Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
|
|
- Etta Schuler
- vor 8 Jahren
- Abrufe
Transkript
1 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
2 Allgemeines Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/2
3 Allgemeine Informationen Dozent: Prof. R. Leithner, Betreuer: Dipl. Phys. E. Zander, Sekretariat: Institut für Wärme- und Brennstofftechnik Ina Wolfram Tel: 0531/ Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/3
4 Allgemeine Informationen Literatur: A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB Springer, ISBN I. N. Bronstein, K. A. Semendjajew: Taschenbuch der Mathematik Verlag B. G. Teubner, ISBN oder Verlag Harri Deutsch, ISBN Software: Matlab Freie Alternativen zu Matlab: GNU Octave, Scilab (Inria) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/4
5 Allgemeine Informationen Ablauf Vorlesung: Dienstags (alle zwei Wochen) Zeit: Uhr Ort: Rechenzentrum RZ 012 Übung: Dienstags (alle zwei Wochen) Gruppe 1: Uhr Gruppe 2: Uhr Ort: Rechenzentrum RZ 65.2 Klausur Termin wird noch bekannt gegeben Inhalt: Beispiele aus Vorlesung und Übung Ohne Unterlagen, ohne PC Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/5
6 Inhalt 1 Zahlen, Vektoren, Matrizen, Matlab 2 Nichtlineare Gleichungen 3 Approximation 4 Numerische Differentiation & Integration 5 Lineare Systeme 6 Eigenwerte & Eigenvektoren 7 Gewöhnliche Differentialgleichungen 8 Partielle Differentialgleichungen/Randwertprobleme Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/6
7 Kapitel 1 Grundlagen: Zahlen, Vektoren, Matrizen, Funktionen, Fehleranalyse Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/7
8 Zahlenmengen Natürliche Zahlen N: 1, 2, 3,... Ganze Zahlen Z:..., 2, 1, 0, 1, 2, 3,... Rationale Zahlen Q: Brüche und periodische Dezimalbrüche z.b. 13 7, 5, Reelle Zahlen R: rationale und irrationale Zahlen z.b. π = , 2 = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/8
9 Zahlenmengen Komplexe Zahlen C: z.b i Darstellung in der Gaußschen Zahlenebene: Quelle: Wikipedia Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/9
10 Reelle Zahlen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/10
11 Fließkommazahlen/Floating-Point-Zahlen Fließkommazahlen F Untermenge der reellen Zahlen: F R Reelle Zahl x wird vom Computer gerundet Maschinenzahl: fl(x) Beispiel x = 1/7 Dezimaldarstellung: (Achtung: statt, wird. als Dezimaltrenner verwendet) Beispiel in Matlab >> 1/7 ans = Rundung auf 4 Dezimalstellen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/11
12 Ausgabeformate für Fließkommazahlen Interne Darstellung genauer (16 Dezimalziffern) Verschiedene Output-Formate: Matlab-Befehl Ausgabe format long format short e e-01 format long e e-01 format short g format long g Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/12
13 Interne Darstellung Interne Darstellung von Zahlen im Computer: x = ( 1) s (0. a 1 a 2... a } {{ } t ) β e Mantisse = ( 1) s m β e t s Vorzeichenbit entweder 0 oder 1 β Basis größer gleich 2 (im Computer meistens β = 2, manche Prozessoren können aber auch β = 10) m Mantisse der Länge t, speicherbare Ziffern a i zwischen 0 und β 1 e Exponent Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/13
14 Interne Darstellung x = ( 1) s (0.a 1 a 2... a t ) β e a 1 > 0 für eindeutige Darstellung, sonst 0.1 = = nicht eindeutig F vollständig bestimmt durch: β, t, L und U wobei L e U und L < 0, U > 0 Zahlenmenge F(β, t, L, U) In Matlab F(2, 53, 1021, 1024) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/14
15 Rundungsfehler Roundoff-Error ensteht durch Ersetzung: x R fl(x) F Im allgemeinen klein x fl(x) x 1 2 ɛ M ɛ M = β 1 t = Abstand von 1 zur nächsten Floating-Point-Zahl Datentyp double: ɛ M = Kommando in Matlab: eps = e-16 relativer Fehler hier sinnvoller als absoluter Fehler x fl(x) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/15
16 Zahlenbereich 0 gehört nicht zu F ( Sonderbehandlung) L und U endlich Absolutbetrag ist nach oben und unten beschränkt Kleinste und größte Zahl in F x min = β L 1, x max = β U (1 β t ) In Matlab mit realmin und realmax: x min = x max = Abstand zweier Zahlen auf der Zahlengeraden in der Nähe von x min sehr klein, in der Nähe von x max sehr groß, bei gleichem relativen Fehler Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/16
