Ausgleichsproblem. Definition (1.0.3)
|
|
- Peter Messner
- vor 6 Jahren
- Abrufe
Transkript
1 Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst genau gilt: f(x i ) y i für i = 1,..., n. Bemerkungen: Ist die Menge der stetigen Funktionen nicht eingeschränkt, so ist die optimale Funktion, die sogar f(x i ) = y i erfüllt, das Interpolationspolynom. Aber: Beim Ausgleichsproblem ist nicht verlangt, dass die Funktion genau durch die gegebenen Wertepaare verläuft. In vielen Anwendungen sind die Wertepaare Messdaten, die mit einem Fehler behaftet sind. Dann ist die Forderung, dass die Funktion durch die Wertepaare verläuft, wenig sinnvoll.
2 Ausgleichsproblem Definition (1.0.4) Gegeben sei eine Menge F von stetigen Funktionen auf einem Intervall [a, b] (F C ([a, b])) n Wertepaare (x i, y i ), i = 1,..., n. Eine Funktion f F heißt Ausgleichsfunktion zu den Wertepaaren, falls das Fehlerfunktional E(f) := n ( ) 2 y i f(x i ) für f minimal wird, d.h. E(f) = min{e(g) g F}. Die Menge F nennt man auch Ansatzfunktionen.
3 Ausgleichsproblem Bemerkungen: Das gefene f ist optimal im Sinne der kleinsten Fehlerquadrate. Dies entspricht der Forderung, dass die 2-Norm des Fehlervektors (f(x 1 ) y 1, f(x 2 ) y 2,..., f(x n ) y n ) T minimal werden soll. Alternativ können andere Normen des Fehlervektors zur Minimierung berechnet werden, jedoch wird die 2-Norm am häufigsten verwendet. Die Fehler können mit Gewichten ω i belegt werden, d.h. n ω i(f(x i ) y i ) 2, wobei ω i > 0 Konstante sind. Hierdurch können z.b. Messwerte aus qualitativ schlechterer Messung geringer gewichtet werden, indem sie mit einem Faktor ω i < 1 multipliziert werden. In Anwendungen wählt man oft F als die Menge aller Geraden. Das so gefene f nennt man Ausgleichsgerade oder Regressionsgerade.
4 Beispiel Zu den Wertepaaren x i y i Ausgleichsgerade bestimmt werden. soll die Lösung: Gesucht ist die Ausgleichsgerade in der Form y = ax + b, also F := {a 1 f 1 + a 2 f 2 a 1, a 2 R} mit den Ansatzfunktionen f 1 (x) = x f 2 (x) = 1. Das Fehlerfunktional hat dann die Form E(f(a, b)) := 4 (y i f(x i )) 2 = 4 (y i (ax i + b)) 2
5 Das Fehlerfunktional E(f(a, b)) soll minimal werden, d.h. die partiellen Ableitungen nach den Parametern a b müssen verschwinden: 0 = 0 = E(f(a, b)) a E(f(a, b)) b = 2 = 2 n (y i (ax i + b))x i n (y i (ax i + b)) Dies liefert 2 Gleichungen für die beiden Unbekannten a b. Nach wenigen Umformungen erhält man: n n a x 2 i + b x i = a n x i + b n 1 = n y i x i n y i
6 Dies ist ein lineares Gleichungssystem für die beiden Unbekannten a b, das sich in Matrix-Vektor-Form schreiben lässt als: ( n x2 i n x i n x i n ) ( ) a = b ( n y ) ix i n y i Nach Einsetzen der Werte für x i y i erhält man: ( ) ( ) ( ) a 91.6 = a = 1.67, b = b 33.3 Die Ausgleichsgerade ist: y = 1.67x
7 Definition (1.1.1) Gegeben sind Basisfunktionen f 1,..., f m, F := {λ 1 f 1 + λ 2 f λ m f m λ i R für alle i = 1,..., m} sowie n Wertepaare (x i, y i ), i = 1,..., n. Man sagt, dass ein lineares Ausgleichsproblem vorliegt. Weiter sei für f = m j=1 λ jf j F: E(λ 1, λ 2,..., λ m ) := = n (y i f(x i )) 2 n ( y i m j=1 = y Aλ 2 2. ) 2 λ j f j (x i )
8 Hierbei ist A = f 1 (x 1 ) f 2 (x 1 )... f m (x 1 ) f 1 (x 2 ) f 2 (x 2 )... f m (x 2 ).... f 1 (x n ) f 2 (x n )... f m (x n ) y = y 1. y n, λ = λ 1. λ m. Das System A λ = y heißt Fehlergleichungssystem.
