3 Das Programm 3. 4 Dateien 4. 5 Aufgaben 4. 6 Ausblick 5
|
|
- Michael Frei
- vor 6 Jahren
- Abrufe
Transkript
1 Contents 1 Ziele dieser Uebung 1 2 Finite-Differenzen-Methode 1 3 Das Programm 3 4 Dateien 4 5 Aufgaben 4 6 Ausblick 5 1 Ziele dieser Uebung 1.1 Einleitung Wir erweitern das Problem aus der letzten Uebung und betrachten ein instationaeres Konvektions- Diffusions-Problem. Zunaechst werden wir ein aehnlich einfaches Programm betrachten, wie in der letzten Uebung. In den Aufgaben sollen Sie diese jedoch strukturieren. 1.2 Die Ziele dieser Uebung sind Vertiefung Finite-Differenzen-Methode (zeitabhaengig, Ableitungsdiskretisierung mit Richtung) Waermer werden mit C++ Erste Konvergenzuntersuchungen Erweiterung eines einfachen Finite-Differenzen-Loesers 1.3 Neue Funktionalitaet Wir verzichten zunaechst auf neue programmtechnische Funktionalitaet im Vergleich zum letzten Mal. Neue Funktionen/Strukturen sollen mit Hilfe der Aufgaben kennen gelernt werden. 2 Finite-Differenzen-Methode 2.1 Das Konvektions-Diffusions-Problem Wir betrachten die folgende Differentialgleichung mit Ω = (0, 1), Randwerten und Anfangswerten t u(x, t) a xx u(x, t) + b x u(x, t) = f(x, t), x Ω, t (0, T ] u(0, ) = u(1, ) = 0 u(, 0) = u 0 (x) C 2 ( Ω), u 0 (0) = u 0 (1) = 0. Wir nehmen an, dass eine eindeutige Loesung existiert mit u C 2 (Ω) C 0 ( Ω). Wir nennen a den Diffusionskoeffizienten und b die Konvektionsgeschwindigkeit. 1
2 2.2 Approx. von 1.Abl. (zentral) [Wdhl.] Eine einfache Ableitung wird approximiert mit der (zentralen) finiten Differenz x u = δ x u u(x i+1) u(x i 1 ). 2h Hier ist h der Abstand von zwei Gitterpunkten. Motivieren laesst sich diese Wahl als Sekante durch die Funktionswerte an den Punkten x h und x + h welche als Approximation der Ableitung am Punkt x benutzt wird. 2.3 Approx. von 1.Abl. (links-/rechtsseitig) [Wdhl.] Alternativ kann man auch mit links- oder rechtseitigen Differenzen, z.b. x u = δ x u u(x i+1) u(x i ) h arbeiten. In dieser Uebung werden wir sehen, dass es Sinn machen die links- oder rechtsseitige Differenzen den zentralen Differenzen vorzuziehen. 2.4 Approx. von 2.Abl. (zentral) [Wdhl.] Fuer die zweite Ableitung erhaelt man die uebliche finite Differenzen Approximation: 2.5 Zeitdiskretisierung (1) xx u = δ xx u u(x i+1) 2u(x i ) + u(x i 1 ) h 2 Bei der Finite-Differenzen-Methode wird jetzt fuer jeden Gitterpunkt eine Gleichung formuliert. Zusaetzlich zu der Diskretisierung der Ortsableitungen, muessen wir auch in der Zeit diskretisieren. Dafuer benutzen wir auch Finite-Differenzen, betrachten aber zunaechst nur eine Variante. Wir diskretisieren t u(x, t) u(x, tn ) u(x, t n 1 ) t 2.6 Zeitdiskretisierung (2) Zur Zeitdiskretisierung der Gleichung werten wir alle uebrigen Terme zu dem Zeitpunk t n 1 aus. Das entspricht einer Diskretisierung mit dem expliziten Euler-Verfahren. Wir schreiben dazu formal t u = F (t) und diskretisieren dies mit u(x, t n ) u(x, t n 1 ) = F (t n 1 ). t Hierbei ist F der Ausdruck der sich aus der Ortsdiskretisierung von a xx u + b x u f ergibt. 2.7 Voll-diskretisierte Gleichungen Sei u n i die Approximation an u(x i, t n ) (f n i analog), so erhalten wir mit dem expliziten Euler Verfahren und finiten Differenzen: u n i = u n 1 i + t(f n i + a δ xx (u n 1 i 1, un 1 i, u n 1 i+1 ) b δ x(u n 1 i 1, un 1 i, u n 1 i+1 )) fuer alle i {1,.., N 1}. Hierbei ist δ xx (a, b, c) die Finite-Differenzen-Approximation die sich an dem Knoten mit Wert b, und den Nachbarwerten a (links) und c (rechts) ergeben. Analog ist δ x (,, ) eine Finite-Differenzen-Approximation der ersten Ableitung. 2
