5 Interpolation und Approximation
|
|
- Frieder Schmid
- vor 6 Jahren
- Abrufe
Transkript
1 5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x) y = f(x) f 0 f f f 3 x 0 x x x 3 x Gegeben seien die Stützstellen x 0, x,..., x n (x i x j ) und die Stützwerte f 0 = f(x 0 ), f = f(x ),..., f n = f(x n ). Gesucht ist ein Polynom n-ten Grades (Grad n) P n (x) = a 0 x n + a x n a n x + a n, so dass gilt: P n (x 0 ) = f 0, P n (x ) = f,..., P n (x n ) = f n. Behauptung: Es gibt genau ein Polynom vom Grad n, das diese Aufgabe löst. Beweis: a) Eindeutigkeit: Annahme: Es gibt zwei Polynome P n (x), Q n (x) mit P n (x j ) = Q n (x j ) = f j, j = 0,...,n. Dann: gilt: D n (x) := P n (x) Q n (x) hat die n + verschiedenen Nullstellen x j, j = 0,...,n, und Grad D n n. Dies ist im Widerspruch zum Satz von Gauss ( Fundamentalsatz der Algebra ) b) Die Existenz wird mit der Lagrange-Darstellung bewiesen. A) Die Lagrange sche Darstellung Herleitung für n = 3: Es seien die vier Wertepaare (x 0,f 0 ), (x,f ), (x,f ), (x 3,f 3 ) gegeben. 49
2 5. Das Interpolationspolynom Definiert man l 0 (x) := c 0 (x x )(x x )(x x 3 ), c 0 0, gilt l 0 (x ) = l 0 (x ) = l 0 (x 3 ) = 0. Wir wählen c 0 so, dass l 0 (x 0 ) =, d.h. c 0 = (x 0 x )(x 0 x )(x 0 x 3 ). Damit ist l 0 (x) = (x x )(x x )(x x 3 ) (x 0 x )(x 0 x )(x 0 x 3 ). Analog erhält man l (x) = l (x) = l 3 (x) = (x x 0 )(x x )(x x 3 ) (x x 0 )(x x )(x x 3 ), (x x 0 )(x x )(x x 3 ) (x x 0 )(x x )(x x 3 ), (x x 0 )(x x )(x x ) (x 3 x 0 )(x 3 x )(x 3 x ). Es folgt, dass 0, i j l i (x j ) = δ ij =, i = j Wenn wir das Interpolationspolynom 3. Grades als P 3 (x) = f 0 l 0 (x) + f l (x) + f l (x) + f 3 l 3 (x). definieren, besitzt es die gewünschte Eigenschaft: P 3 (x j ) = f j, j = 0,,,3. Für ein allgemeines n lässt sich das Interpolationspolynom n-ten Grades wie folgt angeben. Definition: Das Polynom P n (x) = n f i l i (x) i=0 mit l i (x) := n j=0 j i x x j x i x j, i = 0,,...,n, heisst Interpolations-Polynom n-ten Grades (Lagrange-Darstellung). B) Die baryzentrische Darstellung Da die Auswertung des Lagrange-Polynoms für praktische Zwecke viel zu aufwendig ist, sucht man eine für numerische Zwecke geeignetere Form des Interpolationspolynoms. 50
3 5. Das Interpolationspolynom Wir definieren die sogenannten Stützkoeffizienten λ i := nj=0 j i, i = 0,,...,n, (x i x j ) die nur von den Stützstellen x j abhängen und die Grössen µ i := λ i x x i, i = 0,,...,n, die von der Stelle x abhängen, wo zu interpolieren ist. Das Interpolationspolynom lässt sich dann für x x j schreiben als P n (x) = n µ i f i i=0. n µ i i=0 Begründung: Es gilt n l i (x) = µ i (x x k ). k=0 Daraus folgt P n x = n f i l i (x) = i=0 { n } µ i f i i=0 k=0 n (x x k ). Diese Beziehung gilt für beliebige f i. Da für f i, i = 0,,...,n, gilt dass P n (x), schliessen wir daher, dass n (x x k ) = k=0 n i=0 µ i. Vorteil der baryzentrischen Darstellung: Die Stützkoeffizienten λ i lassen sich ein für alle Mal berechnen. Danach ist die Auswertung von P n (x) billig. C) Der Algorithmus von Aitken-Neville Der Algorithmus von Aitken-Neville dient zur Auswertung von P n (x) an einer gegebenen Stelle x. Herleitung für n = 3: Gegeben seien die Stützwerte f i an den Stützstellen x i, i = 0,,,3. Gesucht ist der Wert des Interpolationspolynoms an der Stelle x, d.h P(x). (Wir lassen den Index n weg, da im Verfahren zusätzliche Indizes vorkommen.) 5