9 Normalgleichungen Definition (1.1.2) Die Gleichungen 0 = E(f(λ 1, λ 2,..., λ m )) λ i, i = 1,..., m heißen Normalgleichungen zum linearen Ausgleichsproblem. Das System der Normalgleichungen heißt Normalgleichungssystem; es lässt sich als lineares Gleichungssystem in der Form schreiben. A T Aλ = A T y
10 Normalgleichungen Bemerkungen: Das Fehlergleichungssystem besitzt n Gleichungen m Unbekannte. In der Regel ist n > m, d.h. es gibt mehr Wertepaare als zu bestimmende Parameter. Das Gleichungssystem ist überbestimmt. Es gibt nicht immer eine Lösung. Zur Lösung des Ausgleichsproblems muss das Fehlerfunktional in den Parametern minimal werden, d.h. die partiellen Ableitungen nach den Parametern müssen verschwinden. Die Lösungen der Normalgleichungen sind die gesuchten Parameter des Ausgleichsproblems. Das Lösen der Normalgleichungen eines linearen Ausgleichsproblems entspricht dem Lösen eines linearen Gleichungssystems mit symmetrischer m m Matrix A T A, rechter Seite A T y gesuchtem Lösungsvektor λ R m.
11 Beispiel Gesucht ist das lineare Gleichungssystem bestehend aus den Normalgleichungen zu den Wertepaaren: x i y i Lösung: Gegeben sind f 1 (x) = x, f 2 (x) = 1 n = 4 Wertepaare. Die Matrix A ist also eine 4 2 Matrix A = f 1 (x 1 ) f 2 (x 1 ) f 1 (x 2 ) f 2 (x 2 ) f 1 (x 3 ) f 2 (x 3 ) f 1 (x 4 ) f 2 (x 4 ) = f 1 (1) f 2 (1) f 1 (2) f 2 (2) f 1 (3) f 2 (3) f 1 (4) f 2 (4) =
12 A T A = A T y = ( ( ) ) = ( = ( ) ), Damit ist A T Aλ = A T y dasselbe Gleichungssystem wie aus dem vorherigen Beispiel.
13 Beispiel Gegeben sind die Messdaten x i y i Gesucht ist eine Funktion f(x) = ae x + b, die die Daten bestmöglich bzgl. der kleinsten Fehlerquadrate approximiert. Lösung: Die Ansatzfunktionen lauten f 1 (x) = e x f 2 (x) = 1. Das Fehlergleichungssystem hat dann die Form: Aλ = y λ =
14 Hieraus ergibt sich das zugehörige Normalgleichungssystem ( ) ( A T Aλ = A T y λ = ) Dieses System hat die Lösung ( ) damit die Lösung für die Ausgleichsfunktion f(x) = 2.49e x
15 Bild
16 Nichtlineares Ausgleichsproblem Definition (1.1.3) Gegeben sei eine Menge F von Ansatzfunktionen f p, die von m Parametern λ 1, λ 2,..., λ m abhängen: F := {f p (λ 1, λ 2,..., λ m ) λ i R für alle i = 1,..., m}, sowie n Wertepaare (x i, y i ), i = 1,..., n. Das Fehlerfunktional lautet dann n E(λ 1, λ 2,..., λ m ) = (y i f p (λ 1, λ 2,..., λ m, x i )) 2
17 Nichtlineares Ausgleichsproblem Mit den Bezeichnungen f(λ 1,..., λ m ) := := f 1 (λ 1,..., λ m ). f n (λ 1,..., λ m ) y 1 f p (λ 1,..., λ m, x 1 ). y n f p (λ 1,..., λ m, x n ) lässt sich das Fehlerfunktional E(λ 1,..., λ m ) schreiben als: E(λ 1,..., λ m ) = n f i (λ 1,..., λ m ) 2 = f(λ 1,..., λ m ) 2 2 = f(λ) 2 2
18 Nichtlineares Ausgleichsproblem Die Lösung des Ausgleichsproblems entspricht der Aufgabe: Bestimme λ 1, λ 2,..., λ m so, dass E(λ 1, λ 2,..., λ m ) minimal wird unter allen zulässigen Parameterbedingungen. Bemerkung: Für Ansatzfunktionen f p, die linear in den Parametern sind, entspricht die Definition dem linearen Ausgleichsproblem. Das allgemeine Ausgleichsproblem erfordert die Bestimmung des Minimums der Funktion E : R m R. Hierzu können die Normalengleichungen aufgestellt werden, indem die partiellen Ableitungen von f nach den Parametern λ i gleich Null gesetzt das resultierende nichtlineare Gleichungssystem gelöst wird.