3 3 Das Programm 3.1 Startpunkt Wir starten mit dem Code aus Uebung 01 und passen diesen so an, dass oben genanntes Problem geloest werden kann. Einige Schritte erklaeren wir hier, die letzteren sind als Aufgabe formuliert. 3.2 Grundlage Quellcode Arbeiten Sie entweder mit dem Code aus Uebung 01 weiter (ggf. kopieren und umbenennen). In lesson02_src.tar.gz finden Sie eine entsprechende (umgenannte) Kopie. 3.3 Zeitintegrationsschleife (1) Fuehren Sie eine Variable dt fuer die Zeitschrittweite ein: const double dt = 1e-3; // time step size und entfernen Sie den Richardson-paramater ω (damping). 3.4 Zeitintegrationsschleife (2) Bestimmen Sie die Anzahl der Zeitschritte nsteps: int nsteps = round(1.0/dt); und tauschen Sie die Richardsons-iterationsschleife for (int k=0; k<100*n*n; ++k) { gegen eine Zeitschleife for (int k=1; k<=nsteps; ++k) // starting from k=1 as k=0 is initial data { double tn = k * dt; // current time step 3.5 Variablenbenennung Da wir mit einem expliziten Euler-Verfahren arbeiten, laesst sich die Zeitdiskretisierung auffassen als u n = u n 1 + tf n 1 wobei u n, u n 1 und F n 1 als die Vektoren zu verstehen sind, die u(, t n ), u(, t n 1 ) und F (, t n 1 ) approximieren mit F n 1 = a δ xx u n 1 + b δ x u n 1 f n 1. D.h. es ist sinnvoll die Variable cur_res (das Residuum) umzubenennen zu F oder aehnlichem. Eine Abfrage ob das Residuum klein ist, ist bei dem instationaeren Problem auch nicht mehr relevant und kann somit entfernt werden. 3
4 3.6 Anfangswerte Fuer die Loesung des Problems sind jetzt natuerlich auch die Anfangswerte wichtig. ersetzen wir Deswegen u[i] = 0.0; // initial value for u mit u[i] = myinitial(x[i]); // initial value for u wobei myinitial eine selbst definierte Funktion ist, welche die Anfangswerte bereitstellt. 4 Dateien 4.1 Ausgangspunkt fuer diese Uebung Die Schritte, die oben erklaert wurden, resultieren in den folgenden Dateien. In der convdiff1d.cc Datei sind zusaetzlich noch die Aufgaben vorbereitet und markiert: lesson02_src.tar.gz convdiff1d.pdf convdiff1d.beamer.pdf convdiff1d.html 5 Aufgaben 5.1 Programmierung (1): Schreiben Sie das Programm der letzten Uebung auf das neue Problem um und geben Sie fuer t {0.0, 0.25, 0.5, 0.75, 1.0} die Loesung in eine Datei aus. Waehlen Sie anfangs die Parameter N = 20, t = , a = 1, b = 0, u 0 (x) = x (1 x), f = 1. Loesen Sie das Problem und betrachten Sie die Loesung zum Zeitpunkt t = Mit dem Problem arbeiten (1): Welche Zeitschrittgroessen sind zulaessig? Versuchen Sie t {10 4, 10 3, 10 2 } fuer N {10, 20, 40} aus. Was faellt Ihnen auf? Waehlen Sie den Parameter fuer t in Abhaengigkeit von N so, dass Ihr Verfahren immer stabil ist. 5.3 Mit dem Problem arbeiten (2): Waehlen Sie nun a {1, 0.1, 0.01, 0.001}, b = 1, u 0 (x) = x (1 x) und f = 1. Was faellt Ihnen auf? Verwenden Sie zentrale, rechts- und linksseitige Differenzen fuer die Approximation des Konvektionsterms. Wann ist welches Verfahren stabil? Probieren Sie auch b = 1. 4
