Lineare Gleichungssysteme Hierarchische Matrizen
|
|
- Etta Lieselotte Reuter
- vor 6 Jahren
- Abrufe
Transkript
1 Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
2 Numerische Simulation stationäre und instationäre partielle Differentialgleichungen Potentialgleichung (Temperatur, elektromagnetische Felder,... ) Festkörpermechanik (lineare Elastostatik, Elastoplastizität,... ) Strömungsmechanik (Stokes, Navier Stokes) Kopplung verschiedener physikalischer Felder Fluid Struktur Akustik elektromechanische Felder Mehrkörpersysteme Diskretisierung Finite Element Methoden Finite Differenzen Methoden Randelementmethoden Zeitdiskretisierung Familie von linearen (nichtlinearen) Gleichungssystemen Ax = f, A R n n, n O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
3 Lineares Gleichungssystem Ax = f, A R n n, n Beschreibung und Anwendung der Systemmatrix A A heißt vollbesetzt, falls Anzahl der Nichtnullelemente von A von der Größenordnung O(n 2 ) ist. A heißt schwachbesetzt, falls Anzahl der Nichtnullelemente von A von der Größenordnung O(n log α n) ist. A heißt data sparse, falls A n 2 Nichtnullelemente besitzt, diese aber durch O(n log α n) Einträge beschrieben werden kann. A = B a a 2 a n a n a a 2... a 2 a n a A, A = B. n A (... n) = B... n.. n... n 2 A zirkulante Matrix (n Einträge) Struktur der Matrix A Rang Matrix (2n Einträge) O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
4 Lineares Gleichungssystem Ax = f, A R n n, n Lösungsverfahren direkte Verfahren Gauß Elimination mit O(n 3 ) Multiplikationen LU Zerlegung (holesky) mit O(n 3 ) Multiplikationen schnelle direkte Methoden für schwachbesetzte Matrizen strukurierte Matrizen (zirkulante Matrizen, FFT) Frage: Wird tatsächlich die exakte Lösung x = A f benötigt? Modellierungsfehler Diskretisierungsfehler Verfahrensfehler (numerische Integration, Rundungsfehler) Hinreichend genaue Lösung ist ausreichend! Iterationsverfahren klassische Iterationsverfahren (Jacobi, Gauß Seidel, SOR) Gradientenverfahren (steilster Abstieg, minimaler Defekt) Verfahren orthogonaler Richtungen (G, GMRES, BiGStab) Ziel: Effiziente Lösung von Au = f für n. O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
5 Beispiel: Bestimmung einer stückweise linearen Approximation u h (x) = u k ϕ k (x) k= ϕ k (x) Minimierungsproblem x k [ 2 n F (u) = u(x) u k ϕ k (x)] dx min, F (u) = u,...,u n u l Variationsproblem n k= u k Lineares Gleichungssystem k= ϕ k (x)ϕ l (x)dx = M h u = f, M h [l, k] = u(x)ϕ l (x)dx n ϕ k (x)ϕ l (x)dx für l =,..., n O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
6 Systemmatrix M h = h R (n+) (n+) 4 2 M h ist symmetrisch M h ist streng diagonal dominant (nur in einer Raumdimension) M h ist tridiagonal (nur in einer Raumdimension) M h ist positiv definit (gilt für beliebige Ansatzfunktionen) M h ist schwach besetzt (3n + Nichtnulleinträge) O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
7 Beispiel für n = 7 M h = 4 29 B M h = 42 B Matrix M h schwach besetzt, aber inverse Matrix M h vollbesetzt Frage: Gibt es eine Struktur in der Darstellung von M A h? A O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
8 M h = 42 B A M h M h 362 = B B «` «` ` A ist exakt als Hierarchische Matrix darstellbar! B 2 ` 7 A « ` «` A O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