4 5. Das Interpolationspolynom Verfahren: Berechne das folgende Differenzenschema spaltenweise. x 0 : f 0 = P 0 x : f = P x : f = P x 3 : f 3 = P 3 P 0 P P 3 P 0 P 3 P 03 = P(x) wobei z.b. P = P + x x x x (P P ) P 3 = P 3 + x x 3 x x 3 (P P 3 ) P 03 = P 3 + x x 3 x 0 x 3 (P 0 P 3 ) Es gilt: Für k i ist P i k (x) gleich dem Interpolationspolynom (an der Stelle x) durch (x i,f i ),..., (x k,f k ). D) Der Fehler des Interpolationspolynoms Zu x gibt es im kleinsten die Zahlen x,x 0,x,...,x n enthaltenden Intervall eine Zahl ξ, so dass gilt: f(x) P n (x) = f(n+) (ξ) n (x x i ). (n + )! i=0 Beispiel: Lineare Interpolation im Intervall (x 0,x ) y f(x) P (x) x 0 x x = x 0 + h x 5
5 5. Splineinterpolation Der Fehler beträgt in diesem Fall f(x) P (x) = f (ξ)(x x 0 )(x x ). Sei f (x) M für x [x 0,x ]. Der Betrag der Funktion l(x) := (x x 0 )(x x ) nimmt das Maximum auf [x 0,x ] im Mittelpunkt x M = (x 0 + x ) an. Deshalb gilt: f(x) P (x) 8 h M. Bemerkung: Der Interpolationsfehler wird weitgehend durch den Term l(x) := n (x x i ) i=0 bestimmt. Für äquidistante Stützstellen x i = x 0 + ih und grössere Werte n hat l(x) zwischen seinen Nullstellen x i jeweils Extremalstellen mit gegen den Rand des Intervalls [x 0,x n ] stark zunehmenden Extremalwerten: y l(x) x Ausweg: speziell gewählte Stützstellen (Tschebyscheff) stückweise polynomiale Interpolation (Nachteil: unstetige Ableitungen) 5. Splineinterpolation Idee: Anstatt die Funktion f(x) (die an n + Stützpunkten gegeben ist) durch ein Polynom vom Grad n zu approximieren, approximiert man f(x) stückweise durch Polynome von niedrigerem Grad, und zwar so, dass die Übergänge glatt sind. Vorbereitung: Wir betrachten die sogenannte Hermite-Interpolation. Gegeben: Stützstellen x < x <... < x i < x i+ <... < x n Stützwerte f = f(x ),...,f i = f(x i ),...,f n = f(x n ) Ableitungen f = f (x ),...,f i = f (x i ),...,f n = f (x n ) 53
6 5. Splineinterpolation Gesucht: Ein Polynom P i (x) (i ist die Nummer, nicht der Grad!) im Intervall [x i,x i+ ], so dass gilt: P i (x i ) = f i, P i (x i+ ) = f i+ P i (x i) = f i, P i (x i+) = f i+ (5.) y f i+ f f f i f n f f fi f i+ f n x x x i x i+ x n x Das sind 4 Bedingungen. Daraus folgt, dass P i (x) ein Polynom 3. Grades ist (Grad 3). Wir definieren h i := x i+ x i und führen mittels der Transformation x = x i + h i t die neue lokale Variable t ein, t = (x x i )/h i. Definiert man Q i (t) := P i (x i + h i t) gilt P i (x) = Q i (x x i )/h i. Also erfüllt P i (x) die Bedingungen (5.) genau dann, wenn Q i (t) die folgenden Bedingungen erfüllt: Es gilt: denn Q i (0) = f i, Q i () = f i+ Q i (0) = h i f i, Q i () = h i f i+. Q i (t) = f i ( 3 t + t 3 ) + f i+ (3t t 3 ) + h i f i (t t + t 3 ) + h i f i+ ( t + t 3 ), Q i (0) = f i, Q i () = f i+ Q i (t) = f i ( 6 t + 6t ) + f i+ (6t 6 t ) + h i f i ( 4 t + 3t ) + h i f i+ ( t + 3t ). Setzt man t = 0 und t = in Q i (t) ein, erhält man Q i (0) = h i f i, Q i () = h i f i+. Definition: Hermite-Interpolationsfunktion g(x) := P i (x) für x [x i,x i+ ]. Wie man leicht durch Einsetzen verifizieren kann, lässt sich das Polynom Q i an einer festen Stelle t einfach durch ein Differenzenschema berechnen. Dies führt zum folgenden 54
