1/26. Integration. Numerische Mathematik 1 WS 2011/12
|
|
- Gudrun Kaufman
- vor 6 Jahren
- Abrufe
Transkript
1 1/26 Integration Numerische Mathematik 1 WS 2011/12
2 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren betrachten wir sogenannte Quadraturformeln Q b a : C([a, b]) R der Form Q b a(f ) := (b a) n σ i f (x i ), i=0 wobei x 0,..., x n [a, b] und σ 0,..., σ n [0, 1].
3 Ansatz 3/26 Sei f C([a, b]). Man wähle die äquidistanten Stützstellen x i := a + i b a n, für i = 0,..., n. Es bezeichne p Π n das eindeutige Interpolationspolynom durch Die Wahl (x 0, f (x 0 )),..., (x n, f (x n )). Q b a(f ) := b führt auf die Newton-Cotes Formeln. a p(x)dx
4 4/26 Beispiel Für n = 1 hat man die Stützstellen x 0 = a und x 1 = b. Wegen a f (a)... b f (b) f (b) f (a) b a ist das eindeutige Interpolationspolynom p Π 1 gerade p(x) = Damit erhält man die Quadraturformel Q b a(f ) := b a p(x)dx (Newton-Schema)
5 Beispiel Für n = 1 hat man die Stützstellen x 0 = a und x 1 = b. Wegen a f (a)... b f (b) f (b) f (a) b a ist das eindeutige Interpolationspolynom p Π 1 gerade p(x) = f (b) f (a) b a (x a) + f (a). Damit erhält man die Quadraturformel Q b a(f ) := = b p(x)dx = a f (b) f (a) (b a) 2 b a = (b a) d.h. die Trapez-Regel. f (b) f (a) b a b a 2 + (b a)f (a) ), ( f (a) 2 + f (b) 2 (Newton-Schema) (x a)dx + (b a)f (a) 4/26
6 Newton-Cotes-Formeln Wählt man die äquidistanten Stützstellen x i := a + i b a n, für i = 0,..., n, so sind die Newton-Cotes-Formeln n σ i Q b a(f ) I b a (f ) Regel h f (2) (ξ) Trapez h f (4) (ξ) Simpson h f (6) (ξ) Milne h f (8) (ξ) Weddle mit h = (b a) und der Quadraturformel n Qa(f b ) := (b a) σ i f (x i ), i=0 exakt für alle Polynome p Π n vom Grad n. 5/26
7 6/26 Summierte Newton-Cotes-Formeln Um die Genauigkeit zu erhöhen kann man das Interval [a, b] in K -Teilintervalle der Länge unterteilen h := (b a)/k [a 1, b 1 ] [a 2, b 2 ] [a K, b K ] a = a 1 b 1 = a 2 b 2 = a b K 1 = a K b K = b und dann auf jedem Teilinterval [a i, b i ] eine Newton-Cotes Formel (im Bild in n = 4 gewählt) anwenden. Anzahl der benötigten Funktionsauswertungen: n K + 1
8 Beispiele 7/26 Summierte Trapez Regel Summierte Simpson Regel Summierte Milne Regel
9 Fehlerabschätzung 8/26 Ist also f C 6 ([a, b]) und damit M := max f (6) (x) [0, ), x [a,b] dann gilt (mit h = b a K, wie oben) z.b. für die Milne-Regel = Ia b (f ) Qa(f b ) K i=1 = M K K I b i a i (f ) Q b i a i (f ) i=1 h 7 8 f (6) (ξ i ) M 945 K i=1 h 7 (b a)7 K 7 = M(b a) 6 1 K 6.
