6 Polynominterpolation
|
|
- Artur Boer
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n} Einfach heißt hier Polynome P n := { p : R R p(x) = a 0 + a 1 x + a 2 x a n x n, a i R } Menge der Polynome vom Grad n Unterschied zu Ausgleichsproblemen: - wenige Datenpunkte - genaue Werte Beispiel 1 (Lineare Interpolation) g(x) = 1 2 x (5,3) (1,1) 61 Polynomdarstellungen P n ist ein linearer Vektorraum der Dimension n + 1, also g P n α 0,α 1,,α n R : g = n α i p i wobei {p 0,p 1,,p n } eine Basis von P n Definition 1 (Verschiedene Polynombasen) a) Monombasis: 1, x, x 2,, x n b) Lagrangebasis zu {x 0,x 1,,x n } mit x i x j für alle i j: k 0 x 0 x k } {{ } l 0n (x), k 1 x 1 x k } {{ } l 1n (x),, k i x i x k } {{ } l in (x),, k n x n x k } {{ } l nn(x) c) Newtonbasis zu {x 0,x 2,,x n }: 1, x x 0, (x x 0 )(x x 1 ),, (x x 0 ) (x x n 1 ) ω 0 (x) ω 1 (x) ω 2 (x) ω n(x) Stephan Trenn, TU Kaiserslautern 1/8
2 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 Lösung des Interpolationsproblems ist immer bezüglich einer vorher festgelegten Basis und besteht aus den Koeffizienten α 0,,α n Beispiel 2 Finde Parabel durch die drei Punkte (0,1), (1,2), ( 5 /2, 3 /2) Lösung: - bezüglich Monomenbasis: - bezüglich Lagrangebasis: - bezüglich Newtonbasis: g(x) = 1 (x 1)(x 5 /2) 5/2 g(x) = x + ( 8 ) 15 x (x 0)(x 5 /2) 3 /2 g(x) = (x 0) + ( 8 15) (x 0)(x 1) + 3 (x 0)(x 1) 2 15/4 Satz 1 Seien Wertepaare { (x i,f i ) i = 0,,n } gegeben mit x i x j i j Dann existiert eindeutiges g P n mit g(x i ) = f i i = 1,,n Beweis Existenz: Betrachte Lagrangebasis l 0n,l 1n,,l nn und setze Es gilt j: l jn (x j ) = k j g(x j ) = n f il in (x j ) = f j g(x) = n f i l in (x) x j x k x j x k = 1 und i j: l in (x j ) = k i x j x k x i x k = 0 j = k bei einem Faktor Eindeutigkeit: Sei g P n mit g(x i ) = f i i Dann ist h := g g P n und h(x i ) = g(x i ) g(x i ) = f i f i = 0 für i = 0,1,,n Dh h ist ein Polynom n-ten Grades mit den n + 1 verschiedenen Nullstellen {x 0,x 1,,x n } h ist das Nullpolynom g = g 62 Interpolation mittels Monomenbasis Gegeben: { (x i,f i ) i = 0,,n } Gesucht: α 0,α 1,,α n mit f i = α 0 + α 1 x i + α 2 x 2 i + + α nx n i 1 x 0 x 2 0 x n 0 α 0 f 0 1 x 1 x 2 1 x n 1 α 1 f 1 = 1 } x n x 2 n {{ x n n } α n f n V n α f Stephan Trenn, TU Kaiserslautern 2/8
3 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 Lineares Gleichungssystem mit Vandermonde-Matrix V n invertierbar falls x i x j i j Kapitel 2 Problem: Kondition der Vandermonde-Matrix sehr schlecht! Beispiel 3 x 0 = 0, x 1 = h, x 2 = 2h,, x n = nh = 1 mit h = 1 /n n κ(v n ) bzgl Weiteres Problem der Monombasis: Nicht lokalisiert Insbesondere können Größenordnungen der Koeffizienten α i und der Werte f i sehr verschieden sein Beispiel 4 g(x) = x mit Werten gegeben im Interval [100, 101] f i 1 aber ( α 0 α 1 ) = 100 g(x) = x wieder mit Werten im Interval [100,101] ( α 0 α 1 ) 1 aber f i 100 Berechnung g(x) für x R n in Monobasis: Naive Berechnung: α 0 + α 1 x + + α n x n benötigt n + 1 n2 2 