7 5. Splineinterpolation Algorithmus: (Auswertung der Hermite Interpolationsfunktion g(x) für ein festes x). Bestimme den Index i, für den x i x < x i+ gilt.. h i := x i+ x i, t := x x i h i 3. Berechnung von Q i (t) mit dem Differenzenschema: a 0 = f i a = f i+ b = h i f i b 0 = a a 0 b = h i f i+ c 0 = b 0 b c = b b 0 d 0 = c c 0 Q i (t) = a 0 + (b 0 + (c 0 + d 0 t)(t ))t = g(x) Problem: Der Algorithmus ist nur durchführbar, wenn die f i aber im Allgemeinen nicht verfügbar. durch zusätzliche Bedingungen. Dies führt auf das Kon- Ausweg: "Bestimmen" der f i zept der Splines: bekannt sind; diese sind Forderung : P i (x i+) = P i+ (x i+), i =,...,n. Das ergibt n Bedingungen an die Unbekannten f,...,f n. ( ) ( Aus P i (x) = Q x xi i h i folgt P i (x) = Q x xi h i h i i ). Damit gilt also P i (x i+ ) = Q i () h i, P i+(x i+ ) = Q i+ (0) h. i+ Somit erhalten wir in der t-koordinate Forderung : Es gilt: Q i () h i = Q i+ (0) h. i+ Daraus folgt Q i (t) = f i ( 6 + t) + f i+ (6 t) + h i f i ( t) + h i f i+ ( + 6 t) Q i () = 6f i 6 f i+ + h i f i + 4h i f i+ Q i+ (0) = 6 f i+ + 6f i+ 4 h i+ f i+ h i+ f i+. Damit erhalten wir als 55
8 5. Splineinterpolation Forderung : 6 (f i f i+ ) + f i + 4 f i+ = h i h i h i 6 h i+ Ordnet man die Terme und dividiert durch ergibt sich ( f i + + ) f i+ + ( f fi+ f i i+ = 3 h }{{} i h i h i+ h i+ h }{{}}{{} i }{{} b i a i b i+ für i =,,...,n. Die Forderung für die n Intervalle sieht also wie folgt aus. Forderung : (f i+ f i+ ) 4 h i+ f i+ h i+ f i+. c i + f i+ f i+ h i+ }{{} c i+ ), } {{ } d i+ b f + a f + b f 3 = d b f + a f 3 + b 3 f 4 = d (5.) b n f n + a n f n + b n f n = d n Das sind n Unbekannte und n Gleichungen. Die Unbekannten f i, i =,...,n, sind dadurch nicht eindeutig bestimmt. Es fehlen zwei Gleichungen. Wir stellen daher noch eine. Forderung auf (vorgeschlagen von C. de Boor): Forderung : P (x) P (x) P n (x) P n (x). Bemerkung: Diese sogenannte not a knot condition von de Boor lässt sich auf Grund von Fehleruntersuchungen motivieren: bei Stützstellen mit gleichem Abstand h ist der Interpolationsfehler der Ordnung h 4. Aus P (x) P (x) folgt P (x) = P (x), P Gleichung impliziert... Q ()/h 3 =... Q (0)/h 3. Weiter gilt... Q i (t) = f i f i+ + 6h i f i + 6h i f i+, und damit erhalten wir Forderung : f h 3 f h 3 + f h + f h = f h 3 f 3 h 3 (x) = P + f h + f 3 h (x), P, (x) = P (x). Die letzte bzw. ( h f + h ) h f ( h f 3 c = c ). h h Addiert man zu dieser letzten Gleichung die mit /h multiplizierte oberste Gleichung von (5.), erhält man 56
9 5. Splineinterpolation h ( h + h ) ( f + + h h ) f = c ( h + h ) + c + c h. Diese Gleichung geteilt durch ( f + + ) h h h ( h + h) ergibt f = c + h h + h (c + c ). (5.) Analog erhält man ( + ) f n + f n = c n + h n h n h n h n h n + h n (c n + c n ) (5.) n Fügen wir die Gleichungen (5.) und (5.) n zu(5.) hinzu, erhalten wir n Gleichungen für die n Unbekannten f,...,f n. Bemerkung: Das zu lösende Gleichungssystem für die Unbekannten f,...,f n hat tridiagonale Gestalt und kann daher besonders effizient gelöst werden. Die Spline-Interpolationsfunktion an der Stelle x kann nun also wie folgt berechnet werden:.. Bestimme die Lösung f,...,f n des tridiagonalen Gleichungssystems (5.), (5.), (5.) n.. Bestimme den Wert der Splinefunktion in x nach Hermite. Ausführlich aufgeschrieben führt das zum folgenden 57
