Näherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.
|
|
- August Amsel
- vor 6 Jahren
- Abrufe
Transkript
1 3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1) Näherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.2) k Für den Aufwand der Verfahren ist die Konvergenzordnung entscheidend. Definition Die Folge {x (k) } k=0 in (3.0.2) konvergiert von der Ordnung p 1 gegen α, wenn x (k+1) α c > 0, k 0 0 : k k 0 : x (k) α c. (3.0.3) p Bemerkung Konvergenz der Ordnung p = 1 heisst auch lineare Konvergenz. Falls in (3.0.3) gilt p = 1, muss c < 1 sein für Konvergenz. Dann heisst c < 1 der Konvergenzfaktor der Methode. Bemerkung Definition (3.0.3) gilt auch für Folgen {x (k) } k=0 Rn, wenn der Absolutbetrag durch eine Vektornorm auf R n ersetzt wird. 3.1 Konditionszahl von Nullstellen Betrachte für eine Funktion ϕ(x) : I R das Problem f(x) = ϕ(x) d! = 0 (3.1.1) wobei wir annehmen, dass ϕ C 1 (I). Sei α = α(d) Lösung von (3.1.1), d.h. f ( α(d) ) = ϕ(α) d = 0. Uns interessiert die Sensitivität von α als Funkion des Datums d. Sei dazu ϕ invertierbar, d.h. die Umkehrfunktion ϕ 1 (d) existiert. Dann ist ϕ 1 C 1 und α(d) = ϕ 1 (d). Sei ϕ 0, d.h. die Nullstelle α(d) von (3.1.1) sei einfach. Dann gilt für eine kleine Störung δd des Datums d, dass die Nullstelle α(d) sich wie folgt ändert: α(d + δd) α(d) = ϕ 1 (d + δd) ϕ 1 (d) = (ϕ 1 ) (d) δd + O(δd 2 ) May 3,
2 3.1. KONDITIONSZAHL VON NULLSTELLEN woraus für den relativen Fehler in α(d) folgt α(d + δd) α(d) = (ϕ 1 ) (d) d δd + O(δd) 2 α(d) ϕ 1 (d) d d = ϕ (α) α δd + O(δd 2 ). d (3.1.2) Daraus folgt, dass die Kondition des relativen Fehlers einer einfachen Nullstelle α(d) von f(x) gegeben ist durch d K rel (d) = (3.1.3) α f (α) und die Kondition des absoluten Fehlers von α durch Die Kondition ist dann schlecht, wenn f (α) 0. f(x) K abs (d) = 1 f (α). (3.1.4) f 1 (x) fig5.1.eps mm f 2 (x) α x Fig. 5.1: Funktionen f 1, f 2 (x) mit einfacher Nullstelle α(0) und mit K 1 rel (d) < K2 rel (d). Offensichtlich ist für f (α) = 0 die Kondition K rel, K abs (α) = ; die Nullstelle α ist dann mehrfach. Sei nun α mehrfache Nullstelle von f C m+1 (I) der Vielfachheit m 1. Dann ist f (α) = = f (m 1) (α) = 0, f (m) (α) 0 (3.1.5) und es gilt d + δd = ϕ(α + δα) m = ϕ(α) + k=1 1 k! ϕ(k) (α) (δα) k + O(δα m+1 ) (3.1.5) = ϕ(α) + 1 m! ϕ(m) (α) (δα) m + O(δα m+1 ). (3.1.6) May 3,
3 3.2. BISEKTIONSMETHODE Damit folgt, wegen ϕ (k) (α) = f (k) (α), k = 1,..., m 1, so dass gilt δd = f (m) (α) (δα) m /m! + O(δα m+1 ) K abs (d) m! δd = 1/m 1 f (m) (α) δd. (3.1.7) Beachte, dass für m = 1 (3.1.4) resultiert und dass für m > 1 selbst in dem Fall, dass δd hinreichend klein ist, um m! δd < 1 (3.1.8) f (m) (α) zu erhalten, K abs (d) gross sein kann. Sei α = α + δα eine Näherung der einfachen Nullstelle α von f und sei weiter f( α) f(α) = f( α) 0 = r das Residuum von α in f. Dann gilt, bis auf Terme höherer