19 Beispiel An folgende Daten x i soll eine y i Ansatzfunktion f(x) = ae bx bestmöglich im Sinne der kleinsten Fehlerquadrate angepasst werden. Lösung: Die Parameter a b der Ansatzfunktion f p (a, b, x) = ae bx müssen so bestimmt werden, dass E(a, b) := 5 ( y i f p (a, b, x i ) ) 2 = 5 ( ) 2 y i ae bx i minimal wird.
20 Nichtlineares Ausgleichsproblem Die partiellen Ableitungen von E(a, b) lauten 0 = 0 = E(a, b) a E(a, b) b = 2 = ( ) y i ae bx i e bx i ( ) y i ae bx i ae bx i x i. Dies ist ein nichtlineares Gleichungssystem mit zwei Unbekannten. Die Lösung kann mit einem mehrdimensionalen Newton-Verfahren berechnet werden. Hier hängt die 1. Gleichung linear von a ab kann daher direkt nach a aufgelöst in die 2. Gleichung eingesetzt werden. Dann hängt die 2. Gleichung nur noch von b ab kann über ein eindimensionales Newton-Verfahren gelöst werden. Als Ergebnis ergibt sich: a = b =
21 Nichtlineares Ausgleichsproblem Bemerkungen: Das Vorgehen hat in der Praxis verschiedene Nachteile: Es werden die partiellen Ableitungen benötigt. Diese sind nicht unbedingt bekannt. Das Newton-Verfahren konvergiert nur, wenn eine genügend gute Anfangsnäherung gegeben ist. Hierzu muss man bereits eine Näherung für die optimalen Parameter kennen. Das ist ebenfalls in der Praxis meistens nicht gegeben. Eine Alternative zur Behandlung von Minimierungsverfahren bietet daher das sog. Gauß-Newton-Verfahren an, das diese Nachteile nicht besitzt.
22 Gauß-Newton-Verfahren Ausgangspunkt ist ein nichtlineares Ausgleichsproblem, das zu minimieren ist. Definition (1.1.4) Gegeben ist eine Funktion f : R n R das zugehörige Fehlerfunktional E : R n R gegeben durch E(x) := f(x) 2 2. Das Problem, einen Lösungsvektor x zu finden, für den E(x) minimal wird, nennt man Quadratmittelproblem. Das Gauß-Newton-Verfahren besteht aus einer Kombination von linearer Augleichsrechnung Newton-Verfahren. Hierzu wird in f(x) 2 2 der Vektor f(x) durch einen linearen Ausdruck ersetzt dieser wird minimiert. Das nichtlineare Ausgleichsproblem wird in ein lineares überführt. Der Prozess wird anschließend ähnlich dem Newton-Verfahren iteriert.