10 5. Splineinterpolation Algorithmus: (Auswertung der Spline-Interpolationsfunktion g an der Stelle x). Bestimme die Lösung f des linearen Gleichungssystems Af = d, wobei mit A := b a b a b b a b b i := h i, i =,...,n b n a n b n a i := (b i + b i+ ), i =,...,n c i := f i+ f i h i, i =,...,n d := c + h h + h (c + c ) d i := 3(c i + c i ), i =,...,n d n := c n + a n b n h n h n + h n (c n + c n ).. Bestimme den Index i für den gilt x i x x i+. 3. Setze t = x x i h i. 4. Berechne Q i (t) = a 0 + (b 0 + (c 0 + d 0 t)(t ))t, wobei a 0 = f i b = h i f i c 0 = b 0 b a = f i+ b 0 = a a 0 d 0 = c c 0. b = h i f i+ c = b b 0 5. g(x) = Q i (t). 58
11 5. Splineinterpolation Bemerkungen: Die Matrix des linearen Gleichungssystems (5.), (5.), (5.) n ist strikt diagonaldominant (d.h. a ii > n j= a ij, i =,...,n) mit positiven Diagonalelementen. j i Daraus folgt nach dem Kriterium von Gerschgorin, dass ihre Eigenwerte alle positiv sind. Damit ist die Matrix regulär und es folgt, dass die f i eindeutig bestimmt sind und damit auch die Spline-Interpolationsfunktion. Zudem folgt daraus, dass die Lösung dieses tridiagonalen Gleichungssystems mit dem Gaussalgorithmus mit Diagonalstrategie gelöst werden kann. Dabei soll die Symmetrie berücksichtigt werden. Die f i sind die Ableitungen der Splinefunktion an den Stellen x i (und daher Näherungen zu den Ableitungen von f(x) an diesen Stellen). Der Interpolationsfehler der Spline-Interpolationsfunktion ist von der Ordnung O(h 4 ) (bei gleichabständigen Intervallen h i h, i =,...,n); die Abweichung in der. Ableitung ist von der Ordnung O(h 3 ). Wir haben hier die kubische Spline-Interpolation behandelt. Es gibt auch Spline- Interpolation höherer Ordnung. Andere Randbedingungen Anstelle der not a knot -Bedingung kann man auch andere Bedingungen stellen. Wir erwähnen zwei: i) Forderung : P (x ) = P n (x n ) = 0 Man nennt das eine natürliche Randbedingung, und sie führt auf die natürliche Spline-Interpolationsfunktion. ii) Forderung : P (x ) = P n (x n ) zur Interpolation einer periodischen Funktion. Das in diesem Fall f = f n und f = f n, gibt es nur n Unbekannte f,...,f n, und es braucht nur eine zusätzliche Gleichung zu (5.). Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x 0 3 f i Damit ist n = 5, h =. 59
12 5. Splineinterpolation Forderung : Mit Q (0) h = Q n () h Q (0) = 6f + 6f 4hf hf Q n () = 6f n 6f n + hf n + 4hf n, Division durch h und Benutzen, dass f n = f und f n = f äquivalent zu gilt, ist die Forderung 8f + f + f n = 6 h (f f n ). Fügt man diese Gleichung oben bei (5.) an, erhält man das lineare Gleichungssystem f f f 3 f 4 = Dieses besitzt die Lösung 3 f 0 =. 3 0 Die exakten Ableitungen von f(x) an diesen Stützstellen sind π,0, π,0. 60
Polynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrKapitel 4. Interpolation. 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)
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
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
MehrInhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
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,
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
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
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 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) +...
