12. Potentialflächen und Optimierung

Größe: px
Ab Seite anzeigen:

Download "12. Potentialflächen und Optimierung"

Transkript

1 Dr. Jens Döbler Computeranwendung in der Chemie Informatik für Chemiker(innen) 12. Potentialflächen und Optimierung Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 1

2 Dr. Jens Döbler Grundlagen Theoretische Methoden berechnen Energie für vorgegebene Molekülstruktur Zu jeder Molekülstruktur kann ein Energiewert berechnet werden Energie ist Funktion der Strukturparameter Für N Atome 3N-6 Strukturparameter (nicht lineares Molekül) Energie ist eine Funktion von 3N-6 Variablen Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 2

3 Dr. Jens Döbler Beispiel für zwei Parameter Torsionswinkel von Pentan Potentialfläche Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 3

4 3N Oftmals Ein Dr. Jens Döbler Potentialenergiefläche Energie kann als Hyperfläche im 3N 5 dimensionalen Raum angesehen werden 6 Strukturparameter (innere Freiheitsgrade) Energie PES: Potentialenergiehyperfläche (engl. potential energy hypersurface) Minima: Stabile Strukturen verschiedene Minima, lokale Minima globales Minimum Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 4

5 Dr. Jens Döbler Beispiel für PES Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 5

6 E/ x Dr. Jens Döbler Stationäre Punkte Definition: Erste Ableitung nach Strukturparametern gleich Null i = 0 für alle i E/ xi : Gradienten, Interpretation nach klass. Physik: Kräfte Möglichkeiten für stationäre Punkte: Minimum Sattelpunkt Maximum Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 6

7 E Matrix Minimum: Sattelpunkt Maximum: Dr. Jens Döbler Charakterisierung von stat. Punkten Zweite Ableitungen der Energie nach den Strukturparametern 2 / x i x j = F ij mit (3N 6) 2 Werten: Hesse-Matrix (engl. hessian) Eigenwerte durch Diagonalisierung reelle Eigenwerte n. Ordnung: n negative Eigenwerte nur negative Eigenwerte Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 7

8 Berechnung Berechnung Übergangszustand Berechnung Dr. Jens Döbler Interpretation von stationären Punkten Minimum: Stabile Struktur Strukturberechnung von Reaktionsenergien von relativer Stabilität von Isomeren Sattelpunkte erster Ordnung von Reaktion von Aktivierungsenergie Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 8

9 Vollständige Multidimensionales Dr. Jens Döbler Energieminimierung Berechnung von stationärem Punkt auf der PES Strukturoptimierung Normalerweise nicht exakt lösbar Berechnung von PES zu aufwendig Problem Iterative Algorithmen Richtung/Schrittweite Lösung abhängig von Startstruktur Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 9

10 line Gradienten Änderung Änderung Dr. Jens Döbler Steepest Descent Steepest Descent: Engl. für steilster Abstieg Richtung durch Gradienten Anpassung von Schrittweite, so daß Energie sinkt search Berechnung von verschiedenen Schrittweiten, Interpolation von Minimum Iterative Berechnung/Abbruchkriterien z. B. klein der Energie klein der Struktur klein Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 10

11 Dr. Jens Döbler Beispiel für Steepest Descent Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 11

12 Dr. Jens Döbler Conjugate Gradients Steepest Descent liefert keine optimalen Ergebnisse Conjugate Gradients generiert neue Richtung aus bisheriger und aktuellen Gradienten Beispiele für CG-Methoden Fletcher-Reeves Polak-Ribiere neue Richtung aus Gradienten CG Richtung vorherige Richtung Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 12

13 Dr. Jens Döbler Vergleich Steepest Descent Conjugate Gradients Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 13

14 Gute Wenn Dr. Jens Döbler Newton-Raphson Methoden Verwenden erste und zweite Ableitungen der Energie Zweite Ableitung der Energie: Krümmung der PES Quadratische Modellfunktion für PES Quadratische PES: Harmonisches Potential Näherung in der Nähe des Minimum PES harmonisch: Optimierung in einem Schritt Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 14

15 Dr. Jens Döbler Beispiel Newton-Raphson harmonisches Modellpotential tatsächliches Potential Gradient Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 15

