Finite Elemente Methode für elliptische Differentialgleichungen
|
|
- Judith Brauer
- vor 6 Jahren
- Abrufe
Transkript
1 Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte die Randwertaufgabe u = g in, u = γ. () Die äußere Normale n = n(x) R n existiere für x mit Ausnahme endlich vieler Punkte. genügt also den Voraussetzungen des Gaußschen Integralsatzes, d.h. für F C (, R n ) C(, R n ) gilt F (x) d = F n ds. Für ψ C(, R) sei D ψ = {u C(, R) : u = ψ}. Das Ritzsche Verfahren basiert auf einer Umformulierung der Randwertaufgabe () in ein Variationsproblem. Satz Für eine Funktion u C 2 () D γ sind paarweise äquivalent i) u löst das Problem () ii) u ist stationärer Punkt des Funktionals I(u) = 2 u 2 gu dx, wobei u C () D γ ist S
2 iii) u = u C () D γ erfüllt für alle v C () D 0. u v gv dx = 0 Bemerkung 2 u heißt stationärer Punkt eines Funktionals I : C () D γ R, wenn für alle v C () D 0. ε I(u + εv) ε=0 = 0 Bemerkung 3 Die Aussage ii) ist äquivalent damit, dass das Funktional I sein Minimum bei u annimmt. Man bezeichnet deshalb ii) als Variationsproblem und iii) als Variationsgleichung oder schwache Formulierung der Randwertaufgabe. Beweis: Zum Beweis benötigen wir die erste Greensche Formel v u n ds = v u + v u d, die sich aus dem Gauß schen Satz ableiten lässt. i) ii) Für v C () D 0 gilt ε I(u + εv) = ( ε 2 = ( ε = v u + ε v v g v d. ) ( u + ε v) ( u + ε v) g(u + εv) d 2 u u + ε v u + 2 ε2 v v gu εgv d ) Somit folgt ε I(u + εv) ε=0 = v u gv d. Also ist ε I(u + εv) ε=0 = 0 genau dann, wenn iii) gilt. i) iii) Multipliziere () mit einem v C () D 0 und integriere die dadurch erhaltene Gleichung über. Unter Benutzung der ersten Greenschen Formel ergibt sich die Gültigkeit von gv d = uv d = v u d v u n ds = v u d für alle v C () D 0. 2
3 iii) i) Es gilt umgekehrt genau dann, wenn gv v u d = 0 ( u g)v d = 0 für alle v C () D 0 erfüllt ist. Mit dem Variationslemma folgern wir u g = 0, d.h. i) gilt, da u C 2 () D 0. Wir können nun das Ritzsche Verfahren zur Lösung von () formulieren. Wähle ein u 0 C () D γ und Ansatzfunktionen u i C () D 0, i =,..., m. Mache das Funktional I : C () D γ R stationär bzgl. u u 0 + V, V = u,..., u n, d.h. finde ein u u 0 + V mit ε I(u + εv) ε=0 = 0 für alle v V. Dies ist äquivalent mit folgender Aufgabe: Finde ein ũ u 0 + V mit ũ v gv d = 0 (2) für alle v V. Die Gleichung (2) nennt man Galerkinsche Gleichung zur Randwertaufgabe (). Suche ũ in der Form ũ = u 0 + c j u j, c j R, j =,..., m. j= Es genügt, die Bedingung (2) auf einer Basis von V zu fordern. Wähle die Basis {u,..., u m }. Erhalte ( ) u 0 + c j u j u i gu i d = 0, i =,..., m, ( j= u 0 + j= ) c j u j u i gu i d = 0, i =,..., m, j= c j u j u j d = gu i u 0 u i d, i =,..., m. 3