17 Zahlenbereich Zahlen kleiner x min erzeugen Underflow wird als 0 oder auf besondere Weise dargestellt Zahlen größer x max erzeugen Overflow Sonderbehandlung, Ausgabe in Matlab: Inf Besondere Ausdrücke: 1/0=Inf, -1/0=-Inf Beachte: 0 ist Vorzeichenbehaftet: 1/-0=-Inf, -1/-0=Inf Unbestimmte Formen: 0/0, /, 0,,... in Matlab NaN (Not-a-Number) Beispiel: 0/0=NaN, Inf/Inf=NaN,... Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/17
18 IEEE 754 Standard for Floating-Point Arithmetic Standardformate: single und double precision single: sign exponent (8 bits) fraction (23 bits) double: (bit index) single precision exponent sign (11 bit) fraction (52 bit) 0 = Quelle: Wikipedia Vorzeichenbit (sign) s: 1 Bit Exponent (exponent) e: 11 Bit Alle Bits gleich 0: Null oder Underflow Alle Bits gleich 1: Unendlich oder NaN (Not a Number) Mantisse (fraction) s: 52 Bit (53 Bit Genauigkeit, da a 1 immer gleich 1 nicht gespeichert wird) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/18
19 Rechnen mit Floating-Point-Zahlen Manche Eigenschaften aus R bleiben erhalten, Beispiel: Kommutativität der Addition und Multiplikation: x, y F gilt fl(x + y) = fl(y + x) und fl(xy) = fl(yx) Aber: keine Assoziativität, keine Distributivität Keine Eindeutigkeit der 0 mehr gegeben. Beispiel: >> a = 1; b =1; while a+b ~= a; b=b /2; end Mit reellen Zahlen bricht die Schleife nicht ab mit Fließkommazahlen nach endlich vielen Schritten b=1.1102e-16 = ɛ M /2 Für a und b mit b<eps*a gilt in Fließkommaarithmetik a+b=a Anmerkung: ~= in Matlab bedeutet, e-16 bedeutet Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/19
20 Rechnen mit Floating-Point-Zahlen Beispiel: Keine Assoziativität bei Overflow oder Underflow: Sei a=1e308, dann a + (a a) = a, aber (a + a) a = Inf Auslöschung signifikanter Stellen bei Addition zweier Zahlen mit ähnlichem Betrag aber verschiedenem Vorzeichen. Beispiel: >> x = 1.e - 15; ((1 + x) - 1)/ x ans = Exaktes Ergebnis 1, Fehler größer als 11% Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/20
21 Auslöschung Beispiel 1: das Polynom (x 1) 7 f(x) = x 7 7x x 5 35x x 3 21x 2 + 7x 1 im Intervall [ , ] 6 x Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/21
22 Auslöschung Beispiel 2: die Folge z 2 = 2, z n+1 = 2 n 1/ n z 2 n, n = 2, 3,... konvergiert gegen π. Relativer Fehler π z n / π steigt ab 16. Iteration wieder an Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/22
23 Robuste Summation Konstruktion von robusten Algorithmen, d.h. ohne oder mit stark reduzierter Auslöschung, nicht trivial Beispiel: Summation einer Folge n i=1 x i Idee: Explizites Mitführen von Rundungsfehlern in der Summation Implementiert im Summationsalgorithmus von W. Kahan Speichern der Summe in s, Rundungsfehler in c 1 Setze s und c auf 0 2 In jedem Schritt i: setze y = x i + c setze t = s + y setze c = y (t s) setze s = t Noch genauer: robuste Arithmetik-Algorithmen von J. Shewchuk Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/23
24 Kahan-Summation - Implementierung Matlab-Implementierung des Kahan-Summationsalgorithmus function s = kahan_ sum ( x ) c =0; s =0; for i =1: numel (x) y=x(i)+c; t=s+y; c=y -(t-s); s=t; end Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/24
25 Kahan-Summation - Implementierung Der Kahan-Summationsalgorithmus liefert genauere Ergebnisse: >> format long e >> x =[ ]; >> sum (x) >> kahan_sum (x) ans = e -01 ans = 1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/25
26 Komplexe Zahlen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/26
27 Komplexe Zahlen Menge der komplexen Zahlen C Form z = x + iy, komplexe Einheit i = 1 d.h. i 2 = 1 In Matlab: z=x+i*y oder complex(x,y) Achtung: wenn i als Variable benutzt wird, z=x+1i*y schreiben Realteil x = Re(z), Imaginärteil y = Im(z) In Matlab: x=real(z) bzw. y=imag(z) Konjugiert komplexe Zahl: z = x iy In Matlab: conj(z) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/27
28 Polardarstellung Trigonometrische Darstellung/Polardarstellung z = re iϕ = r(cos(ϕ) + i sin(ϕ)) mit Betrag r = x 2 + y 2 (Matlab: abs) und Argument ϕ Winkel zwischen z und der x-achse (Matlab: angle) Beispiel: >> z =3+ i *3; abs (z), angle (z) ans = ans = >> compass (z) Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/28