16 Start: Verbesserung Algorithmen Dr. Jens Döbler Quasi-Newton-Methoden Berechnung der zweiten Ableitungen aufwendig Quasi-Newton-Methoden verwenden Näherung für zweite Ableitungen (Hesse-Matrix) Diagonalmatrix der Hesse-Matrix durch Gradienten bei jedem Optimierungsschritt für Verbesserung der Hesse-Matrix, z.b. BFGS (Broyden-Fletcher-Goldfarb-Shannon) DFP (Davidon-Fletcher-Powell) Jens Döbler 2004 "Computer in der Chemie", WS , Humboldt-Universität VL12 Folie 16

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn

Optimierung. 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

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren

Mehr

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass

Mehr

3 Optimierung mehrdimensionaler Funktionen f : R n R

3 Optimierung mehrdimensionaler Funktionen f : R n R 3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)

Mehr

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Numerische Verfahren der nicht-linearen Optimierung Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Outline Line

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0. Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales

Mehr

8 Extremwerte reellwertiger Funktionen

8 Extremwerte reellwertiger Funktionen 8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R

Mehr

Problem lokaler Minima

Problem lokaler Minima Optimierung Optimierung Häufige Aufgabe bei Parameterschätzung: Minimierung der negativen log-likelihood-funktion F(a) oder der Summe der quadratischen Abweichungen S(a) und Berechnung der Unsicherheit

Mehr

Peter Deglmann (Autor) Zweite analytische Ableitungen in der Dichtefunktionaltheorie und Dichtefunktionaluntersuchungen von Halbleiterclustern

Peter Deglmann (Autor) Zweite analytische Ableitungen in der Dichtefunktionaltheorie und Dichtefunktionaluntersuchungen von Halbleiterclustern Peter Deglmann (Autor) Zweite analytische Ableitungen in der Dichtefunktionaltheorie und Dichtefunktionaluntersuchungen von Halbleiterclustern https://cuvillier.de/de/shop/publications/3630 Copyright:

Mehr

5.10. Mehrdimensionale Extrema und Sattelpunkte

5.10. Mehrdimensionale Extrema und Sattelpunkte 5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(

Mehr

Kapitel 8: Suche nach Nullstellen und Extremwerten

Kapitel 8: Suche nach Nullstellen und Extremwerten Kapitel 8: Suche nach Nullstellen und Extremwerten Nullstellensuche (root finding) Einfachste Variante: Suche Nullstelle(n) einer 1D-Funktion: f(x) = 0 (1) Dies umfaßt bereits scheinbar andere Fälle, z.b.

Mehr

Numerische Methoden und Algorithmen in der Physik

Numerische Methoden und Algorithmen in der Physik Numerische Methoden und Algorithmen in der Physik Hartmut Stadie, Christian Autermann 11.12.2008 Numerische Methoden und Algorithmen in der Physik Hartmut Stadie 1/ 18 Einführung Einführung Verfahren für

Mehr

Studientag zur Algorithmischen Mathematik

Studientag zur Algorithmischen Mathematik Studientag zur Algorithmischen Mathematik Aufgaben zur nicht-linearen Optimierung Teil II Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Aufgabe 5 Bestimmen

Mehr

6.8 Newton Verfahren und Varianten

6.8 Newton Verfahren und Varianten 6. Numerische Optimierung 6.8 Newton Verfahren und Varianten In den vorherigen Kapiteln haben wir grundlegende Gradienten-basierte Verfahren kennen gelernt, die man zur numerischen Optimierung von (unbeschränkten)

Mehr

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

Outline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel

Outline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität

Mehr

Mathematik für Wirtschaftswissenschaftler Kapitel 4-6. Universität Trier Wintersemester 2013 / 2014

Mathematik für Wirtschaftswissenschaftler Kapitel 4-6. Universität Trier Wintersemester 2013 / 2014 Mathematik für Kapitel 4-6 Universität Trier Wintersemester 2013 / 2014 Kapitel 4 1. Extremwerte 2. Lokale Optimalpunkte 3. Wendepunkte 2 Kapitel 4.1 EXTREMWERTE 3 Extrempunkte und Extremwerte 4 Strikte