23 Gauß-Newton-Verfahren Rückblick: Newton-Verfahren Die Tangentengleichung an einer Stelle x 0 lautet f(x) = f(x 0 ) + f (x 0 )(x x 0 ). Eine entsprechende Linearisierung ist auch für eine mehrdimensionale Funktionen f : R m R möglich in der Form f(x) = f(x 0 ) + Df(x 0 )(x x 0 ), wobei Df(x 0 ) die sogenannte Jacobi-Matrix in x 0 bezeichnet mit f 1 f x 1 (x 0 ) 1 f x 2 (x 0 ) 1 x n (x 0 ) f 2 f Df(x 0 ) = x 1 (x 0 ) 2 f x 2 (x 0 ) 2 x n (x 0 )... f n f x 1 (x 0 ) n f x 2 (x 0 ) n x n (x 0 )
24 Gauß-Newton-Verfahren Zurück zum Ausgleichsproblem Gauß-Newton-Verfahren: Wir nehmen an, dass eine Näherung x (0) vorliegt definieren das in x (0) linearisierte Ausgleichsproblem über Ẽ(x) := f(x (0) ) + Df(x (0) )(x x (0) ) 2 2. Das Minimieren von Ẽ ist ein lineares Ausgleichsproblem, dessen Lösung eine bessere Näherung als x (0) ist mit x (1) bezeichnet wird.
25 Gauß-Newton-Verfahren Definition (1.1.5) Sei x (0) ein Startvektor in der Nähe des Minimums von E. Das Gauß-Newton-Verfahren zur näherungsweisen Bestimmung des Minimums lautet: Für k = 0, 1,... Berechne δ (k) als Lösung des linearen Ausgleichsproblems: Minimiere f(x (k) ) + Df(x (k) )δ (k) 2 2 Setze x (k+1) = x (k) + δ (k). Aufgr der schnelleren für einen größeren Bereich an Startwerten gültigen Konvergenz wird in Anwendungen eine bessere Variante, das sogenannte gedämpfte Gauß-Newton-Verfahren verwendet.
26 Gedämpftes Gauß-Newton-Verfahren Definition (1.1.6) Sei x (0) ein Startvektor in der Nähe des Minimums von E. Das gedämpfte Gauß-Newton-Verfahren zur näherungsweisen Bestimmung des Minimums lautet: Für k = 0, 1,... Berechne δ (k) als Lösung des linearen Ausgleichsproblems: Minimiere f(x (k) ) + Df(x (k) )δ (k) 2 2 durch Lösung von Df(x (k) ) T Df(x (k) )δ (k) = Df(x (k) ) T f(x (k) ) Bestimme die Schrittweite für die Dämpfung: Wähle die größte Zahl t {1, 1 2, 1 4,...}, für die mit ϕ(t) := f(x (k) ) + tδ (k) 2 2 gilt ϕ(t) < ϕ(0). Setze x (k+1) := x (k) + tδ (k).
27 Gauß-Newton-Verfahren Bemerkungen: Bei dem Dämpfungsschritt wird die Korrekturrichtung δ (k) mit einem Faktor t multipliziert. Dieser Faktor entsteht aus fortlaufender Halbierung. Hierdurch konvergiert das Verfahren für eine größere Menge an Startvektoren als beim ungedämpften Verfahren. Außerdem wird ein echter Abstieg der Funktionswerte sichergestellt, so dass f(x (k+1) ) 2 2 = ϕ(t) < ϕ(0) = f(x (k) ) 2 2 Die Konvergenz muss durch weitere Bedingungen garantiert werden. Als Abbruchkriterium der Iteration kann z.b. tδ (k) < ɛ wie bei dem Newton-Verfahren gewählt werden.
28 Gauß-Newton-Verfahren Beispiel Zu den Messdaten x i y i der Ansatzfunktion f(x) = ae bx soll das ungedämpfte Gauß-Newton-Verfahren angewandt werden. Lösung: Die Funktion f besitzt die Komponenten f i (a, b) := y i ae bx i. Daher lautet die i-te Zeile der Jacobi-Matrix (Df) i (a, b) = ( e bx i, ax i e bx i ). Mit dem Startwert x (0) = (1, 1.5) ergibt das ungedämpfte Gauß-Newton-Verfahren die Iterationswerte: k x (k) ( 1 ) ( 2.99 ) ( 1.26 ) ( 2.91 )
29 Gauß-Newton-Verfahren Bei der Newton-Iteration ändert sich ab x (13) = ( ) der Lösungsvektor im Bereich der angegebenen Ziffern nicht mehr. Bemerkung: Für den Startvektor x (0) = ( 2 T 2) tritt bei dem ungedämpften Gauß-Newton-Verfahren keine Konvergenz ein, wohl aber bei dem gedämpften Gauß-Newton-Verfahren.