Ordnung α α α = r f (α) α. (3.1.9) Hat α Vielfachheit m > 1, erhalten wir α α α 3.2 Bisektionsmethode ( m! ) 1 m = r 1 f (m) (α) α m m. (3.1.10) Proposition Sei f C 0 (I) mit f(a) f(b) < 0. Dann existiert α (a, b) mit f(α) = 0. Sei I 0 = I = [a, b]. Die Bisektion erzeugt eine Folge {I k } k=0 von Intervallen I k = [a (k), b (k) ] I k 1 mit I k = (b a)/2 k 0, die eine Nullstelle α von f( ) enthalten wie folgt: Algorithmus k := 0, a (0) := a, b (0) := b while (k < itmax a (k) b (k) > tol) do c (k) = (a (k) + b (k) )/2, f c = f(c (k) ) if f(a (k) ) f c < 0, a (k+1) = a (k), b (k+1) = c (k) else k := k + 1 end a (k+1) = c (k), b (k+1) = b (k) Bemerkung Der Abstand zwischen den Intervallmitten c (k) und der Nullstelle α nimmt bei der Bisektion nicht notwendig monoton ab. Für den Fehler e (k) = c (k) α gilt im Allgemeinen nicht e (k+1) M k e (k) mit M k < 1. May 3,
4 3.3 Sekanten- und Newtonverfahren 3.3. SEKANTEN- UND NEWTONVERFAHREN Um Methoden mit superlinearer Konvergenz zu erhalten, benutzen wir Funktionswerte und Ableitungen von f. Sei dazu f(x) C 1 (I) und f(α) = 0 für α (a, b). Dann gilt nach Taylor f(α) = 0 = f(x) + (α x) f (ξ) (3.3.1) für ein ξ (α, x). Damit baut man folgende Methodenklasse: sei Dann gilt wegen (3.3.1) x (k) α gegeben und q k f (x (k) ). 0 f(x (k) ) + (α x (k) ) q k. (3.3.2) Auflösen nach α ergibt α x (k) q 1 k f(x (k) ). (3.3.3) Damit erhalten wir folgende Iteration: oder, äquivalent, wo δx (k) Lösung der Gleichung x (k+1) := x (k) q 1 k f(x (k) ) (3.3.4) x (k+1) := x (k) + δx (k), (3.3.5) q k δx (k) = f(x (k) ) (3.3.6) ist. Je nach Wahl von q k resultieren verschiedene Verfahren Newton Verfahren Sei f C 1 (I), f (α) 0. Wir wählen in (3.3.4) q k = f (x (k) ). (3.3.7) Dann ist (3.3.4) Geometrisch in Bild 5.2: x (k+1) = x (k) f(x (k) )/f (x (k) ). (3.3.8) f(x) f(x) f( (k) ) fig5.2.eps mm α x (k+1) x (k) x May 3,
5 3.3. SEKANTEN- UND NEWTONVERFAHREN Aufwand pro Schritt: je 1 Auswertung von f und f. Das Newton-Verfahren konvergiert von der Ordnung 2, vorausgesetzt, es gilt f (α) 0. Proposition Sei f C 2 (I) und x (0) α hinreichend klein sowie die Nullstelle α einfach, d.h. f (α) 0. Dann konvergiert x (k) gegen α von der Ordnung p = Sekantenverfahren Um die Berechnung von f (x (k) ) zu umgehen, wählt man in (3.3.4) q k = f(x(k) ) f(x (k 1) ) x (k) x (k 1), k > 0, (3.3.9) basierend auf Werten x (k), x (k 1). Die Ersetzung der Ableitung f durch den Differenzenquotient (3.3.9) hat den Verlust der quadratischen Konvergenz des Newton Verfahrens zur Folge; allerdings ist die Konvergenz immer noch superlinear. Proposition Sei f C 2 (I), und die Startwerte des Sekantenverfahrens liegen hinreichend nahe an der Nullstelle α, d.h. x (0) α + x ( 1) α hinreichend klein, und es sei die Nullstelle α einfach, d.h. f (α) 0. Dann konvergiert das Sekantenverfahren (3.3.4), (3.3.9) gegen α mit der Ordnung (des goldenen