29 Eindeutigkeit komplexer Funktionen Matlab: alle Operationen sind implizit komplex, Beispiel: >> ( -8)^(1/3) ans = i statt 2 wie erwartet Potenzieren mit ^ Symbol Alle Zahlen der Form re i(ϕ+2kπ) gleich 3 verschiedene dritte Wurzeln z 1 = 3 re iϕ/3, z 2 = 3 re i(ϕ/3+2π/3), z 3 = 3 re i(ϕ/3+4π/3) Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/29
30 Eindeutigkeit komplexer Funktionen Matlab wählt erste komplexe Wurzel im Uhrzeigersinn (von der positiven reellen Achse aus) Euler-Formeln cos(ϕ) = 1 2 sin(ϕ) = 1 2i ( e iϕ + e iϕ) ( e iϕ e iϕ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/30
31 Matrizen und Vektoren Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/31
32 Matrizen Matrix A mit m Zeilen und n Spalten a 11 a 12 a 1n a 21 a 22 a 2n A = a m1 a m2 a mn = Menge von m n Elementen Kompakte Schreibweise: A = (a ij ) Eingabe in Matlab: Spalten durch, oder (Leerzeichen) getrennt, Zeilen durch ;. Beispiel: >> A =[1 2 3; 4 5 6] A = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/32
33 Elementare Operationen auf Matrizen Summe zweier Matrizen A = (a ij ) und B = (b ij ) A + B = (a ij + b ij ) Produkt einer Matrix A = (a ij ) mit einer Zahl λ λa = (λa ij ) Beispiel in Matlab: >> A =[1 2 3; 4 5 6]; B =[7 8 9; ]; >> A+B ans = >> 10* A ans = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/33
34 Elementare Operationen auf Matrizen Extraktion von Matrixelementen a ij : A(i,j) Extraktion von Spaltenvektoren: A(:,j) Extraktion von Zeilenvektoren: A(i,:) Beispiel in Matlab: >> A =[1 2 3; 4 5 6]; >> A(2,3), A(:,2), A (1,:) ans = 6 ans = 2 5 ans = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/34
35 Matrixmultiplikation Matrixprodukt zweier Matrizen A und B nur definiert wenn: A eine m p, B eine p n Matrix ist Ergebnis: m n Matrix C Beispiel: c ij = p a ik b kj k=1 >> A =[1 2 3; 4 5 6]; B =[ 13 14; 15 16; 17 18]; >> C=A*B C = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/35
36 Matrizenmultiplikation - Falksches Schema Falksches Schema zur Multiplikation von Matrizen Beispiel: multipliziere A R 4 5 mit B R AB=C A= =C Quelle: eigenes Bild =B Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/36
37 Spezielle Matrizen Einheitsmatrix I n der Dimension n, quadratische n n Matrix mit 1 auf der Diagonalen, sonst I n = In Matlab: eye(n) Nullmatrix 0 enthält nur Nullen In Matlab: zeros(m,n) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/37
38 Inverse einer Matrix Inverse X = A 1 einer Matrix A: Es gilt: XA = AX = I In Matlab: X=inv(A) Achtung: Inverse wird in der Numerik sehr selten explizit berechnet x = A 1 b heißt immer: löse das Gleichungssystem Ax = b Inverse existiert genau dann, wenn Determinante ungleich Null Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/38
39 Determinante Mathematisch: Rekursive Definition durch Laplace-Regel: a 11 falls n = 1, det(a) = n j=1 ( 1)i+j det(a ij )a ij für n > 1, und i = 1... n beliebig A ij entsteht aus A durch Streichung von Zeile i und Spalte j Wert der Determinanten unabhängig von i Beispiele: n = 1 det(a) = a 11 n = 2 det(a) = a 11 a 22 a 21 a 12 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/39
40 Determinante Berechnung bei 3 3 Matrizen Sarrus-Regel: det(a) = a 11 a 22 a 33 + a 31 a 12 a 23 + a 21 a 32 a 13 a 11 a 23 a 32 a 31 a 13 a 22 a 21 a 33 a 12 Quelle: Wikipedia Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/40
41 Determinante Berechnung bei 4 4 Matrizen Benutze Laplace-Regel det(a) = a 11 det(a 11 ) a 12 det(a 12 )+a 13 det(a 13 ) a 14 det(a 14 ) a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 a 31 a 32 a 13 a 34 a 41 a 42 a 14 a 44 a 11 a 12 a 13 a 14 a 21 a 22 a 23 a 24 + a 31 a 32 a 13 a 34 a 41 a 42 a 14 a 44 Dann wieder Sarrus-Regel für 3 3 Matrizen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/41
42 Determinante und Inverse Determinante in Matlab mit: det(a) Achtung: Berechnung mit Laplace-Regel numerisch ineffizient (O(n!)) und instabil (Auslöschung!), Matlab benutzt LR-Zerlegung/Gauß-Elimination zur Berechnung Produktregel: det(ab) = det(a) det(b) Für Diagonal- und Dreiecksmatrizen gilt: det(a) = a 11 a 22 a nn Genaueres in Kapitel 5 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/42
43 Determinante und Inverse Reguläre Matrix >> A =[1 2; 3 4]; >> Det = det (A) Det = -2 >> X= inv (A) X = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/43