Additionen Multiplikationen und n Besser: g(x) = α 0 + x (α 1 + x ( + x (α n 1 + x α n ) )) Horner-Schema: β n = α n Für k = n 1,n 2m,0: β k = α k + x β k+1 g(x) = β 0 Rechenaufwand: n Multiplikationen und n Additionen Anwendung auf Beispiel 2 Wertepaare {(0,1), (1,2), ( 5 /2, 3 /2)} V 2 = 1 1 1, 1 5 /2 25/4 α 0 1 α 1 = Vn 1 2 = α 2 3/2 1 23/15 8 /15 Auswertung an Stelle x = 3 /2: β 2 = 8 15 β 1 = ( 8 15 ) = β 0 = = Stephan Trenn, TU Kaiserslautern 3/8
4 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli Interpolation mit Lagrange Basis Zu gegeben Wertepaare { (x i,f i ) R 2 i = 0,1,,n } mit x i x j ist Lösung bezüglich Lagrange Basis trivial (keine Rechnung nötig) g(x) = n f i l in (x) wobei l in (x) = k i x i x k Berechnung von g(x) für ein x R n : Naiv: (n + 1) 2n 2n 2 Multiplikationen/Divisionen und n + n 2n 2n 2 Additionen/Subtraktion, Problem der Ausöschung wenn Stützstellen dicht beieinander Alternative: Neville-Aitken-Schema Beobachtung: Bezeichne für I {0,1,2,,n} mit g I (x) das eindeutige Interpolationspolynom vom Grad I mit g I (x) = f i i I dann gilt und g i (x) = f i x R g 0,1 (x) = f 0 x x 1 x 0 x 1 + f 1 x x 0 x 1 x 0 = x x 1 x 0 x 1 g 0 (x) + x x 0 x 1 x 0 g 1 (x) (x x 1 )(x x 2 ) g 0,1,2 (x) = f 0 (x 0 x 1 )(x 0 x 2 ) + f (x x 0 )(x x 2 ) 1 (x 1 x 0 )(x 1 x 2 ) + f (x x 0 )(x x 1 ) 2 (x 2 x 0 )(x 2 x 1 ) = x x ( ) 2 x x 1 x x 0 x x 2 f 0 + f 1 f 1 x x 0 (x x 0 )(x x 2 ) + f 1 x 0 x 2 x 0 x 1 x 1 x 0 x 0 x 2 x 1 x 0 (x 1 x 0 )(x 1 x 2 ) g 0,1 (x) (x 1 x 2 ) + (x 0 x 2 ) = f 1 (x x 2 )(x x 0 ) (x 0 x 2 )(x 1 x 0 )(x 1 x 2 ) = x x 2 g 0,1 (x) + x x ( ) 0 x x 2 x x 1 f 1 + f 2 x 0 x 2 x 2 x 0 x 1 x 2 x 2 x 1 g 1,2 (x) Allgemein: +f 2 (x x 0 )(x x 1 ) (x 2 x 0 )(x 2 x 1 ) g i,i+1,,i+k (x) = x x i x i+k x i g i+1,i+2,,i+k (x) + x x i+k x i x i+k g i,i+1,,i+k 1 (x) Neville-Aitken-Schema: Stephan Trenn, TU Kaiserslautern 4/8
5 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 x 0 f 0 =: g 0 (x) g 0,1 (x) x 1 f 1 =: g 1 (x) g 0,1,2 (x) g 1,2 (x) x 2 f 2 =: g 2 (x) g 0,1,,n (x) = g(x) g n 1,n (x) g n 2,n 1,n (x) x n f n =: g n (x) Rechenaufwand 3 2 n2 Mulitplikationen/Divisionen und 2n 2 Additionen Nicht viel besser als direkte Berechnung ABER: Hinzufügen eines Interpolationspunktes führt nur zu einem zusätzlichen Rechenaufwand von 3n Multipliationen/Divisionen und 4n Additionen (nicht quadratischer Aufwand) Anwendung auf Beispiel 2: Auswertung an x = 3 /2 x 0 = 0 x 1 = 1 f 0 = 1 f 1 = 2 3/ / = 5 2 3/2 1 5/ /2 5 /2 1 5 /2 2 = /2 0 5/ /2 5 / /2 2 = x 2 = 5 2 f 2 = Interpolation mit Newton-Basis Satz 2 Zu den Wertepaaren { (x i,f i ) i = 0,,n } und für I {0,1,,n} bezeichne g I wie zuvor das eindeutige Interpolationspolynom mit g I (x i ) = f i i I Dann gilt j / I: mit δ I {j} = f j g I (x j ) i I (x j x i ) g I {j} (x) = g I (x) + δ I {j} (x x i ) i I Beweis g I {j} (x i ) = g I (x i ) + 0 = f i i I g I {j} (x j ) = g I (x j ) + f j g I (x j ) i I (x j x i ) (x j x i ) = f j i I Insbesondere gilt mit δ 0 := f 0 g(x) = δ 0 + δ 0,1 (x x 0 ) + δ 0,1,2 (x x 0 )(x x 1 ) + + δ 0,1,,n (x x 0 )(x x 1 ) (x x n 1 ) Stephan Trenn, TU Kaiserslautern 5/8