Schnitts) p = (1 + 5)/ Beweis: Wir skizzieren die Hauptidee des Beweises, ohne alle technischen Details auszuarbeiten: Es gilt (nachrechnen!), falls x (k) α und x (k 1) α, und falls f(x (k) ) f(x (k 1) ), x (k+1) α = x (k) α f(x (k) x (k) x (k 1) ) f(x (k) ) f(x (k 1) ) = (x (k) α) f[x(k 1), x (k) ] f[x (k), α] f[x (k 1), x (k) ] = (x (k) α)(x (k 1) α) f[x(k 1), x (k), α], f[x (k 1), x (k) ] wobei die Ausdrücke f[a, b] und f[a, b, α] definiert sind als f[a, b] = f(b) f(a) b a f[a, b, α] = f[a, b] f[b, α] a α Da f C 2 (I) gibt es Punkte ξ (k) [min({x (k 1), x (k) }), max({x (k 1), x (k) })] und η (k) [min({x (k 1), x (k), α}), max({x (k 1), x (k), α})] so, dass gilt Daraus folgt, dass f[x (k 1), x (k) ] = f (ξ (k) ) f[x (k 1), x (k), α] = 1 2 f (η (k) ). x (k+1) α = (x (k) α)(x (k 1) α) f (η (k) ) 2 f (ξ (k) ) k 1 May 3,
6 3.4. KONVERGENZTHEORIE Nehmen wir an, dass alle Werte x (k) in einem gewissen Intervall liegen und dass es ein M 0 gibt so, dass in diesem Intervall gilt f (η) 2 f (ξ) M Setzen wir e (k) := M x (k) α, dann bekommen wir die Ungleichungen e (k+1) e (k) e (k 1) k = 1, 2,... Definieren wir nun δ = max(e (0), e (1) ), so folgt direkt e (2) δ 2 e (3) δ 3 e (4) δ 5. e (ν) δ mν, wobei die Zahlen m ν die Fibonacci-Folge sind. Man kann zeigen, dass Für grosse ν gilt also (da r < 1) m ν = 1 (r+ ν+1 5 rν+1 ), mit r ± = 1 ± 5. 2 m ν 1 5 (r + ) ν (1.618) ν Konvergenztheorie Wie schon bei linearen Gleichungssytemen transformieren wir das Nullstellenproblem auf Fixpunktform: f(α) = 0 α φ(α) = 0. (3.4.1) φ(x) ist im Allgemeinen nicht eindeutig. Wir berechnen die Picard-Iteration: Man wählt φ( ) so, dass α = φ(α). Dann gilt Theorem Sei I = [a, b] und φ( ) erfülle x (k+1) = φ (x (k) ), k 0. (3.4.2) φ([a, b]) [a, b] (Selbstabbildung) φ C 1 (I), (FP1) (FP2) K < 1 : φ (x) K x [a, b]. (FP3) May 3,
7 3.4. KONVERGENZTHEORIE Dann hat φ( ) einen eindeutig bestimmten Fixpunkt α in I und für alle x (0) I konvergiert (3.4.2) gegen α und es gilt: x (k+1) α lim k x (k) α = φ (α). Beweis: (FP1) und φ C 0 (I) = α I mit α = φ(α). (FP3) = φ ist kontraktiv: es existiert eine Konstante K < 1 derart, dass x, y I : φ(x) φ(y) K x y. Daraus folgt, dass α eindeutig ist: seien α 1, α 2 I Fixpunkte. Dann gilt Wegen K < 1 folgt α 1 = α 2. α 1 α 2 = φ(α 1 ) φ(α 2 ) = φ (η)(α 1 α 2 ) K α 1 α 2. Konvergenz: für jedes k 0 existiert η (k) (α, x (k) ), so dass = x (k+1) α = φ(x (k) ) φ(α) = φ (η (k) )(x (k) α) (3.4.3) x (k+1) α = φ (η (k) ) x (k) α Somit konvergiert x (k) gegen α und (3.4.3) = K k+1 x (0) α für k. lim k x (k+1) α x (k) α = lim k φ (η (k) ) = φ (α). (3.4.4) φ (α) in (3.4.4) heisst asymptotischer Konvergenzfaktor. Die asymptotische Konvergenzrate der Folge x (k) gegen α ist R = log φ (α). Bemerkung Theorem gilt auch für Abbildungen φ : R n R n. Die Bedingung (FP3) wird jedoch ersetzt durch folgende Bedingung: Sei M eine mit V verträgliche