Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
|
|
- Detlef Melsbach
- vor 6 Jahren
- Abrufe
Transkript
1 Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011
2 Kapitel 8 Partielle Differentialgleichungen/Randwertprobleme Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/2
3 Einführung und Beispiele Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/3
4 Einführung und Beispiele Randwertprobleme: Differentialgleichungen für eine Lösungsfunktion u auf einem Intervall (a, b), für die der Wert an den Grenzen a und b vorgegeben sind Mehrdimensionaler Fall: Differentialgleichung ist auf einer offenen Teilmenge Ω R d gegeben, enthält partielle Ableitungen der Lösungsfunktion bezüglich der Raumkoordinaten u u(x 0 + he i ) u(x 0 ) (x 0 ) = lim x i h 0 h Werte von u auf dem Rand Ω sind vorgegeben Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/4
5 Poisson-Gleichung Die Poisson-Gleichung in einer Dimension u (x) = f(x), x (a, b) In mehreren Dimensionen u(x) = f(x), x Ω Hierbei ist der Laplace-Operator: d 2 u u = x 2 i i=1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/5
6 Die Wärmeleitungsgleichung Die Wärmeleitungsgleichung u(x, t) µ 2 u(x, t) t x 2 = f(x, t) für x (a, b) und t > 0 In mehreren Dimensionen u(x, t) µ u(x, t) = f(x, t) t für x Ω R d und t > 0 t Zeit, µ thermische Leitfähigkeit Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/6
7 Wellengleichung Die Wellengleichung 2 u(x, t) t 2 c 2 2 u(x, t) x 2 = 0 für x (a, b) und t > 0 In mehreren Dimensionen 2 u(x, t) t 2 c 2 u(x, t) = 0 für x Ω R d und t > 0 c Ausbreitungsgeschwindigkeit der Wellen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/7
8 Beispiel: Thermodynamik Berechnung der Temperaturverteilung in einem Quadrat Ω Seitenlänge L Sei J(x) die Energieübertragung pro Zeiteinheit. Es gilt (Taylor) J(x) J(x + le i ) = J (x) x i Gesetz von Fourier: J ist proportional zur räumlichen Veränderung der Temperatur T. Daher: J(x) J(x + le i ) = ( kl T ) = kl 2 2 T x i x i x 2 i Summe der Energieschwankungen muss Null sein (im Gleichgewicht) d 2 T T (x) = x 2 (x) = 0 i i=1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/8
9 Beispiel: Hydrogeologie Studium von Filtrierungsprozessen in Grundwasser Zweidimensionales Gebiet Ω, besteht aus einem porösen Medium mit konstanter hydraulische Leitfähigkeit K Darcy-Gesetz: mittlere Filtrierungsgeschwindigkeit des Wassers q = (q 1, q 2, q 2 ) ist proportional der Veränderung der Wasserhöhe φ ( φ q = Kgrad(φ) = K, φ, φ ) T x 1 x 2 x 3 Massenerhaltung und konstante Dichte des Fluids führen auf 3 q i div(q) = = 0 x i=1 i Aus beiden Gleichungen zusammen folgt div(grad(φ)) = φ = 0 d.h. φ erfüllt das Poisson-Problem Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/9
10 Randbedingungen Poisson-Gleichung lässt unendlich viele Lösungen zu Für eine eindeutige Lösung müssen geeignet Bedingungen am Rand Ω gestellt werden Dirichlet-Randbedingungen schreiben den Wert von u auf Ω vor u(x) = g(x) für x Ω Neumann-Randbedingungen schreiben den Wert der Ableitung von u in Normalenrichtung am Rand vor u (x) = n grad(u) = h(x) n Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/10
11 Lösbarkeit von Randwertproblemen Eindeutige Lösbarkeit des Dirichlet-Randwertproblems kann gezeigt werden, wenn 1 die Funktionen f und g stetige sind und 2 das Gebiet Ω hinreichend regulär ist Die Lösung des Neumann-Problems ist unter den gleichen Bedingungen eindeutig, bis auf eine additive Konstante Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/11