Mehr

Statistische Methoden in der Wirtschaftsund Sozialgeographie

Statistische Methoden in der Wirtschaftsund Sozialgeographie Statistische Methoden in der Wirtschaftsund Sozialgeographie Ort: Zeit: Multimediapool Rechenzentrum Mittwoch 10.15-11-45 Uhr Material: http://www.geomodellierung.de Thema: Beschreibung und Analyse Wirtschafts-

Mehr

Multivariate Analysis

Multivariate Analysis Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick auf die letzte Vorlesung. Bemerkung Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D

Mehr

Euklidische Distanzmatrizen. Andrei Grecu

Euklidische Distanzmatrizen. Andrei Grecu Euklidische Distanzmatrizen Andrei Grecu Übersicht Motivation Definition und Problemstellung Algo 1: Semidefinite Programmierung Algo 2: Multidimensional Scaling Algo 3: Spring Embedder Algo 4: Genetischer

Mehr

Der CG-Algorithmus (Zusammenfassung)

Der 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

Mehr

UNIVERSITÄT KARLSRUHE INSTITUT FÜR PHYSIKALISCHE CHEMIE

UNIVERSITÄT KARLSRUHE INSTITUT FÜR PHYSIKALISCHE CHEMIE UNIVERSITÄT KARLSRUHE INSTITUT FÜR PHYSIKALISCHE CHEMIE Diplomarbeit Bestimmung stationärer Punkte auf Potentialenergiehyperflächen Matthias Ernst 18. August 2009 Diplomarbeit am Lehrstuhl für Theoretische

Mehr

Quadratische Formen und Definitheit

Quadratische Formen und Definitheit Universität Basel Wirtschaftswissenschaftliches Zentrum Quadratische Formen und Definitheit Dr. Thomas Zehrt Inhalt: 1. Quadratische Formen 2. Quadratische Approximation von Funktionen 3. Definitheit von

Mehr

Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher

Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher Technische Universität Chemnitz 1. Juli 20 Fakultät für Mathematik Höhere Mathematik I.2 Übung 22: Gradient und Richtungsableitung; Extremwertaufgaben für Funktionen mehrerer Veränderlicher 1. Durch ein

Mehr

Numerische Ableitung

Numerische 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:

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen 7. Juni 201 *Aufgabe 1. Gegeben seien fx, y = xy 2 8e x+y und P = 1, 2. Der Gradient von f ist genau an der Stelle P Null. a Untersuchen Sie mit Hilfe der Hesse-Matrix,

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

Extrema (Funktionen mit zwei Variablen)

Extrema (Funktionen mit zwei Variablen) Extrema (Funktionen mit zwei Variablen) Vorzeigeaufgaben: WS04/05 Aufgabe 4 HS11 Aufgabe 4 a) + b) Empfohlene Bearbeitungsreihenfolge: WS05/06 Aufgabe 5 b) WS06/07 Aufgabe 4 HS10 Aufgabe 1 b) + c) HS1

Mehr

Musterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik

Musterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik Aufgabe Punkte Geben Sie die Matrixbeschreibung der Quadrik {x R 3x 3x 8x x +x +4x +7 = 0} an Berechnen Sie die euklidische Normalform der Quadrik und ermitteln Sie die zugehörige Koordinatentransformation

Mehr

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.

f(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum. Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit

Mehr

Computeranwendung in der Chemie Informatik für Chemiker(innen)

Computeranwendung in der Chemie Informatik für Chemiker(innen) Computeranwendung in der Chemie Informatik für Chemiker(innen) Dr. Jens Döbler Arbeitsgruppe Quantenchemie jd@chemie.hu-berlin.de Jens Döbler 2003 "Computer in der Chemie", WS 2003-04, Humboldt-Universität

Mehr

Wirtschaftsmathematik Formelsammlung

Wirtschaftsmathematik Formelsammlung Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation

Mehr

Großes Lehrbuch der Mathematik für Ökonomen

Großes Lehrbuch der Mathematik für Ökonomen Großes Lehrbuch der Mathematik für Ökonomen Von Professor Dr. Karl Bosch o. Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim und Professor Dr. Uwe Jensen R. Oldenbourg