10 Erreichbar Genauigkeit 9/26 Für n = 4 (d.h. Milne-Regel) erreicht man also (theoretisch) eine(n) Genauigkeit/Fehler von mit Hilfe von Funktionsauswertungen. E := M(b a) 6 1 K 6 F := n K + 1 = 4 K + 1
11 Erreichbar Genauigkeit Für n = 4 (d.h. Milne-Regel) erreicht man also (theoretisch) eine(n) Genauigkeit/Fehler von mit Hilfe von Funktionsauswertungen. E := M(b a) 6 1 K 6 F := n K + 1 = 4 K + 1 K = F 1 4 E(F) = M(b a) 6 1 K 6 ( 1 = M(b a) }{{} F 1 =:C ) 6 = C(F 1) 6 CF 6 9/26
12 Beispiel 10 0 Funktionsname : "Schwarz/Koeckler; Beispiel 7.2"; 1 Integrationsinterval : [0,1.5708] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen Die Kurve für Milne (- -) ist etwa: C F /26
13 Beispiel 11/ Funktionsname : "Gauss-Verteilung"; 1 Integrationsinterval : [-1,1] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen
14 Beispiel 12/26 Funktionsname : "Deufelhard; Beispiel 9.26; Nadelimpuls"; Integrationsinterval : [-1,1] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen
15 Beispiel 13/ Funktionsname : "Nicht stetig"; 2 Integrationsinterval : [-2,1] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen
16 Beispiel 14/ Funktionsname : "stetig"; 3.5 Integrationsinterval : [-3.33,1] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen
17 Beispiel 15/ Funktionsname : "stetig diff bar"; 3 Integrationsinterval : [ ,1] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen
18 Beispiel 16/ Funktionsname : "3 mal stetig diff bar"; 1.8 Integrationsinterval : [ ,1] Relativer Fehler romberg trapez simpson milne weddle Anzahl der Funktionsauswertungen
19
20 Summierte Trapez-Regel 18/26 Wenden man eine Newton-Cotes Formel auf n-teilintervalle an, so hat jedes Teilinterval die Länge h := b a n. Die summierte Trapez-Regel auf n-teilintervallen ist dann T f (h) := h ( f (a) n i=1 ) f (x i ) + f (b), 2 wobei für i = 0,..., n. x i = a + i h,
21 Euler-Maclaurinsche Summenformel 19/26 Theorem Sei f C 2m+2 ([a, b]), m 0. Dann hat die summierte Trapez-Regel die Darstellung T f (h) = τ 0 + τ 1 h τ m h 2m + O(h 2m+2 ), für h 0, wobei und τ 1,..., τ m R. τ 0 = b a f (x)dx Man will also eigentlich T f (0) bestimmen. Man kann aber nur T f (h j ) für eine endliche Anzahl h j, j = 0,..., k bestimmen.
22 Polynom in h 2 20/26 T f (h) τ 0 + τ 1 h τ m h 2m
23 Polynom in h 2 20/26 T f (h) τ 0 + τ 1 h τ m h 2m Da h 0 kann man die Funktion P f (x) := τ 0 + τ 1 x τ m x m definieren, welche ein Polynom in x ist. Dann hat man P f (h 2 ) T f (h).
24 Polynom in h 2 T f (h) τ 0 + τ 1 h τ m h 2m Da h 0 kann man die Funktion P f (x) := τ 0 + τ 1 x τ m x m definieren, welche ein Polynom in x ist. Dann hat man P f (h 2 ) T f (h). Seien 0 < x i, i = 0,..., m paarweise verschiedene Stützstellen. Dann ist das Polynom P f Π m durch die m + 1 Stützpunkte eindeutig bestimmt. (x 0, P f (x 0 )),..., (x m, P f (x m )), 20/26
25 Grundidee 21/26 P f (x) := τ 0 + τ 1 x τ m x m P f (h 2 ) = T f (h) τ 0 + τ 1 h τ m h 2m P f Π m ist eindeutig bestimmt durch (x 0, P f (x 0 )),..., (x m, P f (x m )). Man kann T f aber nur an Stellen der Form h i := b a n i, wobei n i N, auswerten. Man setzt also x i := hi 2 und erhält, dass P f Π m eindeutig bestimmt ist durch = = {(x 0, P f (x 0 )),..., (x m, P f (x m ))} { } (h0 2, P f (h0 2 )),..., (h2 m, P f (hm)) 2 { } (h0 2, T f (h 0 )),..., (hm, 2 T f (h m ))
26 Grundidee 22/26 Man berechnet also für h i := b a n i, mit n i N, die Werte von T f (h i ). Dann erfüllt das Interpolationspolynom P f Π m zu den Stützstellen die Bedingung b a (h 2 0, T f (h 0 )),..., (h 2 m, T f (h m )), f (x)dx = τ 0 = T f (0) = T f (0 2 ) = P f (0).
27 Schwarz/Köckler, Beispiel Stuetzpunkte 2 Stuetzpunkte Stuetzpunkte Stuetzpunkte /26
28 Bemerkung 24/26 Da man den Wert des Interpolationspolynoms nur an einer Stelle P f (0) auswerten muss, kann man das Schema von Neville-Aitken benutzen.