12 Das Dirichlet-Randwertproblem Betrachte eindimensionalen Fall des Dirichlet-Randwertproblems Gegeben: zwei Konstanten α und β und eine Funktion f(x) Finde eine Funktion u(x), so dass u (x) = f(x) für x (a, b) u(a) = α u(b) = β Man kann durch zweifache Integration leicht zeigen: wenn f C 0 ([a, b]) (d.h. f ist stetig), dann existiert eine eindeutige Lösung u C 2 ([a, b]) (d.h. u ist zweimal stetig differenzierbar) Bemerkung: Das Randwertproblem kann nicht in die Form eines Cauchy-Problems gebracht werden, da u an verschiedenen Punkten vorgegeben ist. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/12
13 Finite Differenzen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/13
14 Finite Differenzen Unterteile das Intervall [a, b] in N + 1 Teilintervalle I j = [x j, x j+1 ] mit j = 0,..., N Alle Intervall haben die gleiche Breite h (der Einfachheit halber) Die Differentialgleichung muss in jedem Punkt erfüllt sein, d.h. für alle j = 1,..., N u (x j ) = f(x j ) An den Rändern gilt u(x 0 ) = α bzw. u(x N+1 ) = β Ersetze in Gl. (*) die zweite Ableitung durch eine finite Differenzenapproximation δ 2 u(x + h) 2u(x) + u(x h) u(x) = h 2 (*) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/14
15 Finite Differenzen Für alle Knoten x j mit j = 1,..., N gilt dann u j+1 2u j + u j 1 h 2 = f(x j ) und an den Rändern gilt u 0 = α bzw. u N+1 = β Fasst man die Koeffizienten in der Matrix A zusammen, die Werte an den Knoten im Lösungsvektor u = (u 1,..., u N ) T und die rechte Seite als f erhält man Au = h 2 f Bei dem ersten und letzten Eintrag der rechten Seite müssen um die Randwerte α und β korrigiert werden f = (f(x 1 ) + α/h 2, f(x 2 ),..., f(x N 1 ), f(x N ) + β/h 2 ) T Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/15
16 Finite Differenzen Die Matrix A hat folgende Form A = A ist symmetrisch und positiv definit A ist tridiagonal kann effizient mit dem Thomas-Algorithmus gelöst werden Schlecht konditioniert: Konditionszahl K(A) = λ max /λ min = Ch 2 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/16
17 Fehler der finiten Differenzen Fehler des Verfahrens (wenn f zweimal stetig differenzierbar) max u(x j) u j h2 j=0,...,n+1 96 max f (x) x [a,b] Folgerung: das Verfahren konvergiert mit Ordnung 2 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/17
18 Finite Elemente Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/18
19 Finite Elemente Alternatives Verfahren zu finiten Differenzen Betrachte das Ausgangsproblem u (x) = f(x) Multipliziere beide Seiten mit einer beliebigen Funktion v und integriere b a u (x)v(x)dx = b a f(x)v(x)dx Durch partielle Integration erhalten wir b a u (x)v (x)dx [u (x)v(x)] b a = b a f(x)v(x)dx Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/19
20 Finite Elemente Annahme v wird Null an den Rändern a und b (Dies läßt sich auch streng begründen, soll hier aber nicht gemacht werden) b a u (x) v(x)dx = b a f(x)v(x)dx (*) Gleichung (*) ist definiert für alle Funktionen u, v C 1 Einschränkung jetzt auf eine endliche Teilmenge: stückweise lineare Polynome Prof. R. Leithner, Quelle: E. Zander A. Quarteroni, Einführung F. Saleri in numerische Methoden für Ingenieure 8/20
21 Finite Elemente Raum der Stückweise linearen Polynome V h Mit Einschränkung, dass die Funktionen an den Intervallgrenzen verschwinden V 0 h Das Finite-Elemente-Approximations-Problem ist dann folgendermassen definiert: Definition (Finite Elemente Approximation) Finde u h V h, so dass u h (a) = α und u h (b) = β und b b u h (x)v h (x)dx = f(x)v(x)dx a für alle v h V 0 h a Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/21