3. Lineare Ausgleichsrechnung
3 Lineare Ausgleichsrechnung 1 Ausgleichsrechnung (1) Definition 31 (Ausgleichsproblem) Gegeben sind n Wertepaare (x i,y i ), i = 1,,n mit x i x j für i j Gesucht ist eine stetige Funktion f, die in einem
MehrNichtlineare Ausgleichsrechnung
10. Großübung Nichtlineare Ausgleichsrechnung Allgemeines Problem: Wir betrachten ein nichtlineares System F : R n R m mit (m > n, d.h. das System ist überbestimmt und F i (x g(t i ; x g i! 0 i 1,.., m.
MehrUnter den endlich vielen Maschinenzahlen gibt es zwangsläufig eine größte und eine kleinste:
1.1 Grundbegriffe und Gleitpunktarithmetik 11 Aufgaben 1.4 Bestimmen Sie alle dualen 3-stelligen Gleitpunktzahlen mit einstelligem Exponenten sowie ihren dezimalen Wert. Hinweis: Sie sollten 9 finden.
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
Mehr(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =
1. (a) i. Wann besitzt A R n n eine eindeutige LR-Zerlegung mit R invertierbar? ii. Definieren Sie die Konditionszahl κ(a) einer Matrix A bzgl. einer Norm.! iii. Welche Eigenschaften benötigt eine Matrix
MehrMAV-NUM Applied Numerics Frühlingssemester Serie 14. a) (1 Punkt) Berechnen Sie die LR-Zerlegung der Matrix und geben Sie L, R und P an.
MAV-NUM Applied Numerics Frühlingssemester 208 Dr. Evelyne Knapp ZHAW Winterthur Aufgabe (6 Punkte): Serie 4 a) ( Punkt) Berechnen Sie die LR-Zerlegung der Matrix und geben Sie L, R und P an. 6 2 5 A =
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
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
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
Mehr7. Nichtlineare Gleichngssysteme. Problem 7: Sei f : R n R n stetig. Löse f(x) = 0.
7. Nichtlineare Gleichngssysteme Problem 7: Sei f : R n R n stetig. Löse f(x) = 0. Das Gleichungssystem f(x) = 0 lässt sich in die Fixpunktgleichung x = φ(x) umschreiben, wobei φ : D R n R n. Beispielsweise
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
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
MehrNewton- und und Quasi-Newton-Methoden in der Optimierung. János Mayer
Newton- und und Quasi-Newton-Methoden in der Optimierung János Mayer 1 GLIEDERUNG Newton-Methode für nichtlineare Gleichungen nichtlineare Gleichungssysteme freie Minimierung. Quasi-Newton-Methoden für
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 4. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 17. März 2016 Lineare Gleichungssysteme 1 Wiederholung: Normen, Jacobi-Matrix,
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
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV 6.8.005 1 Aufgabe N1 Gegeben seien A = 5-10 -5-10 8-10 -5-10 13 R 3 3 und b = a) Überprüfen Sie, ob die Matrix A positiv definit ist. b) Bestimmen
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.