Matrixnorm, wobei V die Vektornorm auf R n bezeichnet. Dann muss gelten J φ (x) M < 1 x D, wo J φ die Jacobi-Matrix von φ ausgewertet an der Stelle x D ist und D R n das abgeschlossene Gebiet bezeichnet, welches von φ auf sich selbst abgebildet wird. Theorem besagt, dass die Fixpunktiteration (3.4.2) für jedes x (k) I konvergiert; d.h. Theorem ist ein globales Konvergenzresultat. Die Bestimmung von I = [a, b] in (FP1) - (FP3) ist allerdings in der Praxis oft nicht möglich. Deshalb ist das folgende Resultat nützlich - es besagt, dass unter gewissen Bedingungen (3.4.2) lokal, d.h. für Startwerte, die hinreichend nahe an α liegen, konvergiert. May 3,
8 3.4. KONVERGENZTHEORIE Proposition Sei α Fixpunkt von φ(x) C 1 mit φ (α) < 1. (3.4.5) Dann existiert δ > 0 derart, dass {x (k) } k=0 in (3.4.2) für alle x(0) mit α x (0) < δ gegen α konvergiert. Beweis: Wir verifizieren (FP1) - (FP3) für a = α δ, b = α + δ, I = [a, b]. Wegen (3.4.5) und φ C 1 (I) gilt φ (x) K < 1 x [a, b], für hinreichend kleines δ > 0, d.h. (FP3) gilt. Für x (k) I gilt x (k) α δ und x (k+1) α = φ(x (k) ) φ(α) φ (η (k) )(x (k) α) K x (k) α Kδ δ, d.h. x (k+1) I, d.h. für δ > 0 hinreichend klein gilt (FP1). Wir sehen aus (3.4.4), dass die Konvergenzrate gross ist für φ (α) klein. Falls φ (α) = 0 ist, erhöht sich die Konvergenzordnung. Theorem Sei p 1 ganz, und es gelte in (3.4.2) φ (i) (α) = 0, i = 1, 2,..., p, φ (p+1) (α) 0. (3.4.6) Dann hat die Iteration (3.4.2) die Ordnung p + 1 und lim k x (k+1) α (x (k) α) = φ(p+1) (α), p 1. (3.4.7) p+1 (p + 1)! Beweis: Taylorentwicklung von φ um x = α gibt mit (3.4.2), d.h. α = φ(α), dass x (k+1) α = p i=0 φ (i) (α) i! (x (k) α) i + φ(p+1) (η k ) (p + 1)! (x (k) α) p+1 für eine Zwischenstelle η k zwischen α und x (k). Also gilt wegen x (k) α für k und wegen (3.4.6), dass lim k x (k+1) α = lim (x (k) α) p+1 k φ (p+1) (η k ) (p + 1)! = φ(p+1) (α) (p + 1)!. May 3,
9 Beispiel (Newton Verfahren) Das Newton Verfahren ist gegeben durch die Iterationsvorschrift x (k+1) = x (k) f(x(k) ) f (x (k) ) = φ Newt(x (k) ), mit der Iterationsfunktion des Newton-Verfahrens φ Newt (x) : = x f(x) f (x) KONVERGENZTHEORIE Sei α einfache Nullstelle von f(x), d.h. die Vielfachheit von α ist m = 1 und es gilt f (α) 0. Damit folgt φ Newt (α) = 0, φ Newt (α) = f (α) f (α) 0. Also konvergiert das Newton Verfahren lokal, d.h. für hinreichend gute Startwerte x (0), von zweiter Ordnung gegen die Nullstelle. May 3,
Nichtlineare 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
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
MehrBestimmung der Wurzeln nichtlinearer Gleichungen. Mária Lukáčová (Uni-Mainz) Nichtlineare Gleichungen June 22, / 10
Bestimmung der Wurzeln nichtlinearer Gleichungen Mária Lukáčová (Uni-Mainz) Nichtlineare Gleichungen June 22, 2010 1 / 10 Problem Definition Gegeben f : (a, b) R R. Finde α (a, b) : Existiert eine Lösung?