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung

Mehr

Optimierung für Nichtmathematiker

Optimierung für Nichtmathematiker Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den

Mehr

Mathematik 3 für Informatik

Mathematik 3 für Informatik Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4

Mehr

Computeranwendung in der Chemie Informatik für Chemiker(innen) 4. Netzwerke

Computeranwendung in der Chemie Informatik für Chemiker(innen) 4. Netzwerke Computeranwendung in der Chemie Informatik für Chemiker(innen) 4. Netzwerke Jens Döbler 2003 "Computer in der Chemie", WS 2003-04, Humboldt-Universität VL4 Folie 1 Grundlagen Netzwerke dienen dem Datenaustausch

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 1 für Wirtschaftsinformatik Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Nichtlineare Optimierung ohne Nebenbedingungen Mike Hüftle 31. Juli 2006 Inhaltsverzeichnis 1 Einleitung 2 1.1 Nichtlineares Modell......................... 2 1.2 Methoden...............................

Mehr

Numerische Mathematik für Ingenieure und Physiker

Numerische Mathematik für Ingenieure und Physiker Willi Törnig Peter Spellucci Numerische Mathematik für Ingenieure und Physiker Band 1: Numerische Methoden der Algebra Zweite, überarbeitete und ergänzte Auflage Mit 15 Abbildungen > Springer-Verlag Berlin

Mehr

Kapitel 2: Die Born-Oppenheimer-Näherung

Kapitel 2: Die Born-Oppenheimer-Näherung Kapitel 2: Die Born-Oppenheimer-Näherung Übersicht: 2.1 Der molekulare Hamiltonoperator 2.2 Die Born-Oppenheimer-Näherung 2.3 Die Schrödingergleichung für die Kernbewegung 2.4 Die Born-Oppenheimer-Potentialfläche

Mehr

Lösungsskizzen zur Klausur

Lösungsskizzen zur Klausur sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie

Mehr

Begleitmaterial zum Buch Statistik, Ökonometrie und Optimierung: Methoden und praktische Anwendungen in Finanzanalyse und Portfoliomanagement

Begleitmaterial zum Buch Statistik, Ökonometrie und Optimierung: Methoden und praktische Anwendungen in Finanzanalyse und Portfoliomanagement Begleitmaterial zum Buch Statistik, Ökonometrie und Optimierung: Methoden und praktische Anwendungen in Finanzanalyse und Portfoliomanagement 1. Vorbemerkungen Dieses Dokument gibt eine kurze Übersicht

Mehr

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z

3 Anwendungen der Differentialrechnung. (x 1, x 2,..., x n 1, x n ) f xn (x 1, x 2,..., x n 1, x n ), 1 i n 1. y + cos z R Es sei f : R n D R eine einmal stetig differenzierbare Funktion, für die in einer Umgebung eines Punkte a = a 1, a,, a n D gilt: fa 1, a,, a n = 0, f xn a 1, a,, a n 0 Dann gibt es eines Umgebung U des

Mehr

Lineare Näherung. Anwendungen

Lineare Näherung. Anwendungen Lineare Näherung. Anwendungen Jörn Loviscach Versionsstand: 1. Januar 2010, 17:15 1 Lineare Näherung Ist eine Funktion f an der Stelle x 0 differenzierbar, existiert dort ihre Ableitung f und es gilt:

Mehr

D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9

D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9 D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2. Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar

Mehr

Minima und Schnitte von DFT/MRCI-Potentialhyperflächen: Parallele Implementierung und Anwendung eines numerischen Suchalgorithmus

Minima und Schnitte von DFT/MRCI-Potentialhyperflächen: Parallele Implementierung und Anwendung eines numerischen Suchalgorithmus Heinrich-Heine-Universität Düsseldorf Masterarbeit Minima und Schnitte von DFT/MRCI-Potentialhyperflächen: Parallele Implementierung und Anwendung eines numerischen Suchalgorithmus Larissa Pohler Matrikelnummer