5 5.4 Programmierung (2): Definieren Sie Funktionen um Finite-Differenzen Approximationen δ x und δ xx zu definieren. Die Definitionen sollten sich außerhalb der main-funktion befinden. Implementieren Sie sie die folgenden Approximationen: linksseitige Approximation der ersten Ableitung rechtsseitige Approximation der ersten Ableitung zentrale Approximation der ersten Ableitung zentrale Approximation der zweiten Ableitung Passen Sie Ihr Programm so an, dass dies genutzt wird. 5.5 Mit dem Problem arbeiten (3): Loesen Sie ein Problem mit a {0.01}, b = 1, u 0 (x) = x (1 x) und f = 1 und bestimmen Sie u max = max x [0,1] u(x, t = 1) fuer eine Referenzloesung, die Sie mit N = 500 ermitteln. Loesen Sie das gleiche Problem nun mit N = 20, 40, 80. Wie verhaelt sich der Fehler? method \ N left-sided (value) left-sided (error) central (value) central (error) right-sided (value) right-sided (error) 5.6 Programmierung (3): Schreiben Sie eine Klasse FD_stencil welche die Parameter h,a,b entgegen nimmt und eine Funktion evaluate(const double& left, const double& center,const double& right) zur Verfuegung stellt. Treffen Sie in Abhaengigkeit der Parameter eine sinnvolle Wahl zur Approximation des Konvektionsterms. Verwenden Sie diese in der Diskretisierung fuer ein Testproblem. Referenz fuer Funktionszeiger: html 5.7 Programmierung (4 (Bonus)): Schieben Sie die Implementierung von in eine separate Datei (.cc) und aendern Sie das Makefile entsprechend. Diese Problematik wird spaeter noch tiefer diskutiert. 6 Ausblick 6.1 Diskretisierung / Loeser: Finite Elemente Aufstellen und Loesen von Gleichungssystemen 5
6 6.2 Programmierung: Objektorientiertes Programmieren: Klassen Programme die aus mehr als einer Datei generiert werden (Richtung Projekte) 6
Modellieren in der Angewandten Geologie II. Sebastian Bauer
Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine
MehrD-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
Mehr1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrProgrammieren in C. Zeiger auf Funktionen. Prof. Dr. Nikolaus Wulff
Programmieren in C Zeiger auf Funktionen Prof. Dr. Nikolaus Wulff Zeiger auf Funktionen Zeiger verweisen auf beliebige Speicherstellen. Im Allgemeinen werden Zeiger ausgerichtet auf Variablen, wie z. B.
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)
MehrApproximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente
. Session 6: Theoretische Geodäsie Approximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente 1 Jessica Franken Institut für Geodäsie und Geoinformation Professur für Theoretische
MehrÜbungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik'
Übungen zu Meteorologische Modellierung Teil 'Grundlagen der Numerik' 1. Diskretisierung in der Zeit: Die Evolutionsgleichung Kurzzusammenfassung Zur Erprobung der Verfahren zur zeitlichen Diskretisierung
MehrAufgabe 3: Lösung der Poissongleichung
Universität Hamburg Übungsblatt 3 zum Praktikum Fachbereich Informatik Paralleles Programmieren für Wissenschaftliches Rechnen Geowissenschaftler im SS 2014 Prof. T. Ludwig, H. Lenhart, N. Hübbe Abgabe:
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrNUMERISCHE MATHEMATIK I
D-MATH ETH Zürich, 22. August 2011 Prof. Ch. Schwab NUMERISCHE MATHEMATIK I 1. Interpolation und Quadratur (25 P.) a) Sei [a, b] R 1 mit a < b ein beschränktes Intervall, und f C 2 ([a, b]). Zeigen Sie,
