs)). Sei p h P k (T) für ein Dreieck T und eine Basis ϕ,...,ϕ n durch das simpliziale Lagrange-Element gegeben, dann gilt p h (x) = n u i ϕ i (x), wobei u,...,u n R lokale Freiheitsgrade, oder im Englischen degrees of freedom, kurz dofs genannt werden. Abbildung 5: Freiheitsgrade lineares/ quadratisches/ kubisches Lagrange- Element/ Lagrange-Element vierter Ordnung Abbildung 6: Basisfunktionen des linearen Lagrange-Elements festgelegt durch Freiheitsgrade Beispiel.26 (Lineares simpliziales Lagrange-Element). Durch die Vorgabe von Funktionswerten in den Eckpunkten eines Dreiecks T, ist eindeutig eine lineare Funktion bestimmt. Setzt man die Funktionswerte wie in Abbildung 6, so erhält man drei linear unabhängige Basisfunktionen. Beispiel.27 (quadratisches simpliziales Lagrange-Element). Analog zu dem linearen Fall setzt man die 6 unterschiedlichen Freiheitsgrade auf bzw.

9 9 und erhält so 6 linear unabhängige Basisfunktionen. In Abbildung 7 ist eine Basisfunktion skizziert. Abbildung 7: Basisfunktion eines quadratischen Lagrange-Elements p 3 Element T N 3 p N N 2 u 2 u p u h (x) = 3 u i p i (x) Ecken Basisfunktionen diskrete Funktion u 3 Abbildung 8: vom simplizialen Lagrange-Element zur diskreten Funktion Definition.28 (Lagrange-Finite-Elemente-Raum). Sei R 2 und T h eine konforme Triangulierung von. Wir definieren den Raum der Lagrange- Finite-Elemente auf simplizialem Gitter S k h durch S k h := {v h C () v h T P k (T),T T h } Da das simpliziale Lagrange-Element nur lokale Informationen bereitstellt, müssen ein paar weitere Überlegungen gemacht werden, um eine Basis des

10 Abbildung 9: Vergleich lokale/ globale Dof-Nummerierung Lagrange-Finite-Elemente-Raums mithilfe von Lagrange-Elementen darstellen zu können. Insbesondere muss die Stetigkeitsbedingung zwischen den Elementrändern erfüllt sein. Dies geschieht automatisch, indem lokale Dofs unterschiedlicher Elemente miteinander indentifiziert werden. Man erhält eine globale Nummerierung für globale Freiheitsgrade. Bemerkung.29 (Abbildung von lokale in globale Freiheitsgrade). Sei T T h ein Dreieck. Wir definieren ν T : N N als injektive Funktion, die jedem lokalen Freiheitsgrad eine eindeutige globale Nummer/Freiheitsgrad (wie in Abbildung 9) zuordnet. Definition.3 (Basis des Lagrange-Finite-Elemente-Raums/Diskrete Funktionen). Eine Basis kann nun aus den lokalen Lagrange-Elementen bestimmt werden. Bezeichne N die Anzahl der Freiheitsgrade von Sh k. Nun lässt sich jede diskrete Funktion v h Sh k darstellen als v h (x) = N u i ϕ i (x), wobei u,...,u N R die Freiheitsgrade von Sh k ν T können wir dies auch lokal formulieren seien. Mithilfe der Abbildung v h (x) = N u i ϕ i (x) = n u νt (i)ϕ i (x). T T h Diese Formulierung können wir mithilfe des Referenzdreiecks ˆT mit Basis

