5. Steife Differentialgleichungen 5.1 Was sind steife Differentialgleichungen?

Größe: px
Ab Seite anzeigen:

Download "5. Steife Differentialgleichungen 5.1 Was sind steife Differentialgleichungen?"

Transkript

1 5. Was sind steife Differentialgleichungen? Es gibt keine zufriedenstellende Definition der Bauart eine DG heißt steif, wenn... Wir beschreiben nun verschiedene Aspekte des Phänomens Steifheit einer DG an Beispielen. Beispiel. Die beiden AWPe [ ] [ ] [ y sin t = y +, y() =, (AWP (cos t sin t) 3] ) [ ] [ ] [ ] y sin t = y +, y() =, (AWP (cos t sin t) 3 ) haben dieselbe Lösung. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 76

2 5. Was sind steife Differentialgleichungen? 3 [ y(t) = exp( t) + ] [ ] sin t. cos t.5 y.5 y Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 77

3 5. Was sind steife Differentialgleichungen? Wir lösen beide Probleme für t [, ] mit der Matlab-Routine ode45 (die ein eingebettetes RKV, das Verfahren von Dormand-Prince, verwendet, bei dem zwei RKV der Ordnungen 4 bzw. 5 kombiniert werden), wobei wir eine relative Toleranz von. vorgeben. 3 System : 64 Schritte (ode45) 3 System : 44 Schritte (ode45).5.5 y y.5.5 y y Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 78

4 5. Was sind steife Differentialgleichungen? Obwohl die exakte Lösung in beiden Fällen dieselbe ist, erfordert die Lösung von (AWP ) etwa -mal mehr Aufwand als die von (AWP ): AWP h min h max h Schritte (AWP ).7e-.3e-.56e- 64 (AWP ) 5.98e-4.88e-3 8.3e-3 44 Lösen wir die beiden Probleme mit der Matlab-Routine ode3tb (die die Trapezregel mit der Gear-Formel der Ordnung kombiniert), so ergibt sich (relative Toleranz wie oben =.): AWP h min h max h Schritte (AWP ).3e- 5.8e- 5.6e- 9 (AWP ).3e- 7.36e- 5.e- Beide Probleme werden ohne Schwierigkeiten gelöst... Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 79

5 5. Was sind steife Differentialgleichungen? 3 System : 9 Schritte (ode3tb) 3 System : Schritte (ode3tb).5.5 y y.5.5 y y Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 8

6 5. Was sind steife Differentialgleichungen? Die Unterschiede zwischen den beiden AWPen werden sichtbar, wenn wir alle Lösungen der zugehörigen Systeme betrachten. Im ersten Fall ergibt sich [ [ [ ] sin t y = κ exp( t) + κ ] exp( 3t) +, ] cos t während im zweiten Fall y = κ exp( t) [ [ ] + κ ] exp( t) [ ] sin t cos t die allgemeine Lösung ist. (Beide Systeme sind inhomogene lineare Systeme mit konstanten Koeffizienten, wobei die Eigenwerte der Koeffizientenmatrix im ersten Fall λ =, λ = 3 und im zweiten Fall λ =, λ = sind.) Die Lösungen der konkreten AWPe sind jeweils durch κ = und κ = (!) gegeben. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 8

7 5. Was sind steife Differentialgleichungen? In beiden Fällen ist die Lösung aus einem Gleichgewichtsanteil, nämlich [sin t, cos t], und einem transienten Anteil der Form exp(λ t)a + exp(λ t)a zusammengesetzt. Die Unterschiede liegen in der Geschwindigkeit, mit der der transiente Teil (für t ) verschwindet. Obwohl in der exakten Lösung der AWPe gar nicht erkennbar ist, wie schnell der abklingende Anteil verschwindet (κ = ), bestimmt er die erforderliche Schrittweite. Würde man in (AWP ) die AB in y() = [, ] ändern, so würde κ = κ = folgen, d.h. der transiente Teil ist in der Lösung y(t) = [sin t, cos t] vollständig unsichtbar. Selbst dann wäre ode45 nur mit extrem kleiner Schrittweite in der Lage, die Aufgabe zu lösen. Wir betrachten die Stabilitätsbereiche R A : Für ode45 kann man zeigen, dass R A R [ 3, ] (Stabilitätsintervall). Will man für (AWP ) also λh R A (für alle Eigenwerte λ) garantieren, genügt es, h < zu fordern (die durchschnittliche Schrittweite von h.56 resultiert aus der geforderten Genauigkeit!). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 8

8 5. Was sind steife Differentialgleichungen? Dagegen muss für (AWP ) h <.3 gefordert werden, damit λh R A für alle λ folgt und es sind Stabilitätsprobleme, die zu der kleinen durchschnittlichen Schrittweite von h.8 führen. Das Verfahren ode3tb ist absolut stabil, so dass hier λ h für alle h > (in jedem der beiden Fälle (AWP ) und (AWP )) im Stabilitätsbereich liegt. Für y = Ay + b(t) heißt max Re λ / min Re λ λ Λ(A) λ Λ(A) Steifigkeitsquotient des linearen DG-Systems. Ein lineares DG-System mit konstanten Koeffizienten heißt steif, wenn seine Eigenwerte alle negativen Realteil besitzen und sein Steifigkeitsquotient groß ist. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 83