44 Determinante und Inverse Singuläre Matrix >> A =[1 2; 2 4]; >> Det = det (A) Det = 0 >> X= inv (A) Warning : Matrix is singular to working precision. X = Inf Inf Inf Inf Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/44
45 Diagonal- und Dreiecksmatrizen Diagonalmatrizen: diag(v), v Vektor der Dimension n diag(v,m), erzeugt Matrix der Dimension n+abs(m) mit Vektor v auf m-ter oberen Nebendiagonalen >> A= diag ([1 2 3], -1) A = diag(a) liefert die Diagonalelemente der Matrix A Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/45
46 Diagonal- und Dreiecksmatrizen Obere Dreicksmatrizen: a ij = 0 für i > j Untere Dreicksmatrizen: a ij = 0 für i < j In Matlab mit triu(a) bzw. tril(a) >> A =[1 2 3; 4 5 6; 7 8 9]; triu ( A ) ans = Entsprechend diag gibt es auch triu( A, m ) und tril( A, m ) Die Matrizen triu( A, -1 ) und tril( A, 1 ) heißen auch obere und untere Hessenbergmatrix Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/46
47 Transponierte Matrix Transponieren = Vertauschen von Zeilen und Spalten Wenn A = (a ij ), dann transponierte Matrix A T = (a ji ) In Matlab mit Apostroph A >> A =[ ]; A ans = Wenn A = A T heißt A symmetrisch Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/47
48 Vektoren Vektoren in Fettbuchstaben: v Spaltenvektor: Beispiel v=[1;2;3] Zeilenvektor: Beispiel v=[1,2,3] Nullvektor 0: zeros(n,1) (Achtung: zeros(n) erzeugt n n Null-Matrix) Vektor mit nur Einsen: 1: ones(n,1) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/48
49 Lineare Abhängigkeit, Basis System von Vektoren {x 1,... x m } heißt linear unabhängig, wenn α 1 x α m x m = 0 nur erfüllt ist wenn α 1 = = α m = 0 n linear unabhängige Vektoren B = {x 1,... x n } in R n (oder C n ) bildet eine Basis von R n (oder C n ) Jeder Vektor in R n hat eindeutige Darstellung n w = w k x k k=1 w k Komponenten von w bezgl. der Basis B Kanonische Basis: {e 1,... e n } (i-te Komponente von e i ist 1, der Rest 0) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/49
50 Vektorprodukte Skalarprodukt oder inneres Produkt v w zwischen Vektoren v, w mit Komponenten {v k } und {w k } n (v, w) = v T w = v k w k In Matlab: v *w oder mit dot(v,w) k=1 Länge (Norm) eines Vektors v = (v, v) = n In Matlab: norm(v) k=1 v 2 k Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/50
51 Vektorprodukte Vektorprodukt u = v w nur für v, w R 3 steht senkrecht auf v und w Länge ist u = v w sin(α) (Winkel α = (v, w) ) In Matlab: cross(v,w) Komponentenweise Multiplikation u = v w u i = v i w i In Matlab mit u=v.*w alle Operationen, denen ein Punkt vorangestellt werden wirken komponentenweise (z.b. auch v.^2) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/51
52 Beispiele für Vektorprodukte Beispiel: Arbeit: Kraft entlang eines Weges Skalarprodukt: W = G s, Betrag: W = G s cos α = F H s Beispiel: Drehmoment: senkrecht auf Kraft und Ortsvektor Vektorprodukt: M = r F, Betrag: M = r F sin θ = r F, Quelle: Wikipedia Quelle: Wikipedia Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/52
53 Vektorprodukte Beispiele für Produkte zwischen Vektoren >> v =[1;2;3]; w =[4;5;6]; >> w *v ans = 32 >> dot (w,v) ans = 32 >> cross (w,v) ans = >> w.*v ans = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/53
54 Eigenwerte und Eigenvektoren Gegeben: n n Matrix A, ein Vektor v, eine (komplexe) Zahl λ, für die gilt: Av = λv v heißt Eigenvektor λ heißt Eigenwert Berechnung im Allgemeinen kompliziert Für Diagonal und Dreicksmatrizen: Eigenwerte entsprechen den Diagonalelementen Wichtig in vielen technischen Anwendungen: z.b. Schwingungsanalyse Genaueres: Kapitel 6 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/54
55 Reelle Funktionen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/55
56 Plotten reeller Funktionen Gegeben: Funktion f auf Intervall (a, b) Gesucht: Verlauf, Nullstellen, Integral, Ableitung,... Beispiel: Funktion f(x) = x e x im Intervall [ 1, 1] fun = x ^2-1+ exp (x) ; lims =[ -1,1]; fplot (fun, lims ); grid on; Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/56
57 Nullstellen Anzahl und Lage der Nullstellen ein Funktion nicht a priori feststellbar ( Ausnahme: Polynome) Nullstelle in der Nähe von x 0 : In Matlab: fzero(fun,x0) Nullstelle im Intervall [x 0, x 1 ]: In Matlab: fzero(fun,[x0 x1]) Voraussetzung: fun wechselt im Intervall das Vorzeichen Verfahren in Kapitel 2 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/57