Mehr

Einführung in das Molecular Modelling

Einführung in das Molecular Modelling Einführung in das Molecular Modelling Darstellung und Bearbeitung dreidimensionaler Molekülstrukturen Berechnung der physikochemischen Eigenschaften Ziel: Einsicht in die molekularen Mechanismen der Arzneistoffwirkung

Mehr

Einachsige Belastungen - Probekörper

Einachsige Belastungen - Probekörper Einachsige Belastungen - Probekörper FEM II, WS 2011/12, Blatt 1 Einachsiger Zugversuch FEM II, WS 2011/12, Blatt 2 Lagrangesche & Eulersche Darstellung FEM II, WS 2011/12, Blatt 3 Einfache Scherung -

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Überbestimmte lineare Gleichungssysteme

Überbestimmte lineare Gleichungssysteme Überbestimmte lineare Gleichungssysteme Fakultät Grundlagen September 2009 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme Übersicht 1 2 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme

Mehr

2. Übungsaufgabe: Geometrieoptimierung, Verwendung der Z-Matrix

2. Übungsaufgabe: Geometrieoptimierung, Verwendung der Z-Matrix Theoretische Chemie II Übungen am Computer Prof. Bernhard Dick Christian Neiß Uni Regensburg WS 2003/2004 2. Übungsaufgabe: Geometrieoptimierung, Verwendung der Z-Matrix A. Vorbemerkungen: Angabe der Molekülgeometrie

Mehr

Euler-Verfahren. exakte Lösung. Euler-Streckenzüge. Folie 1

Euler-Verfahren. exakte Lösung. Euler-Streckenzüge. Folie 1 exakte Lösung Euler-Verfahren Folie 1 Euler-Streckenzüge Ein paar grundlegende Anmerkungen zur Numerik Die Begriffe Numerik bzw. Numerische Mathematik bezeichnen ein Teilgebiet der Mathematik, welches

Mehr

Optimierung. Florian Jarre Josef Stoer. Springer

Optimierung. Florian Jarre Josef Stoer. Springer 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Florian Jarre Josef Stoer Optimierung Springer Inhaltsverzeichnis

Mehr

Kurvendiskussion für Funktionen mit einer Variablen

Kurvendiskussion für Funktionen mit einer Variablen Kurvendiskussion für Funktionen mit einer Variablen Unter der Kurvendiskussion einer Funktionsgleichung versteht man die Zusammenstellung der wichtigsten Eigenschaften ihres Bildes mit anschließender Zeichnung.

Mehr

Theoretisch-chemische Übungen Quantenchemischer Teil

Theoretisch-chemische Übungen Quantenchemischer Teil Theoretisch-chemische Übungen Quantenchemischer Teil Gunther Zechmann Universität Wien Institut für Theoretische Chemie Sommersemester 2006 1 Berechnung der Rotationsbarriere von Ethan Auswahl der Rechenmethoden

Mehr

Extrema von Funktionen mit zwei Variablen

Extrema von Funktionen mit zwei Variablen Extrema von Funktionen mit zwei Variablen Es gilt der Satz: Ist an einer Stelle x,y ) f x x,y ) = und f y x,y ) = und besteht außerdem die Ungleichung f xx x,y )f yy x,y ) f xy x,y ) >, so liegt an dieser

Mehr

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen

11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen 11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des

Mehr

Mathematik in der Biologie

Mathematik in der Biologie Erich Bohl Mathematik in der Biologie 4., vollständig überarbeitete und erweiterte Auflage Mit 65 Abbildungen und 16 Tabellen ^J Springer Inhaltsverzeichnis Warum verwendet ein Biologe eigentlich Mathematik?