MehrJava Kurs für Anfänger Einheit 5 Methoden
Java Kurs für Anfänger Einheit 5 Methoden Ludwig-Maximilians-Universität München (Institut für Informatik: Programmierung und Softwaretechnik von Prof.Wirsing) 22. Juni 2009 Inhaltsverzeichnis Methoden
Mehrkonvergent falls Sei eine allgemeine ("gutmütige") Funktion. Frage: kann man sie in der Nähe des Punktes darstellen mittels einer Potenzreihe in
C5 Funktionen: Reihenentwicklungen C5.1 Taylorreihen Brook Taylor (1685-1731) (Analysis-Vorlesung: Konvergenz von Reihen und Folgen) Grundlegende Frage: Wann / unter welchen Voraussetzungen lässt sich
MehrExakte Differentialgleichungen
Exakte Differentialgleichungen M. Vock Universität Heidelberg Seminar Mathematische Modellierung am 11.11.2008 Gliederung Differentialgleichungen eine erste Begegnung Definition Gewöhnliche DGL Die exakte
MehrProjektbericht Kondensation an einem Fenster
Projektbericht Kondensation an einem Fenster Florian Hanzer Ruth Kalthaus Sommersemester 2009 Einleitung Da Glas ein relativ guter Wärmeleiter ist, sind Fenster einer der größten Schwachpunkte in Bezug
MehrC++ für Ingenieure. Einführung in die objektorientierte Programmierung. Seite Programmverzeichnis VII HARALD NAHRSTEDT
VII HARALD NAHRSTEDT C++ für Ingenieure Einführung in die objektorientierte Programmierung Seite Erstellt am 15.01.2009 Beschreibung VIII 1 Grundlagen der Programmierung 1-1 Struktur einer Header-Datei
MehrÜbungen zur Theoretischen Physik 1 Lösungen zum Mathe-Test
Prof. C. Greiner, Dr. H. van Hees Wintersemester 2012/2013 Übungen zur Theoretischen Physik 1 Lösungen zum Mathe-Test Aufgabe 1: Bruchrechnung Lösen Sie die folgenden Gleichungen nach x auf (a) x x 2 1
MehrMathematik für Biologen mathematische Ergänzungen und Beispiele Teil I
Mathematik für Biologen mathematische Ergänzungen und Beispiele Teil I 1. Mengen und Abbildungen In der Mathematik beschäftigt man sich immer -direkt oder indirekt- mit Mengen. Wir benötigen den Mengenbegriff
MehrAlgorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6.
Algorithmen und Datenstrukturen (ESE) Entwurf, Analyse und Umsetzung von Algorithmen (IEMS) WS 2014 / 2015 Vorlesung 3, Donnerstag 6. November 2014 (O-Notation, Theta, Omega) Junior-Prof. Dr. Olaf Ronneberger
MehrNewton-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
MehrMehrgitter-Verfahren für DG Finite-Elemente-Diskretisierungen von turbulenten Strömungen
www.dlr.de Folie 1 > STAB Workshop, 12.11.2013 > Marcel Wallraff, Tobias Leicht 12.11.2013 Mehrgitter-Verfahren für DG Finite-Elemente-Diskretisierungen von turbulenten Strömungen Marcel Wallraff, Tobias
MehrNumerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden.
Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden Dissertation zur Erlangung des akademischen Grades doctor rerum naturalium (Dr. rer.
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
MehrProbeklausur: Programmierung WS04/05
Probeklausur: Programmierung WS04/05 Name: Hinweise zur Bearbeitung Nimm Dir für diese Klausur ausreichend Zeit, und sorge dafür, dass Du nicht gestört wirst. Die Klausur ist für 90 Minuten angesetzt,
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
MehrTU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D.