4 Setzt man A ij = u j u j d und r i = gu 0 u 0 u i d, so ist letzteres mit folgender Gleichung äquivalent: A ij c j = r i, i =,..., m bzw. j= Ac = r mit A = (A ij ) i,j m R m,m und r = (r,..., r m ) R m in der Matrixform. Beim klassischen Ritzschen Verfahren wählt man glatte Ansatzfunktionen u i C () D 0, i =,..., m, die im allgemeinen auf dem ganzen Gebiet nicht verschwinden. A ist dann eine vollbesetzte Matrix. Bemerkung 4 Das Ritzsche Verfahren lässt sich auch auf andere Randbedingungen verallgemeinern. 2 Finite Elemente Methoden Finite Elemente Methoden unterscheiden sich in zwei Punkten von Ritzschen Verfahren. Die wesentlichen Abweichungen sind:. Es wird geringere Glattheit der Ansatzfunktionen vorausgesetzt. Dabei verwendet man schwächere Glattheitsbegriffe, wie etwa schwache Differenzierbarkeit und sogenannte Sobolevräume. Man ersetzt das Gebiet durch eine geeignete Approximation, z.b. durch eine Triangulierung Tn (falls R 2 ), indem man Tn = e e E n setzt, wobei E n eine Menge von Dreiecken ist. Je zwei Dreiecke e, e E n haben entweder eine Seite, oder einen Punkt oder nichts gemeinsam. Ferner definiert man V Tn = {u C( Tn ) u ist linear in x auf jedem Dreieck e E n und u = 0 auf Tn }. Bemerkung 5 Beachte, dass die Funktionen u V Tn nicht zu dem Raum C () gehören! Formal gilt also die Äquivalenz im Satz nicht mehr. Eine andere Äquivalenzaussage lässt sich aber zeigen, wenn die Variationsgleichung u v gv d = 0 4
5 für alle v H 0() gilt. Der Sobolevraum H 0() umfasst dabei den Raum V Tn. 2. Die Ansatzfunktionen besitzen einen lokalen Träger, d.h. sie verschwinden jeweils im größeren Teil des Gebietes Tn. Als Konsequenz haben wir, dass A dünn besetzt ist. 3 Etwas Theorie zur Finite Elemente Methode Sei ein beschränktes Gebiet. Definition 6 Für u : R heißt supp u = {x u(x) 0} Träger von u. Definition 7 C 0 () = {u C () supp u kompakt} ist der Raum der Testfunktionen. Letzterer Raum ist nicht leer, da insbesondere der Friedrichs sche Molifier (der Glättungskern) u ε ( x 0 ) für alle x 0 und ε < dist(x 0, ) in diesem Raum liegt, wobei { ( ) exp u ε (x) = ε2, x < ε ε n ε 2 x 2 0, sonst Definiere für u C (), v C0 () die Abbildung a(u, v) = u(x) v(x) dx. Setze ferner g, v = g(x)v(x)dx. Dies definiert ein Skalarprodukt auf C(). Eine klassische Lösung u C 2 () C() erfüllt also a(u, v) = g, v für alle v C0 (). Die Bilinearform a definiert auf C0 () ein Skalarprodukt, das eine Norm erzeugt, nämlich u a = ( /2 a(u, u) = u dx) 2. Mit bezeichnen wir im folgenden die übliche Norm in L 2 (). Der Raum C 0 () ist als Grundraum für die Gleichung a(u, v) = g, v zu klein, da im allgemeinen u C 0 (). Der Ansatz eines neuen Grundraums V ist: V := { u C() u existiert und ist stückweise stetig, u = 0 auf }. Das Ziel ist es, die Gleichung a(u, v) = g, v für alle v V zu erstellen. 5
6 Satz 8 Gültig sind die Aussagen. a : V V R ist ein Skalarprodukt 2. C 0 () liegt dicht in V bzgl a und Definition 9 u V heißt schwache (variationelle) Lösung von (), wenn a(u, v) = g, v für alle v V gilt. Lemma 0 Ist u eine klassische Lösung von (), so ist u auch eine schwache Lösung. Lemma Die variationelle Lösung stimmt mit der Lösung der Minimierungsaufgabe F (v) = 2 a(v, v) g, v = 2 v 2 gv dx min v V überein. Lemma 2 Die schwache Lösung ist eindeutig. Der Unterschied zwischen den Normen a und ist wesentlich, da sie auf V nicht äquivalent sind und damit verschiedene Konvergenzbegriffe erzeugen. Die normierten