9 Beispiel: Finite Element Methoden Dirichlet Randwertproblem für Poisson Gleichung u(x) = d 2 x 2 i= i u(x) = f (x) für x R d, u(x) = für x Variationsproblem u(x) v(x)dx = f (x)v(x)dx, u(x), v(x) = für x Diskretisierung mit stückweise linearen finiten Elementen K h u = f, K h [l, k] = ϕ k (x) ϕ l (x)dx mit FEM Steifigkeitsmatrix K h K h ist symmetrisch und positiv definit K h ist schwach besetzt O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
10 Beispiel: d = n = 9 K h = 9 B K h = h B R (n ) (n ) A 2 ««8 7 ` «4 2 «6 ` B 3 2 A ` B A ` ««2 5 5 ` 2 5 «8 6 «2 ` A K h ist exakt als Hierarchische Matrix darstellbar! O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
11 Neumann Randwertproblem für Laplace Gleichung u(x) = für x, u(x) = g(x) n für x u = ist Lösung des homogenen Neumann Randwertproblems u(x) = für x, n u(x) = Randwertproblem ist nicht eindeutig lösbar! Variationsproblem u(x) v(x)dx = g(x)v(x)ds x für x Lösbarkeitsbedingung v = : g(x)ds x = O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
12 FEM Diskretisierung (d = ) K h u = f, K h [l, k] = ϕ k (x) ϕ l (x)dx mit FEM Steifgkeitsmatrix 2 2 K h = R (n+) (n+) h B 2 A 2 K h ist symmetrisch K h ist schwachbesetzt K h ist singulär (Eigenvektor u = ) O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
13 Erweitertes Variationsproblem u(x) v(x)dx + u(x)dx v(x)dx = g(x)v(x)ds x v = liefert Skalierungsbedingung u(x)dx = modifzierte Steifigkeitsmatrix K h = K h + a a, a k = ϕ k (x)dx Kh ist symmetrisch und positiv definit Kh ist data sparse O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
14 Beispiel: Stokes System u(x)+ p(x) = f (x), div u(x) = für x, u(x) = für x mit Geschwindigkeitsfeld u und Druck p. Bemerkung: Druck ist nur eindeutig bis auf additive Konstante! Erweitertes Variationsproblem u(x) v(x)dx + p(x)v(x)dx = div u(x)q(x)dx + p(x)dx q(x)dx = f (x)v(x)dx O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
15 Erweitertes Variationsproblem u(x) v(x)dx + p(x)v(x)dx = div u(x)q(x)dx + p(x)dx q(x)dx = f (x)v(x)dx FEM Diskretisierung ( Ah B h ) ( u ) ( f ) B h a a p = Voraussetzung: diskrete Stabilitätsbedingung Systemmatrix positiv definit, aber Block schief symmetrisch Erweiterung auf nichtlineares Navier Stokes System O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
16 Literatur. R. Barrett et. al.: Templates for the Solution of Linear Systems. Building Blocks for Iterative Methods. SIAM, Philadelphia, A. Meister: Numerik linearer Gleichungssysteme. Eine Einführung in moderne Verfahren. Vieweg, Braunschweig, Y. Saad: Iterative Methods for Sparse Linear Systems. PWS Publishing, O. Steinbach: Lösungsverfahren für lineare Gleichungssysteme. Algorithmen und Anwendungen. B. G. Teubner, Stuttgart, Leipzig, Wiesbaden, 25. O. Steinbach Lineare Gleichungssysteme SIMNET Kurs / 6
Finite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
MehrKurze Einführung in die Finite-Elemente-Methode
Kurze Einführung in die Finite-Elemente-Methode Stefan Girke Wissenschaftliches Rechnen 23 Die Finite-Elemente-Methode In diesem Skript soll eine kurze Einführung in die Finite-Elemente-Methode gegeben
MehrBeginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
MehrNumerik partieller Differentialgleichungen I
Numerik partieller Differentialgleichungen I Bernd Simeon Skriptum zur Vorlesung im Sommersemester 2015 TU Kaiserslautern, Fachbereich Mathematik 1. Beispiele und Typeinteilung 2. Finite Differenzen für
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
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
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
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.
MehrEinführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009
Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,
MehrNumerische Mathematik für Ingenieure und Physiker
Willi Törnig Peter Spellucci Numerische Mathematik für Ingenieure und Physiker Band 1: Numerische Methoden der Algebra Zweite, überarbeitete und ergänzte Auflage Mit 15 Abbildungen > Springer-Verlag Berlin
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
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
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)
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
MehrIterative Lösung Linearer Gleichungssysteme
Iterative Lösung Linearer Gleichungssysteme E. Olszewski, H. Röck, M. Watzl 1. Jänner 00 E. Olszewski, H. Röck, M. Watzl: WAP (WS 01/0) 1 Vorwort C.F.Gauß in einem Brief vom 6.1.18 an Gerling:
MehrProf. Dr.-Ing. Christopher Bode. Finite-Elemente-Methode
Prof. Dr.-Ing. Christopher Bode Finite-Elemente-Methode Kapitel 1: Einleitung BEUTH Hochschule für Technik Berlin Prof. Dr.-Ing. C. Bode 2 Was ist FEM? Die FEM ist ein mathematisches Verfahren zur Lösung
MehrMethode der kleinsten Quadrate
Versus QR Matrizen mit vollem Rang 27. Mai 2011 Versus QR Inhaltsverzeichnis 1 2 3 Beispiel 4 Beispiel 5 6 Versus QR Kondition Vergleich Beispiel Versus QR Zu finden: Gerade, die den Punkten (0, 6), (1,
MehrSerie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
MehrParallele und verteilte Programmierung
Thomas Rauber Gudula Rünger Parallele und verteilte Programmierung Mit 165 Abbildungen und 17 Tabellen Jp Springer Inhaltsverzeichnis 1. Einleitung 1 Teil I. Architektur 2. Architektur von Parallelrechnern
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
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
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
MehrInhaltsverzeichnis. 2 Anwendungsfelder und Software Problemklassen Kommerzielle Software 12
Bernd Klein FEM Grundlagen und Anwendungen der Finite-Element-Methode im Maschinen- und Fahrzeugbau 8., verbesserte und erweiterte Auflage Mit 230 Abbildungen, 12 Fallstudien und 20 Übungsaufgaben STUDIUM
MehrMatrizenoperationen mit FORTRAN
Kapitel 2 Matrizenoperationen mit FORTRAN 21 Grundlagen Bei vielen Anwendungen müssen große zusammenhängende Datenmengen gespeichert und verarbeitet werden Deshalb ist es sinnvoll, diese Daten nicht als
MehrMatrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix
Inhaltsverzeichnis Matrizen, Gaußscher Algorithmus 1 Bestimmung der inversen Matrix Auf dieser Seite werden Matrizen und Vektoren fett gedruckt, um sie von Zahlen zu unterscheiden. Betrachtet wird das
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Lineare Gleichungssysteme treten oft als Teilprobleme bei numerischen Verfahren auf, zb: Lineare Ausgleichsprobleme (Normalgleichungen) Partielle Differentialgleichungen bei manchen
Mehr4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax
MehrIterative Lösung großer Gleichungssysteme, UE SS Angaben + Ausarbeitungen zu Übung 1, mit Anmerkungen
106.082 Iterative Lösung großer Gleichungssysteme, UE SS 2015 Angaben + Ausarbeitungen zu Übung 1, mit Anmerkungen Iterative Lösung großer Gleichungssysteme, UE (106.082), SS 2015 1. Übungsblatt 1. LU-
Mehr9. Übung zur Linearen Algebra II -
9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).
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
Mehr31 Die Potentialgleichung
3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-
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..................................
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
MehrZusatzübung Wintersemester 2010/11 1
Zusatzübung Wintersemester 2010/11 1 Aufgabe 1: (8 Punkte) Zeigen Sie durch vollständige Induktion die folgende Formel für die Potenzen der Matrix A: A = 1 1 0 1 1 1 n 0 : A n = 1 a n n a n n 1 n n (n
MehrComputational Biology: Bioelektromagnetismus und Biomechanik
Computational Biology: Bioelektromagnetismus und Biomechanik Biomechanik III Gliederung Wiederholung: Biomechanik II Spannungsanalyse Materialgleichungen Bewegungsgleichungen Biomechanik III Statische
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
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
MehrLösungsskizzen zur Klausur
sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie
MehrNebenfach Mathematik im Informatik-Studium. Martin Gugat FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26.