9 5. Was sind steife Differentialgleichungen? Um die Problematik dieser gebräuchlichen Definition zu erläutern, betrachten wir ein weiteres AWP (mit derselben Lösung): [ ] [ ] [ y sin t = y +, y() =. (AWP (cos t sin t) 3] 3 ) Die Matrix dieses Systems besitzt die Eigenwerte λ =, λ =. und sein Steifigkeitsquotient beträgt (wie bei (AWP )). Trotzdem hat ode45 keine ernsten Probleme: AWP h min h max h Schritte (AWP 3 ).9e-.5e-.7e- 44 (ode45) (AWP 3 ).5e- 4.9e- 4.55e- (ode3tb) Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 84

10 5. Was sind steife Differentialgleichungen? Ob ein System steif ist oder nicht kann also nicht immer aus dem Steifigkeitsquotienten abgelesen werden. Auch Definitionen wie ein System ist steif, wenn max Re λ groß ist (etwa max Re λ ) sind natürlich wenig hilfreich (die Variablentransformation t.t macht aus (AWP ) ein Problem, das dieselbe Steifigkeit besitzt, bei dem aber max Re λ = gilt). Pragmatische Definitionen für Steifigkeit sind: Ein System ist steif, wenn Stabilitätsanforderungen und nicht Genauigkeitsanforderungen die Größe der Schrittweite bestimmen. Ein System heißt steif, wenn gewisse Komponenten der Lösung sehr viel schneller abklingen als andere. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 85

11 5. Was sind steife Differentialgleichungen? Beispiel. Die Differentialgleichung y (t) = λ(y(t) g(t)) + g (t) ( ) besitzt die allgemeine Lösung y(t) = γ exp(λt) + g(t) (γ R). Wir wählen g als glatte Funktion, z.b. g(t) = arctan t und λ =. Auch hier setzt sich die Lösung aus einem glatten (g(t) = Gleichgewichtsanteil) und einem schnell abklingenden Teil (γ exp(λt) = transienter Anteil) zusammen. Wir wählen die AB y() = und approximieren die exakte Lösung y(t) = arctan t für t [, 5] mit dem expliziten Euler-Verfahren (R A = {ĥ : ĥ + < }) und dem impliziten Euler-Verfahren (R A = C \ {ĥ : ĥ }). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 86

12 5. Was sind steife Differentialgleichungen? Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 87

13 5. Was sind steife Differentialgleichungen? Explizit: h= h= h= Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 88

14 5. Was sind steife Differentialgleichungen? Implizit: h= h= h= Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 89

15 5. Weitere Stabilitätsbegriffe Erinnerung. Ein numerisches Verfahren zur Lösung von y = f (t, y), y() = y, heißt A-stabil, wenn folgendes gilt: Wendet man das Verfahren auf ein lineares Problem y = Ay (t [, )) an und liegen die Eigenwerte von A alle in der linken Halbebene {ζ : Real ζ < }, dann soll für die Näherungslösung (unabhängig von der gewählten Schrittweite h) stets lim n y n = gelten (die exakte Lösung erfüllt lim t y(t) = ). In konkreten Fällen wird die äquivalente Bedingung R A {ĥ : Real ĥ < } überprüft. Zur Definition des Stabilitätsbereichs R A vergleiche Abschnitt 3.5 für lineare Mehrschrittverfahren und Abschnitt 4.3 für RKV (oder allgemeine Einschrittverfahren). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 9

16 5. Weitere Stabilitätsbegriffe Abgeschwächte Stabilitätsbegriffe sind A(α)-stabil für α (, π/) R A {ĥ : α < π arg ĥ < α}, A -stabil R A (, ), steif-stabil R A R (β) R (β, γ) für positive β und γ, wobei R (β) := {ĥ : Real ĥ < β} und R (β, γ) := {ĥ : β Real ĥ <, Imag ĥ γ}. Außerdem heißt ein Einschrittverfahren L-stabil, wenn es A-stabil ist und zusätzlich gilt: Bei Anwendung auf die Testgleichung y = λy, Real λ <, resultiert eine Näherung y n+ = R(hλ)y n mit lim hλ R(hλ) =. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 9

17 5. Weitere Stabilitätsbegriffe A stabil A(α) stabil steif stabil Imag ζ Imag ζ Imag ζ γ Real ζ α Real ζ β Real ζ α γ Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 9