Mehr5.3.5 Abstiegs & Gradientenverfahren
5.3 Iterative Lösungsverfahren für lineare Gleichungssysteme 5.3.5 Abstiegs & Gradientenverfahren Die bisher kennengelernten Iterationsverfahren zur Approximation von linearen Gleichungssystemen haben
MehrErrata zu Numerische Mathematik von Michael Knorrenschild Fachbuchverlag Leipzig im Carl Hanser Verlag 2003 (1. Aufl.), ISBN
Errata zu Numerische Mathematik von Michael Knorrenschild Fachbuchverlag Leipzig im Carl Hanser Verlag 2003 (. Aufl.), ISBN 3-446-2269-7 Die Änderungen sind rot hervorgehoben. Dank an Dr. Thomas Schenk
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)
MehrKlausur Numerische Mathematik (für Elektrotechniker), Samstag, 19. August 2017
Verständnisfragen-Teil (5 Punkte) Jeder der 5 Verständnisfragenblöcke besteht aus 5 Verständnisfragen. Werden alle 5 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block
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)
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
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
MehrDiplom VP Numerik 21. März 2005
Diplom VP Numerik. März 5 Aufgabe Gegeben sei das lineare Gleichungssystem Ax = b mit A = 3 3 4 8 und b = 4 5.5 6. ( Punkte) a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung. Geben Sie
MehrKapitel 5 Nichtlineare Gleichungssysteme und Iterationen
Kapitel 5 Nichtlineare Gleichungssysteme und Iterationen Wir betrachten das System f() = 0 von n skalaren Gleichungen f i ( 1,..., n ) = 0, i = 1,..., n. Gesucht: Nullstelle von f() = 0. Es sei (0) eine
Mehry (k) (0) = y (k) y(z) = c 1 e αz + c 2 e βz. c 1 + c 2 = y 0 k=1 k=1,...,m y k f k (x)
9 Ausgleichsrechnung 9.1 Problemstelllung Eine Reihe von Experimenten soll durchgeführt werden unter bekannten Versuchsbedingungen z Ê m. Es sollen Größen x Ê n bestimmt werden, für die ein Gesetz gelten
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei die Matrix
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei die Matrix 1 1 1 A = 3 3 3 2 2 2 (a) Bestimmen Sie Rang(A), Kern(A) und Bild(A). Ist A invertierbar? Geben Sie zwei verschiedene rechte Seiten b 1, b 2 an, so
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
Mehrd) Produkte orthogonaler Matrizen sind wieder orthogonal.
Die orthogonale Matrizen Definition: Eine Matrix Q R n n heißt orthogonal, falls QQ T = Q T Q = I gilt. Die Eigenschaften orthogonaler Matrizen: a) det(q) = ±1; b) Qx 2 = x 2 für alle x R n, also Q 2 =
Mehr2x + y = 19 4x + 4y = 13 4x y = 17
170 00 Übungen zu Numerische Methoden I Sechste Übungseinheit 1., 1. und 16. Mai 2012 Inhalt der sechsten Übungseinheit: Überbestimmte lineare Systeme Isolinien-Diagramme Lineare Datenmodelle Überbestimmte
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik 4 Punkte Es gibt zu jeder der Aufgaben vier Teilaufgaben. Diese sind mit bzw. zu kennzeichnen hinschreiben. Es müssen
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
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
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
MehrNumerische Mathematik
Numerische Mathematik SS 999 Augabe 6 Punkte Das Integral I ln d soll numerisch bis au eine Genauigkeit von mindestens - approimiert werden. a Wie groß muss die Anzahl N der Teilintervalle sein damit mit
MehrLineare Algebra und Numerische Mathematik D-BAUG. Sommer 2012 Prof. H.-R. Künsch
b Prüfung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice: Sommer Prof. H.-R. Künsch Gegeben sei die folgende Matrix A = 4. 4 (a) x AA T ist eine 4 4 Matrix mit ( AA T) = 4. AA T ist
MehrAlgorithmen zur Nullstellenbestimmung Ac 2018
Algorithmen zur Nullstellenbestimmung Ac 2018 Bestimmt werden sollen Lösungen x der Gleichung f(x) = 0 für eine stetige Funktion f. Diese Lösungen x nennt man Nullstellen von f. 1. Methode: Bisektionsverfahren
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.