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
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
MehrNullstellen von algebraischen Gleichungen
Kapitel 2 Nullstellen von algebraischen Gleichungen 2.1 Vorbemerkungen Suche Lösung der Gleichung f(x) = 0 (2.1) Dies ist die Standardform für eine Dimension. - typisch nichtlineare Gleichung, sonst elementar
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
Mehr6. Iterationsverfahren. Fixpunktiteration. 6.Iterationsverfahren: Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16
6. Iterationsverfahren Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16 Beispiel: Ausbreitung eines Grippevirus in einem Kindergarten Zeitpunkt t 0 t 1 t 2 t 3 t 4 t 5 Anteil kranker
Mehr6. Numerische Lösung des. Nullstellenproblems
6. Numerische Lösung des Nullstellenproblems 1 Problemstellung Zwischenwertsatz: Sei f : [a,b] R stetig und c R mit f(a) c f(b) oder f(b) c f(a). Dann gibt es ein x [a,b] mit f(x) = c. Frage: Wie lässt
MehrKapitel 5. Lösung nichtlinearer Gleichungen
Kapitel 5. Lösung nichtlinearer Gleichungen 5.1 Nullstellen reeller Funktionen, Newton-Verfahren 5.2 Das Konvergenzverhalten iterativer Verfahren 5.3 Methode der sukzessiven Approximation 5.4 Das Newton-Verfahren
MehrNullstellenberechnung von nichtlinearen Funktionen
Kapitel 3 Nullstellenberechnung von nichtlinearen Funktionen In dieser Vorlesung wird nur die Nullstellenberechnung reeller Funktionen einer reellen Variablen f : R R betrachtet. Man nennt die Nullstellen
MehrKapitel 6. Nichtlineare Gleichungen. 6.1 Einführung. Problem: Idee: Beispiel:
Kapitel 6 Nichtlineare Gleichungen 6. Einführung Problem: Gesucht sind Lösungen nichtlinearer Gleichungen bzw. Systeme, das heißt es geht beispielsweise um die Bestimmung der Nullstellen eines Polynoms
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.
MehrKapitel 4: Nichtlineare Nullstellenprobleme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik (SS
MehrIterative Verfahren: Allgemeines, Fixpunkt-Iteration, Nullstellen. Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Iterative Verfahren: Allgemeines, Fiunkt-Iteration, Nullstellen Motivation Viele numerische Probleme lassen sich nicht mit endlich vielen Schritten lösen Nullstellen
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 ( )
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
Mehr5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
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
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
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
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
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
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
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
MehrAlgebra. Roger Burkhardt Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft
Algebra Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft FS 2010 Roger Burkhardt roger.burkhardt@fhnw.ch Algebra
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,
MehrNEXTLEVEL I, Analysis I
NEXTLEVEL I, Analysis I Hanna Peywand Kiani Wintersemester 9/ Die ins Netz gestellten Kopien der Folien sollen nur die Mitarbeit während der Veranstaltung erleichtern. Ohne die in der Veranstaltung gegebenen
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
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
MehrD-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
(MUL) 1. März 2012 1 / 37 Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand MUL 1. März 2012 Gliederung 1 Wiederholung Begriffe, Verfahren
MehrDiplom VP Numerik 28. August 2006
Diplom VP Numerik 8. August 6 Multiple-Choice-Test Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese Aufgabe
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
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.
MehrNumerisches Lösen von Gleichungen
Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrFormelsammlung Numerik
Formelsammlung Numerik Fachbereich Design und Informatik Fachhochschule Trier University of Applied Sciences - 1-1 Grundlagen 1. Festlegungen: x - exakter Wert x - Näherungswert 2. Wahrer Fehler: 3. Absoluter
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrLösung zur Serie 8. x + 2x 2 sin(1/x), falls x 0, f(x) := 0, falls x = 0. = lim
Lösung zur Serie 8 Aufgabe 40 Wir zeigen in dieser Aufgabe, dass die Voraussetzung dass die Funktion in einer kleinen Umgebung injektiv sein muss, beim Satz über die Umkehrfunktion notwendig ist. Hierzu
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dipl.-Math. Dipl.-Inf. Jürgen Bräckle Dr.-Ing. Markus
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
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
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrIterative Lösung von nichtlinearen Gleichungen und Gleichungssystemen
Kapitel 5 Iterative Lösung von nichtlinearen Gleichungen und Gleichungssstemen 5.1 Iterationsverfahren zur Lösung einer reellen nichtlinearen Gleichung Es sei g() eine im Intervall I definierte reellwertige
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
MehrDas Trust-Region-Verfahren
Das Trust-Region-Verfahren Nadine Erath 13. Mai 2013... ist eine Methode der Nichtlinearen Optimierung Ziel ist es, das Minimum der Funktion f : R n R zu bestimmen. 1 Prinzip 1. Ersetzen f(x) durch ein
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
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
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).