18 5. Weitere Stabilitätsbegriffe Offensichtlich gilt ( < α arg(β + iγ)) L-stabil A-stabil steif-stabil A(α)-stabil A -stabil. Die Trapezregel y n+ = y n + h(f n+ + f n ), d.h. R(ĥ) = ( + ĥ/)/( ĥ/), ist A-stabil, aber nicht L-stabil. Das implizite Euler-Verfahren y n+ = y n + hf n+, d.h. R(ĥ) = /( ĥ), ist dagegen L-stabil. Wir illustrieren den Unterschied, indem wir mit beiden Verfahren die Lösung von (AWP ) aus Abschnitt 5. approximieren. Um den transienten Anteil der Lösung besser sichtbar zu machen, werden die ABen y() = [, ] vorgeschrieben. Die exakte Lösung ist dann [ ] [ ] [ ] sin t y(t) = 999 exp( t) exp( t) cos t Die folgende Abbildung zeigt die zweite Komponente der (Näherungs)lösung für h =.. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 93

19 5. Weitere Stabilitätsbegriffe.5 h=. exakte Loesung Trapezregel implizites Euler Verfahren Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 94

20 5. Weitere Stabilitätsbegriffe Das Beispiel y = y, y() =, mit der exakten Lösung y(t) = exp(.8t) sin(8t) + exp( 5t) exp(.t) cos(8t) exp( 5t) exp(.t) (sin(8t) + cos(8t)) + exp( 5t) zeigt, dass L-stabile Verfahren nicht immer besser sind als A-stabile. Die folgende Abbildung zeigt die erste Komponente der (Näherungs)lösung für h =.4 und t [,.5]. Beim impliziten Euler-Verfahren müsste man h <.3... wählen, um eine akzeptable Näherung zu erhalten (warum?). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 95

21 5. Weitere Stabilitätsbegriffe h= exakte Loesung Trapezregel implizites Euler Verfahren.5.5 Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 96

22 5.3 Ordnungssterne Wendet man ein Einschrittverfahren (ESV) auf die Testgleichung y = λy an, so gilt y n+ = R(λh)y n. Dabei ist R ein Polynom (bei expliziten Verfahren) oder eine (gebrochen) rationale Funktion in ĥ = λh. Besitzt das ESV die Konsistenzordnung p, so ist R(ĥ) exp(ĥ) = O(ĥp+ ) (ĥ ). Natürlicher Ansatz: Bestimme eine rationale Funktion R vom Typ (k, l) (k = Zählergrad, l = Nennergrad), so dass der Exponent µ in R(ĥ) exp(ĥ) = O(ĥµ ) maximal wird. Es zeigt sich, dass das Maximum µ = k + l + durch die in Abschnitt.4 eingeführten Padé-Approximationen (k, l) exp realisiert wird. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 97

23 5.3 Ordnungssterne (k, l) exp (ζ) für k, l 3: k, l 3 ζ ζ+ ζ ζ+ ζ 6 ζ3 +ζ + ζ + 3 ζ + ζ 3 ζ+ 4 ζ 6 ζ 3 4 ζ+ 4 ζ 4 ζ3 +ζ+ + 3 ζ+ 6 ζ + ζ ζ+ ζ + 3 ζ ζ+ 5 ζ+ ζ ζ 3 5 ζ+ 3 ζ 6 ζ3 3 +ζ+ ζ ζ+ 4 ζ ζ3 + 6 ζ3 5 ζ+ 3 ζ + 6 ζ3 + 4 ζ 5 ζ+ ζ+ ζ + ζ3 ζ ζ+ ζ ζ3 Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 98

24 5.3 Ordnungssterne Eine rationale Approximation R(ζ) an exp(ζ) heißt A-akzeptabel, wenn R(ζ) < für alle ζ C mit Re ζ <, A -akzeptabel, wenn R(ζ) < für alle ζ R mit ζ <, L-akzeptabel, wenn R A-akzeptabel ist und R(ζ) für ζ gilt. Theorem 5. Es gilt. (k, k) exp ist A-akzeptabel (G. Birkhoff, R.S. Varga 96).. (k, l) exp ist A -akzeptabel für k l (R.S. Varga 96). 3. (k, l) exp ist L-akzeptabel für k {l, l } (B.L. Ehle, 969). 4. (k, l) exp ist genau dann A-akzeptabel, wenn k {l, l, l } (Ehle-Vermutung; G. Wanner, E. Hairer, S.P. Nørsett 978). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 99

25 5.3 Ordnungssterne Der Beweis der vierten Aussage basiert auf der Theorie der Ordnungssterne. Ist R(ζ) eine rationale Funktion, so heißt S R := {ζ C : R(ζ) > exp(ζ) } der zugehörige Ordnungsstern. Sei T R := C \ S R sein Komplement. Vier Eigenschaften:. R ist genau dann eine Approximation der Ordnung p an die Exponentialfunktion (d.h. R(ζ) exp(ζ) = O(ζ p+ ) für ζ ), wenn Folgendes gilt: Für ζ besteht sowohl S R als auch T R aus genau p + Sektoren mit Winkel jeweils π/(p+). Die Sektoren von S R und T R trennen sich. (p = 5) Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4