Nebenfach Mathematik im Informatik-Studium Martin Gugat martin.gugat@fau.de FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26. Oktober 2016 Motivation Die rigorose Analyse von Algorithmen erfordert
MehrStochastische FEM mit elementaren Zufallselementen
Stochastische FEM mit elementaren Zufallselementen Hans-Jörg Starkloff Westsächsische Hochschule Zwickau 13. Südostdeutsches Kolloquium zur Numerischen Mathematik 2007 Freiberg, 27. April 2007 Einführung
Mehr5.3 Iterative Lösungsverfahren für lineare Gleichungssysteme
5.3 Iterative Lösungsverfahren für lineare Gleichungssysteme Als zweite Hauptanwendung des Banachschen Fixpunktsatzes besprechen wir in diesem Kapitel die iterative Lösung linearer Gleichungssysteme. Die
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)
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
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
MehrFinite Elemente in Materialwissenschaften
Finite Elemente in Materialwissenschaften Dieter Süss Institut für Festkörperphysik (8. Stock gelb) Vienna University of Technology dieter.suess@tuwien.ac.at http:/// http:///suess/papers Outline Geschichte
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
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,...,
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
MehrInhaltsverzeichnis. Vorwort... v Vorwort zur ersten Auflage... vi Bezeichnungen... xiii
Inhaltsverzeichnis Vorwort... v Vorwort zur ersten Auflage... vi Bezeichnungen... xiii Kapitel I Einführung 1 1. Beispiele und Typeneinteilung... 2 Beispiele 2 Typeneinteilung 7 Sachgemäß gestellte Probleme
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
MehrCARL HANSER VERLAG. Wolfgang Eichholz, Eberhard Vilkner. Taschenbuch der Wirtschaftsmathematik
CARL HANSER VERLAG Wolfgang Eichholz, Eberhard Vilkner Taschenbuch der Wirtschaftsmathematik 3-446-22080-1 www.hanser.de Inhaltsverzeichnis 1 Grundlagen... 11 1.1 Mengen... 11 1.2 Aussagenlogik... 13 1.3
MehrÜbungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung.
Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil : Lineare Algebra und Optimierung Wintersemester Matrizenrechnung Aufgabe ( 3 0 Gegeben sind die Matrizen A = 2 5 2 4 D =
Mehr20 Kapitel 2: Eigenwertprobleme
20 Kapitel 2: Eigenwertprobleme 2.3 POTENZMETHODE Die Potenzmethode oder Vektoriteration ist eine sehr einfache, aber dennoch effektive Methode zur Bestimmung des betragsmäßig größten Eigenwertes. Um die
MehrInhaltsverzeichnis. Vorwort zur ersten Auflage. Bezeichnungen
Inhaltsverzeichnis Vorwort zur vierten Auflage Vorwort zur ersten Auflage Bezeichnungen v vi xv Kapitel I Einführung 1 1. Beispiele und Typeneinteilung 2 Beispiele 2 Typeneinteilung 7 Sachgemäß gestellte
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.
MehrDas Geheimnis. der Kaffeetasse
Das Geheimnis der Kaffeetasse Uttendorf 2005 Lutz Justen Überblick Der Kaffeetasseneffekt was ist das? Einige (nicht-numerische!) Experimente Modellierung: Lineare Elastizitätsgleichung Numerik: FEM Testrechnungen
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
Mehr1 Einführung Allgemeine Bemerkungen Einleitende Beispiele Überblick... 10
Inhaltsverzeichnis 1 Einführung...................................................... 1 1.1 Allgemeine Bemerkungen....................................... 1 1.2 Einleitende Beispiele...........................................
MehrNumerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden.
Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden Dissertation zur Erlangung des akademischen Grades doctor rerum naturalium (Dr. rer.
MehrMehrgitter-Verfahren für DG Finite-Elemente-Diskretisierungen von turbulenten Strömungen
www.dlr.de Folie 1 > STAB Workshop, 12.11.2013 > Marcel Wallraff, Tobias Leicht 12.11.2013 Mehrgitter-Verfahren für DG Finite-Elemente-Diskretisierungen von turbulenten Strömungen Marcel Wallraff, Tobias
MehrGroßes Lehrbuch der Mathematik für Ökonomen
Großes Lehrbuch der Mathematik für Ökonomen Von Professor Dr. Karl Bosch o. Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim und Professor Dr. Uwe Jensen R. Oldenbourg
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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
MehrEinführung FEM, 1D - Beispiel
Einführung FEM, D - Beispiel home/eichel/lehre/mhs/fem_intro/deckblatt.tex. p./6 Inhaltsverzeichnis D Beispiel - Finite Elemente Methode. D Aufbau Geometrie 2. Bilanzgleichungen 3. Herleitung der Finiten
MehrMATHEMATIK. Numerische Mathematik. Hans-Görg Roos/Hubert Schwetlick. Das Grundwissen für jedermann. B. G. Teubner Stuttgart Leipzig
MATHEMATIK FÜR INGENIEURE UND NATURWISSENSCHAFTLER Hans-Görg Roos/Hubert Schwetlick Numerische Mathematik Das Grundwissen für jedermann B. G. Teubner Stuttgart Leipzig Begründer dieses Lehrwerkes: Prof.