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
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
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!)
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
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
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
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
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
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrInhaltsverzeichnis. 1 Definition: Interpolationsproblem 2 1.1 Problemstellung... 2 1.2 Eigenschaften... 2 1.3 Varianten... 2
Dieser Artikel behandelt einige Interpolationsverfahren. Numerische Verfahren kann man nur mit der dazugehörigen Theorie verstehen und anwenden. Daher sind hier auch Theorie-Anteile und Beweise enthalten.
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
Mehr3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z
R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des
MehrDie Unlösbarkeit der Gleichung fünften Grades durch Radikale. Teilnehmer: Gruppenleiter:
Die Unlösbarkeit der Gleichung fünften Grades durch adikale Teilnehmer: Max Bender Marcus Gawlik Anton Milge Leonard Poetzsch Gabor adtke Miao Zhang Gruppenleiter: Jürg Kramer Andreas-Oberschule Georg-Forster-Oberschule
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
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.
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrIn der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y
Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
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
MehrFEM isoparametrisches Konzept
FEM isoparametrisches Konzept /home/lehre/vl-mhs-/folien/vorlesung/5_fem_isopara/deckblatt.tex Seite von 25. p./25 Inhaltsverzeichnis. Interpolationsfunktion für die finiten Elemente 2. Finite-Element-Typen
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
Mehr10 Extremwerte mit Nebenbedingungen
10 Extremwerte mit Nebenbedingungen 49 10 Extremwerte mit Nebenbedingungen Wir betrachten nun Extremwertaufgaben, bei denen nach dem Extremwert einer fx 1,, x n gesucht wird, aber die Menge der zulässigen
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
Mehra i x i, (1) Ein Teil der folgenden Betrachtungen gilt auch, wenn man den Körper durch einen Ring ersetzt.
Polynome Definition 1. Ein Polynom f über einem Körper K mit der Unbestimmten x ist eine formale Summe f(x) = i 0 a i x i, (1) wobei nur endlich viele der Koeffizienten a i K von Null verschieden sind.
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
MehrModellieren in der Angewandten Geologie II. Sebastian Bauer
Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
Mehr1.6 Implizite Funktionen
1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man
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
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
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
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
MehrKomplexe Zahlen. Allgemeines. Definition. Darstellungsformen. Umrechnungen
Komplexe Zahlen Allgemeines Definition Eine komplexe Zahl z x + y i besteht aus einem Realteil Re(z) x und einem Imaginärteil Im(z) y. Der Imaginärteil wird mit der Imaginären-Einheit i multipliziert.
MehrHöhere Mathematik 1 Übung 9
Aufgaben, die in der Präsenzübung nicht besprochen wurden, können in der darauf folgenden übung beim jeweiligen übungsleiter bzw. bei der jeweiligen übungsleiterin abgegeben werden. Diese Abgabe ist freiwillig
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2011 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dr Slobodan Ilic Numerisches Programmieren, Übungen 6 Übungsblatt: Stückweise Interpolation
Mehr2 Polynome und rationale Funktionen
Gleichungen spielen auch in der Ingenieurmathematik eine große Rolle. Sie beschreiben zum Beispiel Bedingungen, unter denen Vorgänge ablaufen, Gleichgewichtszustände, Punktmengen. Gleichungen für eine
MehrLineare Differenzengleichungen
Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung
MehrWir konstruieren eine Wasserrutsche!