26 5.3 Ordnungssterne. Der Rand von S R enthält genau zwei unbeschränkte Zweige. 3. Komponenten von S R, die k Sektoren enthalten, nennt man Finger der Ordnung k. Komponenten von T R, die k Sektoren enthalten, heißen duale Finger der Ordnung k. Es gilt: Jeder beschränkte Finger der Ordnung k enthält mindestens k Pole von R (Vielfachheiten mitzählen). Jeder beschränkte duale Finger der Ordnung k enthält mindestens k Nullstellen von R (Vielfachheiten mitzählen). 4. R ist genau dann A-akzeptabel, wenn S R keine Punkte der imaginären Achse enthält und R keine Pole in der linken Halbebene Real ζ < besitzt. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4

27 5.3 Ordnungssterne o: Pole, +: Nullstellen o: Pole, +: Nullstellen Ordnungssterne der Padé-Approximationen (, 3) exp (links) und (, 4) exp (rechts). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4

28 5.3 Ordnungssterne o: Pole, +: Nullstellen o: Pole, +: Nullstellen Ordnungssterne der Padé-Approximation (, 5) exp (links) und einer (nicht A-akzeptablen) (4, 5)-Approximation R der Ordnung 5 (rechts) (R(ζ) = [ 4 4 ζ ζ3 9ζ + 4ζ 5]/[ζ ζ4 + 8ζ 3 5 ζ + 9ζ 5]). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 3

29 5.4 Lineare MSV für steife Probleme Theorem 5. (Zweite Dahlquist Barriere) Es gilt: Kein explizites lineares MSV ist A-stabil. Ein A-stabiles lineares MSV besitzt höchstens die Ordnung. Das A-stabile lineare MSV mit Konsistenzordnung und kleinster Fehlerkonstante ist die Trapezregel. Theorem 5.3 (C. W. Cryer, 973) Es gilt: Kein explizites lineares MSV ist A -stabil. Es gibt A -stabile lineare MSV beliebig hoher Konsistenzordnung. Beispielsweise sind die Gear-Verfahren aus Abschnitt 3.6 alle A -stabil. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 4

30 5.5 RKVV für steife Probleme Entscheidend (vgl. Abschnitt 4.3) R(ĥ) = + ĥb (I ĥa) e = det(i ĥ(a ebt )) det(i ĥa). Ordnung Typ von R Stabilität Gauß m (m, m) A-stabil Gauß-Radau m (m, m) L-stabil Gauß-Lobatto m (m, m ) A-stabil Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 5

31 5.6 Bemerkungen Alle bisher getroffenen Stabilitätsaussagen basieren auf der Untersuchung linearer Systeme mit konstanten Koeffizienten (lineare Stabilitätstheorie). Oft wird versucht, diese Aussagen mit folgender Argumentation zu verallgemeinern: Die Lösung y des AWPs y = f (t, y), y(t ) = y kann durch die Lösung der linearen Variationsgleichung y = f (t, y (t)) + f y(t, y (t))[y y (t)] ( ) approximiert werden. Lokal ist f y(t, y ) nahezu zeitunabhängig, so dass ( ) näherungsweise die Form y = Ay + g(t) besitzt. Zwei Beispiele sollen zeigen, dass Skepsis gegenüber diesem frozen Jacobian argument angebracht ist. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 6

32 5.6 Bemerkungen Beispiel. [ ] 9 cos y = (6t) + 6 sin(t) cos (6t) sin(t) sin (6t) sin(t) 9 sin y. (6t) 6 sin(t) Die Systemmatrix A(t) besitzt die (t-unabhängigen!) Eigenwerte λ =, λ =. Obwohl die Eigenwerte negativ sind, ist die allgemeine Lösung [ ] [ ] cos(6t) + sin(6t) sin(6t) cos(6t) y(t) = κ exp(t) + κ cos(6t) sin(6t) exp( 3t) sin(6t) + cos(6t) sicher nicht monoton fallend für t. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 7

33 5.6 Bemerkungen Beispiel. y = [ t t t 3 t ] y, t. ( ) Die Systemmatrix A(t) besitzt die Eigenwerte λ, = ( ± i)/(t), die für t negativen Realteil besitzen. Die allgemeine Lösung ist [ ] [ ] t 3/ t y(t) = κ + κ 3/ ln(t) t/ t /. ( ln(t)) Für κ =, κ = ist y = t t streng monoton wachsend (für t /4 = ). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 8

34 5.6 Bemerkungen Definition 5.4 Das System y = f (t, y) heißt dissipativ in [t, t end ], wenn f (t, y) f (t, ỹ), y ỹ für alle t [t, t end ] und alle y, ỹ aus dem Definitionsbereich von f gilt., bezeichnet ein (z.b. das Euklidische) Innenprodukt im R n. Theorem 5.5 Ist das System y = f (t, y) dissipativ in [t, t end ], dann ist es auch kontraktiv in [t, t end ]. Bedeutet: Für je zwei Lösungen y, ỹ von y = f (t, y) mit Anfangsbedingungen y(t ) = y, ỹ(t ) = ỹ, y ỹ, gilt y(t ) ỹ(t ) y(t ) ỹ(t ) für alle t, t mit t t t t end. ( :=, / ) Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 9