TU München, Fakultät für Informatik Lehrstuhl III: Datenbanksysteme Prof. Alfons Kemper, Ph.D. Übung zur Vorlesung Einführung in die Informatik 2 für Ingenieure (MSE) Alexander van Renen (renen@in.tum.de)
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1
D-MAVT NUMERISCHE MATHEMATIK FS 4 K. Nipp, A. Hiltebrand Lösung vom Test. Sei eps die Maschinengenauigkeit in Matlab. Dann gilt: eps/4 = Richtig / Falsch + eps/2 = Richtig / Falsch 8 + eps = 8 Richtig
MehrFolgen und Reihen. Folgen. Inhalt. Mathematik für Chemiker Teil 1: Analysis. Folgen und Reihen. Reelle Funktionen. Vorlesung im Wintersemester 2014
Inhalt Mathematik für Chemiker Teil 1: Analysis Vorlesung im Wintersemester 2014 Kurt Frischmuth Institut für Mathematik, Universität Rostock Rostock, Oktober 2014... Folgen und Reihen Reelle Funktionen
Mehr10. und 11. Vorlesung Sommersemester
10. und 11. Vorlesung Sommersemester 1 Die Legendre-Transformation 1.1 Noch einmal mit mehr Details Diese Ableitung wirkt einfach, ist aber in dieser Form sicher nicht so leicht verständlich. Deswegen
MehrPrüfung Informatik D-MATH/D-PHYS :00 11:00
Prüfung Informatik D-MATH/D-PHYS 24. 1. 2014 09:00 11:00 Prof. Bernd Gartner Kandidat/in: Name:... Vorname:... Stud.-Nr.:... Ich bezeuge mit meiner Unterschrift dass ich die Prufung unter regularen Bedingungen
MehrAlgorithmen und Programmierung II
Algorithmen und Programmierung II Vererbung Prof. Dr. Margarita Esponda SS 2012 1 Imperative Grundbestandteile Parameterübergabe String-Klasse Array-Klasse Konzepte objektorientierter Programmierung Vererbung
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
Mehr1. Eindimensionale Bewegung
1. Eindimensionale Bewegung Die Gesamtheit aller Orte, die ein Punkt während seiner Bewegung einnimmt, wird als Bahnkurve oder Bahn bezeichnet. Bei einer eindimensionalen Bewegung bewegt sich der Punkt
MehrLösungen zu Aufgabenblatt 7P
Analysis Prof. Dr. Peter Becker Fachbereich Informatik Sommersemester 205 9. Mai 205 Lösungen zu Aufgabenblatt 7P Aufgabe (Stetigkeit) (a) Für welche a, b R sind die folgenden Funktionen stetig in x 0
MehrWas Mathematiker schon vor Jahrhunderten erfunden haben, gibt es jetzt endlich in ihrer Programmiersprache:
Kapitel 8 Operatoren Was Mathematiker schon vor Jahrhunderten erfunden haben, gibt es jetzt endlich in ihrer Programmiersprache: Operatoren definieren Es ist in C++ möglich, Operatoren wie +, oder für
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
MehrEs ist für die Lösung der Programmieraufgabe nicht nötig, den mathematischen Hintergrund zu verstehen, es kann aber beim Verständnis helfen.
Ziele sind das Arbeiten mit Funktionen und dem Aufzählungstyp (enum), sowie - einfache Verzweigung (if else) - Alternativen switch case - einfache Schleifen (while oder do while) Aufgabe 3: Diese Aufgabe
MehrLineare Gleichungssysteme: eine Ergänzung
Lineare Gleichungssysteme: eine Ergänzung Ein lineares Gleichungssystem, bei dem alle Einträge auf der rechten Seite gleich sind heiÿt homogenes lineares Gleichungssystem: a x + a 2 x 2 +... + a n x n
MehrComputer Vision: Optische Flüsse
Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 7 Gewöhnliche
MehrMathematik - Antwortblatt Klausur
Mathematik - Antwortblatt Klausur 30..09 Aufgabe: 0 Punkte a) Allgemein heißt eine Funktion f (x) stetig an der Stelle x 0, wenn die folgenden Bedingungen erfüllt sind (2 Punkte): f (x 0 )=lim h 0 f (x
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 27.01.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
MehrAufgaben mit Ebenen. Parameterform Normalenform Koordinatenform. Darstellung = + r + s =0 ax 1 + bx 2 + cx 3 = d. Beispiel
Aufgaben mit Ebenen Parameterform Normalenform Koordinatenform Spurpunkte Zur grafischen Darstellung der Ebene die Spurpunkt berechnen. Zwei Koordinaten gleich 0 setzen und jeweils die dritte ausrechnen.
MehrCopyright by Hildegard Heilmann IAG 13.03.2004. Diese Unterlagen stelle ich den SchülerInnen des V. Bachilleratos des IAG zur Verfügung.