22 Finite Elemente Basisfunktionen Funktionen in Vh 0 sind stückweise lineare Polynome Basisfunktionen φ k in der Abbildung dargestellt Jede Funktion v h in Vh 0 lässt sich darstellen als N v h (x) = v j φ j (x) mit v j = v h (x j ) j=1 Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/22
23 Finite Elemente Basisfunktionen Darstellung der Basisfunktion φ j (x): x x j 1 x j x j 1 fallsx [x j 1, x j ], x x φ j (x) = j+1 x j x j+1 fallsx [x j, x j+1 ], 0 sonst Die φ j heißen auch Formfunktionen oder Hutfunktionen Es gilt φ j (x k ) = δ jk Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/23
24 Finite Elemente Es ist ausreichend wenn die Gleichung b b u h (x)v h (x)dx = f(x)v(x)dx a nur für alle Basisfunktionen φ j erfüllt ist Sie ist dann automatisch auch für alle v h V 0 h erfüllt Einsetzen des Ansatzes u h (x) = αφ 0 (x) + a N u j φ j (x) + βφ N+1 (x) j=1 führt dann auf N lineare Gleichungen in den u j, d.h. ein lineares Gleichungssystem der Form Au = f Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/24
25 Finite Elemente In dem linearen Gleichungssystem Au = f ist die Matrix A gegeben durch (A) ij = b a φ i(x)φ j(x)dx und die rechte Seite f durch (f) i = b a f(x)φ i (x)dx Integrationen brauchen nicht über das ganze Intervall [a, b] zu laufen, sondern nur über das kleine Teilintervall, wo φ i bzw. φ j nicht Null ist Die Integration wird im Allgemeinen numerisch ausgeführt mit Methoden, wie sie in Kapitel 4 vorgestellt wurden (bevorzugt Gauss-Integration) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/25
26 Finite Elemente Wenn alle Intervalle die gleiche Länge h haben ist A die gleiche Matrix wie bei den finiten Differenzen Die rechte Seite unterscheidet sich dagegen: während bei finiten Differenzen der Vektor f die Werte von f an genau an einem Punkt enthält, sind es bei finiten Elementen gemittelte Werte Finite Elemente können auch stückweise Polynome höheren Grades verwenden, was die Genauigkeitsordnung des Verfahrens entsprechend erhöht Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/26
27 Finite Differenzen in zwei Dimensionen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/27
28 Finite Differenzen in zwei Dimensionen Betrachte partielle Differentialgleichung in einem zweidimensionalen Gebiet Ω Idee: approximiere partielle Ableitungen durch Differenzenquotienten auf einem Gitter Lösung u wird nur in den Knoten des Gitters approximiert Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/28
29 Diskretisierungsgitter Problem: Konstruktion eines geeigneten Diskretisierungsgitters Annahme: Ω ist ein Rechteck (a, b) (c, d) Unterteile (a, b) in Intervalle (x k, x k+1 ) gleicher Länge h x = (b a)/(n x + 1) mit k = 0,..., N x Unterteile (c, d) in Intervalle (y k, y k+1 ) gleicher Länge h y = (d c)/(n y + 1) mit k = 0,..., N y Knotenwerte u i,j an Gitterpunkten u(x i, y j ) gesucht Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/29
30 Diskretisierungsgitter Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/30
31 Differenzenquotienten Approximation der partiellen Ableitung durch Differenzenquotienten (wie in Kapitel 4) In x-richtung δ 2 xu i,j = u i 1,j 2u i,j + u i+1,j h 2 x In y-richtung δ 2 yu i,j = u i,j 1 2u i,j + u i,j+1 h 2 y Genauigkeitsordnung ist 2 bezüglich h x bzw. h y Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/31