35 5.6 Bemerkungen Ob ein System dissipativ (kontraktiv) ist, kann mit Hilfe logarithmischer Normen entschieden werden. Sei eine (von einer Vektornorm induzierte) Matrixnorm im R n n. Dann heißt I n + ha µ(a) = µ (A) := lim (A R n n ) h + h die zu gehörige logarithmische Norm. Ist = p, so schreibt man µ p ( ) für die zugehörige logarithmische Norm.. Die logarithmische Norm ist trotz ihres Namens keine Norm.. Wird von einem Innenprodukt, induziert, so gilt µ(a) = max x = Ax, x. 3. µ (A) = ρ( (A + A )) (ρ = Spektralradius). 4. Ist f (t, y) = A(t)y, so ist f (t, y) f (t, ỹ), y ỹ = A(y ỹ), y ỹ µ(a) y ỹ. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4

36 5.6 Bemerkungen Theorem 5.6 Seien eine Norm im R n und ν(t) : R R eine stückweise stetige Funktion mit µ(f y(t, y)) ν(t) für alle t [t, t end ] und alle y aus dem Definitionsbereich von f. Dann gilt für je zwei Lösungen y, ỹ von y = f (t, y) mit Anfangsbedingungen y(t ) = y, ỹ(t ) = ỹ, y ỹ, ( t ) y(t ) ỹ(t ) exp ν(s) ds y(t ) ỹ(t ) t für alle t, t mit t t t t end. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4

37 5.6 Bemerkungen Beispiel. Für das System ( ) von Seite 9 gilt: Es folgt f y(t, y) = A(t) = [ t t t 3 t µ (A(t)) = ρ( (A(t) + A(t) )) = max { t ± ( ) } t t 3 4 und damit µ (A(t)) genau dann, wenn t [t, t ] [.,.8] mit t, = ( 5 ) /. Das System ist daher in [t, t ] dissipativ (und kontraktiv). Folglich ist y(t) für jede Lösung y in [t, t ] monoton fallend. ]. Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4

38 5.6 Bemerkungen y(t) / y() als Funktion von t κ =, κ =.5 κ =, κ =.54 κ =, κ = t_ t_ Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 3

39 5.6 Bemerkungen Definition 5.7 (Algebraische Stabilität) Ein Runge-Kutta-Verfahren gegeben durch die Butcher-Matrix c A b T heißt algebraisch stabil, wenn die symmetrischen Matrizen B := diag(β, β,..., β m ) und M := BA + A T B bb T beide positiv semidefinit sind. Theorem 5.8 Seien y = f (t, y) ein dissipatives System und {y n }, {ỹ n }, y ỹ, Näherungslösungen, die aus der Anwendung eines Runge-Kutta-Verfahrens resultieren. Dann gilt: Ist das Verfahren algebraisch stabil, so sind die Näherungen kontraktiv, d.h. y n+ ỹ n+ y n ỹ n (n =,,...). Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 4

40 5.6 Bemerkungen Beispiele. Die m-stufigen Gauß-Formeln (m {,, 3}) aus Abschnitt 4.5 sind alle algebraisch stabil (hier ist M die Nullmatrix!). Die Gauß-Radau-Formel ist algebraisch stabil, denn: M =, d.h. Λ(M) = {, /8}. 6 Die Trapez-Regel (aufgefasst als implizites zweistufiges RKV) ist nicht algebraisch stabil (Λ(M) = {±/}) Michael Eiermann (TU Freiberg) Numerik gewöhnlicher Differentialgleichungen Wintersemester 3/4 5

4 Runge-Kutta-Verfahren

4 Runge-Kutta-Verfahren Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0

Mehr

2.4 Adaptive Verfahren mit Schrittweitensteuerung

2.4 Adaptive Verfahren mit Schrittweitensteuerung 0 0 0 Euler und RK4 fuer f(t,y) = t 0. Euler RK4 /N 0 0 f(t,y) =. t 0., graduiertes Gitter RK4 /N 4 Fehler bei T = 0 3 0 4 0 5 Fehler bei T = 0 5 0 0 0 6 0 7 0 0 0 0 2 0 3 0 4 0 5 Anzahl Schritte N 0 5

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

Stabilität mittels Ljapunov Funktion

Stabilität mittels Ljapunov Funktion Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt

Mehr

Serie 13: Online Test

Serie 13: Online Test D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.