Mehr

Theoretische Physik 1, Mechanik

Theoretische Physik 1, Mechanik Theoretische Physik 1, Mechanik Harald Friedrich, Technische Universität München Sommersemester 2009 Mathematische Ergänzungen Vektoren und Tensoren Partielle Ableitungen, Nabla-Operator Physikalische

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der

Mehr

7 Lineare Gleichungssysteme

7 Lineare Gleichungssysteme 118 7 Lineare Gleichungssysteme Lineare Gleichungssysteme treten in vielen mathematischen, aber auch naturwissenschaftlichen Problemen auf; zum Beispiel beim Lösen von Differentialgleichungen, bei Optimierungsaufgaben,

Mehr

Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2

Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2 Mathematik für Biologen und Chemiker Prof. Scheltho - Übungen Mathe 2 Fortsetzung der komlexen Zahlen : 9. Radizieren und Potenzen a) Berechnen Sie (1+i) 20 und geben Sie das Resultat als Polarkoordinaten

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel

Mehr

Algorithmen II Vorlesung am

Algorithmen II Vorlesung am Algorithmen II Vorlesung am 0..0 Minimale Schnitte in Graphen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales Forschungszentrum

Mehr

Differentialrechnung bei Funktionen mehreren Variablen

Differentialrechnung bei Funktionen mehreren Variablen Kap. 6 Differentialrechnung bei Funktionen mehreren Variablen Im folgenden geht es um Funktionen des Typsf :R n R X... Y =f(x,...,x n ) X n Eine Weiterentwicklung der Differentialrechnung für solche Funktionen

Mehr

HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.

HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx. HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden

Mehr

Lösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)

Lösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis) Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben

Mehr

Höhere Mathematik für Naturwissenschaftler und Ingenieure

Höhere Mathematik für Naturwissenschaftler und Ingenieure Günter Bärwolff Höhere Mathematik für Naturwissenschaftler und Ingenieure unter Mitarbeit von Gottfried Seifert ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spekt rum K-/1. AKADEMISCHER VERLAG AKADEMISC Inhaltsverzeichnis

Mehr

Fortgeschrittene Netzwerk- und Graph-Algorithmen

Fortgeschrittene Netzwerk- und Graph-Algorithmen Fortgeschrittene Netzwerk- und Graph-Algorithmen Prof. Dr. Hanjo Täubig Lehrstuhl für Effiziente Algorithmen (Prof. Dr. Ernst W. Mayr) Institut für Informatik Technische Universität München Wintersemester

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

Mehr

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist

Mehr

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene

Mehr

MAT Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7

MAT Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7 MAT.4 - Lineare Algebra, SS 07 Prof. Joachim Rosenthal Lösung zu Übungsblatt 7 Aufgabe Sei ϕ : V V R eine symmetrische Bilinearform auf einem reellen Vektorraum V. Für die Vektoren v,...,v n V gelte ϕ(v

Mehr

Fehlerfortpflanzung & Extremwertbestimmung. Folie 1

Fehlerfortpflanzung & Extremwertbestimmung. Folie 1 Fehlerfortpflanzung & Etremwertbestimmung Folie 1 Fehlerfortpflanzung Einführung In vielen technischen Zusammenhängen sind die Werte bestimmter Größen nicht genau bekannt sondern mit einer Unsicherheit

Mehr

Übungen zur Analysis II Blatt 27 - Lösungen

Übungen zur Analysis II Blatt 27 - Lösungen Prof. Dr. Torsten Wedhorn SoSe 22 Daniel Wortmann Übungen zur Analysis II Blatt 27 - Lösungen Aufgabe 5: 6+6+6* Punkte Bestimme alle lokalen Extrema der folgenden Funktionen: a b c* f : R 3 R g : R 2 R

Mehr

Lineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue

Lineare Abbildungen Definitionen von linearer Abbildung, linearer Transformation, affiner Abbildung. Parallentreue und Teilverhältnistreue Lineare Abbildungen Vorlesung Lineare Algebra mit integrierten Übungen WS 12 13 Studiengang LBS Unterrichtsfach Mathematik Lineare Algebra, Teil 2 Abbildungen Lineare Abbildungen Lineare Eigenwerte, Eigenvektoren

Mehr

AES und Public-Key-Kryptographie

AES und Public-Key-Kryptographie Jens Kubieziel jens@kubieziel.de Friedrich-Schiller-Universität Jena Fakultät für Mathem atik und Informatik 22. Juni 2009 Beschreibung des Algorithmus Angriffe gegen AES Wichtige Algorithmen im 20. Jahrhundert