58 Nullstellen Beispiel: Funktion f(x) = x e x Nullstellen sind bei 0 und ca. 0.7 >> fun = x ^2-1+ exp (x) ; fzero ( fun, 1 ) Zero found in the interval [ -0.28, ] ans = e -18 >> fzero ( fun, -1 ) Zero found in the interval [ -0.68, ] ans = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/58
59 Nullstellen Beispiel: Funktion f(x) = x e x (wie vorher) Suche Nullstellen in den Intervallen [ 0.2, 1] und [ 1, 0.2] >> fzero (fun,[ -0.2,1]) Zero found in the interval [ -0.2, 1] ans = e -17 >> fzero (fun,[ -1, -0.2]) Zero found in the interval [-1, -0.2] ans = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/59
60 Polynome Menge der Polynome vom Grad n: P n p n (x) = a 0 + a 1 x + a 2 x a n x n = Darstellung eines Polynoms in Matlab: p=[an,...,a2,a1,a0] (Reihenfolge!!) n a k x k k=0 Auswertung an der Stelle x mit polyval Beispiel: Polynom x 4 + 3x 1 an den Punkten x = 0, 1 und 2 >> p =[ ]; x=[0, 1, 2]; polyval (p,x) ans = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/60
61 Nullstellen eines Polynoms α Nullstelle von p, wenn p(α) = 0, Polynom vom Grad n hat genau n Nullstellen ( Multiplizität) Nullstellen reell oder in konjugiert komplexen Paaren Berechnung der Nullstellen in Matlab mit roots Beispiel: Polynom x 3 6x x 6: >> p =[ ]; roots (p) ans = Nullstellen (1,2 und 3) exakt Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/61
62 Nullstellen eines Polynoms Zweites Beispiel: Polynom p(x) = x 7 7x x 5 35x x 3 21x 2 + 7x 1 Einzige Nullstelle α = 1 (siebenfache Nullstelle) Ergebnis in Matlab: >> p =[ ]; roots ( p ) ans = i i i... Mögliche Erklärung: Rundungsfehler, Auslöschung Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/62
63 Multiplikation und Division von Polynomen Multiplikation von Polynomen in Matlab mit p=conv(p1,p2) von Engl. convolution=faltung (der Koeffizienten) Division (mit Rest) durch [q,r]=deconv(p1,p2), so dass p1=conv(p2,q)+r >> p1 =[ ]; p2 =[ ]; >> p= conv (p1,p2) p = >> [q,r]= deconv (p1,p2) q = 1 0 r = Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/63
64 Ableitung und Integral von Polynomen Ableitung und Integration von Polynomen einfach Ableitung von x n ist nx n 1 Stammfunktion von x n ist 1 n+1 xn+1 + C In Matlab: mit polyder und polyint Interpolation mit polyfit Sind n + 1 Werte von p an n + 1 unterschiedlichen Stellen bekannt liefert polyfit(p) die n + 1 Koeffizienten Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/64
65 Integration und Differentiation Differentiation: Steigung der Tangente der Kurve in einem Punkt Grenzwert des Differenzenquotienten f f(x + h) f(x) (x) = lim h 0 h Raum der stetigen Funktionen C 0 ([a, b]), Stetig differenzierbare Funktionen C 1 ([a, b]), Zweifach stetig differenzierbar C 2 ([a, b]), etc Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/65
66 Integration und Differentiation Integral: Fläche unter der Kurve b a f(x)dx Problem: Stammfunktion existiert oft nicht, oder ist schwierig zu finden oder sehr aufwendig zu berechnen Numerische Integration Kapitel Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/66
67 Hauptsatz der Differential und Integralrechnung Theorem (Hauptsatz der Differential und Integralrechnung) Sei f eine stetige Funktion im halboffenen Intervall [a, b), dann ist F (x) = x a f(t)dt eine differenzierbare Funktion, Stammfunktion von f, genannt, und erfüllt x [a, b): F (x) = f(x) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/67
68 Mittelwertsatz der Integralrechnung Theorem (Mittelwertsatz der Integralrechnung) Sei f eine stetige Funktion im Intervall [a, b] und x 1, x 2 [a, b], dann ξ (x 1, x 2 ), so dass 1 x2 f(ξ) = f(t)dt x 2 x 1 x Ξ Ξ Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/68
69 Mittelwertsatz der Differentialrechnung Theorem (Mittelwertsatz der Differentialrechnung) Sei f C 1 ([a, b]) eine stetig differenzierbare Funktion im Intervall [a, b] und x 1, x 2 [a, b], dann ξ (x 1, x 2 ), so dass f f(b) f(a) (ξ) = b a Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/69
70 Taylor-Polynom Gegeben: Funktion f mit n + 1 stetigen Ableitungen im Punkt x 0 Dann kann f in einer Umgebung von x 0 durch das Taylor-Polynom vom Grad n im Punkt x 0 approximiert werden T n (x) = f(x 0 ) + (x x 0 )f (x 0 ) n! (x x 0) n f (n) (x 0 ) n (x x 0 ) k = f (k) (x 0 ) k! k=0 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/70
71 Fehleranalyse Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/71