Mehr

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN

ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN ERGÄNZUNGEN ZUR ANALYSIS II MITTELWERTSATZ UND ANWENDUNGEN CHRISTIAN HARTFELDT. Zweiter Mittelwertsatz Der Mittelwertsatz Satz VI.3.4) lässt sich verallgemeinern zu Satz.. Seien f, g : [a, b] R auf [a,

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Gewöhnliche Differentialgleichungen

Gewöhnliche Differentialgleichungen Notizen zur Vorlesung Gewöhnliche Differentialgleichungen G Sweers Wintersemester 08/09 ii Inhaltsverzeichnis Einführung Modelle 2 Explizite Lösungen 4 2 Trennbar 5 22 Linear erster Ordnung 6 23 Homogen

Mehr

Beispiele zur Kurvendiskussion (Gebrochen rationale Funktionen)

Beispiele zur Kurvendiskussion (Gebrochen rationale Funktionen) Beispiele zur Kurvendiskussion (Gebrochen rationale Funktionen) Beispiel 1 Diskutiere die durch f(x) = x2 3x 4 x + 2 gegebene Funktion f. a) Definitionsbereich: Der Nenner eines Bruches darf nicht gleich

Mehr

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall 4. Lösung einer Differentialgleichung. Ordnung mit konstanten Koeffizienten a) Homogene Differentialgleichungen y'' + a y' + b y = 0 (**) Ansatz: y = e µx, also y' = µ e µx und y'' = µ e µx eingesetzt

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) = Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

Mehr

Extremwertverteilungen

Extremwertverteilungen Seminar Statistik Institut für Stochastik 12. Februar 2009 Gliederung 1 Grenzwertwahrscheinlichkeiten 2 3 MDA Fréchet MDA Weibull MDA Gumbel 4 5 6 Darstellung von multivariaten, max-stabilen Verteilungsfunktionen

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen .3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt

Mehr

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist. Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Semidiskretisierung der PDA-Systeme

Semidiskretisierung der PDA-Systeme Kapitel 4 Semidisretisierung der PDA-Systeme Eine Möglicheit zur numerischen Behandlung von Anfangsrandwertproblemen partieller Differentialgleichungen ist die Linienmethode method of lines, MOL, vgl.

Mehr

Skalare Differentialgleichungen

Skalare Differentialgleichungen Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen

Mehr

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen

Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. 2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es

Mehr

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet

Mehr

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen

22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22 Die trigonometrischen Funktionen und die Hyperbelfunktionen 22.1 Sinus und Cosinus 22.3 Definition von 22.6 Sinus und Cosinus als eindeutige Lösungen eines Differentialgleichungssystems 22.7 Tangens

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 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

1 Ableiten der Sinus- und Kosinusfunktion

1 Ableiten der Sinus- und Kosinusfunktion Schülerbuchseite 6 8 Lösungen vorläufig Ableiten der Sinus- und Kosinusfunktion S. 6 Vermutung: Da das Zeit-Weg-Diagramm eine Sinuskurve und das zugehörige Zeit-Geschwindigkeits-Diagramm 8 eine Kosinuskurve

Mehr

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

8. Übung zur Vorlesung Mathematisches Modellieren Lösung Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Mathematische Grundlagen

Mathematische Grundlagen Kapitel 2 Mathematische Grundlagen In diesem Kapitel werden für die nachfolgenden Untersuchungen wesentliche Grundlagen bereitgestellt. 2.1 Differentiell-algebraische Gleichungssysteme 2.1.1 Einführung

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n

a n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit für das SE Reine Mathematik- Graphentheorie Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel

Mehr

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt

Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS. Prof. Dr. M. Voigt Vorlesung Wirtschaftsmathematik II SS 2015, 3/2 SWS Prof. Dr. M. Voigt 2. März 2015 II Inhaltsverzeichnis 5 Grundlagen 1 5.1 Funktionen einer Variablen...................... 1 5.2 spezielle Funktionen.........................

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode im Beispiel Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)

Mehr

Berechnung von Eigenwerten und Eigenvektoren

Berechnung von Eigenwerten und Eigenvektoren Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 Die Darstellung linearer Abbildungen durch Matrizen 2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )

Mehr

x 2 + px + q = 0 ) x 1;2 = p 2 r p 2 2

x 2 + px + q = 0 ) x 1;2 = p 2 r p 2 2 Komplexe Zahlen Komplexe Zahlen treten in der Schule zum ersten Mal bei der Lösung von quadratischen Gleichungen auf. Wir nehmen die Gleichung x 2 + 6x + 25 als Beispiel. Diesen Gleichungstyp können wir

Mehr

Ergänzungen zur Analysis I

Ergänzungen zur Analysis I 537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.

Mehr

Absolute Stetigkeit von Maßen

Absolute Stetigkeit von Maßen Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen

Mehr

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14. Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten

Mehr

Lineare Algebra - alles was man wissen muß

Lineare Algebra - alles was man wissen muß Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger

Mehr

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.

Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines

Mehr

Mathematikaufgaben zur Vorbereitung auf das Studium

Mathematikaufgaben zur Vorbereitung auf das Studium Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen

Mehr

Komplexe Zahlen. 1) Motivierende Aufgabe. 2) Historisches

Komplexe Zahlen. 1) Motivierende Aufgabe. 2) Historisches Annelie Heuser, Jean-Luc Landvogt und Ditlef Meins im 1. Semester Komplexe Zahlen Will man nur addieren und subtrahieren, multiplizieren und dividieren, kommt man uneingeschränkt mit reellen Zahlen aus.

