Die Interpolationsformel von Lagrange
|
|
- Gesche Holtzer
- vor 6 Jahren
- Abrufe
Transkript
1 Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n mit π n (x i ) = f i, i =,...,n. Es gilt mit den Interpolationspolynomen π n = n f i L i i= L i := k i x x k x i x k, i =,...,n. Polynominterpolation (interpol2)
2 Die Interpolationsformel von Lagrange, Beispiel Gegeben seien für n = 2 : i 2 x i 3 f i 3 2 Als Interpolationspolynome ergeben sich L = (x )(x 3) ( )( 3), L = (x )(x 3) ( )( 3), L 2 = (x )(x ) (3 )(3 ), und damit π 2 = L +3 L +2 L 2 = 6 ( 5x2 +7x+6) P -4 L 3L -5 2L 2 Stuetzstellen Polynominterpolation (interpol3) 2
3 Die Interpolationsformel von Lagrange Beispiel: Exponentialfunktion Gegeben seien für n = 2 : i 2 x i f i e e e Als Interpolationspolynome ergeben sich L = und damit (x )(x ) ( )( ), L = (x + )(x ) ( + )( ), L 2 = (x + )(x ) ( + )( ), π 2 = e L +e L +e L 2 = e 2 (x2 x) (x 2 )+e 2 (x2 +x) ( = 2e + e ) ( e x ) x+ 2e = (cosh() )x 2 +sinh()x+ Polynominterpolation (interpol3a) 3
4 Die Interpolationsformel von Lagrange Beispiel: Exponentialfunktion 4 L 3 2 L L 2 Stützpunkte Π e x e *L e *L e *L 2 Stützstellen 2 2 Polynominterpolation (interpol4a) 4
5 Interpolationsfehler Die Stützwerte f i stammen oft von einer stetigen Funktion f, d.h. f i = f(x i ), i =,...,n. Gilt {x i : i =,...,n} [a,b], so lässt sich der Fehler f π n in der Maximumsnorm abschätzen als Hierbei ist f [a,b] := f L ([a,b]) := max x [a,b] f f π n [a,b] ω n+ [a,b] f (n+) [a,b]. (n+)! n ω n+ := (x x i ). Der Ausdruck ω n+ [a,b] hängt alleine von der Wahl der Stützstellen ab. i= Polynominterpolation (interpol) 5
6 Das Polynom ω n+ Äquidistante Stützstellen, n = 2 5 x Frage: Gibt es eine Knotenverteilung, so dass ω n+ [a,b] minimal wird? Polynominterpolation (interpol2) 6
7 Tschebyscheff Interpolation Für n N bezeichne T n das Tschebyscheffpolynom, T n := cos(narccosx), x [,]. Es gilt die 3-Term Rekursion T =, T = x, T n = 2xT n T n 2, n 2, = T n P n Nullstellen von T n sind die Tschebyscheffpunkte x (n+) i = cos ( ) 2i+ 2n+2 π, i =,...,n. Polynominterpolation (interpol3) 7
8 n = 3 Tschebyscheffpunkte n = n = 8 n=7 2 Polynominterpolation (interpol4) 8
9 Das Polynom ω n+ Tschebyscheffknoten, n = 2 5 x 7 ω 22,äqui [,] ω 22,cheb [,] z.b. n = 4 ω 4,äqui [,] ω 4,cheb [,] allgemein ω n+,cheb [,] = 2 n Polynominterpolation (interpol5) 9
10 Das Polynom ω n+ ω n+ ;[,] für verschiedene Stützstellen 2 ω ;[,] äquidistant nur in [,] nur in [,.5] [.5,] Anzahl Stützstellen...+ einige in [,5,.5] Tschebyscheff Polynominterpolation (interpol5a)
11 Äquidistante Punkte vs. Tschebyscheffpunkte 3 n = 9, Lagrange Polynom L L 9,äquidistant [,] =. 3, L 9,Tschebyscheff [,] =. Polynominterpolation (interpol7)
12 Äquidistante Punkte vs. Tschebyscheffpunkte f = /(+25x 2 ) n = 4 n = 6 n = Tschebyscheffpunkte: Konvergenz n = n = 2 n = Äquidistante Punkte: Randoszillationen Polynominterpolation (interpol8) 2
13 Äquidistante Punkte vs. Tschebyscheffpunkte Interpolationsfehler, f = /(+25x 2 ) n =, aequidistant.5.5 n = 2, aequidistant n = 3, aequidistant n =, Tschebyscheff n = 2, Tschebyscheff 2 x 3 2 n = 3, Tschebyscheff Polynominterpolation (interpol9) 3
14 Äquidistante Punkte vs. Tschebyscheffpunkte f = x 3/2 n = 4 n = 6 n = n =.2 n = 2 n = Polynominterpolation (interpol2) 4