11 ˆϕ,..., ˆϕ n und zugehöriger Referenzabbildung F T darstellen: v h (F T (ˆx)) = n u νt (i)ˆϕ i (ˆx). T T h Abbildung zeigt eine globale Basis von S k h für k =. Abbildung : globale Basisfunktion Definition.3 (Finite-Elemente-Verfahren). Sei R 2 und T h eine konforme Triangulierung von. Wir definieren Sh, k := Sk h {v C () v = auf }. Dann ist Sh, k H () und u h Sh, k heißt Lösung des Finite- Elemente-Verfahrens für das Poisson-Problem, falls gilt a(u h,v h ) = b(v h ) v h S k h,..5 Aufstellen des Gleichungssystems Da die Gleichung a(u h,v h ) = b(v h ) für alle Testfunktionen v h Sh, k gilt, ist sie inbesondere auch für Testfunktionen ϕ,...,ϕ N einer Basis vonsh k erfüllt, d.h. wir fordern für die Lösung u h Sh k a(u h,ϕ j ) = b(ϕ j ) j =,...,N. Mit der Darstellung von u h durch die Basis können wir u h = N u i ϕ i schreiben, d.h. N a( u i ϕ i,ϕ j ) = b(ϕ j ) j =,...,N,

12 2 N a(ϕ i,ϕ j )u i = b(ϕ j ) j =,...,N. Definieren wir also die Matrix S R N N durch S ji := a(ϕ i,ϕ j ) i,j =,...,N und die Vektoren u,f R N durch u i := u i f i := b(ϕ i ) i =,...,N, i =,...,N, so ist u h genau dann Lösung des Finite-Elemente-Verfahrens, wenn u das folgende lineare Gleichungssystem löst Su = f. Wir möchten nun die rechte Seite des linearen Gleichungssystems aufstellen (=assemblieren). Dabei treten Integrale über nicht triviale Funktionen auf, die nur mithilfe numerischer Quadraturen berechnet werden können. Definition.32 (Quadraturen). Eine Quadratur ˆQ = (W,X) der Ordnung r mit Gewichten W = (ŵ α ) r α= R und Quadraturpunkten X = (ˆx α ) r α= R 2, r ˆQ(ĝ) := ŵ α ĝ(ˆx α ), α= approximiert für ĝ C (ˆT) das Integral ˆT g(x)dx. Für g C (T) wird mittels r Q T (g) := deta T ŵ α g(f T (ˆx α )) α=

13 3 eine Quadratur für T T h induziert. Definition.33 (Assemblieren der rechten Seite). f i = fϕ i Q T (fϕ i ) T T h = r deta T ŵ α f(f T (ŵ α ))ϕ i (F T (ˆx α )) T T h α= = r deta T ŵ α f(f T (ŵ α ))ˆϕ i (ˆx α ) T T h α= i =,...,N Aus Effizienzgründen kann man auch zunächst nur die lokalen rechten Seiten berechnen und dann fi T = T fϕ i Q T (fϕ i ), f = n fi T e ν T (i). T T h i =,...,n Definition.34 (Assemblieren der Systemmatrix). Die Einträge der Matrix S ij := ϕ j (x) ϕ i (x)dx, können wir durch lokale Systemmatrizen darstellen Damit erhalten wir ( (x)dx)n s T := ϕ T j (x) ϕt i. T i,j= S := T T h n s T kl E ν T (k)ν T (l), k,l= i,j =,...,N mit der Matrix E ij = (δ ik δ jl ) N k,l=. Zur Berechnung der Systemmatrix st

14 4 verwenden wir die Transformation auf das Referenzelement s T ij = ϕ T i ϕ T j T = deta T A T ˆϕ i A T ˆϕ j. T und berechnen die nicht konstanten Terme ˆϕ i bzw. ˆϕ j wieder mit numerischen Quadraturen..6 Lösung des Gleichungssystems Zum Lösen des linearen Gleichungssystems Su = f verwendet man keine direkten Löser (z.b. Gauß-Elimination), sondern numerische Löser, z.b. das cg-verfahren für positiv definite und symmetrische Matrizen.

Merkblatt zur Funktionalanalysis

Merkblatt zur Funktionalanalysis Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.