Mehr

Entwurf robuster Regelungen

Entwurf robuster Regelungen Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler

Mehr

Einfache Differentialgleichungen

Einfache Differentialgleichungen Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine

Mehr

7. Numerik mit MATLAB

7. Numerik mit MATLAB Start Inhalt Numerik mit MATLAB 1(24) 7. Numerik mit MATLAB 7.1 Lineare Algebra Normen. Matrixzerlegungen. Gleichungssysteme. 7.2 Lineare Ausgleichsrechnung qr, svd, pinv, \. 7.3 Interpolation interp1,

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare Optimierung ohne Nebenbedingungen Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt

Mehr

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung A Maple-Skripte A.1 Einleitung Bei der Ausführung mechanischer Rechnungen können Computeralgebra-Programme sehr nützlich werden. Wenn man genau weiß, was eingesetzt, umgeformt, zusammengefaßt oder entwickelt

Mehr

Für die Parameter t und ϕ sind das im angegebenen Bereich Funktionen, d.h. zu jedem Parameterwert gehört genau ein Punkt.

Für die Parameter t und ϕ sind das im angegebenen Bereich Funktionen, d.h. zu jedem Parameterwert gehört genau ein Punkt. PARAMETERFUNKTIONEN Zwei Beispiele: gsave currentpoint translate 21 4 div setlin 1 1 x = 2t 2 1 y = t < t

Mehr

Die Weierstraßsche Funktion

Die Weierstraßsche Funktion Die Weierstraßsche Funktion Nicolas Weisskopf 7. September 0 Zusammenfassung In dieser Arbeit führen wir die Weierstraßsche Funktion ein und untersuchen einige ihrer Eigenschaften. Wir zeigen, dass jede

Mehr

IEMS Regelungstechnik Abschlussklausur

IEMS Regelungstechnik Abschlussklausur IEMS Regelungstechnik Abschlussklausur Prof. Dr. Moritz Diehl, IMTEK, Universität Freiburg, und ESAT-STADIUS, KU Leuven 30. August, 0:5-3:5, Freiburg, Georges-Koehler-Allee 06, Raum 00-007 page 0 2 3 4

Mehr

17. Penalty- und Barriere-Methoden

17. Penalty- und Barriere-Methoden H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende

Mehr

Literatur zu geometrischen Konstruktionen

Literatur zu geometrischen Konstruktionen Literatur zu geometrischen Konstruktionen Hadlock, Charles Robert, Field theory and its classical problems. Carus Mathematical Monographs, 19. Mathematical Association of America, Washington, D.C., 1978.

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

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

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

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematischer Vorkurs für Physiker WS 2009/10 TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,

Mehr

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte

K2 MATHEMATIK KLAUSUR. Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max) 28 15 15 2 60 Punkte Notenpunkte K2 MATHEMATIK KLAUSUR 26.2.24 Aufgabe PT WTA WTGS Darst. Gesamtpunktzahl Punkte (max 28 5 5 2 6 Punkte Notenpunkte PT 2 3 4 5 6 7 8 9 P. (max 2 2 2 4 5 3 3 4 3 Punkte WT Ana A.a b A.c Summe P. (max 7 5

Mehr

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker

FB IV Mathematik Universität Trier. Präsentation von Nadja Wecker FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung

Mehr

Vorlesung Analysis I / Lehramt

Vorlesung Analysis I / Lehramt Vorlesung Analysis I / Lehramt TU Dortmund, Wintersemester 2012/ 13 Winfried Kaballo Die Vorlesung Analysis I für Lehramtsstudiengänge im Wintersemester 2012/13 an der TU Dortmund basiert auf meinem Buch

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Formelsammlung für Automatisierungstechnik 1 & 2

Formelsammlung für Automatisierungstechnik 1 & 2 Formelsammlung für Automatisierungstechnik & 2 Aus Gründen der Vereinheitlichung, der gleichen Chancen bw. um etwaigen Diskussionen vorubeugen, sind als Prüfungsunterlagen für die Vorlesungsklausuren aus

Mehr

ax 2 + bx + c = 0, (4.1)

ax 2 + bx + c = 0, (4.1) Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen. Fakultät Informatik, Institut für Angewandte Informatik, Professur für Technische Informationssysteme Approximationsverfahren zur Überführung nichtäquidistanter Messwertfolgen in äquidistante Zeitreihen.

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Frohe Weihnachten und ein gutes neues Jahr!

Frohe Weihnachten und ein gutes neues Jahr! Frohe Weihnachten und ein gutes neues Jahr! Die mit dem Stern * gekennzeichneten Übungen sind nicht verpflichtend, aber sie liefern zusätzliche Punkte. Unten wird immer mit I das reelle Intervall [0, 1]

Mehr

f : C C, z f(z) = zz komplex differenzierbar? Gibt es ein Gebiet G so dass f G analytisch ist?

f : C C, z f(z) = zz komplex differenzierbar? Gibt es ein Gebiet G so dass f G analytisch ist? Tutor: Martin Friesen, martin.friesen@gmx.de Klausurvorbereitung - Lösungsvorschläge- Funktionentheorie Hier eine kleine Sammlung von Klausurvorbereitungsaufgaben vom Sommersemester 008 aus der Vorlesung