6 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 dh die rekursive Rechenvorschrift für δ 0,,k kann genutzt werden um Newton-Interpolation zu lösen Folgendes Lemma erlaubt effiziente Berechnung der Koeffizienten δ 0,1,,k, k = 0,1,,n Lemma 1 (Dividierte Differenzen) δ i,i+1,,i+k = δ i+1,i+2,,i+k δ i,i+1,,i+k 1 x i+k x i i,k Schema zur Berechnung der Newton Koeffizienten mittels dividierter Differenzen: x 0 f 0 =: δ 0 δ 0,1 x 1 f 1 =: δ 1 δ 0,1,2 δ 1,2 δ 0,1,2,3 x 2 f 2 =: δ 2 δ 1,2,3 δ 2,3 x 3 f 3 =: δ 3 Berechnung der Koeffizienten benötigt 1 2 n Multiplikationen und n2 Additionen Auswertung an Stelle x R n des Polynoms g(x) = δ 0 + δ 0,1 (x x 0 ) + δ 0,1,2 (x x 0 )(x x 1 ) + + δ 0,1,,n (x x 0 )(x x 1 ) (x x n 1 ) kann ähnlich wie beim Horner-Schema beschleunigt werden: g(x) = δ 0 + (x x 0 ) (δ 0,1 + (x x 1 ) (δ 0,1,2 + (x x 2 ) ( (δ 0,1,,n 1 + (x x n 1 ) δ 0,1,,n ) ))) Also ergibt sich folgender Auswertungsalgorithmus: p n = δ 0,1,,n Für k = n 1,,0 berechne p k = δ 0,,k + ( ) p k+1 g(x) = p 0 Rechenaufwand: n Multiplikationen + 2n Additionen Anwendung auf Beispiel 2 x 0 = 0 x 1 = 1 f 0 = 1 f 1 = = 1 3/2 2 5/2 1 = /3 1 5/2 0 = 8 15 x 2 = 5 2 f 2 = 3 2 Stephan Trenn, TU Kaiserslautern 6/8
7 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 Auswertung an Stelle x = 3 /2 p 2 = 8 15 p 1 = 1 + ( 3 2 1) ( 8 ) 15 = p 0 = 1 + ( 3 2 0) = Fehlerabschätzungen bei Polynominterpolation Annahme: Wertepaare haben die Form (x i,f(x i )) für ein f : R R und g sei Interpolationspolynom Frage: Wie groß ist f g? f 1 (x) x f 2 (x) Im Allgemeinen existiert keine obere Schranke für Fehler! Wenn aber Schranken für die Ableitungen von f bekannt sind, kann f g beschränkt werden: Satz 3 Seien x 0,x 1,,x n R mit x i x j i j, x R und I = [min{x,x 0,x 1,,x n }, max{x,x 0,x 1,,x n }] das Interpolationsinterval Dann gilt: f : I R mit stetiger (n + 1)-ten Ableitung existiert ξ I mit Insbesondere gilt f(x) g(x) = (x x 0 )(x x 1 ) (x x n ) f (n+1) (ξ) (n + 1)! f g = max z I f(z) g(z) max z I (z x i ) max ξ I (n + 1)! f (n+1) (ξ) Beobachtung: Der Faktor n (z x i) ist besonders groß, wenn z am Rand vom Interval liegt Oszillationen am Rand des Intervals: Stephan Trenn, TU Kaiserslautern 7/8
8 Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli x (x x i ) Gute Wahl für Stützstellen: Nullstellen der Tschebyscheff-Polynome gegeben durch ( ) 2j + 1 x j = cos 2n + 2 π j = 0,1,,n (auf Interval [ 1,1]) 1 1 (x x i ) x Stephan Trenn, TU Kaiserslautern 8/8
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
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
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
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
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
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
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!)