15 Äquidistante Punkte vs. Tschebyscheffpunkte f = x n = n = n = 8 n = 6 n = 2 n = Polynominterpolation (interpol2a) 5
16 Äquidistante Punkte vs. Tschebyscheffpunkte Interpolationsfehler, f = x n =, aequidistant n = 2, aequidistant 5 5 x 4 n = 3, aequidistant n =, Tschebyscheff n = 2, Tschebyscheff n = 3, Tschebyscheff Polynominterpolation (interpol2b) 6
17 Interpolationsfehler und Lebesgue Konstanten Λ n Definiton Lebesgue Konstante Λ n : Λ n := max x [,] n L i i= Interpolationsfehler: f Π n f [,] CΛ n ω(f, n ) Hierbei bezeichnen L i die Lagrange-Interpolationspolynome, und ω(f, n ) den Stetigkeitsmodul von f. Dieser ist definiert als ω(f, δ) := sup f f(y) x y <δ mit ω(f, n ) L n falls f Lipschitz-stetig hinsichtlich der Konstanten L ist. Polynominterpolation (interpol2c) 7
18 Verhalten der Lebesgue-Konstanten für steigende Polynomordnung Äquidistant vs. Tschebyscheff Lebesgue Konstante äquidistant Tschebyscheff Anzahl Stützstellen.5 Lebesgue Konstante.4.3 Tschebyscheff (2/π)*log(n+)+ 2 3 Anzahl Stützstellen Λ n wächst logarithmisch für Tschebyscheffpunkte: Λ n 2 π ln(n+)+, Λ n wächst exponentiell für äquidistante Punkte: Λ n Ce n/2. Polynominterpolation (interpol5b) 8
19 Konvergenzverhalten für Tschebyscheffpunkte Interpolationsfehler f Π n [,] Fehler (logarithmisch) 5 /(+25x 2 ) x 3/2 x /2 5 5 Anzahl Stützstellen Interpolationsfehler hängt vom Stetigkeitsmodul ω(f, n ) des Interpolanden ab. Polynominterpolation (interpol2d) 9
20 Konvergenzverhalten für Tschebyscheffpunkte Interpolationspolynom für f = / ln x/2.5 Gerade Anzahl Stützstellen ln x/2 Π 5.5 Ungerade Anzahl Stützstellen ln x/2 Π Polynominterpolation (interpol2g) 2
21 Äquidistante Punkte vs. Tschebyscheffpunkte Interpolationsfehler, f = x 3/2 n =, aequidistant..5 5 n = 2, aequidistant 3 2 n = 3, aequidistant x n =, Tschebyscheff 3 2 x 3 2 n = 2, Tschebyscheff x 3 2 n = 3, Tschebyscheff Polynominterpolation (interpol2) 2
22 Weierstrassfunktion für Tschebyscheffpunkte w = k= ak cos(2πb k x) mit a = /2 und b = 3 2 Weierstrassfunktion w π 4 Fehler (logarithmisch) Anzahl Stützstellen Weierstrassfunktion nirgends differenzierbar. Interpolation für pathologische Funktionen nicht konvergent. Polynominterpolation (interpol2e) 22
23 Baryzentrische Lagrange Interpolation Ziel: Weitere Methode vom Aufwand relativ gering, aber numerisch stabil. Berechne das Lagrangesche Interpolationspolynom π n zu der Funktion f : [a,b] R zu den Stützstellen x j, j =,,...,n. Definiere die baryzentrischen Gewichte durch ω j := n k=;k j (x j x k ), j =,,...,n. Dann kann das Lagrangesche Interpolationspolynom durch π n := n j= n j= ω j x x j f(x j ) ω j x x j dargestellt werden. Polynominterpolation (interpol83) 23
24 Berechnung der baryzentrischen Gewichte Baryzentrische Gewichte für äquidistante Stützstellen. Seien [a,b] und x j = a+jh für j =,,...,n gegeben. Dann gilt ω j = ( ) j ( n j ). Baryzentrische Gewichte für Tschebyscheffpunkte. Seien x j = cos((2j+)π/(2n+ 2)) gegeben. Dann gilt der Ausdruck ( ) ω j = ( ) j 2j + sin 2n+2 π. Vorteil der baryzentrischen Interpolation. Die Berechnung der Gewichte benötigt O(n 2 )-Operationen, aber sie hängen von den Werten f(x j ) nicht ab. Wenn die Gewichte bekannt sind, geht die Berechnung des Interpolationspolynoms mit O(n)-Operationen. Polynominterpolation (interpol84) 24