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse

Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14. Auswahl vorausgesetzter Vorkenntnisse UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6.1 MATHEMATIK Dipl.-Math. Kevin Everard Mathematik für Studierende der Biologie und des Lehramtes Chemie Wintersemester 2013/14 Auswahl vorausgesetzter Vorkenntnisse

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (Teschl/Teschl 8.1-8.2) Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied

Mehr

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule

Didaktik der Zahlbereiche 4. Die Menge der ganzen Zahlen. Mathematikunterricht in der Jahrgangsstufe 7. Zahlbereichserweiterungen in der Hauptschule Zahlbereichserweiterungen in der Hauptschule Didaktik der Zahlbereiche 4 Dr. Christian Groß Lehrstuhl Didaktik der Mathematik Universität Augsburg Wintersemester 2006/07 Natürliche Zahlen, : Klasse 5 positive

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

7 Rechnen mit Polynomen

7 Rechnen mit Polynomen 7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn

Mehr

Analytische Methoden und die Black-Scholes Modelle

Analytische Methoden und die Black-Scholes Modelle Analytische Methoden und die Black-Scholes Modelle Diplomverteidigung Universität Rostock Institut für Mathematik 20.01.2011 Agenda 1 Das Ornstein-Uhlenbeck Volatilitätsmodell 2 in L 2 (R 2 ) 3 4 Problem

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Modell eines einfaches Marktes (Angebot und Bedarf)

Modell eines einfaches Marktes (Angebot und Bedarf) VU Mathematische Modellierung SS 2010 Prof.Dr. Stephen Keeling Modell eines einfaches Marktes (Angebot und Bedarf) Projektbericht Keserovic Zorana (0514383) Waltenberger Christian (0310797) 2 MODELLANNAHMEN

Mehr

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)

Mehr

A Matrix-Algebra. A.1 Definition und elementare Operationen

A Matrix-Algebra. A.1 Definition und elementare Operationen A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne

Mehr

Abitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis

Abitur - Grundkurs Mathematik. Sachsen-Anhalt 2002. Gebiet G1 - Analysis Abitur - Grundkurs Mathematik Sachsen-Anhalt Gebiet G - Analsis Aufgabe.. Der Graph einer ganzrationalen Funktion f dritten Grades mit einer Funktionsgleichung der Form f a b c d a,b,c,d, R schneidet die

Mehr

Unterlagen für die Lehrkraft

Unterlagen für die Lehrkraft Ministerium für Bildung, Jugend und Sport Zentrale Prüfung zum Erwerb der Fachhochschulreife im Schuljahr 01/01 Mathematik. Juni 01 09:00 Uhr Unterlagen für die Lehrkraft 1. Aufgabe: Differentialrechnung

Mehr

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat.

Definition:Eine meromorphe Modulform vom Gewicht k Z ist eine meromorphe. f : H C. (ii) C > 0, so daß f(z) im Bereich Im z > C keine Singularität hat. Die k/2 - Formel von Renate Vistorin Zentrales Thema dieses Vortrages ist die k/2 - Formel für meromorphe Modulformen als eine Konsequenz des Residuensatzes. Als Folgerungen werden danach einige Eigenschaften

Mehr

DLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27

DLP. Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de ALZAGK SEMINAR. Bremen, den 18. Januar 2011. Fachbereich Mathematik und Informatik 1 / 27 DLP Adolphe Kankeu Tamghe papibobo@informatik.uni-bremen.de Fachbereich Mathematik und Informatik ALZAGK SEMINAR Bremen, den 18. Januar 2011 1 / 27 Inhaltsverzeichnis 1 Der diskrete Logarithmus Definition

Mehr

Numerische Behandlung des Eigenwertproblems

Numerische Behandlung des Eigenwertproblems Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden

Mehr

Reell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert.

Reell. u(t) Komplex u(t), Zeitabhängig Zeitunabhängig. u(t)e jωt. Reell Û. Elektrische Größe. Spitzenwert. Komplex Û. Reell U. Effektivwert. Aufgaben Reell u(t) Elektrische Größe Zeitabhängig Zeitunabhängig Spitzenwert Effektivwert Komplex u(t), Reell Û Komplex Û Reell U Komplex U u(t)e jωt Institut für Technische Elektronik, RWTH - Aachen

Mehr

Mathematische Ökologie

Mathematische Ökologie Mathematische Ökologie Eine Zusammenfassung von Bernhard Kabelka zur Vorlesung von Prof. Länger im WS 2002/03 Version 1.04, 15. März 2004 Es sei ausdrücklich betont, dass (1) dieses Essay ohne das Wissen

Mehr

Kybernetik Stabilität

Kybernetik Stabilität Kybernetik Stabilität Mohamed Oubbati Intitut für Neuroinformatik Tel.: (+49) 731 / 50 24153 mohamed.oubbati@uni-ulm.de 22. 05. 2012 Definition Stabilität Definition 1 Ein Sytem, da nach einer Anregung

Mehr