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
MehrGliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung
Matrixzerlegungen. 7. Vorlesung 170004 Numerische Methoden I Clemens Brand 29. April 2010 Gliederung Elimination faktorisiert A = L R Die A = L R Faktorisieren: Zerlege A in ein Produkt (einfacherer) Angenommen,
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrLineare Abbildungen (Teschl/Teschl 10.3, 11.2)
Lineare Abbildungen Teschl/Teschl.3,. Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:
Mehr1 Geometrie - Lösungen von linearen Gleichungen
Übungsmaterial Geometrie - Lösungen von linearen Gleichungen Lineare Gleichungen sind von der Form y = f(x) = 3x + oder y = g(x) = x + 3. Zwei oder mehr Gleichungen bilden ein Gleichungssystem. Ein Gleichungssystem
MehrEinführung in die höhere Mathematik 2
Herbert Dallmann und Karl-Heinz Elster Einführung in die höhere Mathematik 2 Lehrbuch für Naturwissenschaftler und Ingenieure ab 1. Semester Mit 153 Bildern Friedr. Vieweg & Sohn Braunschweig /Wiesbaden
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrLineare Gleichungssysteme (Teschl/Teschl 11.1)
Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...
Mehr2. Potentialströmungen
2. Potentialströmungen Bei der Umströmung schlanker Körper ist Reibung oft nur in einer dünnen Schicht um den Körper signifikant groß. Erinnerung: Strömung um ein zweidimensionales Tragflügelprofil: 1
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrInhaltsverzeichnis Einleitung Mathematische Grundlagen
Inhaltsverzeichnis 1 Einleitung 1.1 Vorgehensweise bei der FEM... 3 1.2 Verschiedene Elementtypen... 5 1.3 Beispiele zur Finite-Elemente-Methode... 10 1.3.1 Beispiel zu nichtlinearen Problemen... 10 1.3.2
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
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:
MehrLineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte
Lineare Ausgleichsprobleme Bisher: Lösung linearer GS Ax = b, A R n,n, A regulär, b R n Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Ax = b mit A R m,n, b R m, m n, rg(a)
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
MehrAlgorithmische Mathematik und Programmieren
Algorithmische Mathematik und Programmieren Martin Lanser Universität zu Köln WS 2016/2017 Organisatorisches M. Lanser (UzK) Alg. Math. und Programmieren WS 2016/2017 1 Ablauf der Vorlesung und der Übungen
MehrFinite Differenzen und Elemente
Dietrich Marsal Finite Differenzen und Elemente Numerische Lösung von Variationsproblemen und partiellen Differentialgleichungen Mit 64 Abbildungen Springer-Verlag Berlin Heidelberg NewYork London Paris
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1
D-MAVT NUMERISCHE MATHEMATIK FS 4 K. Nipp, A. Hiltebrand Lösung vom Test. Sei eps die Maschinengenauigkeit in Matlab. Dann gilt: eps/4 = Richtig / Falsch + eps/2 = Richtig / Falsch 8 + eps = 8 Richtig
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
Mehr4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden
Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser
MehrVertiefung Numerische Mathematik für den Masterstudiengang UTRM. R. Verfürth
Vertiefung Numerische Mathematik für den Masterstudiengang UTRM Vorlesungsskriptum SS 2010 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Einleitung 5 Kapitel I. Randwertprobleme
MehrMathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11
Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)
MehrWir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems
Kapitel 2 Newton Verfahren 2.1 Das lokale Newton Verfahren Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems F (x) = 0 (2.1) mit einer zumindest
Mehr4.2.3 LR-Zerlegung für diagonaldominante Matrizen
4.2 Lösungsmethoden für lineare Gleichungssysteme 4.2.3 LR-Zerlegung für diagonaldominante Matrizen Satz 4.28 besagt, dass die LR-Zerlegung für beliebige reguläre Matrizen mit Pivotierung möglich ist.
MehrMusterlösungen Online Zwischentest - Serie 10
D-MAVT, D-MATL Analysis II FS 2013 Prof. Dr. P. Biran Musterlösungen Online Zwischentest - Serie 10 Frage 1 [Prüfungsaufgabe Frühling 2011)] Sei das Vektorfeld in R 3, ( x v(x,y,z) = 2, x+y ),0 2 und der
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eine Familie von Gleichungen der Form a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2............ a m1 x 1 + a m2 x 2 +... + a mn x n = b m
Mehr4.4. Rang und Inversion einer Matrix
44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert
Mehr