29 Romberg-Integration Es sei f C([a, b]) gegeben, n 0 < n 1 < n 2 <... eine Folge von natürlichen Zahlen (am einfachsten ist n i := 2 i ) und eine maximale Anzahl von erlaubten Funktionsauswertungen max evals. Es bezeichne h i := b a n i. Für m = 0, 1, 2,... 1 Berechne T f (h m ). Breche die Schleife dabei ab, falls insgesamt mehr als max evals Funktionsauswertungen gebraucht worden sind. 2 Berechne mit dem Schema von Neville-Aitken INT := P f (0), wobei P f Π m das eindeutige Interpolationspolynom durch (h 2 0, T f (h 0 )),..., (h 2 m, T f (h m )) ist. INT ist dann die Approximation an b a f (x)dx. 25/26
30 Profiling Wählt man in der Romberg-Integration die Folge n i = 2 i so muss man die Funktion f C([a, b]) an den folgenden Stellen auswerten: n 0 = 1 n 1 = 2 n 2 = 4 n 3 = 8 a b Den Funktionswerte an den roten Stellen kennt man also schon aus dem letzten Schritt. (Eigentlich braucht man sogar nur die (gewichtete) Summe der Funktionswerte) 26/26
KAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
Mehr1 2 x x x x x x2 + 83
Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die
Mehr6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 32 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 23.1.2009 2 / 32 Wiederholung Stückweise Polynominterpolation Stückweise lineare Interpolierende
MehrNachklausur am Donnerstag, den 7. August 2008
Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 21 Quadraturverfahren R. Steuding
Mehreps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrH.J. Oberle Analysis II SoSe Interpolation
HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,
MehrInterpolation, numerische Integration
Interpolation, numerische Integration 8. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 8. Mai 2014 Gliederung 1 Interpolation polynomial Spline 2 Numerische
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 15.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren Numerische
MehrAnalysis II. Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg
Analysis II Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 2. Juni 2008 Beachtenswertes Die Veranstaltung ist eng angelehnt
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrPolynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):
. Großübung Polynominterpolation Allgemeines Problem: Aufgrund gegebener Messwerte (Paare aus Werten i und Funktionswerten f( i )) soll ein Funktionsverlauf rekonstruiert bzw. zumeist angenähert werden.
Mehr5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
MehrKlassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
Mehr5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
MehrTechnische Numerik Numerische Integration
W I S S E N T E C H N I K L E I D E N S C H A F T Technische Numerik Numerische Integration Peter Gangl Institut für Numerische Mathematik, Technische Universität Graz c Alle Rechte vorbehalten. Nachdruck
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
MehrKLAUSUR. Mathematik IV Wolfram Koepf. Name: Vorname: Matr. Nr.:
KLAUSUR Mathematik IV 5. 3. 2007 Wolfram Koepf Name: Vorname: Matr. Nr.: Bitte lassen Sie genügend Platz zwischen den Aufgaben und beschreiben Sie nur die Vorderseite der Blätter! Zum Bestehen der Klausur
Mehr7 Numerische Integration
Numerische Mathematik 318 7 Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefert Meßwerte x i = x i + ε i. Angenommen,
MehrInterpolation und Integration mit Polynomen
Interpolation und Integration mit Polynomen Philipp Andrea Zardo Universität Kassel 23. Februar 2006 / Kassel Outline 1 Einleitung Was ist numerische Mathematik? Die eulersche e-funktion Ein Wurzelalgorithmus
MehrDiplom VP Numerik 27. August 2007
Diplom VP Numerik 27. August 2007 Multiple-Choice-Test 30 Punkte Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese
Mehr8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.
8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 014 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrNumerische Integration
Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 3 2010 1 / 87 In vielen Fällen ist es nicht möglich, ein gegebenes Integral
Mehr19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .
Universität Erlangen-Nürnberg Department Mathematik PD Dr Markus Bause Numerik I 9 Januar A Gegeben sei die Matrix A = a Führen Sie eine Zeilenskalierung der Matrix durch Klausur b Bestimmen Sie mit Hilfe
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 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}
MehrVon mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems
Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik Institut für Mathematik
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2
D-MAVT NUMERISCHE MATHEMATIK FS 4 K Nipp, A Hiltebrand Lösung vom Test Sei A ( 3 3 ) a) Bestimmen Sie κ(a), die Kondition von A (in der -Norm): κ(a) b) Berechnen Sie den Spektralradius von A: ρ(a) 4 c)
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
MehrInterpolation, numerische Integration, Eigenwerte
Neunte Vorlesung, 29. Mai 2008, Inhalt Interpolation, numerische Integration, Eigenwerte Polynomiale Interpolation (Lagrange, Newton, Neville) Splines und weitere Interpolationsverfahren numerische Integration
MehrÜbungsblatt 4 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Übungsblatt 4 Musterlösung Aufgabe 7 (Nullstellen als Eigenwerte) Die Polynome {S n } n=0,,2,, S n P n, mit führem Koeffizienten eins, heißen Orthogonalpolynome
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrÜbungsblatt 3 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA4 - SS6 Übungsblatt Musterlösung Sei M,N N und f C M+N+ (B) eine komplexe Funktion, B eine kompakte Menge. Die Padé Approximation PN M (f)(x) ist die rationale
MehrNumerische Methoden und Algorithmen in der Physik
Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 13.11.2008 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 28 Einführung Numerische Integration
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt:
MehrNumerik SS Übungsblatt 3
PROF. DR. BERND SIMEON CHRISTIAN GOBERT THOMAS MÄRZ Numerik SS 9 Übungsblatt 3 Aufgabe 1 Clenshaw-Curtis-Quadratur Wie bereits bei der Polynominterpolation bietet es sich auch zur Quadratur an Tschebysheff-
Mehr7 Numerische Integration
Numerik 337 7 Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefere Messwerte x i = x i + ε i. Angenommen, die Messfehler
MehrDie Interpolationsformel von Lagrange
Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n
MehrNumerische Integration
Numerische Integration home/lehre/vl-mhs-1/folien/uebung/num_integration/cover_sheet_5a.tex Seite 1 von 12. p.1/12 Inhaltsverzeichnis 1. Einführung 2. Newton-Cotes Formeln Rechteckformel Trapezformel Simpsonsche
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!)
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrKapitel 4. Numerische Differentiation und Integration
Kapitel 4 Numerische Differentiation und Integration Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/2 Integration und Differentiation Probleme bei der Integration und Differentiation
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
MehrÜbungsblatt 1 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA234 - SS6 Übungsblatt Musterlösung Aufgabe (Interpolationspolynom) a) Bestimmen Sie die Hilfspolynome L i, i =,,2, für x =, x = 2 und x 2 = 3 nach der Formel
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
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 Kapitel 4 Numerische
MehrInhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
MehrVF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Aussagen Diese sind mit wahr bzw falsch zu kennzeichnen (hinschreiben) Es müssen alle Fragen mit wahr
MehrBegleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
MehrSeminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken
Seminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken 25. Juni 2015 1 / 37 Übersicht 1. Ziel des Vortrags 2. Einleitung 3. Varianzreduzierende Techniken Bedingtes Monte Carlo Importance
Mehr12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = g i f(x i ) I[f] = f(x) dx
12.2 Gauß-Quadratur Erinnerung: Mit der Newton-Cotes Quadratur I n [f] = n g i f(x i ) I[f] = i=0 b a f(x) dx werden Polynome vom Grad n exakt integriert. Dabei sind die Knoten x i, 0 i n, äquidistant
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
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 06 / 07 Institut für Informatik Prof. Dr. Daniel Cremers Dr. Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen Musterlösung 5. Übungsblatt:
MehrI f AM. 2. Übung zur Numerischen Mathematik I. Hausübung. Hannover, den
Hannover, den 14.10.2002 1. Übung zur Numerischen Mathematik I Aufgabe 1.1 Man nde das Interpolationspolynom p 2 P 2, das die Funktion f(x) = cos(x) in den Punkten x k := π 2 + π k n, h = 1 n, k = 0,...,
MehrZuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
MehrKlausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016
Verständnisfragen-Teil ( Punkte) Jeder der Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte.