72 Fehleranalyse Fehler im wissenschaftlichen Rechnen unvermeidbar Beispiel: Darstellung der reellen Zahlen im Computer Fehler nicht vermeiden, sondern kontrollieren Verschiedene Fehlerarten: Modellfehler e M : ersetzen der physikalischen Realität durch ein mathematische Modell Rundungsfehler e a : Abbruchfehler e t (truncation error): beispielsweise durch abbrechen einer unendlichen Reihe nach endlich vielen Gliedern Berechnungsfehler e c (computational error): Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/72
73 Fehlerarten: Beispiel PP: physikalisches Problem Lösung x ph MM: mathematische Modell Lösung x NP: numerisches Problem Lösung x n Lösung mit Rundungs- und Abbruchfehler: ˆx Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/73
74 Modellfehler (Beispiel) Druckverlust-Gleichung als Vereinfachung der Impulsbilanz berechnet den Druckverlust sehr genau, aber: beim schnellen Öffnen und Schließen eines Ventils entstehen Druckschwingungen Druckverlust-Gleichung reicht hier nicht aus, nur beim langsamen Öffnen und Schließen des Ventils Zur Beschreibung der Druckschwingungen muss die vollständige Impulsbilanz gerechnet werden Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/74
75 Absoluter und relativer Fehler Exakte Lösung x, numerische Lösung ˆx Absoluter Rechenfehler e abs = x ˆx ( Absolutbetrag oder anderes Maß, nach Bedeutung von x) Relativer Rechenfehler (wenn x 0) e rel x ˆx = x Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/75
76 Konvergenz Kontinuierliches Modell: Approximation durch Diskretisierung Fehler abhängig von Diskretisierungsparameter h Konvergenz: wenn h 0 geht, dann ˆx x Wenn C Konstante, unabhängig von h e Ch p Verfahren konvergent von der Ordnung p Wenn C existiert mit e C h p, dann e Ch p Beispiel: Approximiere f (x) durch (f(x + h) f(x))/h Fehler geht gegen 0, wenn h 0 ( konvergent) Falls f C 2 dann e Ch ( Ordnung 1) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/76
77 Fehlerordnung Konvergenzuntersuchung: doppelt-logarithmische Graphen: Abszisse log(h), Ordinate log(e) Vorteil: wenn e Ch p dann log(e) log(c) + p log(h) p ist Steigung der Geraden log(e) Größere Steigung höhere Ordnung Abbildung: blaue Gerade Ordung 1, grüne Gerade Ordnung 2 Matlab: loglog(x,y) 1e4 1e2 1e0 1e 2 1e 4 1e 6 1e 8 1e 10 1e 12 1e 14 1e 16 1e 18 1e 10 1e 5 1e0 Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/77
78 Fehlerordnung Andere Möglichkeit Fehler e i für Werte h i bekannt, (i = 1... N) Annahme e i Ch p i dann p i = log(e i /e i 1 )/ log(h i /h i 1 ), Besser: lineare Regression log(e i ) über log(h i ) Fehler eigentlich nicht berechenbar Abschätzung des Fehlers Fehlerschätzer i = 2... N Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/78
79 Kosten Lösung eines Problems am Computer Algorithmus Algorithmus = Vorschrift in Form eines endlichen Textes, die in eindeutiger Weise alle zur Lösung des Problems notwendigen Schritte präzisiert Rechenaufwand eines Algorithmus (computational cost) Anzahl arithmetischer Operationen Maßeinheit: Floating-Point-Operationen (Flops) Vielfache: Megaflops=10 6 Flops Gigaflops=10 9 Flops Teraflops=10 12 Flops Schnellster Rechner: 2003: 136 Teraflops 2010: 2560 Teraflops (China) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/79
80 Komplexität Genaue Anzahl an Flops oft unbekannt (und weniger wichtig) Größenordnung in Funktion eines Parameters d Anzahl von Operationen: konstante Komplexität O(1) (von d unabhängig) lineare Komplexität O(d) polynomiale Komplexität O(d m ) exponentielle Komplexität O(c d ) faktorielle Komplexität O(d!) Symbol O(f(d)) gelesen: groß O von f(d) bedeutet: verhält sich für große d wie eine Konstante mal f(d) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/80
81 Komplexität Beispiel 1 Matrix-Vektor Produkt Quadratische Matrix A R n n, Vektor v R n Berechnung der j-ten Komponente von Av a j1 v 1 + a j2 v a j1 v n n Produkte und n 1 Summen n(2n 1) Operationen zur Berechnung von n Komponenten Quadratische Komplexität O(n 2 ) Ähnlich: Matrixprodukt O(n 3 ) Operationen Aber: geschickterer Algorithmus (Strassen): O(n log 2 7 ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/81