Räume (V, ) und (V, a ) sind nicht vollständig. Die Vollständigkeit ist aber essentiell, um die Minimierungsprobleme zu lösen! Vergrößere nun V nach dem Prinzip der Vollständigkeit ohne die bisherigen Ergebnisse zu verletzen. Definition 3 Es sei L 2 () = {u : R u meßbar, u 2 Lebesgue-integrierbar} mit dem Skalarprodukt u, v = u(x)v(x)dx versehen. Lemma 4 Ist u C k (), ϕ C0 (), α N n 0, α k, so gilt α uϕ dx = ( ) k u α ϕ dx. Dies motiviert die folgende Definition Definition 5 Für u L 2 () heißt v L 2 () (allgemeiner: u, v L loc ()) schwache oder verallgemeinerte Ableitung α u der Ordnung α von u, falls vϕ dx = ( ) α u α ϕdx für alle ϕ C 0 (). 6
7 Bemerkung 6 Ist u C k (), so besitzt u schwache Ableitungen α u, α k und diese stimmen mit den klassischen Ableitungen überein. Definiere W k () := {u L 2 () α u L 2 (), α k} mit dem Skalarprodukt u, v W k := α u, α v. α k Definition 7 W k () heißt ein Sobolevraum. Statt dieser Verallgemeinerung der klassischen Ableitung im schwachen Sinn ist auch eine Verallgemeinerung im starken Sinn möglich: Satz 8 Es gilt: W k () = H k (). H k () = C k () W k (). Die Räume H k () und W k () sind vollständig. Die richtige Wahl für V ist der Raum V = H 0() = {u H () u = 0 auf }. Bemerkung 9 Da die Elemente aus H 0() nicht stetig sein müssen, ist der Ausdruck u = 0 auf möglicherweise nicht definiert. Dieser lässt sich aber im schwachen Sinne erklären. Satz 20 Sei R n ein beschränktes Gebiet und sei stückweise glatt. Dann existiert eindeutig ein linearer stetiger Operator derart, dass Γ(u) = u für alle u C (). Γ : H () L 2 ( ) Man nennt Γ(u) ein Spuroperator oder verallgemeinerte Randwerte von u. Dann ist sinnvoll erklärt. H 0() = {u H () Γ(u) = 0} Bemerkung 2 Die Räume H 0() und W 0 () definiert man wie folgt H0() = C0 () W (), { W0 () = u H () F (L 2 ()) n, F L 2 () : u F d = } uf d. 7
8 Die schwache Formulierung von () mit γ = 0 lautet damit wie folgt. Gesucht ist ein u V = H 0() mit a(u, v) = b(v), v V wobei b(v) = g(x)v(x) dx. Ist γ 0, so ist u γ H0(). w = u γ sei die Lösung von w = g + γ. So löst u = w + γ die Gleichung u = g und erfüllt die Randbedingung u = γ. Es bleibt uns noch zu zeigen, dass die Anfangswertaufgabe () schwach lösbar ist. Dafür verwenden wir den Satz 22 Lax und Milgram Es sei H ein Hilbertraum und B(, ) eine Bilinearform auf H mit gilt. i) c > 0 : u, v H : B(u, v) c u v ii) p > 0 : u H : B(u, u) p u 2 Dann existiert für alle F H genau ein u H, so dass für alle v H F v = B(v, u) Bemerkung 23 Die Bedingungen i) und ii) heißen Stetigkeit bzw. Koerzitivität (in Numerik: H-Elliptizität). Die Schwarzsche Ungleichung besagt nun a(u, v) u v u H () v H (), u, v V. Die Poincarésche Ungleichung liefert a(u, u) = u 2 min{, c 2 } u 2 H (), u V, wobei c = c() > 0 die Poincarésche Konstante bezeichne. Wegen bv v g v g H () handelt es sich bei b um ein stetiges lineares Funktional auf V. Da a und b alle Voraussetzungen vom Satz 22 erfüllen, folgt es, dass die Randwertaufgabe eindeutig schwach lösbar in V ist, falls g L 2 (). 8
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.