Mehr

Finite Elemente Methode für elliptische Differentialgleichungen

Finite Elemente Methode für elliptische Differentialgleichungen Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II

Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II für zur Lösung der Monge-Ampère-Gleichung, Teil II Andreas Platen Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zur Approximationstheorie im Wintersemester 2009/2010 1 / 27 Gliederung

Mehr

Finite Elemente Methoden (aus der Sicht des Mathematikers)

Finite Elemente Methoden (aus der Sicht des Mathematikers) Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht: Partielle Differentialgleichungen, Approximation der Lösung, Finite Elemente, lineare und höhere Ansatzfunktionen, Dünn

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 2 Lineare Gleichungssysteme 21 Lineare Gleichungssysteme und Matrizen Lernziele 2 Lineare Gleichungssysteme definieren Matrizen, Matrizen definieren lineare Abbildungen, Lösen von linearen Gleichungssystemen

Mehr

Lineare Gleichungssysteme Hierarchische Matrizen

Lineare Gleichungssysteme Hierarchische Matrizen Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs 24. 27.4.26 / 6 Numerische Simulation stationäre und instationäre

Mehr

Finite Elemente I 2. 1 Variationstheorie

Finite Elemente I 2. 1 Variationstheorie Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform

Mehr

Finite Elemente. bzw. F + E K = 1. (1)

Finite Elemente. bzw. F + E K = 1. (1) Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 25 Finite Elemente Übung 2 Aufgabe 6 (Eulerscher Polyedersatz für Triangulierung)

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

5 Interpolation und Approximation

5 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)

Mehr

Ritz-Galerkin-Verfahren Courant Element

Ritz-Galerkin-Verfahren Courant Element Ritz-alerkin-Verfahren Courant Element Moritz Scherrmann LMU München Zillertal am 09.01.2015 Moritz Scherrmann Ritz-alerkin-Verfahren Courant Element 1/15 Erinnerung Sei R n beschränktes ebiet, f C 0 ()

Mehr

Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)

Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 8 Partielle

Mehr

KAPITEL 1. Einleitung

KAPITEL 1. Einleitung KAPITEL 1 Einleitung Wir beschäftigen uns in dieser Vorlesung mit Verfahren aus der Numerischen linearen Algebra und insbesondere dem sogenannten Mehrgitterverfahren zur Lösung linearer Gleichungssysteme

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung von Linearer Algebra und Differentialrechnung im R n Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:

Mehr

Schwache Lösungstheorie

Schwache Lösungstheorie Kapitel 4 Schwache Lösungstheorie Bemerkung 4.1 Motivation. Dieses Kapitel stellt eine Erweiterung des Lösungsbegriffes von partiellen Differentialgleichungen vor die schwache Lösung. Diese Erweiterung

Mehr

Schwartz-Raum (Teil 1)

Schwartz-Raum (Teil 1) Schwartz-Raum (Teil 1) Federico Remonda, Robin Krom 10. Januar 2008 Zusammenfassung Der Schwartz-Raum ist ein Funktionenraum, der besondere Regularitätseigenschaften besitzt, die uns bei der Fouriertransformation

Mehr

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2

D-MATH Funktionalanalysis II FS 2014 Prof. M. Struwe. Lösung 2 D-MATH Funktionalanalysis FS 214 Prof. M. Struwe Lösung 2 1. a) Wir unterscheiden zwei Fälle. Fall 1: 1 < p < : Seien u L p () und (u k ) W 1,p () eine beschränkte Folge, so dass u k u in L p () für k.

Mehr

Modellieren in der Angewandten Geologie II. Sebastian Bauer

Modellieren in der Angewandten Geologie II. Sebastian Bauer Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine

Mehr

II. Elliptische Probleme

II. Elliptische Probleme II. Elliptische Probleme II.1 Finite Differenzen: Grundidee II.2 Konvergenzaussagen II.3 Allgemeine Randbedingungen II.4 Gekrümmte Ränder Kapitel II (0) 1 Dirichlet Randwerte mit finiten Differenzen Einfachster

Mehr

9 Lineare Gleichungssysteme

9 Lineare Gleichungssysteme 9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der

Mehr

Skript Einführung in Sobolevräume. Roland Griesse. TU Chemnitz

Skript Einführung in Sobolevräume. Roland Griesse. TU Chemnitz Skript Einführung in Sobolevräume Roland Griesse TU Chemnitz Material für: begleitend für andere Vorlesungen oder zum Selbststudium Fehler und Kommentare bitte an: roland.griesse@mathematik.tu-chemnitz.de

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

Aufgaben zu Kapitel 20

Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v

Mehr

Multivariate Kettenregel

Multivariate Kettenregel Multivariate Kettenregel Für die Hintereinanderschaltung h = g f : x y = f (x) z = g(y), stetig differenzierbarer Funktionen f : R m R l und g : R l R n gilt h (x) = g (y)f (x), d.h. die Jacobi-Matrix

Mehr

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.