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
MehrApproximation, Interpolation, numerische Integration
Approximation, Interpolation, numerische Integration 7. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 12. Mai 2016 Approximation, Interpolation, numerische
Mehr2. Gauß-Integration. Prof. Dr. Wandinger 4. Scheibenelemente FEM 4.2-1
Die analytische Integration der Steifigkeitsmatrix für das Rechteckelement ist recht mühsam. Für Polynome gibt es eine einfachere Methode zur Berechnung von Integralen, ohne dass die Stammfunktion benötigt
Mehr(x x j ) x [a,b] n! j=0
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (4 Punkte Es gibt zu jeder der 1 Aufgaben vier Aussagen. Diese sind mit bzw. zu kennzeichnen (hinschreiben. Es müssen alle Fragen mit oder gekennzeichnet
MehrGMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida
GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
Mehr12 Numerische Quadratur
Numerische Qudrtur Ausgngssitution: Zu berechnen sei ein bestimmtes Integrl I = I[f] = mit einem numerischen Algorithmus. f(x) dx Verwenden Numerische Qudrtur (Qudrturformel) der Form mit I[f] I n [f]
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
MehrName Vorname Fachrichtg. Matrikelnr. Punkte Klausur Aufgabe max. Punkte Punkte. Bitte beachten!
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Mihael Höding Modulprüfung Mathematik III Fahrihtung: Computer Siene in Engineering, Computervisualistik, Informatik,
MehrInterpolation und Approximation von Funktionen
Kapitel 6 Interpolation und Approximation von Funktionen Bei ökonomischen Anwendungen tritt oft das Problem auf, dass eine analytisch nicht verwendbare (oder auch unbekannte) Funktion f durch eine numerisch
MehrNumerische Methoden 7. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 01 Institut für Analysis Prof Dr Michael Plum Dipl-Mathtechn Rainer Mandel Numerische Methoden 7 Übungsblatt Aufgabe 17: Quadratur II Die Menge aller Polynome
MehrZweite Prüfung zur Vorlesung
Prof O Scherzer P Elbau, L Mindrinos Numerische Mathematik Fakultät für Mathematik Universität Wien 4 Oktober 23 Zweite Prüfung zur Vorlesung Numerische Mathematik Erlaubte Hilfsmittel: Schriftliche Unterlagen
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV Aufgabe N1 (LR-Zerlegung mit Pivotisierung) Gegeben seien R 3.
Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV 7.7.6 Aufgabe N (LR-Zerlegung mit Pivotisierung) Gegeben seien 6 8 A = 8 6 R und b = 6 R. a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung.
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrÜbungen zur Ingenieur-Mathematik II SS 2017 Blatt Aufgabe 13: Betrachten Sie die Funktion. f(x) =
Übungen zur Ingenieur-Mathematik II SS 2017 Blatt 6 2.5.2017 Aufgabe 1: Betrachten Sie die Funktion Lösung: f(x) = 1, x [, 1]. 1 + 25x2 a) Bestimmen Sie die Interpolationspolynome vom Grad m p m (x) =
MehrName: Matrikel-Nr.: 1
Name: Matrikel-Nr.: 1 2 Name: Matrikel-Nr.: 3 Aufgabe 1. Zeigen Sie per vollständiger Induktion, dass für alle n N gilt: n k=1 k(k + 1) 2 = n(n + 1)(n + 2). 6 3 Punkte 4 Name: Matrikel-Nr.: 5 Aufgabe 2.
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Diplom VP Numerik 13. September 004 Aufgabe 1 10 0 40 Gegeben sei die Matrix A = 80 10 10. 10 5 5 (6 Punkte) a) Skalieren (Zeilenäquilibrierung)
MehrNumerische Integration
Numerische Integration Fakultät Grundlagen Januar 0 Fakultät Grundlagen Numerische Integration Übersicht Grundsätzliches Grundsätzliches Trapezregel Simpsonformel 3 Fakultät Grundlagen Numerische Integration
MehrNumerisches Programmieren
Technische Universität München WS 2009/20 Institut für Informatik Prof. Dr. Hans-Joachim Bungartz Michael Lieb, M. Sc. Dipl.-Inf. Gerrit Buse Numerisches Programmieren 2. Programmieraufgabe: Polynominterpolation
MehrNumerische Methoden der Bayes-Inferenz. Helga Wagner Bayes Statistik WS 2010/11 338
Numerische Methoden der Bayes-Inferenz Helga Wagner Bayes Statistik WS 2010/11 338 Nichtkonjugierte Analyse Bei bekannter Likelihood und Priori-Verteilung kann die nichtnormierte Dichte der Posteriori-Verteilung
MehrDiplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y.
Diplom VP Informatik/Numerik 9 September 2000 / Seite 1 1 Pivotisierung : 2 L-R-Zerlegung von A: 3 Vorwärtseinsetzen: (pivotisierung) Aufgabe 1: L-R-Zerlegung, Nachiteration A A = 4 2 10 2 6 9 2 1 6 L
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.