32 Diskretisierung der Differentialgleichung In der partiellen Differentialgleichung ( 2 ) u x u y 2 = f(x, y) werden die partiellen Ableitungen jetzt durch die Differenzenquotienten ersetzt ( δ 2 xu i,j + δ 2 yu i,j ) = fi,j Falls das Gitter in beide Richtungen gleichmäßig ist, d.h. h x = h y = h, erhalten wir 1 h 2 (u i 1,j + u i,j 1 4u i,j + u i+1,j + u i,j+1 ) = f i,j Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/32
33 Diskretisierung der Differentialgleichung Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/33
34 Diskretisierung der Differentialgleichung Für jeden Knoten u i,j benötigt die diskretisierte Gleichung 5 Knotenwerte Name des Verfahrens auch 5-Punkt-Verfahren für den Laplace-Operator Zu den Randknoten gehörige Unbekannte werden mit u i,j = g i,j eliminert. Für die Randknoten ist i = 0 oder i = N x oder j = 0 oder j = N y. Das Verfahren hat daher nur N = N x N Y Unbekannte. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/34
35 Diskretisierung der Differentialgleichung Bringe die Knoten in lexikographische Ordnung, d.h. nummeriere von links nach rechst, dann von oben nach unten Beispiel für N x = 5, N y = 3: (1, 1), (2, 1),..., (5, 1), (1, 2),..., (5, 2), (1, 3),..., (5, 3) }{{}}{{}}{{}}{{}}{{}}{{}}{{} Die Matrix A nimmt jetzt block-tridiagonale Form an T D 0 0 D T.... A = D 0. D T D 0 0 D T Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/35
36 Diskretisierung der Differentialgleichung Die Einträge D und T sind selbst wieder Matrizen (daher block-tridiagonal) D ist eine Diagonalmatrix mit Einträgen 1/h 2 auf der Diagonalen T ist folgende tridiagonale Matrix T = h Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/36
37 Diskretisierung der Differentialgleichung Quelle: A. Quarteroni, F. Saleri Muster der zum 5-Punkte-Verfahren gehörigen Matrix mit lexikographischer Ordnung der Unbekannten Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/37
38 Diskretisierung der Differentialgleichung Die Matrix A ist symmetrisch und positiv definit A ist daher auch nicht-singulär und das System besitzt eine eindeutige Lösung A ist eine dünnbesetzte Matrix: die Anzahl der Elemente ungleich Null ist sehr viel kleiner als die gesamte Anzahl der Elemente der Matrix Alle Elemente ungleich Null liegen auf nur fünf Diagonalen Erzeugung dünnbesetzter Matrizen in Matlab mit dem Befehl sparse System kann mit direkten als auch mit iterativen Verfahren gelöst werden. Aber: die Matrix ist schlecht konditioniert für kleine h (Konditionszahl O(h 2)) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/38
39 Beispiel Beispiel: Lösen des Poisson-Problems mit rechter Seite f(x, y) = 8π 2 Dirichlet-Randbedingungen: g(0, y) = g(1, y) = 0 g(x, 0) = g(x, 1) = sin(2πx) Numerische Lösung mit dem 5-Punkte-Verfahren mit h = 1/10 und h = 1/20 Relativer Fehler in den Knoten bzw Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/39
40 Beispiel Quelle: A. Quarteroni, F. Saleri Lösung der Poisson-Gleichung mit finiten Differenzen und h = 1/10 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/40
41 Beispiel Quelle: A. Quarteroni, F. Saleri Lösung der Poisson-Gleichung mit finiten Differenzen und h = 1/20 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/41
42 Konvergenz Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/42
43 Konsistenz und Konvergenz Wie groß ist der Approximationsfehler? Geht dieser gegen Null, wenn h 0? Falls ja, d.h. max u(x i, y i ) u i,j 0 wenn h 0 i,j ist das Verfahren konvergent. Notwendige Bedingung für die Konvergenz eines Verfahrens ist die Konsistenz. Konsistenz: der lokale Abschneidefehler geht gegen Null für h 0 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/43