MTEquationSection;Flächenintegrale mit Derive Diese Unterlagen stelle ich den SchülerInnen des V. Bachilleratos des IAG zur Verfügung. Einige Anleitungen zum Arbeiten mit Derive: Befehle: VECTOR, ITERATES,
MehrZiel, Inhalt. Programmieren in C++ Wir lernen wie man Funktionen oder Klassen einmal schreibt, so dass sie für verschiedene Datentypen verwendbar sind
Templates und Containerklassen Ziel, Inhalt Wir lernen wie man Funktionen oder Klassen einmal schreibt, so dass sie für verschiedene Datentypen verwendbar sind Templates und Containerklassen 1 Ziel, Inhalt
Mehr1 Abstrakte Klassen, finale Klassen und Interfaces
1 Abstrakte Klassen, finale Klassen und Interfaces Eine abstrakte Objekt-Methode ist eine Methode, für die keine Implementierung bereit gestellt wird. Eine Klasse, die abstrakte Objekt-Methoden enthält,
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens WS 2012/13 DGL Grundlage Klassifikation Anwendung von lin. Ggln. M. konst.
MehrÜberbestimmte lineare Gleichungssysteme
Überbestimmte lineare Gleichungssysteme Fakultät Grundlagen September 2009 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme Übersicht 1 2 Fakultät Grundlagen Überbestimmte lineare Gleichungssysteme
MehrKapitel 9. Programmierkurs. Attribute von Klassen, Methoden und Variablen. 9.1 Attribute von Klassen, Methoden und Variablen
Kapitel 9 Programmierkurs Birgit Engels Anna Schulze Zentrum für Angewandte Informatik Köln Objektorientierte Programmierung Attribute von Klassen, Methoden und Variablen Interfaces WS 07/08 1/ 18 2/ 18
MehrExtrapolationsverfahren für nichtlineare zweidimensionale Diffusionsprobleme
Universität des Saarlandes Fachbereich Mathematik Extrapolationsverfahren für nichtlineare zweidimensionale Diffusionsprobleme Diplomarbeit zur Erlangung des akademischen Grades eines Diplom-Mathematikers
MehrDiscontinuous-Galerkin-Verfahren
Discontinuous-Galerkin-Verfahren Dr. Gregor Gassner Institut für Aerodynamik und Gasdynamik der Universität Stuttgart. Stuttgart, 2013 Variationsformulierung 1 Ziel dieser Vorlesung ist es, das DG Verfahren
MehrKurze Einführung in die Finite-Elemente-Methode
Kurze Einführung in die Finite-Elemente-Methode Stefan Girke Wissenschaftliches Rechnen 23 Die Finite-Elemente-Methode In diesem Skript soll eine kurze Einführung in die Finite-Elemente-Methode gegeben
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
Mehr1 Einführung und Begriffe
Numerik 4 1 Einführung und Begriffe 1.1 Mathematische Modellbildung und numerische Simulation am Beispiel eines Wasserkreislaufs 1.2 Linearisierung und Iterationsverfahren am Beispiel des Newton-Verfahrens
MehrAufgabe1 EStrich ist Lennard Jones Potential mit Exponentialfunktion
Aufgabe EStrich ist Lennard Jones Potential mit Exponentialfunktion Ansatz: Exponentialfunktion mit 3 Variablen einführen: a: Amplitude b:stauchung c:verschiebung_entlang_x_achse EStrich r_, ro_, _ : a
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrMathematik 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
MehrEinführung in die C-Programmierung
Einführung in die C-Programmierung Warum C? Sehr stark verbreitet (Praxisnähe) Höhere Programmiersprache Objektorientierte Erweiterung: C++ Aber auch hardwarenahe Programmierung möglich (z.b. Mikrokontroller).