Das heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen. Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere

Mehr

Finite Elemente I Konvergenzaussagen

Finite Elemente I Konvergenzaussagen Finite Elemente I 195 5 onvergenzaussagen 5 onvergenzaussagen TU Bergakademie Freiberg, SoS 2006 Finite Elemente I 196 5.1 Interpolation in Sobolev-Räumen Wesentlicher Baustein der FE-onvergenzanalyse

Mehr

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte

Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt

Mehr

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. () In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.

Mehr

Stochastische FEM mit elementaren Zufallselementen

Stochastische FEM mit elementaren Zufallselementen Stochastische FEM mit elementaren Zufallselementen Hans-Jörg Starkloff Westsächsische Hochschule Zwickau 13. Südostdeutsches Kolloquium zur Numerischen Mathematik 2007 Freiberg, 27. April 2007 Einführung

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1. Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x

Mehr

Parametrisierung und Integralsätze

Parametrisierung und Integralsätze Parametrisierung und Integralsätze 2. März 2 Integration in der Ebene. Defintion: eien w,..., w n stückweise reguläre, einfach geschlossene Kurven in R 2, seien W,..., W n die von diesen Wegen umschlossene

Mehr

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x

Mehr

Mathematik II. Vorlesung 46. Der Gradient

Mathematik II. Vorlesung 46. Der Gradient Prof. Dr. H. Brenner Osnabrück SS 2010 Mathematik II Vorlesung 46 Der Gradient Lemma 46.1. Es sei K ein Körper und V ein K-Vektorraum, der mit einer Bilinearform, versehen sei. Dann gelten folgende Aussagen

Mehr

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

Finite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015

Finite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015 Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix

Mehr

Mathematisches Proseminar - Rotationssymmetrisches Wirbelstromproblem

Mathematisches Proseminar - Rotationssymmetrisches Wirbelstromproblem Mathematisches Proseminar - Rotationssymmetrisches Wirbelstromproblem Daniel Leumann 9. Oktober 3 Inhaltsverzeichnis Zusammenfassung 3 Methoden 4. Schwache Lösung... 4. DasGalerkin-Verfahren... 4.3 FiniteElementeMethode...

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11 D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die

Mehr

3 Gemischte Diskretisierungen und Sattelpunktprobleme

3 Gemischte Diskretisierungen und Sattelpunktprobleme Finite Elemente II 67 3 Gemischte Diskretisierungen und Sattelpunktprobleme Der Begriff gemischte Diskretisierung (mixed method) bezeichnet die FE- Diskretisierung eines Variationsproblems, in welchem

Mehr

4.2 Die adjungierte Abbildung

4.2 Die adjungierte Abbildung 4.2. DIE ADJUNGIERTE ABBILDUNG 177 4.2 Die adjungierte Abbildung Die Vektorräume dieses Paragraphen seien sämtlich euklidisch, die Norm kommt jetzt also vom inneren Produkt her, v = v v. Zu f Hom R (V,

Mehr

Kapitel II Konforme Finite Elemente

Kapitel II Konforme Finite Elemente Kapitel II Konforme Finite Elemente Die mathematische Behandlung der Finite-Element-Verfahren fußt auf der Variationsformulierung elliptischer Differentialgleichungen. Die Lösungen der wichtigsten Differentialgleichungen

Mehr

1. und 2. Fundamentalform

1. und 2. Fundamentalform 1. und 2. Fundamentalform regulärer Flächen Proseminar Differentialgeometrie Von Daniel Schliebner Herausgabe: 05. Dezember 2007 Daniel Schliebner 1. und 2. Fundamentalform regulärer Flächen Seite 1 6.1