Wir konstruieren eine Wasserrutsche! Teilnehmer: Leo Graumann Anh Vu Ho Yiyang Huang Felix Jäger Charlotte Kappler Wilhelm Mebus Alice Wamser Gruppenleiter: René Lamour Caren Tischendorf Heinrich-Hertz-Oberschule,
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrGleichungen und Ungleichungen
Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
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
MehrInterpolationsverfahren
Kapitel 3 Interpolationsverfahren Peter-Wolfgang Gräber Systemanalyse in der Wasserwirtschaft KAPITEL 3 INTERPOLATIONSVERFAHREN Problem: Durch Messung sind einige Messwerte (abhängige Variable) in Abhängigkeit
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
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
Mehr1 Grundlagen der Numerik
1 Grundlagen der Numerik 1.1 Gleitpunkt-Arithmetik Es gibt nur endlich viele Zahlen auf dem Computer. Gleitpunktzahl: x = σmb E σ: Vorzeichen B: Basis (feste Zahl >1); M: Mantisse E: Exponent B = 2 : Dualzahl
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
MehrÜbungen mit dem Applet Interpolationspolynome
Interpolationspolynome 1 Übungen mit dem Applet Interpolationspolynome 1 Ziele des Applets... 2 2 Übungen mit dem Applet... 2 2.1 Punkte... 3 2.2 y=sin(x)... 3 2.3 y=exp(x)... 4 2.4 y=x 4 x 3 +2x 2 +x...
MehrQuadrate und Wurzelziehen modulo p
Quadrate und Wurzelziehen modulo p Sei im Folgenden p eine Primzahl größer als. Wir möchten im Körper Z p Quadratwurzeln ziehen. Die Quadrierabbildung Q :Z p Z p ist aber nicht surjektiv, daher gibt es
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
MehrOptimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
MehrAufstellen der Funktionsgleichung aus gegebenen Bedingungen
R. Brinkmann http://brinkmann-du.de Seite.0.0 Aufstellen der Funktionsgleichung aus gegebenen Bedingungen Drei unterschiedliche Punkte, die alle auf einer Parabel liegen sollen sind gegeben. Daraus soll
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
MehrFacharbeit. Mathematik
Albert-Schweitzer-Gymnasium Kollegstufenjahrgang 2001/2003 Erlangen Facharbeit aus dem Fach Mathematik Thema: Splinefunktionen und ihre Anwendung Verfasser: Moritz Lenz Leistungskurs: Mathematik 1 Kursleiter:
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 15.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren Numerische
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
Mehr2. Teilbarkeit. Euklidischer Algorithmus
O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrNumerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn Verfasst von Patrick Schneider E-Mail: Patrick.Schneider@uni-ulm.de Universität Ulm Institut für Numerische Mathematik Sommersemester
MehrAbbildung 10.1: Das Bild zu Beispiel 10.1
Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,
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.
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
Mehr55 Lokale Extrema unter Nebenbedingungen
55 Lokale Extrema unter Nebenbedingungen Sei f : O R mit O R n differenzierbar. Notwendige Bescheinigung für ein lokales Extremum in p 0 ist dann die Bedingung f = 0 (siehe 52.4 und 49.14). Ist nun F :
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
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
Mehr2.2 Lineare Gleichungssysteme (LGS)
2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +
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,
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
MehrTheorie und Praxis geometrischer Algorithmen
0/36 Theorie und Praxis geometrischer Algorithmen Isolierende Intervalle: Sturmsche Ketten Rico Philipp Motivation 1/36 Was ist eine Sturmsche Kette? Wie berechnet man diese? Durch welche Eigenschaften
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
Mehr2.1 Polynome, Polynomfunktionen und Nullstellen. k=0
Kapitel 2 Polynome 2.1 Polynome, Polynomfunktionen und Nullstellen Der Polynomring R[x] Definition: Ein Polynom mit einer Variablen x über einem kommutativen Ring R ist ein formaler Ausdruck der Form p(x)
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.
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrElemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester vom 15. Januar 2006
Prof. E.-W. Zink Institut für Mathematik Humboldt-Universität zu Berlin Elemente der Algebra und Zahlentheorie Musterlösung, Serie 3, Wintersemester 2005-06 vom 15. Januar 2006 2te, korrigierte und erweiterte
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
Mehr4 Affine Koordinatensysteme
4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner
Mehr