82 Komplexität Beispiel 2 Berechnung der Determinante Rekursionsformel hat faktorielle Komplexität: O(n) Beispiel n = 24: Entspricht ca Operationen Rechner mit 1000 Teraflops braucht ca. 20 Jahre Bedarf an effizienten numerischen Verfahren Beispiel: Berechnung der Determinante durch Rückführung auf Matrixprodukte (Strassen-Algorithmus): Komplexität O(n log 2 7 ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/82
83 Laufzeit Komplexität wichtig für theoretische Untersuchungen Effektivität einer Implementierung auch durch andere Faktoren beeinflußt (beispielsweise Speicherzugriffe) Maß für Geschwindigkeit: CPU-Zeit (CPU = central processing unit) Reine Verarbeitungszeit ohne Laden der Daten (Input-Phase) und Speichern der Resultate (Output-Phase) Gesamte Ausführungszeit: Elapsed-Time In Matlab: CPU-Zeit mit tic und toc (früher: cputime) Elapsed-Time mit etime Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/83
84 Beispiel Laufzeitmessung der Berechnung des Matrix-Vektor Produkts n = 4000; step = 50; A = rand (n,n); v = rand (n,1); T = [ ]; sizea = [ ]; for k = 50: step :n AA = A (1:k,1: k); vv = v (1: k); tic ; b = AA*vv; tt = toc ; T = [T, tt ]; sizea = [ sizea,k]; end plot ( sizea, T, o ) Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/84
Allgemeines. Allgemeine Informationen
Allgemeines Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 1/2 Allgemeine Informationen Dozent: Prof. R. Leithner, iwbt@tu-bs.de Betreuer: Dipl. Phys. E. Zander, e.zander@tu-bs.de
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrElemente 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
MehrKapitel 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
MehrKomplexe 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
MehrComputerarithmetik ( )
Anhang A Computerarithmetik ( ) A.1 Zahlendarstellung im Rechner und Computerarithmetik Prinzipiell ist die Menge der im Computer darstellbaren Zahlen endlich. Wie groß diese Menge ist, hängt von der Rechnerarchitektur
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
Mehr3.1. 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
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrLösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
Mehr13. 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)
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra
Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)
MehrApproximation 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
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrMaple-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
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
Mehr2.12 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
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrBinäre Gleitkommazahlen
Binäre Gleitkommazahlen Was ist die wissenschaftliche, normalisierte Darstellung der binären Gleitkommazahl zur dezimalen Gleitkommazahl 0,625? Grundlagen der Rechnerarchitektur Logik und Arithmetik 72
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrKapitel 1. Zahlendarstellung. Prof. Dr. Dirk W. Hoffmann. Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik
Kapitel 1 Zahlendarstellung Prof. Dr. Dirk W. Hoffmann Hochschule Karlsruhe w University of Applied Sciences w Fakultät für Informatik Zahlensystemkonvertierung Motivation Jede nichtnegative Zahl z lässt
Mehr3 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
MehrModulabschlussklausur 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
MehrUniversität 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
MehrHöhere 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 ; : :
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrKevin 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
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
MehrDivision 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= {} +{} = {} Widerstand Kondensator Induktivität
Bode-Diagramme Selten misst man ein vorhandenes Zweipolnetzwerk aus, um mit den Daten Amplituden- und Phasengang zu zeichnen. Das kommt meistens nur vor wenn Filter abgeglichen werden müssen oder man die
MehrZuammenfassung: Reelle Funktionen
Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)
MehrBrückenkurs Mathematik Mathe: Das 1x1 der Ingenieurwissenschaften
Brückenkurs Mathematik Mathe: Das x der Ingenieurwissenschaften Gewöhnliche Differentialgleichungen, lineare Algebra oder Integralrechnung vertiefte Kenntnisse der Mathematik sind Voraussetzung für den