MehrModulprüfung Numerische Mathematik 1
Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel
MehrBeispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
Mehr3 Funktionsdefinitionen
3 Funktionsdefinitionen Ziel heute: Programmcode zu wiederverwendbaren Einheiten zusammenpacken und wieder verwenden! Technische Realisierung: Funktionsdefinitionen (mit Teilaspekten Parameterversorgung
MehrÜbungen zu Konkrete Mathematik
Technische Universität München WS 2006/2007 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Martin Buchholz Dipl.-Tech.Math. Tobias Neckel Übungen zu Konkrete Mathematik 3. Programmieraufgabe
MehrNormierte Vektorräume und lineare Abbildungen 71. kanonische Einbettung (von E in E ).
Normierte Vektorräume und lineare Abbildungen 71 Zunächst ist κx: E K linear. κxx = x x x x zeigt κx x. Mit 20.5 b dann κx = x. Damit : 21.1 Bemerkung κ : E E ist linear mit κx = x für x E. Somit ist κ
MehrKlausur,,Algorithmische Mathematik II
Institut für angewandte Mathematik Sommersemester 017 Andreas Eberle, Matthias Erbar / Behrend Heeren Klausur,,Algorithmische Mathematik II Musterlösung 1 (Unabhängige Zufallsvariablen) a) Wir bezeichnen
MehrALMA II - ÜBERBLICK NUMERIK. Jochen Garcke
ALMA II - ÜBERBLICK NUMERIK Jochen Garcke POLYNOMINTERPOLATION für Funktion f finde Polynom p Π n mit p(x j ) = f (x j ), j = 0,..., n Existenz, Eindeutigkeit z.b. per Vandermonde-Matrix, Dimension des
MehrNumerische Analysis - Matlab-Blatt 5
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Sommersemester 05 Numerische Analysis - Matlab-Blatt 5 Lösung (Besprechung
MehrName Vorname Fachrichtg. Matrikelnr. Punkte Klausur Aufgabe max. Punkte Punkte. Bitte beachten!
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Michael Höding Modulprüfung Mathematik III Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik,
MehrMathematik 1 für Bauingenieurwesen
Mathematik 1 für Bauingenieurwesen Name (bitte ausfüllen): Prüfung am 13.10.2017 Reinhard Winkler Matrikelnummer (bitte ausfüllen): Wichtige Hinweise bevor Sie beginnen: Die Prüfung besteht aus vier Aufgaben
MehrMusterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt
TU ILMENAU Institut für Mathematik Numerische Mathematik PD Dr. W. Neundorf Musterlösungen zur Leistungsnachweisklausur vom.0.006 Studiengang Informatik, Ingenieurinformatik, Lehramt 1. Lineare Algebra
MehrDr. R. Käppeli D-ITET, D-MATL Sommer Numerische Methoden Punkte
Dr. R. Käppeli D-ITET, D-MATL Sommer 217 Prüfung Numerische Methoden Wichtige Hinweise Die Prüfung dauert 9 Minuten. Erlaubte Hilfsmittel: 5 A4-Blätter doppelseitig (=1 Seiten) eigenhändig und handschriftlich
Mehr6 Numerische Integration
Numerik I 251 6 Numerische Integrtion Ziel numerischer Integrtion (Qudrtur): Näherungswerte für f(t) dt. Wozu? Eine Apprtur liefere Messwerte x i = x i + ε i. Angenommen, die Messfehler ε i sind stndrdnormlverteilt
MehrMathematik I Herbstsemester 2018 Kapitel 5: Integralrechnung
Mathematik I Herbstsemester 208 Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas / 70 5. Integralrechnung Grundbegriffe Das bestimmte Integral als Flächeninhalt Der Fundamentalsatz Partielle
MehrKapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.
Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 20 Wiederholung: Fehlerbetrachtung.
MehrA 1 A 2 A 3 A 4 A 5 A 6 A 7
Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer
MehrÖffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2017 Klausur
Prof. Dr. Manuel Torrilhon Prof. Dr. Sebastian Noelle Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen II (CES) SS 2017 Klausur 07.08.2017 Dokumentenechtes
MehrUE Numerische Mathematik für LA
06.986 UE Numerische Mathematik für LA Übungsbeispiele zur VO 06.942 Numerische Math für LA G. Schranz-Kirlinger Kapitel : Fehlerbetrachtungen. Berechnen Sie sinx dx mit Hilfe der Trapezregel für verschiedene
Mehr