Mehr

Vorbereitung für die Prüfung Mathematik II für Informatiker

Vorbereitung für die Prüfung Mathematik II für Informatiker Technische Universität Ilmenau SS 2010 Institut für Mathematik Inf Prof. Dr. Michael Stiebitz Vorbereitung für die Prüfung Mathematik II für Informatiker 1 Lineare Algebra Aufgabe 1 Schauen Sie sich die

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

KLAUSUR 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

Mehr

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0. Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Symplektische Geometrie

Symplektische Geometrie 31. August 2005 Symplektische Vektorrume Wiederholung: Eine (schwach) symplektische Form auf einem Vektorraum V ist eine Bilinearform die schiefsymmetrisch ist, d.h. ω : V V R ω(w.v) = ω(v, w) für alle

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

Mathematik für Anwender II

Mathematik für Anwender II Prof. Dr. H. Brenner Osnabrück SS 2012 Mathematik für Anwender II Vorlesung 49 Zu einer reellwertigen Funktion Extrema auf einer offenen Menge G R n interessieren wir uns, wie schon bei einem eindimensionalen

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

i j m f(y )h i h j h m

i j m f(y )h i h j h m 10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem

Mehr

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I

Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I Institut für Mathematik Blatt Prof. Dr. B. Martin, H. Süß Abgabe: 0.4. Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I Aufgabe : 2 Punkte Stellen Sie die Gleichung der Ebene auf, in

Mehr

11 Partielle Differentialgleichungen 2. Ordnung

11 Partielle Differentialgleichungen 2. Ordnung 11 Partielle Differentialgleichungen 2. Ordnung Wir betrachten eine quasilineare Differentialgleichung 2. Ordnung in einem Gebiet 71 (11.1) Lu := a ik u xi x k + b j u xj + c u = f, x B R n, u C 2 (B).

Mehr

Übungen zu Partielle Differentialgleichungen, WS 2016

Übungen zu Partielle Differentialgleichungen, WS 2016 Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,

Mehr

Analysis II. Vorlesung 47

Analysis II. Vorlesung 47 Prof. Dr. H. Brenner Osnabrück SS 2014 Analysis II Zu einer reellwertigen Funktion Vorlesung 47 interessieren wir uns wie schon bei einem eindimensionalen Definitionsbereich für die Extrema, also Maxima

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. Übungsblatt zur Lineare Algebra I für Physiker Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen

1 Zum Aufwärmen. 1.1 Notationen. 1.2 Lineare Abbildungen und Matrizen. 1.3 Darstellungsmatrizen 1 Zum Aufwärmen 1.1 Notationen In diesem Teil der Vorlesung bezeichnen wir Körper mit K, Matrizen mit Buchstaben A,B,..., Vektoren mit u,v,w,... und Skalare mit λ,µ,... Die Menge der m n Matrizen bezeichnen

Mehr

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel 4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der

Mehr

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i

Mehr

Symplektische Geometrie

Symplektische Geometrie Symplektische Geometrie Def. Eine symplektische Form auf U R 2n ist eine geschlossene, nichtausgeartete 2-Differentialform. }{{}}{{} d.h. dω = 0 wird gleich definiert Wir bezeichnen sie normalerweise mit

Mehr

Nachklausur am Donnerstag, den 7. August 2008

Nachklausur am Donnerstag, den 7. August 2008 Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:

Mehr

Konvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h.

Konvexe Menge. Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, d.h. Konvexe Menge Eine Menge D R n heißt konvex, wenn für zwei beliebige Punkte x, y D auch die Verbindungsstrecke dieser Punkte in D liegt, dh Kapitel Extrema konvex: h x + h y D für alle h [0, ], und x,

Mehr

Ausgleichsproblem. Definition (1.0.3)

Ausgleichsproblem. Definition (1.0.3) Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst

Mehr

9 Metrische und normierte Räume

9 Metrische und normierte Räume 9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik

Mehr

3 Bilinearformen und quadratische Formen

3 Bilinearformen und quadratische Formen 3 Bilinearformen und quadratische Formen Sei V ein R Vektorraum. Definition: Eine Bilinearform auf V ist eine Abbildung s : V V R, welche linear in beiden Variablen ist, d.h.: Für u, v, w V und λ, µ R