25 Das Schema von Aitken und Neville Das gesuchte Polynom π n soll an einem Punkt x ausgewertet werden. Für k + paarweise verschiedene Indizes {i,...,i k } {,...,n} bezeichne P i...i k P k das Interpolationspolynom durch (x i,f i ),...,(x ik,f ik ). Es gilt: P i = f i, i =,...,n, P i...i k = (x x i )P i...i k (x x ik )P i...i k x ik x i. k = 2 Neville Schema für n = 2: x f = P P x f = P P 2 P 2 f 2 = P 2 x 2 Polynominterpolation (interpol5) 25
26 Das Schema von Aitken und Neville, Beispiel Gegeben seien für n = 2 : i 2 x i 3 f i 3 2 Neville Schema für die Berechnung von π 2 (2) = P 2 (2): x = P (2) = k = 2 P (2) = (2 ) 3 (2 ) = 5 x = P (2) = 3 P 2 (2) = (2 ) 2 (2 3) 3 3 = 5/2 x 2 = 3 P 2 (2) = 2 P 2 (2) = (2 ) 5/2 (2 3) 5 3 = /3 Polynominterpolation (interpol6) 26
27 Das Schema von Aitken und Neville Einfache Erweiterung um zusätzliche Punkte zusätzliches Wertepaar (x 3,f 3 ) := (4,3), berechne π 3 (2) = P 23 (2): k = 2 3 x = P (2) = P (2) = 5 x = P (2) = 3 P 2 (2) = /3 P 2 (2) = 5/2 P 23 (2) = 8/3 x 2 = 3 P 2 (2) = 2 P 23 (2) = 2 P 23 (2) = x 3 = 4 P 3 (2) = 3 Polynominterpolation (interpol7) 27
28 Die Newtonsche Interpolationsformel Idee: Darstellung des gesuchten Polynoms π n als π n = c +c (x x )+c 2 (x x )(x x )+...+c n (x x ) (x x n ) = n i= (x x k ). c i i k= Bestimmung der Koeffizienten c i, i =,...,n durch f = π n (x ) = c f = π n (x ) = c +c (x x ). n f n = π n (x n ) = c +c (x n x )+...+c n (x n x k ) k= Polynominterpolation (interpol8) 28
29 Newtonsche dividierte Differenzen Beobachtung: P i...i k P i...i k P k mit Nullstellen x i,...,x ik, mit f i...i k werde der führende Koeffizient bezeichnet. Es gilt f...i = c i, i =,...,n, und die Rekursionsformel f i...i k = f i...i k f i...i k x ik x i. k = 2 Differenzen Schema für n = 2: x f f x f f 2 f 2 x 2 f 2 Polynominterpolation (interpol9) 29
30 Newtonsche dividierte Differenzen, Beispiel Gegeben seien für n = 2 : i 2 x i 3 f i 3 2 Differenzen Schema: k = 2 x = f = x = f = 3 x 2 = 3 f 2 = 2 f = 3 = 2 f 2 = = /2 f 2 = /2 2 3 = 5/6 Auswertung mit dem Horner Schema: π 3 = f +(x x )[f +(x x )f 2 ] Polynominterpolation (interpol) 3
31 Vergleich Interpolationsfehler, f = /(+25x 2 ) Aitken Neville π 4 Div. Diff. und Horner π 4 Baryzentrische Darstellung π 4.8 f.8 f.8 f Aitken Neville π f x 4 Div. Diff. und Horner π f Baryzentrische Darstellung π f.5.5 Polynominterpolation (interpol72) 3
32 MinMax-Polynom vs. Tschebyscheff vs. äquidistant f = x, x [,2], n = Interpolationspolynom π Fehler π x 3 2 x MinMax Polynom Tschebyscheff äquidistant 2 MinMax Polynom Tschebyscheff äquidistant 2 2 Polynominterpolation (interpol46) 32
33 MinMax-Polynom vs. Tschebyscheff vs. äquidistant f = cos(x 2 ), x [,], n = Interpolationspolynom π 2 cos(x 2 ) MinMax Polynom Tschebyscheff äquidistant Fehler π 2 cos(x 2 ) MinMax Polynom Tschebyscheff äquidistant.5.5 Polynominterpolation (interpol47) 33
34 MinMax-Polynom vs. Tschebyscheff vs. äquidistant f = cos(x 2 ), x [,], n = Interpolationspolynom π 3 cos(x 2 ) MinMax Polynom Tschebyscheff äquidistant Fehler π 3 cos(x 2 ) MinMax Polynom Tschebyscheff äquidistant.5.5 Polynominterpolation (interpol48) 34
Inhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
Mehr3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen
KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrDie Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,
Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht
MehrKapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen
Kapitel 4 Interpolation 4 Allgemeines Nähere Funktion/Daten durch einfache Funktionen (eg Polynome) an Brauchbar für: - Integration - Differentiation [zb f(x) sei durch Polynom p(x) approximiert, F(x)
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
MehrInterpolation. Kapitel 3
Kapitel 3 Interpolation Die Interpolation von Funktionen oder Daten ist ein häufig auftretendes Problem sowohl in der Mathematik als auch in vielen Anwendungen Das allgemeine Problem, die sogenannte Dateninterpolation,
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrThemen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe
5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad
MehrInterpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...
sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt
MehrNUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002
NUMERISCHE MATHEMATIK II 1 (Studiengang Mathematik) Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2001/2002 1 Korrekturen, Kommentare und Verbesserungsvorschläge bitte
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
MehrKonvergenz interpolierender Polynome
Technische Universität Berlin Institut für Mathematik Konvergenz interpolierender Polynome Seminar Differentialgleichungen im Sommersemester 2012 bei Prof. Dr. Etienne Emmrich vorgelegt von David Breiter
MehrInterpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.
Interpolation Nadine Losert Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Nachdem wir in den vorherigen Vorträgen verschiedene
MehrΓ = {(x, f(x)) : x R} R 2
Numerik I. Version: 29.5.8 46 4 Interpolation 4.1 Einführung Nehmen wir an, dass eine Funktion f : R R eine physikalische Größe beschreibt und wir ihre Werte an n+1 verschiedenen Punkten x, x 1,...,x n
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
MehrAnalysis II für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg SoSe 2014 Prof. Dr. Armin Iske Dr. Hanna Peywand Kiani Analysis II für Studierende der Ingenieurwissenschaften Blatt 3, Hausaufgaben Aufgabe 1: a) Es sei
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrNumerische Verfahren Übungen und Lösungen, Blatt 1
Technische Universität Hamburg-Harburg Institut für Numerische Simulation, E-0 Dr. Jens-Peter M. Zemke Sommersemester 2008 Numerische Verfahren Übungen und Lösungen, Blatt Aufgabe : (Thema: relativer und
MehrKlausur Mathematik I
Technische Universität Dresden 15. August 2008 Institut für Numerische Mathematik Dr. K. Eppler Klausur Mathematik I für Studierende der Fakultät Maschinenwesen (mit Lösungshinweisen) Name: Matrikelnummer.:
MehrKlausur Numerische Methoden II Universität Siegen, Fachbereich Maschinenbau,
Universität Siegen, Fachbereich Maschinenbau, 31.7.9 Name: Matrikelnummer: Aufgabe 1 (8 Punkte) Für die Abschätzung der Lebensdauer eines Wälzlagers wird die Bestimmungsgröße K gemäß der obenstehenden
MehrAufgaben zur Analysis I aus dem Wiederholungskurs
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden
MehrApril (Voll-) Klausur Analysis I für Ingenieure. Rechenteil
April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrLösungsvorschlag zur Übungsklausur zur Analysis I
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden
MehrLösungsvorschläge zum 14. Übungsblatt.
Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine
MehrLösungen Klausur. k k (n + 1) n. für alle n N. Lösung: IA: Für n = 1 ist 1. k k + (n + 1) n+1. k k = k=1. k=1 kk = 1 1 = 1 2 = 2 1.
Lösungen Klausur Aufgabe (3 Punkte) Zeigen Sie, dass n k k (n + ) n k für alle n N. IA: Für n ist k kk 2 2. IV: Es gilt n k kk (n + ) n für ein n N. IS: Wir haben n+ k k k n k k + (n + ) n+ k IV (n + )
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
Mehr[5], [0] v 4 = + λ 3
Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrStetigkeit von Funktionen
Stetigkeit von Funktionen Definition. Es sei D ein Intervall oder D = R, x D, und f : D R eine Funktion. Wir sagen f ist stetig wenn für alle Folgen (x n ) n in D mit Grenzwert x auch die Folge der Funktionswerte
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
MehrAnalysis II WS 11/12 Serie 9 Musterlösung
Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
MehrPolynome, Interpolation, Splines und Differentiation
Technische Universität Ilmenau Postfach 0 05 65 Fakultät für Mathematik D - 98684 Ilmenau und Naturwissenschaften Germany Institut für Mathematik Tel.: 03677/69 3267 http://www.tu-ilmenau.de/site/math/neundorf.html
MehrApproximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt.
Approximation Ziel: Approximation der Funktion f(x) = x mit Polynomen (global und stückweise) Experiment: Abhängigkeit des Approximationsfehlers E(N) (in der Maximumnorm) von der Anzahl der Freiheitsgrade
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Diplomvorprüfung HÖHERE MATHEMATIK I und II für Maschinenwesen und Chemie-Ingenieurwesen
................ Note I II Name Vorname Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 3. Übung: Woche vom bis
Übungsaufgaben 3. Übung: Woche vom 27. 10. bis 31. 10. 2010 Heft Ü1: 3.14 (c,d,h); 3.15; 3.16 (a-d,f,h,j); 3.17 (d); 3.18 (a,d,f,h,j) Übungsverlegung für Gruppe VIW 05: am Mo., 4.DS, SE2 / 022 (neuer Raum).
MehrTechnische Universität Berlin. Klausur Analysis I
SS 2008 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis I 4.07.2008 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung
MehrPractical Numerical Training UKNum
Practical Numerical Training UKNum 2: Interpolation, Extrapolation, Splines Dr. C. Mordasini Max Planck Institute for Astronomy, Heidelberg Program: 1) Einführung 2) Direkte Methode 3) Dividierte Differenzmethode
MehrRepetitorium Mathe 1
Übungsaufgaben Skript Repetitorium Mathe 1 WS 2014/15 25./26.01. und 31.01./01.02.2015 Inhaltsverzeichnis 1 Bruchrechnung 2 2 Zahlsysteme 2 3 Arithmetisches und geometrisches Mittel 2 4 Wachstum 2 5 Lineare
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
MehrDie komplexe Exponentialfunktion und die Winkelfunktionen
Die komplexe Exponentialfunktion und die Winkelfunktionen In dieser Zusammenfassung werden die für uns wichtigsten Eigenschaften der komplexen und reellen Exponentialfunktion sowie der Winkelfunktionen
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrREIHENENTWICKLUNGEN. [1] Reihen mit konstanten Gliedern. [2] Potenzreihen. [3] Reihenentwicklung von Funktionen. Eine kurze Einführung Herbert Paukert
Reihenentwicklungen Herbert Paukert 1 REIHENENTWICKLUNGEN Eine kurze Einführung Herbert Paukert [1] Reihen mit konstanten Gliedern [2] Potenzreihen [3] Reihenentwicklung von Funktionen Reihenentwicklungen