Mehr9.2. 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
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrUnterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis
Unterrichtsmaterialien in digitaler und in gedruckter Form Auszug aus: Übungsbuch für den Grundkurs mit Tipps und Lösungen: Analysis Das komplette Material finden Sie hier: Download bei School-Scout.de
MehrDas Mathematik-Abitur im Saarland
Informationen zum Abitur Das Mathematik-Abitur im Saarland Sie können Mathematik im Abitur entweder als grundlegenden Kurs (G-Kurs) oder als erhöhten Kurs (E-Kurs) wählen. Die Bearbeitungszeit für die
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
Mehrin vielen technischen und wissenschaftlichen Anwendungen erforderlich: hohe Präzision große Dynamik möglich durch Verwendung von Gleitkommazahlen
Gleitkommazahlen in vielen technischen und wissenschaftlichen Anwendungen erforderlich: hohe Präzision große Dynamik möglich durch Verwendung von Gleitkommazahlen allgemeine Gleitkommazahl zur Basis r
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
MehrBestimmung 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,
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrGrundstrukturen: Speicherorganisation und Zahlenmengen
Zahlendarstellung Zahlen und ihre Darstellung in Digitalrechnern Grundstrukturen: Speicherorganisation und Zahlenmengen Linear organisierter Speicher zu einer Adresse gehört ein Speicher mit 3 Bit-Zellen
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
Mehr2 Darstellung von Zahlen und Zeichen
2.1 Analoge und digitale Darstellung von Werten 79 2 Darstellung von Zahlen und Zeichen Computer- bzw. Prozessorsysteme führen Transformationen durch, die Eingaben X auf Ausgaben Y abbilden, d.h. Y = f
MehrAustausch- 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:
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
MehrMathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse
UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrLineare 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
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrEinführung in die Informatik I
Einführung in die Informatik I Das Rechnen in Zahlensystemen zur Basis b=2, 8, 10 und 16 Prof. Dr. Nikolaus Wulff Zahlensysteme Neben dem üblichen dezimalen Zahlensystem zur Basis 10 sind in der Informatik
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
Mehr14 Schmiegeparabel und Freunde, Taylor-Reihe
14 Schmiegeparabel und Freunde, Taylor-Reihe Jörn Loviscach Versionsstand: 20. März 2012, 16:01 Die nummerierten Felder sind absichtlich leer, zum Ausfüllen in der Vorlesung. Videos dazu: http://www.j3l7h.de/videos.html
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
Mehr3.3 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.
MehrMathematik Abitur Zusammenfassung Marius Buila
Mathematik Abitur Zusammenfassung Marius Buila 1.Analysis 1.1 Grundlagen: Ableitung f (u) ist Steigung in Punkt P (u/f(u)) auf K f(x) = a * x r f (x) = a * r * x r-1 Tangentengleichung: y= f (u) * (x-u)
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrDefinition 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
MehrKlausur Mathematik 2
Mathematik für Ökonomen WS 2014/15 Campus Duisburg PD Dr. V. Krätschmer, Fakultät für Mathematik Klausur Mathematik 2 17.02.2015, 12:30-14:30 Uhr (120 Minuten) Erlaubte Hilfsmittel: Nur reine Schreib-
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrMathematischer Vorkurs für Physiker WS 2009/10
TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrDAS ABI-PFLICHTTEIL Büchlein
DAS ABI-PFLICHTTEIL Büchlein für Baden-Württemberg Alle Originalaufgaben Haupttermine 004 0 Ausführlich gerechnete und kommentierte Lösungswege Mit vielen Zusatzhilfen X π Von: Jochen Koppenhöfer und Pascal
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrR ist freie Software und kann von der Website. www.r-project.org
R R ist freie Software und kann von der Website heruntergeladen werden. www.r-project.org Nach dem Herunterladen und der Installation von R kann man R durch Doppelklicken auf das R-Symbol starten. R wird
MehrÜbungen 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.
MehrElemente 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
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
Mehr