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.
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,
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
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
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
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
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
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
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
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)
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
Mehr31 Polynomringe Motivation Definition: Polynomringe
31 Polynomringe 31.1 Motivation Polynome spielen eine wichtige Rolle in vielen Berechnungen, einerseits weil oftmals funktionale Zusammenhänge durch Polynome beschrieben werden, andererseits weil Polynome
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
MehrLineare Abhängigkeit
Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies
MehrMathematik für Informatik 3
Mathematik für Informatik 3 - ANALYSIS - Folgen, Reihen und Funktionen - Funktionen mehrerer Veränderlicher - Extremwertaufgaben - Normen und Approximationen - STATISTIK - WAHRSCHEINLICHKEITSRECHNUNG Literaturempfehlungen:
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)
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
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) +...
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
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
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
MehrFunktionen (Teschl/Teschl 5.2) Beispiele. Eine Funktion (oder Abbildung) f : M N,
Funktionen (Teschl/Teschl 5.2) Eine Funktion (oder Abbildung) f : M N, x f (x) ordnet jedem Element x einer Menge M (Denitionsbereich) eindeutig ein Element y = f (x) einer Menge N (Werte- oder Bildbereich)
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
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
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
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
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
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
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
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
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.
MehrKapitel 3: Die Sätze von Euler, Fermat und Wilson. 8 Der Satz von Euler
Kapitel 3: Die Sätze von Euler, Fermat und Wilson In diesem Kapitel wollen wir nun die eulersche -Funktion verwenden, um einen berühmten Satz von Euler zu formulieren, aus dem wir dann mehrere interessante
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
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
Mehr1 Potenzen und Polynome
1 Potenzen und Polynome Für eine reelle Zahl x R und eine natürliche Zahl n N definieren wir x n := x x x... x }{{} n-mal Einschub über die bisher aufgetretenen mathematischen Symbole: Definition mittels
MehrSymmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome
Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
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
Mehr1 2. Körpererweiterungen
1 2. Körpererweiterungen 1 2. 1. Definition: Sind K, L Körper und i: K L ein Ringhomomorphismus, so ist i injektiv, wir fassen K vermöge i als Unterkörper von L auf, schreiben dafür L K und nennen L eine
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
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
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.
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,...,
MehrFunktionen (Teschl/Teschl 5.2) Beispiele. Eine Funktion (oder Abbildung) f : M N,
Funktionen (Teschl/Teschl 5.2) Eine Funktion (oder Abbildung) f : M N, x f (x) ordnet jedem Element x einer Menge M (Denitionsbereich) eindeutig ein Element y = f (x) einer Menge N (Werte- oder Bildbereich)
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
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
MehrBerechnungen mit dem Horner-Schema
Berechnungen mit dem Horner-Schema Das Hornerschema kann als Rechenhilfsmittel zur Berechnung von Funktionswerten von Polynomfunktionen, zur Faktorisieriung von Polynomen alternativ zur Polynomdivision
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...
Mehr4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9
Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )
MehrInvertierbarkeit von Matrizen
Invertierbarkeit von Matrizen Lineare Algebra I Kapitel 4 24. April 2013 Logistik Dozent: Olga Holtz, MA 417, Sprechstunden Freitag 14-16 Webseite: www.math.tu-berlin.de/ holtz Email: holtz@math.tu-berlin.de
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrKapitel 5. Vektorräume mit Skalarprodukt
Kapitel 5 Vektorräume mit Skalarprodukt 119 120 Kapitel V: Vektorräume mit Skalarprodukt 5.1 Elementare Eigenschaften des Skalarprodukts Dienstag, 20. April 04 Wollen wir in einem Vektorraum wie in der
MehrRechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
Mehr2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.
Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum
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)
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
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
MehrRekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen
Rekursive und primitiv rekursive Funktionen Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen IDEE: Definiere eine Klasse von (partiell) berechenbaren Funktionen über N induktiv
MehrNullstellenberechnung von nichtlinearen Funktionen
Kapitel 3 Nullstellenberechnung von nichtlinearen Funktionen In dieser Vorlesung wird nur die Nullstellenberechnung reeller Funktionen einer reellen Variablen f : R R betrachtet. Man nennt die Nullstellen
MehrKlausur HM I H 2005 HM I : 1
Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k
MehrLineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich
Lineare Algebra U Stammbach Professor an der ETH-Zürich I Vektorräume Kapitel I Vektorräume 1 I1 Lineare Gleichungssysteme 1 I2 Beispiele von Vektorräumen 7 I3 Definition eines Vektorraumes 8 I4 Linearkombinationen,
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrVektorräume. Kapitel Definition und Beispiele
Kapitel 3 Vektorräume 3.1 Definition und Beispiele Sei (V,,0) eine abelsche Gruppe, und sei (K, +,, 0, 1) ein Körper. Beachten Sie, dass V und K zunächst nichts miteinander zu tun haben, deshalb sollte
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
MehrDie inverse Diskrete Fourier Transformation
Die inverse Diskrete Fourier Transformation Konvertierung von der Point-value Form in Koeffizientenform. Dazu stellen wir die DFT als Matrix-Vektor Produkt dar 1 1 1... 1 1 ω n ωn 2... ωn n 1 a 0 y 0 1
MehrGrundlagen der Mathematik 1
Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben
MehrDefinition: Differenzierbare Funktionen
Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ
Mehr= 3 e e x 1 + 2x 2. + x 2. = x. x 1 = 5 x 2 = 2
Lösungsvorschläge zu Blatt 7: ) x ( ) 3 3 e + e ( ) ( ) ( )! x x + x + x x + x x x Wir haben hier also zwei verschiedene Darstellungen für einen Vektor, da zwei verschiedene Basen verwendet werden. b b
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
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
Mehr8 Lineare Abbildungen und Matrizen
8 Lineare Abbildungen und Matrizen 8.1 Lineare Abbildungen Wir beschäftigen uns nun mit Abbildungen zwischen linearen Räumen. Von besonderem Interesse sind Abbildungen, die die Struktur der linearen Räume
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrLineare Algebra I Zusammenfassung
Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition
MehrMathematik Übungsaufgaben zur Vorbereitung auf die 3. Klausur Lösung. 1. Formen Sie die Scheitel(punkt)form der quadratischen Funktion
Datum:.0.0 Thema: Quadratische Funktionen. Formen Sie die Scheitel(punkt)form der quadratischen Funktion f mit f(x) = ( x ) + in die Polynomdarstellung um und bestimmen Sie die Nullstellen und den Schnittpunkt
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
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
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................
MehrKongruenz modulo g definiert auf K[x] eine Äquivalenzrelation g : h g f h f ist durch g teilbar, und [f] g ist die Äquivalenzklasse von f.
3 Kongruenz modulo g definiert auf K[x] eine Äquivalenzrelation g : h g f h f ist durch g teilbar, und [f] g ist die Äquivalenzklasse von f 4 Auf der Menge aller Restklassen [f] g kann man Addition und
MehrKAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER
RUPRECHT-KARLS-UNIVERSITÄT HEIDELBERG MATHEMATISCHES INSTITUT SEMINAR: QUADRATISCHE FORMEN ÜBER DEN RATIONALEN ZAHLEN SOMMERSEMESTER 2007 DOZENT: PROF. DR. KAY WINGBERG ASSISTENT: JOHANNES BARTELS KAPITEL
MehrNormalengleichungen. Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b,
Normalengleichungen Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b, Normalengleichungen 1-1 Normalengleichungen Für eine beliebige
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,
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
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.:
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
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
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
Mehr