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
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
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
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
Mehr8 Iterationsverfahren zur Lösung von Gleichungen
Numerik 396 8 Iterationsverfahren zur Lösung von Gleichungen Nichtlineare Gleichungssysteme (sogar eine nichtlineare Gleichung in einer Unbekannten) müssen fast immer iterativ gelöst werden (vgl. Kapitel
MehrThema 5 Differentiation
Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt
MehrAnalysis II. 8. Klausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis II 8. Klausur mit en 1 2 Aufgabe 1. Definiere die folgenden kursiv gedruckten) Begriffe. 1) Eine Metrik auf einer Menge M. 2) Die Kurvenlänge
Mehr8 Iterationsverfahren zur Lösung von Gleichungssystemen
Numerische Mathematik 378 8 Iterationsverfahren zur Lösung von Gleichungssystemen Nichtlineare Gleichungssysteme (sogar eine nichtlineare Gleichung in einer Unbekannten) müssen fast immer iterativ gelöst
MehrSysteme nichtlinearer Gleichungen
Systeme nichtlinearer Gleichungen 3. Vorlesung 170004 Numerische Methoden I Clemens Brand 5. März 2009 Gliederung en Wichtige Themen zur Wann konvergiert Fixpunktiteration anschaulich erklärt mathematisch
MehrKapitel 2. Nichtlineare Gleichungen. Bisektion Newton Fixpunktiterationen Algebraische Polynome
Kapitel 2 Nichtlineare Gleichungen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/2 Nullstellen Häufiges Problem im Wissenschaftlichen Rechnen: Berechnen der Nullstellen
Mehr(b) Bestimmen Sie mit Hilfe des Newton-Verfahrens eine Nullstelle von f auf 6 Nachkommastellen
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 5.10.18 Übung 6 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 9. Oktober 018 in den Übungsstunden Aufgabe 1 GebenSieohneTaschenrechnereineNäherungvon
MehrMathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
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
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 25. Februar 2010 Newton- Gliederung Newton-, ng Newton- , Fragenliste Nichtlineare Gleichungen
MehrMusterlösung Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
D-ITET, D-MATL Musterlösung Prüfung umerische Methoden, Sommer 01 Dr. Lars Kielhorn 1. a) z = exp(iϕ) = dz = i exp(iϕ) dϕ = c n [f] = 1 π f(exp(iϕ)) exp( iϕn) dϕ π 0 b) Allgemeine zusammengesetzte Trapezregel
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
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
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
MehrEinige Gedanken zur Fibonacci Folge
Einige Gedanken zur Fibonacci Folge Im Folgenden gehe ich auf einige Aspekte von Aufgabe 4 auf Übungsblatt, d.h. auf Aufgabe 4 auf Seiten und 3 des Buches Hahn-Dzewas: Mathematik, ein. Die Aufgabe hat
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
MehrVorlesung Analysis I WS 07/08
Vorlesung Analysis I WS 07/08 Erich Ossa Vorläufige Version 07/12/04 Ausdruck 8. Januar 2008 Inhaltsverzeichnis 1 Grundlagen 1 1.1 Elementare Logik.................................. 1 1.1.A Aussagenlogik................................