MehrNICHTRESTRINGIERTE OPTIMIERUNG
3 NICHTRESTRINGIERTE OPTIMIERUNG Die Aufgabe, mit der wir uns im Folgen beschäftigen werden, ist die Lösung von Minimierungsproblemen der Form minimiere f(x) in R n, (3.1) wobei f : R n R eine gegebene
MehrÜberbestimmte Gleichungssysteme, Regression
Überbestimmte Gleichungssysteme, Regression 8. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas MUL 16. Mai 2013 C. Brand, E. Hausenblas 8. Vorlesung 1 / 19 Gliederung 1 Überbestimmte
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
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. Februar 2014 Gliederung Wiederholung: Gleichungstypen, Lösungsverfahren Grundprinzip
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrÖffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2016 Klausur
Prof. Dr. Benjamin Stamm Prof. Dr. Martin Grepl Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen II (CES) SS 2016 Klausur 29.07.2016 Dokumentenechtes
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: b a 2 3a 1
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: 1 1 0 2 b 1 1 2 4 1 1 4 6 x = 1 1. 2 2 2a 2 3a 1 (a) Bringen Sie das lineare Gleichungssystem auf Treppenform. (b) Für welche
MehrInhaltsverzeichnis. Innere-Punkte-Verfahren 3. Inhaltsverzeichnis 1
Inhaltsverzeichnis 1 Inhaltsverzeichnis Innere-Punkte-Verfahren 3 1 Theoretische Grundlagen 3 1.1 Die KKT-Bedingungen........................... 3 1.2 Der zentrale Pfad.............................. 4
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
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
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
MehrGleichungsbasierte Modellierung
1 Gleichungsbasierte Modellierung Die Benutzung von Gleichungen zur Geometrischen Modellierung wurde bereits von Sutherland eingeführt. Fortgeführt wurde sie durch die Arbeiten von Light und Gossard. Wie
MehrÜbungen zur Mathematik Blatt 1
Blatt 1 Aufgabe 1: Bestimmen Sie die Fourier-Reihe der im Bild skizzierten periodischen Funktion, die im Periodenintervall [ π, π] durch die Gleichung f(x) = x beschrieben wird. Zeichnen Sie die ersten
MehrDatenmodelle, Regression
Achte Vorlesung, 15. Mai 2008, Inhalt Datenmodelle, Regression Anpassen einer Ausgleichsebene Polynomiale Regression rationale Approximation, Minimax-Näherung MATLAB: polyfit, basic fitting tool Regression
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)
MehrMusterlösung zu Blatt 1
Musterlösung zu Blatt Analysis III für Lehramt Gymnasium Wintersemester 0/4 Überprüfe zunächst die notwendige Bedingung Dfx y z = 0 für die Existenz lokaler Extrema Mit x fx y z = 8x und y fx y z = + z
MehrÜberbestimmte lineare Gleichungssysteme
Überbestimmte lineare Gleichungssysteme Fakultät Grundlagen September 2009 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme Übersicht 1 2 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme
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
MehrNichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
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
MehrNumerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)
Lehrstuhl für Angewandte Mathematik Montanuniversität Leoben 70 004 Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan. 207 2:00-4:00 (20 min) Name Matrikelnummer Mündliche Prüfung: Bitte markieren
MehrMusterlösung. Aufgaben zu Iterative Lösung Linearer Gleichungssysteme. Vordiplomskurs Numerische Methoden Sommer 2008
Musterlösung Aufgaben zu Iterative Lösung Linearer Gleichungssysteme Vordiplomskurs Numerische Methoden Sommer 8. Betrachte das Gleichungssystem Ax b mit ( ( 3 A, b. 6 8 a Konvergiert das Jacobi Verfahren
MehrNumerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren
Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren
MehrMethode der kleinsten Quadrate
1. Phase: Methode der kleinsten Quadrate Einführung Im Vortrag über das CT-Verfahren hat Herr Köckler schon auf die Methode der kleinsten Quadrate hingewiesen. Diese Lösungsmethode, welche bei überbestimmten
MehrDiplom VP Informatik / Numerik 2. September 2002
Diplom VP Informatik / Numerik. September 00 Aufgabe Gegeben sei das lineare Gleichungssystem A x = b mit 0 4 0 0 0 0 A = 4 0 0 0 0 0 0 0 0 und b = 4 4 8 5. Punkte a Berechnen Sie die Cholesky Zerlegung