MehrIV. Stetige Funktionen. Grenzwerte von Funktionen
IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es
MehrETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld
ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld Bitte wenden! 1. Die unten stehende Figur wird beschrieben durch... (a) { (x, y) R 2 x + y 1 }. Richtig! (b) { (x,
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrÜbungen Ingenieurmathematik
Übungen Ingenieurmathematik 1. Übungsblatt: Komplexe Zahlen Aufgabe 1 Bestimmen Sie Real- und Imaginärteil der folgenden komplexen Zahlen: a) z =(3+i)+(5 7i), b) z =(3 i)(5 7i), c) z =( 3+i)( 3+ 3 i),
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrÜbungen zu Numerisches Programmieren
Technische Universität München SS 009 Institut für Informatik Prof. Dr. Thomas Huckle Michael Lieb, M. Sc. Dipl.-Tech. Math. Stefanie Schraufstetter Übungen zu Numerisches Programmieren 3. Programmieraufgabe
MehrKlausurenkurs zum Staatsexamen (WS 2014/15): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 204/5): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrJoachim Puls Sigmund Stintzing Numerik für Physiker
Ludwigs-Maximilians-Universität München Sektion Physik Joachim Puls Sigmund Stintzing Numerik für Physiker zweite, überarbeitete Ausgabe (2004) Sebastian Bauer, Stephan Maciej, Benjamin Rieff Wintersemester
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrMusterlösungen zu Blatt 15, Analysis I
Musterlösungen zu Blatt 5, Analysis I WS 3/4 Inhaltsverzeichnis Aufgabe 85: Konvergenzradien Aufgabe 86: Approimation von ep() durch Polynome Aufgabe 87: Taylorreihen von cos 3 und sin Aufgabe 88: Differenzenquotienten
Mehr1 Funktionen und ihre Ableitungen
1 Funktionen und ihre Ableitungen 1.1 Funktionen Wir nennen eine Grösse y eine Funktion von x, wenn der Wert von y von demjenigen von x abhängt: Zu jedem x wird in eindeutiger Weise ein Wert von y zugeordnet.
MehrMathematik n 1
Prof. Dr. Matthias Gerdts Dr. Sven-Joachim Kimmerle Wintertrimester 0 Mathematik + Übung 6 Besprechung der Aufgaben ) - ) des Übungsblatts am jeweils ersten Übungstermin zwischen Montag, 7..0 und Donnerstag,
MehrThema 4 Limiten und Stetigkeit von Funktionen
Thema 4 Limiten und Stetigkeit von Funktionen Wir betrachten jetzt Funktionen zwischen geeigneten Punktmengen. Dazu wiederholen wir einige grundlegende Begriffe und Schreibweisen aus der Mengentheorie.
MehrKlausur zum Fach Mathematik 1 Teil 1
(Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 06.07.202 Klausur zum Fach Mathematik Teil Bearbeitungszeit: 90 Minuten Hilfsmittel: ein (beidseitig)
MehrPolynominterpolation mit Matlab.
Polynominterpolation mit Matlab. Die Matlab-Funktion polyfit a = polyfit(x,f,n-1); berechnet die Koeffizienten a = (a(1),a(2),...,a(n)); des Interpolationspolynoms p(x) = a(1)*x^(n-1) + a(2)*x^(n-2) +...
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
MehrWeitere einfache Eigenschaften elementarer Funktionen
Kapitel 6 Weitere einfache Eigenschaften elementarer Funktionen 6.1 Polynome Geg.: Polynom vom Grad n p(x) = a 0 + a 1 x +... + a n 1 x n 1 + a n x n, also mit a n 0. p(x) = x n ( a 0 x + a 1 n x +...
MehrLösungen zu Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx
MehrTaylor-Entwicklung der Exponentialfunktion.
Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunkt x 0 = 0 die
MehrAufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I
Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 2008/2009 Übung 11 Einleitung Es wird eine 15-minütige Mikroklausur geschrieben. i) Sei D R oderd C. Wann heißt
MehrÜbungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr. E. Schörner WS 203/4 Blatt 20.0.204 Übungen zur Vorlesung Differential und Integralrechnung I Lösungsvorschlag 4. a) Für a R betrachten wir die Funktion
MehrMathematik für Studierende der Erdwissenschaften Lösungen der Beispiele des 5. Übungsblatts
Mathematik für Studierende der Erdwissenschaften Lösungen der Beispiele des 5. Übungsblatts 1. Stetigkeit und Grenzwerte: (a) Aus der folgenden grafischen Darstellung von y 1 (x) = x 2/3 /(1 + x 2 ) ist
MehrBeispiel zu Umkehrfunktionen des Sinus
Beispiel zu Umkehrfunktionen des Sinus Die Funktion f : [ π, π ] [, ], x sin(x) besitzt die Umkehrfunktion f Arcsin (Hauptzweig des Arcussinus). Wir betrachten die beiden Funktionen g : [ 3 π, 5 π] [,
MehrLösungsvorschläge zur Klausur
Prüfung in Höhere Mathematik 3 6 Februar 3 Lösungsvorschläge zur Klausur für bau, ernen, fmt, IuI, mach, tema, umw, verf, geod und so weiter ; Aufgabe : Punkte Die Fläche T im R 3 sei gegeben als T : {x,y,z
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrVorlesungsvertretung Analysis II, H. P. Kiani, SoSe 2014 Ergänzungen/Erläuterungen zu den Folien von Prof. Iske
Fchbereich Mthemtik der Universität Hmburg Dr. H. P. Kini Vorlesungsvertretung Anlysis II, H. P. Kini, SoSe 4 Ergänzungen/Erläuterungen zu den Folien von Prof. Iske Qudrtur von f(x) uf [, 3] Mittelpunksregel,
MehrIntegral- und Differentialrechnungen für USW Lösungen der Beispiele des 10. Übungsblatts
Integral- und Differentialrechnungen für USW Lösungen der Beispiele des. Übungsblatts. Flächeninhalt unter einer Kurve: (a) Das bestimmte Integral von y(x) x zwischen x und x ist x dx x + + x ( ) x / (b)
Mehr11. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 200/ 2.0.-28.0. Aufgabe G (Grenzwertberechnung)
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
MehrRegulär variierende Funktionen
KAPITEL 4 Regulär variierende Funktionen Unser nächstes Ziel ist es, die Max-Anziehungsbereiche der Extremwertverteilungen zu beschreiben. Dies wird im nächsten Kapitel geschehen. Wir haben bereits gesehen,
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
MehrDynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29
Dynamische Systeme und Zeitreihenanalyse Komplexe Zahlen Kapitel 3 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.0/29 Motivation Für die
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg WS 7/8 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. März 8 Sie haben 9 Minuten Zeit zum Bearbeiten
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
MehrMathematik Übungsblatt - Lösung. b) x=2
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Sommersemester 204 Technische Informatik Bachelor IT2 Vorlesung Mathematik 2 Mathematik 2 4. Übungsblatt - Lösung Differentialrechnung
MehrKlausurenkurs zum Staatsexamen (SS 2015): Differential und Integralrechnung 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 205): Differential und Integralrechnung 6 6. (Frühjahr 2009, Thema, Aufgabe 3) Sei r > 0. Berechnen Sie die Punkte auf der Parabel y = x 2 mit dem
MehrLösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt
Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik
MehrGrundwissen 10. Überblick: Gradmaß rπ Länge eines Bogens zum Mittelpunktswinkels α: b = α
Grundwissen 0. Berechnungen an Kreis und Kugel a) Bogenmaß Beispiel: Gegeben ist ein Winkel α=50 ; dann gilt: b = b = π 50 0,8766 r r 360 Die (reelle) Zahl ist geeignet, die Größe eines Winkels anzugeben.
Mehr$Id: integral.tex,v /05/05 14:57:29 hk Exp hk $ ln(1 + t) 2 = ln 2 ln 3 + ln 2 = ln
$Id: integral.tex,v.5 2009/05/05 4:57:29 hk Exp hk $ 2 Integralrechnung 2.3 Die Integrationsregeln Wir wollen noch eine letzte kleine Anmerkung zur Substitutionsregel machen. Der letzte Schritt bei der
Mehr