Mehrdx nf(x 0). dx f(n 1) (x 0 ) = dn
4.3. Höhere Ableitungen, Konveität, Newtonverfahren 65 4.3 Höhere Ableitungen, Konveität, Newtonverfahren Ist f:i R differenzierbar auf einem Intervall I, so erhalten wir eine neue Funktion auf I, nämlich
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
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
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
MehrOptimierung. Optimierung. Vorlesung 4 Newton und Quasi Newton Verfahren (Teil II) 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 4 Newton und Quasi Newton Verfahren (Teil II) 1 Newton Verfahren Taylor Approximation 1. Ordnung von Newton Verfahren! 0 Setze 0und berechne Löse lineares Gleichungssystem für : 2
Mehr6 Homotopie Verfahren Idee und Probleme von Homotopie Verfahren Implementation eines Homotopie Verfahrens
Inhaltsverzeichnis 1 Skalare Probleme 1 1.1 Bisektionsverfahren............................ 1 1.2 Newton Verfahren............................ 5 1.3 Sekantenverfahren............................. 11 1.4
Mehr8 Iterationsverfahren zur Lösung von Gleichungssystemen
Numerische Mathematik für ingenieurwissenschaftliche Studiengänge 281 8 Iterationsverfahren zur Lösung von Gleichungssystemen Nichtlineare Gleichungssysteme (sogar eine nichtlineare Gleichung in einer
MehrGleichungssysteme. 3. Vorlesung Numerische Methoden I. Clemens Brand und Erika Hausenblas. 10. März Montanuniversität Leoben
Gleichungssysteme 3. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 10. März 2016 Gleichungssysteme 1 Wiederholung: Vektoren, vektorwertige Funktionen
MehrKarlsruher Institut für Technologie (KIT) WS 2012/13 Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning
Karlsruher Institut für Technologie (KIT) WS 202/3 Institut für Analysis 26..202 Prof. Dr. Tobias Lamm Dr. Patrick Breuning Höhere Mathematik I für die Fachrichtung Physik 7. Übungsblatt Aufgabe Untersuchen
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
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,
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
MehrNumerische Analysis - Matlab-Blatt 1
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Sommersemester 015 Numerische Analysis - Matlab-Blatt 1 Lösung (Besprechung
MehrImplizite Funktionen
Implizite Funktionen Durch die Bedingung F (x, y) = C, C R wird eine bestimmte Teilmenge des R 2 festgelegt, zb durch die Bedingung x y = 4 Dabei können wir obda C = 0 annehmen, da wir stets zur Betrachtung
Mehr19.2 Mittelwertsatz der Differentialrechnung
19 Mittelwertsätze der Differentialrechnung mit Anwendungen 19.1 Satz von Rolle 19.2 Mittelwertsatz der Differentialrechnung 19.4 Globaler Wachstumssatz 19.6 Verallgemeinerter Mittelwertsatz der Differentialrechnung
MehrWiederholung: Iterative Verfahren
Wiederholung: Iterative Verfahren Vorlesung Inverse Probleme 22.12.2011 Inhalt Landweber-Iteration Nichtlineare Probleme Konjugierte Gradientenmethoden Landweber-Iteration T Tx = T y äquivalente Fixpunktgleichung
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.
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
MehrVI. Iterationsverfahren
VI. Iterationsverahren To ininity and beyond Falls eine direte Lösung des Problems nicht möglich oder ineizient ist. 6.. Fipuntgleichungen 6... Problemstellung: Iterationsuntion Iteration: R Startwert,
MehrAllgemeines Näherungsverfahren zur Lösung von f(x) = 0 - Fixpunkt-Iteration -
Allgemeines Näherungsverfahren zur Lösung von f(x) = 0 - Fixpunkt-Iteration - Gernot Lorenz März 2006 Zusammenfassung Das Lösen von Gleichungen der Form f(x) = 0 auf algebraische Art, d.h. durch Auflösung
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
Mehr2.10 Lokale Funktionsanalyse
2.1 Lokale Funktionsanalyse Aufgabe Gegeben sei die Abbildung g : R 2 R 2 mit g(x, y) : (x 3 yx, y). Man bestimme alle Mengen M k : {(ξ, η) R 2 g 1 (ξ, η) hat genau k Elemente}. Wie verhält g sich in der
MehrKap. 6: Iterative Lösung von Gleichungssystemen
Kap. 6: Iterative Lösung von Gleichungssystemen 6.1 Einleitung In vielen Anwendungen sind Gleichungssysteme zu lösen, in denen die Unbekannten nichtlinear auftreten. Beispiel: Der Betrag der Gravitationskraft
MehrZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE FELIX LIEDER DR. GEORG JANSING.9.7 ZWEITE KLAUSUR zur Numerik I mit Lösungen Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
Mehr