Mehr

= ( n x j x j ) 1 / 2

= ( n x j x j ) 1 / 2 15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick auf die letzte Vorlesung. Bemerkung Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D

Mehr

Quadratische Formen und Definitheit

Quadratische Formen und Definitheit Universität Basel Wirtschaftswissenschaftliches Zentrum Quadratische Formen und Definitheit Dr. Thomas Zehrt Inhalt: 1. Quadratische Formen 2. Quadratische Approximation von Funktionen 3. Definitheit von

Mehr

Der CG-Algorithmus (Zusammenfassung)

Der CG-Algorithmus (Zusammenfassung) Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN 8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Reelle Zufallsvariablen

Reelle Zufallsvariablen Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

1 Lineare Abbildungen

1 Lineare Abbildungen 1 Lineare Abbildungen Definition 1 Sei K ein Körper und V und W K-Vektoräume. Eine Abbildung f : V W heisst linear oder Homomoprhismus, wenn gilt: fv 1 + v 2 = fv 1 + fv 2 v 1, v 2 V fλv = λfv λ K, v V

Mehr

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

Mehr

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion. Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist

Mehr

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen

Mehr

Technische Universität Berlin

Technische Universität Berlin Technische Universität Berlin Fakultät II Institut für Mathematik WS /5 G. Bärwol, A. Gündel-vom-Hofe..5 Februar Klausur Analysis II für Ingenieurswissenschaften Lösungsskizze. Aufgabe 6Punkte Bestimmen

Mehr

1 Definition und Grundeigenschaften

1 Definition und Grundeigenschaften Christian Bönicke Vektorbündel I Im Folgenden sei immer F = R, C oder H. 1 Definition und Grundeigenschaften 1.1 Definition Ein k-dimensionales Vektorbündel ξ über F ist ein Bündel (E, p, B) mit folgenden

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen aus dem Auflösungsatz Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und

Mehr

Einführung in die höhere Mathematik 2

Einführung in die höhere Mathematik 2 Herbert Dallmann und Karl-Heinz Elster Einführung in die höhere Mathematik 2 Lehrbuch für Naturwissenschaftler und Ingenieure ab 1. Semester Mit 153 Bildern Friedr. Vieweg & Sohn Braunschweig /Wiesbaden

Mehr

3.6 Approximationstheorie

3.6 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

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

Basiswissen Matrizen

Basiswissen Matrizen Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10 D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler Lösungen Serie 10 1. Für a 1 : 1 1 0, a 2 : 1 1, a 3 : 1 1 1, b : 2 2 2 1 und A : (a 1, a 2, a 3 ) gelten welche der folgenden Aussagen? (a) det(a)

Mehr

Umkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1

Umkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1 Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,

Mehr

13 Partielle Ableitung und Richtungsableitung

13 Partielle Ableitung und Richtungsableitung 3 PARTIELLE ABLEITUNG UND RICHTUNGSABLEITUNG 74 3 Partielle Ableitung und Richtungsableitung 3 Definition und Notiz Sei B R n offen, f : B R m, v R n, so heißt für γ x,v (t) = x + tv d dt f(x + tv) f(x)

Mehr

Einführung in die Grundlagen der Numerik

Einführung in die Grundlagen der Numerik Einführung in die Grundlagen der Numerik Institut für Numerische Simulation Rheinische Friedrich-Wilhelms-Universität Bonn Wintersemester 2014/2015 Normierter Vektorraum Sei X ein R-Vektorraum. Dann heißt

Mehr

Schwartz Raum und gemässigte Distributionen

Schwartz Raum und gemässigte Distributionen 1 ETH Zürich (Pro)Seminar: Grundideen der Harmonischen Analysis Schwartz Raum und gemässigte Distributionen David Bernhardsgrütter und David Umbricht 18 Dezember 2007 Schwartz Raum und gemässigte Distributionen

Mehr