MehrOptimalitätskriterien
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
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
MehrModulabschlussklausur 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
MehrVergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung
Fakultät für Mathematik und Informatik Ruprecht-Karls-Universität Heidelberg Diplomarbeit Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Bärbel Janssen
MehrEine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen
Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen von Christian Brennecke Bachelorarbeit in Mathematik vorgelegt der Fakultät für Mathematik
MehrDie Methode der Finiten Elemente
KAPITEL 2 Die Methode der Finiten Elemente 1. Theoretische Grundlagen Wir bezeichnen im Folgenden mit H m (Ω) L 2 (Ω), Ω R n offen, den Sobolevraum aller Funktionen mit schwachen Ableitungen α u in L 2
MehrOptimale 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
Mehr17. 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
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
Mehr1.3 Ein paar Standardaufgaben
1.3 Ein paar Standardaufgaben 15 1.3 Ein paar Standardaufgaben Einerseits betrachten wir eine formale und weitgehend abgeschlossene mathematische Theorie. Sie bildet einen Rahmen, in dem man angewandte
MehrCharakteristikenmethode 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)
Mehr9.2. 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
MehrGalerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen
Galerkin-Diskretisierung von Eigenwertproblemen für partielle Differentialgleichungen Bachelorarbeit zur Erlangung des akademischen Grades Bachelor of Science an der Technischen Universität Berlin Verfasser:
MehrAbsolute 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
MehrMengensysteme, Wahrscheinlichkeitsmaße
Kapitel 1 Mengensysteme, Wahrscheinlichkeitsmaße Der Großteil der folgenden fundamentalen Begriffe sind schon aus der Vorlesung Stochastische Modellbildung bekannt: Definition 1.1 Eine Familie A von Teilmengen
Mehrklar. 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
MehrBeispiel 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;.
MehrGrundlagen der Variationsrechnung
Universität des Saarlandes Fachrichtung 6.1 Mathematik /home/lehrstuhl/ag-fuchs/olli/work/texstyles/eule-eps-conv Grundlagen der Variationsrechnung Eine anwendungsorientierte Einführung in die lineare
MehrKapitel 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
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
Mehr2 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
MehrFEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem
apitel 1 FEM in 1D Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem 1.1 Variationsformulierung u = f auf := (0, 1) (1.1a) u(0) = u(1) = 0 (1.1b) Eine klassische Lösung
Mehrx 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 +
Mehr3.3 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.
MehrBasis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.
Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren
Mehr3. Zusammenhang. 22 Andreas Gathmann
22 Andreas Gathmann 3. Zusammenhang Eine der anschaulichsten Eigenschaften eines topologischen Raumes ist wahrscheinlich, ob er zusammenhängend ist oder aus mehreren Teilen besteht. Wir wollen dieses Konzept
MehrDefinition 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
MehrEinführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009
Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,
MehrCodierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
Mehr(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n
Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrExtremwertverteilungen
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
MehrKommentierte 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.
MehrStabilisierung durch lokale Projektion für inkompressible Strömungsprobleme
Stabilisierung durch lokale Projektion für inkompressible Strömungsprobleme Diplomarbeit vorgelegt von Johannes Löwe aus Göttingen angefertigt im Institut für Numerische und Angewandte Mathematik der Georg-August-Universität
Mehr3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper
32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt
Mehr1 Stochastische Prozesse in stetiger Zeit
1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.
MehrAnwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem
Anwendung der Theorie von Gauß Shift Experimenten auf den Kolmogorov Smirnov Test und das einseitige Boundary Crossing Problem Inauguraldissertation zur Erlangung des Doktorgrades der Mathematisch Naturwissenschaftlichen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 8: kontextfreie Grammatiken Thomas Worsch Karlsruher Institut für Technologie, Fakultät für Informatik Wintersemester 2009/2010 1/37 Überblick Kontextfreie Grammatiken
MehrGrundbegriffe der Informatik
Grundbegriffe der Informatik Einheit 15: Reguläre Ausdrücke und rechtslineare Grammatiken Thomas Worsch Universität Karlsruhe, Fakultät für Informatik Wintersemester 2008/2009 1/25 Was kann man mit endlichen
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrStabilität 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
MehrAnalytische 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
MehrDefinition und Eigenschaften Finiter Elemente
Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:
MehrProjektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:
Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein
MehrKapitel 4. Euklidische Ringe und die Jordansche Normalform. 4.1 Euklidische Ringe
Kapitel 4 Euklidische Ringe und die Jordansche Normalform 4.1 Euklidische Ringe Die Ringe der ganzen Zahlen, Z, sowie Polynomringe über Körpern, K[X], wobei K ein Körper ist, haben die folgenden Gemeinsamheiten:
MehrProgrammiersprachen und Übersetzer
Programmiersprachen und Übersetzer Sommersemester 2010 19. April 2010 Theoretische Grundlagen Problem Wie kann man eine unendliche Menge von (syntaktisch) korrekten Programmen definieren? Lösung Wie auch
Mehr34 5. FINANZMATHEMATIK
34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.
MehrSeminararbeit 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
MehrSolvency II und die Standardformel
Fakultät Mathematik und Naturwissenschaften Institut für Mathematische Stochastik Solvency II und die Standardformel Festkolloquium 20 Jahre (neue) Versicherungsmathematik an der TU Dresden Sebastian Fuchs
MehrEntscheidungsbäume. Definition Entscheidungsbaum. Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen?
Entscheidungsbäume Frage: Gibt es einen Sortieralgorithmus mit o(n log n) Vergleichen? Definition Entscheidungsbaum Sei T ein Binärbaum und A = {a 1,..., a n } eine zu sortierenden Menge. T ist ein Entscheidungsbaum
Mehr11. Primfaktorzerlegungen
78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung
MehrWortproblem für kontextfreie Grammatiken
Wortproblem für kontextfreie Grammatiken G kontextfreie Grammatik. w Σ w L(G)? Wortproblem ist primitiv rekursiv entscheidbar. (schlechte obere Schranke!) Kellerautomat der L(G) akzeptiert Ist dieser effizient?
MehrGeometrische Mannigfaltigkeiten
Geometrische Mannigfaltigkeiten Thilo Kuessner Abstract Kurzfassung der Vorlesung: Definitionen, Beispiele und Sätze, keine Beweise. Definition 1. Ein topologischer Raum ist eine Menge X mit einer Familie
Mehr6 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
MehrLiteratur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)
Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,
Mehr2.12 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
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrEntscheidungsprobleme. Berechenbarkeit und Komplexität Entscheidbarkeit und Unentscheidbarkeit. Die Entscheidbarkeit von Problemen
Berechenbarkeit und Komlexität Entscheidbarkeit und Unentscheidbarkeit Wolfgang Schreiner Wolfgang.Schreiner@risc.uni-linz.ac.at Research Institute for Symbolic Comutation (RISC) Johannes Keler University,
MehrGrammatiken. Einführung
Einführung Beispiel: Die arithmetischen Ausdrücke über der Variablen a und den Operationen + und können wie folgt definiert werden: a, a + a und a a sind arithmetische Ausdrücke Wenn A und B arithmetische
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrVorlesung. 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.
MehrKlassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, 17-19 Uhr
KIT SS 0 Klassische Theoretische Physik II V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch Klausur Lösung 0. August 0, 7-9 Uhr Aufgabe : Kurzfragen (+++4=0 Punkte (a Zwangsbedingungen beschreiben Einschränkungen
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrInduktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010
Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrProlog basiert auf Prädikatenlogik
Software-Technologie Software-Systeme sind sehr komplex. Im Idealfall erfolgt die Programmierung problemorientiert, während die notwendige Übertragung in ausführbare Programme automatisch erfolgt. Prolog-Philosophie:
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrLineare Programmierung. Beispiel: Wahlkampf. Beispiel: Wahlkampf. Mathematische Schreibweise. Lineares Programm. Datenstrukturen & Algorithmen
Datenstrukturen & Algorithmen Einführung Standard- und Schlupfformen Simplex Algorithmus Matthias Zwicker Universität Bern Frühling 2009 2 Beispiel: Wahlkampf Ziel: mit möglichst wenig Werbung eine gewisse
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrAlgebraische Kurven. Vorlesung 26. Die Schnittmultiplizität
Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht
MehrErgänzungen 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.
MehrOptimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
Mehr6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum
6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrTheoretische Grundlagen der Informatik
Theoretische Grundlagen der Informatik Vorlesung am 12.01.2012 INSTITUT FÜR THEORETISCHE 0 KIT 12.01.2012 Universität des Dorothea Landes Baden-Württemberg Wagner - Theoretische und Grundlagen der Informatik
MehrERGÄNZUNGEN 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,
Mehr3.1. 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
MehrSkalare 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
MehrLineare 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
Mehr11.3 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
MehrExtrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
MehrRekursionen. 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
MehrOptimierung 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
MehrMotivation. Formale Grundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen. Informales Beispiel. Informales Beispiel.
Kontextfreie Kontextfreie Motivation Formale rundlagen der Informatik 1 Kapitel 5 Kontextfreie Sprachen Bisher hatten wir Automaten, die Wörter akzeptieren Frank Heitmann heitmann@informatik.uni-hamburg.de
MehrTeil 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
MehrWelfenlab Institut für Mensch-Maschine-Kommunikation
Welfenlab Institut für Mensch-Maschine-Kommunikation Δu = -λu Welfen Laboratory Report No.7 Laplace-Spektra - Anwendungen in Gestalt- und Bildkognition Franz-Erich Wolter, Thomas Howind, Thomas Altschaffel,
Mehrax 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
Mehr2 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 )
MehrIV. Spieltheorie. H. Weber, FHW, OR SS07, Teil 7, Seite 1
IV. Spieltheorie 1. Gegenstand der Spieltheorie 2. Einführung in Matrixspiele 3. Strategien bei Matrixspielen 4. Weitere Beispiele 5. Mögliche Erweiterungen H. Weber, FHW, OR SS07, Teil 7, Seite 1 1. Gegenstand
MehrPhysik 1 für Ingenieure
Physik 1 für Ingenieure Othmar Marti Experimentelle Physik Universität Ulm Othmar.Marti@Physik.Uni-Ulm.de Skript: http://wwwex.physik.uni-ulm.de/lehre/physing1 Übungsblätter und Lösungen: http://wwwex.physik.uni-ulm.de/lehre/physing1/ueb/ue#
MehrHilbertraum-Methoden
Skript zur Vorlesung Hilbertraum-Methoden SS 2013 Peter Junghanns Hinweis: Das vorliegende Skript stellt nur ein Gerüst zu den Inhalten der Vorlesung dar. Die Vorlesung selbst bietet weiterführende Erläuterungen,
MehrDie Black-Scholes-Gleichung
Die Black-Scholes-Gleichung Franziska Merk 22.06.2012 Outline Optionen 1 Optionen 2 3 Optionen Eine Kaufoption ist ein Recht, eine Aktie zu einem heute (t=0) festgelegten Preis E an einem zukünftigen Zeitpunkt
MehrTheorie der Informatik
Theorie der Informatik 6. Formale Sprachen und Grammatiken Malte Helmert Gabriele Röger Universität Basel 17. März 2014 Einführung Beispiel: Aussagenlogische Formeln Aus dem Logikteil: Definition (Syntax
Mehr