Mehr

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag

Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,

Mehr

Numerik und Simulation in der Geoökologie

Numerik und Simulation in der Geoökologie 1/49 Rekapitulation Das Euler-Verfahren für ODE-IVP Eigenschaften von Einschrittverfahren Numerik und Simulation in der Geoökologie Sylvia Moenickes VL 2 WS 2007/2008 2/49 Rekapitulation Das Euler-Verfahren

Mehr

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Clusteranalyse. Tobias Scheffer Thomas Vanck

Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen. Clusteranalyse. Tobias Scheffer Thomas Vanck Universität Potsdam Institut für Informatik Lehrstuhl Maschinelles Lernen Clusteranalyse Tobias Scheffer Thomas Vanck Überblick Problemstellung/Motivation Deterministischer Ansatz: K-Means Probabilistischer

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

Mehr

Iterative Methods for Improving Mesh Parameterizations

Iterative Methods for Improving Mesh Parameterizations Iterative Methods for Improving Mesh Parameterizations Autoren: Shen Dong & Michael Garland, SMI 07 Nicola Sheldrick Seminar Computergrafik April 6, 2010 Nicola Sheldrick (Seminar Computergrafik)Iterative

Mehr

Das CG-Verfahren. Sven Wetterauer

Das CG-Verfahren. Sven Wetterauer Das CG-Verfahren Sven Wetterauer 06.07.2010 1 Inhaltsverzeichnis 1 Einführung 3 2 Die quadratische Form 3 3 Methode des steilsten Abstiegs 4 4 Methode der Konjugierten Richtungen 6 4.1 Gram-Schmidt-Konjugation.........................

Mehr

Verfahren zur Berechnung der Exponentialmatrix

Verfahren zur Berechnung der Exponentialmatrix Verfahren zur Berechnung der Exponentialmatrix Konrad Waldherr Verfahren zur Berechnung der Exponentialmatrix p.1/14 Motivation In einem Quantensystem ist folgendes Produkt von besonderer Bedeutung: e

Mehr

Aufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1:

Aufgabe 1: Bestimmen Sie Zahlen a b. ,, für die. = b. und gleichzeitig a + b + 1 = 0 gilt. Lösung zu Aufgabe 1: WS 99/99 Aufgabe : Bestimmen Sie Zahlen a b,, für die 6 b a und gleichzeitig a + b + gilt. Lösung zu Aufgabe : WS 99/99 Aufgabe : Ein Unernehmen stellt aus ohstoffen (,,, ) Zwischenprodukte ( Z, Z, Z )

Mehr

A58: Molekulardynamik-Simulation und Strukturanalyse eines Glycin-Peptids

A58: Molekulardynamik-Simulation und Strukturanalyse eines Glycin-Peptids A58: Molekulardynamik-Simulation und Strukturanalyse eines Glycin-Peptids Der Versuch findet im Computerraum 406, Geb. 30.44 statt! Bitte beachten: Bringen Sie ein geeignetes Speichermedium (z.b. USB-Stick)

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Eine zweidimensionale Stichprobe

Eine zweidimensionale Stichprobe Eine zweidimensionale Stichprobe liegt vor, wenn zwei qualitative Merkmale gleichzeitig betrachtet werden. Eine Urliste besteht dann aus Wertepaaren (x i, y i ) R 2 und hat die Form (x 1, y 1 ), (x 2,

Mehr

4.2 Der Harmonische Oszillator

4.2 Der Harmonische Oszillator Dieter Suter - 208 - Physik B3, SS03 4.2 Der Harmonische Oszillator 4.2.1 Harmonische Schwingungen Die Zeitabhängigkeit einer allgemeinen Schwingung ist beliebig, abgesehen von der Periodizität. Die mathematische

Mehr

TEILWEISE ASYNCHRONE ALGORITHMEN

TEILWEISE ASYNCHRONE ALGORITHMEN TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner

Mehr

Quantenchemie auf dem Rechner

Quantenchemie auf dem Rechner Physikalisch-Chemische Praktika Quantenchemie auf dem Rechner Versuch S1 Einleitung Dieser Praktikumsversuch ist der erste Teil eines dreiteiligen Blocks von Versuchen im Rahmen des Praktikums zur Molekülspektroskopie

Mehr