44 Konsistenz und Konvergenz Lokaler Abschneidefehler: der Fehler, der entsteht, wenn die exakte Lösung in das numerische Verfahren eingesetzt wird Lokaler Abschneidefehler τ h im Knoten (x i, y j ) für das 5-Punkte-Verfahren: τ h (x i, y i ) = f(x i, y j ) (u(x i 1, y j ) + u(x i, y j 1 ) 4u(x i, y j ) + u(x i, y j+1 ) + u(x i+1, y j ))/h 2 Es lässt sich schließen (Hinweis: Taylor-Entwicklung in zwei Variablen), dass lim τ h(x i, y j ) = 0 h 0 D.h. das Verfahren ist konsistent. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/44
45 Konsistenz und Konvergenz Ferner kann man zeigen, dass das Verfahren auch konvergent ist. Es gilt folgender Satz: Satz (Konvergenz des 5-Punkte-Verfahrens) Sei die exakte Lösung u C 4 ( Ω), das heißt, all ihre Ableitungen bis zur vierten Ordnung sind auf dem abgeschlossenen Gebiet Ω stetig. Dann existiert eine Konstante C > 0, so dass max u(x i, y j ) u i,j CMh 2, i,j wobei M der maximale Absolutbetrag der vierten Ableitung von u in Ω ist. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/45
46 Zusammenfassung Randwertprobleme sind Differentialgleichungen auf einem Gebiet Ω R d (einem Intervall, falls d = 1), die Informationen über die Lösung auf dem Rand von Ω benötigen; Die Approximation mit finiten Differenzen basiert auf der Diskretisierung einer gegebenen Differentialgleichung in ausgewählten Punkten (Knoten genannt), in denen die Ableitungen durch Finite-Differenzen-Formeln ersetzt werden; Das Verfahren der finiten Differenzen erzeugt einen Vektor, dessen Komponenten bezüglich der Schrittweite quadratisch gegen die exakte Lösung konvergieren; Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/46
47 Zusammenfassung Das Verfahren der finiten Elemente basiert auf einer geeigneten Umformulierung der ursprünglichen Differentialgleichung und auf der Annahme, dass die angenäherte Lösung ein stückweise stetiges Polynom ist; Die zu den Diskretisierungen mit finiten Differenzen und finiten Elementen gehörigen Matrizen sind dünn besetzt und schlecht konditioniert. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 8/47
Kevin 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
MehrOptimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz
Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
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
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
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,
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
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
Mehr2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also
Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
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
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
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.
MehrComputer Vision: Optische Flüsse
Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrNumerisches Programmieren
Technische Universität München WS /3 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Inf Dipl-Math Jürgen Bräckle Numerisches Programmieren Programmieraufgabe: Polnominterpolation,
MehrFB IV Mathematik Universität Trier. Präsentation von Nadja Wecker
FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrSemidiskretisierung der PDA-Systeme
Kapitel 4 Semidisretisierung der PDA-Systeme Eine Möglicheit zur numerischen Behandlung von Anfangsrandwertproblemen partieller Differentialgleichungen ist die Linienmethode method of lines, MOL, vgl.