MehrNumerisches Programmieren
Technische Universität München WiSe 2015/16 Institut für Informatik Prof. Dr. Daniel Cremers Dr. Rudolph Triebel Nikola Tchipev Felix Dietrich Numerisches Programmieren 4. Programmieraufgabe: Freier Fall,
MehrMATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST
Privatdozent Dr. C. Diem diem@math.uni-leipzig.de http://www.math.uni-leipzig.de/ diem/wiwi MATHEMATIK FÜR WIRTSCHAFTSWISSENSCHAFTLER MUSTERLÖSUNG 3. TEST Es folgt eine Musterlösung zusammen mit Anleitungen
MehrIngenieurinformatik (FK 03) Übung 4
FG TECHNISCHE INFORMATIK I II U41 00 TA 03 Ingenieurinformatik (FK 03) Übung 4 VORBEREITUNG Erstellen Sie das Struktogramm der Funktion trapez für die Übung 4b mithilfe des Programms Structorizer. ÜBUNG
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
MehrReinforcement Learning
Reinforcement Learning 1. Allgemein Reinforcement Learning 2. Neuronales Netz als Bewertungsfunktion 3. Neuronales Netz als Reinforcement Learning Nils-Olaf Bösch 1 Allgemein Reinforcement Learning Unterschied
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
Mehr1. Übung zu "Numerik partieller Differentialgleichungen"
1. Übung zu "Numerik partieller Differentialgleichungen" Simon Gawlok, Eva Treiber Engineering Mathematics and Computing Lab 22. Oktober 2014 1 / 15 1 Organisatorisches 2 3 4 2 / 15 Organisatorisches Ort:
MehrAnalytische Geometrie mit dem Voyage 1
Analytische Geometrie mit dem Voyage. Vektoren Vektoren lassen sich definieren in eckigen Klammern. Setzt man ein Semikolon zwischen die einzelnen Komponenten, so ergibt sich ein Spaltenvektor. Ein Spaltenvektor
MehrAngewandte Strömungssimulation
Angewandte Strömungssimulation 6. Vorlesung Stefan Hickel Finite - Volumen - Methode Finite - Volumen - Methode! Das Rechengebiet wird in nicht überlappende Bereiche (= finite Volumina) unterteilt.! Jedem
Mehr3.2 Implizite Funktionen
3.2 Implizite Funktionen Funktionen können explizit als y = f(x 1, x 2,..., x n ) oder implizit als F(x 1, x 2,..., x n ;y) = 0 gegeben sein. Offensichtlich kann man die explizite Form immer in die implizite
MehrÜbung 4 - SIMPLE-Verfahren
Übung 4 - SIMPLE-Verfahren Musterlösung C. Baur, M. Schäfer Fachgebiet für Numerische Berechnungsverfahren im Maschinenbau 27.11.2008 TU Darmstadt FNB 27.11.2008 1/26 Aufgabe 1 - Problembeschreibung Geometrie
MehrAnalysis I - Stetige Funktionen
Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt
MehrNumerik und Simulation in der Geoökologie
1/43 Reapitulation Instationärer Transport Bac to reality Numeri und Simulation in der Geoöologie Sylvia Moenices VL 8 WS 2007/2008 2/43 Reapitulation Instationärer Transport Bac to reality Parcours Reapitulation
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrLösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt
Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik
MehrVerschlüsseln eines Bildes. Visuelle Kryptographie. Verschlüsseln eines Bildes. Verschlüsseln eines Bildes
Verschlüsseln eines Bildes Visuelle Kryptographie Anwendung von Zufallszahlen Wir wollen ein Bild an Alice und Bob schicken, so dass Alice allein keine Information über das Bild bekommt Bob allein keine
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
MehrANALYSIS I FÜR TPH WS 2016/17 3. Übung Übersicht
ANALYSIS I FÜR TPH WS 206/7 3. Übung Übersicht Aufgaben zu Kapitel 5 und 6 Aufgabe : Untersuchung von Reihen mittels Konvergenzkriterien Aufgabe 2: Konvergenz und Berechnung von Reihen I Aufgabe 3: ( )
MehrBerechnungsmethoden der Energie- und Verfahrenstechnik Methode der gewichteten Residuen
Berechnungsmethoden der Energie- und Verfahrenstechnik Methode der gewichteten Residuen Giuseppe Bonfigli IFD, ETH-Zürich 3. Juni 21 Giuseppe Bonfigli (IFD, ETH-Zürich) Gewichtete Residuen 3. Juni 21 1
MehrÜberblick. 6. Konstruktor und Destruktor - obligatorische Elementfunktionen einer Klasse
Überblick 1. Einführung C++ / Entwicklung/ Sprachfamilie 2. Nicht objektorientierte Erweiterungen von C 2.1 Das Ein-/Ausgabekonzept von C++ 2.2 Referenzen in C++ 2.3 Heap-Allokatoren in C++ 3. Grundlagen