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)
MehrIterative Methoden zur Lösung von linearen Gleichungssystemen
Iterative Methoden zur Lösung von linearen Gleichungssystemen (13.12.2011) Ziel Können wir wir die zeitabhängige Schrödinger-Gleichung lösen? φ(t) = e iht ψ(0) Typischerweise sind die Matrizen, die das
MehrLeseprobe. Hans-Jochen Bartsch. Taschenbuch mathematischer Formeln für Ingenieure und Naturwissenschaftler. ISBN (Buch):
Leseprobe Hans-Jochen Bartsch Taschenbuch mathematischer Formeln für Ingenieure und Naturwissenschaftler ISBN (Buch): 978-3-446-43800-2 ISBN (E-Book): 978-3-446-43735-7 Weitere Informationen oder Bestellungen
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
MehrKAPITEL 3. Konvexe Funktionen
KAPITEL 3 Konvexe Funktionen Sei F R n ein Definitionsbereich und f : F R eine Funktion. Unter dem Epigraphen von f versteht man die Menge epif = {(x, z) R n+1 x F, z R, z f(x)}. Man nennt f konvex, wenn
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
MehrSommersemester 2017 Blatt 1 von 6 Studiengänge: RMM Masterstudiengang Sem. 1 und Wiederholer
HOCHSCHULE ESSLINGEN Sommersemester 07 Blatt von 6 Studiengänge: RMM Masterstudiengang Sem. und Wiederholer Prüfungsfach: Hilfsmittel: Modellbildung und Simulation Literatur, Manuskript; keine Taschenrechner
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
MehrKlausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 01/013 Prof. Dr. M. Grepl J. Berger, P. Esser, L. Zhang Klausur Numerisches Rechnen
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 9. Aufgabe 9.1. Herbstsemester Dr. V. Gradinaru D. Devaud A.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 2014 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 91 91a) Sei A eine n n-matrix Das Gleichungssystem Ax
MehrKAPITEL 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
Mehr10 Lineare Gleichungssysteme
ChrNelius : Lineare Algebra I (WS 2004/05) 1 10 Lineare Gleichungssysteme (101) Bezeichnungen: Ein System 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
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
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 3. März 2016 Nichtlineare Gleichungen, Fixpunkt-Iterationen 1 Wiederholung Aufgabentypen
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 26. Februar 2009, Gliederung,, Gleichungen in einer Variablen Was ist... Wie geht... eine lineare (nichtlineare,
MehrAusgleichsprobleme. 3 Nichtlineare Ausgleichsprobleme
1 Normalengleichung Ausgleichsprobleme A T A T = AA 2 Orthogonalisierungsverfahren A = Q R 3 Nichtlineare Ausgleichsprobleme Typeset by FoilTEX 1 Motivation Ausgleichsprobleme treten meist dann auf, wenn
Mehr5 Randwertprobleme. y = f(t, y, y ) für t J, (5.2a) y(t 0 ) = y 0, y(t) = y T (5.2b) zu gegebener Funktion f und Werten y 0, y T.
5 Randwertprobleme Bei den bisher betrachteten Problemen handelte es sich um Anfangswertprobleme. In der Praxis treten, insbesondere bei Differentialgleichungen höherer Ordnung, auch Randwertprobleme auf.
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,
MehrNichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrGaußsche Ausgleichsrechnung
Kapitel 6 Gaußsche Ausgleichsrechnung 6. Gaußsche Methode der kleinsten Fehlerquadrate Die Gaußsche Methode der kleinsten Fehlerquadrate wurde 89 von C.F. Gauß in dem Aufsatz Theorie der Bewegung der Himmelkörper
MehrNichtlineare Gleichungen, mehrere Unbekannte
Dritte Vorlesung, 6. März 2008, Inhalt Aufarbeiten von Themen der letzten Vorlesung, und Nichtlineare Gleichungen, mehrere Unbekannte Systeme nichtlinearer Gleichungen Vektor- und Matrixnormen Fixpunkt-Iteration,
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).
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
Mehr7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)
Technische Universität München Zentrum Mathematik, M1 Prof. Dr. Boris Vexler Dr. Ira Neitzel Dipl.-Math. Alana Kirchner 7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012) Diese Auswahl
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
MehrNUMERIK 1. Sommersemester 2016
NUMERIK 1 Soerseester 2016 KLAUSUR LÖSUNGSVORSCHLAG Aufgabe 1 (Multiple Choice) (ca. 20 Minuten, 8 Punkte) Kreuzen Sie korrekte Aussagen an. Es können ehrere Antworten richtig sein, indestens eine ist
Mehr