MehrMathematik I Internationales Wirtschaftsingenieurwesen
Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:
MehrModellierung, Simulation, Optimierung Diskretisierung 1
Modellierung, Simulation, Optimierung Diskretisierung Prof. Michael Resch Dr. Martin Bernreuther, Dr. Natalia Currle-Linde, Dr. Martin Hecht, Uwe Küster, Dr. Oliver Mangold, Melanie Mochmann, Christoph
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
Mehr4 Runge-Kutta-Verfahren
Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrNichtlineare Optimierungsprobleme mit Komplexität
Definition eines Nichtlinearen Optimierungsproblemes (NLP) min f (x) bzw. min f (x) s.d. x S x S wobei die zulässige Menge S R n typischerweise definiert ist durch S {x R n : h(x) =, c(x) } für Gleichungs-
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrWir unterscheiden folgende drei Schritte im Design paralleler Algorithmen:
1 Parallele Algorithmen Grundlagen Parallele Algorithmen Grundlagen Wir unterscheiden folgende drei Schritte im Design paralleler Algorithmen: Dekomposition eines Problems in unabhängige Teilaufgaben.
MehrÜbungen zur Numerischen Mathematik 2 Sommersemester 2014. Übungsblatt 13
Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Prof. Dr. Dres. h.c. Hans Georg Bock Dr. Christian Kirches Dipl.-Phys. Simon Lenz Übungen zur Numerischen Mathematik 2 Sommersemester
MehrGleichungen - Aufgabenstellung und Lösungsstrategien
Gleichungen - Aufgabenstellung und Lösungsstrategien Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 25, A-6020 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at 18. Juli 2006 1 Einleitung
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
Mehr3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrMathematik für Bioinformatik und Systembiologie. - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz
Mathematik für Bioinformatik und Systembiologie - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz WS 2009/10 Universität Freiburg Dieses Vorlesungsskript ist auf der Basis von Vorlesungen
MehrDefinition und Eigenschaften Finiter Elemente
Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrSchnelle Lösung großer Gleichungssysteme
Schnelle Lösung großer Gleichungssysteme Anton Schüller 1 Ulrich Trottenberg 1,2 Roman Wienands 2 1 Fraunhofer-Institut Algorithmen und Wissenschaftliches Rechnen SCAI 2 Mathematisches Institut der Universität
Mehr2.4 Adaptive Verfahren mit Schrittweitensteuerung
0 0 0 Euler und RK4 fuer f(t,y) = t 0. Euler RK4 /N 0 0 f(t,y) =. t 0., graduiertes Gitter RK4 /N 4 Fehler bei T = 0 3 0 4 0 5 Fehler bei T = 0 5 0 0 0 6 0 7 0 0 0 0 2 0 3 0 4 0 5 Anzahl Schritte N 0 5
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
Mehr5.1 Einführung. 5.2 Die Raumdiskretisierung. Vorlesungsskript Hydraulik II 5-1
Vorlesungsskript Hydraulik II 5-5 Numerische Methoden Das vorliegende Kapitel dient dazu, numerische Methoden unabhängig vom Anwendungsgebiet einzuführen. Es soll die Grundzüge der verschiedenen Verfahren
MehrStabilität mittels Ljapunov Funktion
Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrAnalysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11.
ETH EIDGENÖSSISCHE TECHNISCHE HOCHSCHULE ZÜRICH Analysis mit dem Computer-Algebra-System des TI-92 Anhang 2: Gedanken zum Lehrplan Beat Eicke und Edmund Holzherr 11. November 1997 Eidgenössische Technische
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
MehrMusterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung
Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrVorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
Mehr(Lineare) stochastische Optimierung
(Lineare) stochastische Optimierung Bsp: Aus zwei Sorten Rohöl wird Benzin und Heizöl erzeugt. Die Produktivität sowie der Mindestbedarf (pro Woche) und die Kosten sind in folgender Tabelle angegeben:
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
MehrMultiple-Choice Test. Alle Fragen können mit Hilfe der Versuchsanleitung richtig gelöst werden.