MehrPraktikum Wissenschaftliches Rechnen 3. Aufgabenblatt
Institut für Wissenschaftliches Rechnen Technische Universität Braunschweig Prof. Hermann G. Matthies, Ph. D. Dipl.-inform. Oliver Kayser-Herold Praktikum Wissenschaftliches Rechnen 3. Aufgabenblatt Wir
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
MehrAPEX Datenverwaltung Wo sind die Daten gerade? Dr. Gudrun Pabst
APEX Datenverwaltung Wo sind die Daten gerade? Dr. Gudrun Pabst Basel Bern Lausanne Zürich Düsseldorf Frankfurt/M. Freiburg i. Br. Hamburg München Stuttgart Wien Voraussetzungen Alles hier gezeigte benötigt
Mehr1 2 x x x x x x2 + 83
Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die
MehrRandwertbedingungen und Ghost Cells
Randwertbedingungen und Ghost Cells Olaf Kern Universität Trier 16.Dezember 2010 Olaf Kern (Universität Trier) Seminar Numerik 1/23 16.Dezember 2010 1 / 23 Inhaltsverzeichnis 1 Einführung 2 Periodische
MehrRückblick 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
MehrNumerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn Verfasst von Patrick Schneider E-Mail: Patrick.Schneider@uni-ulm.de Universität Ulm Institut für Numerische Mathematik Sommersemester
MehrAbbildung 10.1: Das Bild zu Beispiel 10.1
Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,
MehrAngewandte Umweltsystemanalyse: Finite-Elemente-Methode (FEM)
Angewandte Umweltsystemanalyse: Finite-Elemente-Methode (FEM) Prof. Dr.-Ing. habil. Olaf Kolditz 1 Helmholtz Centre for Environmental Research UFZ, Leipzig 2 Technische Universität Dresden TUD, Dresden
MehrFachgebiet Informationssysteme Prof. Dr.-Ing. N. Fuhr. Programmierung Prof. Dr.-Ing. Nobert Fuhr. Übungsblatt Nr. 10
Gudrun Fischer Sascha Kriewel programmierung@is.informatik.uni-duisburg.de Übungsblatt Nr. 10 Aufgabe 20: Code Verständnis Löse diese Aufgabe selbständig als Vorbereitung zur Übung auf dem Papier. a) Gib
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
MehrFunktionen in PHP 1/7
Funktionen in PHP 1/7 Vordefinierte Funktionen in PHP oder vom Entwickler geschriebene Funktionen bringen folgende Vorteile: gleiche Vorgänge müssen nur einmal beschrieben und können beliebig oft ausgeführt
Mehr.NET Code schützen. Projekt.NET. Version 1.0
.NET Code schützen Projekt.NET Informationsmaterial zum Schützen des.net Codes Version 1.0 Autor: Status: Ablage: Empfänger: Seiten: D. Hoyer 1 / 6 Verteiler : Dokument1 Seite 1 von 1 Änderungsprotokoll
MehrC-Pointer (Zeiger, Adressen) vs. C++ Referenzen
C-Pointer (Zeiger, Adressen) vs. C++ Referenzen Der Pointer (C/C++): In C/C++ ist der Pointer ein eigener Datentyp, der auf Variablen/Objekte zeigen kann. Indem man den Pointer dereferenziert, gewinnt
MehrJavadoc. Programmiermethodik. Eva Zangerle Universität Innsbruck
Javadoc Programmiermethodik Eva Zangerle Universität Innsbruck Überblick Einführung Java Ein erster Überblick Objektorientierung Vererbung und Polymorphismus Ausnahmebehandlung Pakete und Javadoc Spezielle
MehrLineare Gleichungssysteme Hierarchische Matrizen
Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs 24. 27.4.26 / 6 Numerische Simulation stationäre und instationäre
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrObjektorientiertes Programmieren für Ingenieure
Uwe Probst Objektorientiertes Programmieren für Ingenieure Anwendungen und Beispiele in C++ 18 2 Von C zu C++ 2.2.2 Referenzen und Funktionen Referenzen als Funktionsparameter Liefert eine Funktion einen
Mehr1 Batch Queuing (60 Punkte)
Universität Hamburg Übungsblatt 3 zur Vorlesung Fachbereich Informatik Hochleistungsrechnen Wissenschaftliches Rechnen im WiSe 214/215 Prof. T. Ludwig, A. Fuchs, M. Kuhn, J. Lüttgau, E. Zickler Abgabe:
Mehr4.5 Schranken an die Dichte von Kugelpackungen
Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen
Mehr4.2 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
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
Mehr