PCG-Grundpraktikum Versuch 8- Reale Gas Multiple-Choice Test Zu jedem Versuch im PCG wird ein Vorgespräch durchgeführt. Für den Versuch Reale Gas wird dieses Vorgespräch durch einen Multiple-Choice Test
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrOptimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
MehrDie Methode der Finiten Elemente
KAPITEL 2 Die Methode der Finiten Elemente 1. Theoretische Grundlagen Wir bezeichnen im Folgenden mit H m (Ω) L 2 (Ω), Ω R n offen, den Sobolevraum aller Funktionen mit schwachen Ableitungen α u in L 2
MehrEine Kurzanleitung zu Mathematica
MOSES Projekt, GL, Juni 2003 Eine Kurzanleitung zu Mathematica Wir geben im Folgenden eine sehr kurze Einführung in die Möglichkeiten, die das Computer Algebra System Mathematica bietet. Diese Datei selbst
MehrExtremwertverteilungen
Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen
MehrTaylorentwicklung der k ten Dimension
Taylorentwicklung der k ten Dimension 1.) Taylorentwicklung... 2 1.1.) Vorgehenesweise... 2 1.2.) Beispiel: f ((x, y)) = e x2 +y 2 8x 2 4y 4... 3 2.) Realisierung des Algorithmus im CAS Sage Math... 5
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrAnalytische Methoden und die Black-Scholes Modelle
Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
Mehr4 Greedy-Algorithmen (gierige Algorithmen)
Greedy-Algorithmen (gierige Algorithmen) Greedy-Algorithmen werden oft für die exakte oder approximative Lösung von Optimierungsproblemen verwendet. Typischerweise konstruiert ein Greedy-Algorithmus eine
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrSimulation elektrischer Schaltungen
Simulation elektrischer Schaltungen mittels Modizierter Knotenanalyse Teilnehmer: Artur Stephan Andreas Dietrich Thomas Schoppe Maximilian Gruber Jacob Zschuppe Sven Wittig Gruppenleiter: René Lamour Heinrich-Hertz-Oberschule,
MehrGeoadditive Regression
Seminar: Stochastische Geometrie und ihre Anwendungen - Zufallsfelder Universität Ulm 27.01.2009 Inhalt Einleitung 1 Einleitung 2 3 Penalisierung 4 Idee Variogramm und Kovarianz Gewöhnliches Ansatz für
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrOptimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg
Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei
Mehr13. Abzählen von Null- und Polstellen
13. Abzählen von Null- und Polstellen 77 13. Abzählen von Null- und Polstellen Als weitere Anwendung des Residuensatzes wollen wir nun sehen, wie man ot au einache Art berechnen kann, wie viele Null- bzw.
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrMathematik I für Wirtschaftswissenschaftler
1 Mathematik I für Wirtschaftswissenschaftler Lösungsvorschläge zur Klausur am 01.08.2003. Bitte unbedingt beachten: a) Verlangt und gewertet werden alle vier gestellten Aufgaben. Alle Aufgaben sind gleichwertig.
MehrDünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im Vergleich zu voll besetzten Matrizen. Besetzungsmuster mit spy.
170 005 Übungen zu Numerische Methoden I Fünfte Übungseinheit 21. März, 22. und 23. April 2013 Inhalt der fünften Übungseinheit: Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
MehrZuammenfassung: Reelle Funktionen
Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,
MehrPraktikum Wissenschaftliches Rechnen 3. Aufgabenblatt
Institut für Wissenschaftliches Rechnen Technische Universität Braunschweig Prof. Hermann G. Matthies, Ph. D. Dipl.-inform. Oliver Kayser-Herold Praktikum Wissenschaftliches Rechnen 3. Aufgabenblatt Wir
MehrNumerische Verfahren zur Lösung nichtlinearer Gleichungen
Kapitel 2 Numerische Verfahren zur Lösung nichtlinearer Gleichungen 21 Aufgabenstellung und Motivation Ist f eine in einem abgeschlossenen Intervall I = [a, b] stetige und reellwertige Funktion, so heißt
Mehr