Institut für Geometrie und Praktische Mathematik Mathematisches Praktikum (MaPra) Sommersemester Aufgabe 5

Größe: px
Ab Seite anzeigen:

Download "Institut für Geometrie und Praktische Mathematik Mathematisches Praktikum (MaPra) Sommersemester Aufgabe 5"

Transkript

1 Rheinisch-Westfälische Technische Hochschule Institut für Geometrie und Praktische Mathematik Mathematisches Praktikum (MaPra) Sommersemester 01 Prof. Dr. Wolfgang Dahmen Yuanjun Zhang, M.Sc., Dipl.-Math. Jens Berger Aufgabe 5 Bearbeitungszeit: knapp drei Wochen (bis Montag, 11. Juni 01) Testattermin: Donnerstag, der 14. Juni 01 Mathematischer Hintergrund: Berechnung und Zeichnen von Splines Elemente von C++: Schleifen, arrays, Ein-/Ausgabe, Einbinden einer Grafikbibliothek, Strukturen, Klassen 0 Punkte Aufgabenstellung und Verfahren Wie aus Numerikvorlesungen bekannt ist, sind Polynome hohen Grades ein ungeeignetes Mittel, um durch eine große Anzahl gegebener Punkte (x i R l, i = 1... n) eine glatte Kurve zu legen. Man geht daher zu sogenannten Splines über. Die hier benutzten Hermite-Splines (es wird in den Punkten x i auch die dortige Ableitung berücksichtigt) bestehen stückweise aus Polynomen 3. Grades, lassen sich also analytisch wie folgt beschreiben: (1) h i (t) = a i t 3 + b i t + c i t + d i ; 0 t T i, i = 1... n 1, a i, b i, c i, d i R l. Wir nehmen zunächst an, dass außer den x i auch die Ableitungen x i mit x i = 1 für i = 1... n und die T i für i = 1... n 1 gegeben sind. Dann lassen sich die a i, b i, c i und d i aus () h i (0) = x i, h i (T i ) = x i+1, h i (0) = x i, h i (T i ) = x i+1 bestimmen. Lösen Sie als erstes dieses lineare Gleichungssystem. Für die Bestimmung der T i wählen wir statt T i = x i+1 x i, der Standardmethode, einen insbesondere für Geometrieanwendungen wesentlich besser geeigneten Ansatz. Aus (3) ( ) Ti h i = 1 erhält man für T i eine quadratische Gleichung. Wie man leicht sieht, hat diese Gleichung zwei reelle Lösungen die eine positiv, die andere negativ. Für uns ist lediglich die positive Wurzel (4) T i = 6 ( xi ), x i + x i+1 + ( xi, x i ) ( 16 ( ) ) x i + x i+1, x i + x i+1 ( xi, x i + x i+1 ) 16 ( ) x i + x i+1, x i + x i+1 von Interesse, wobei x i := x i+1 x i. Diese Formel sieht schwierig aus, ist aber verhältnismäßig schnell und einfach auszuwerten man beachte das wiederholte Auftreten einiger Terme. Die Wahl der T i gemäß 1

2 (4) bedeutet, dass sie für die einzelnen Splineabschnitte eine Approximation der Bogenlänge im Sinne der Simpsonregel darstellen: l = T i 0 ( x i (t) dt Simpson 1 = (T i 0) 6 x i(0) ( Ti x i ) + 1 ) 6 x i(t i ) = T i Damit haben die hier benutzten Splines drei wertvolle Vorteile gegenüber den üblichen Splines: a.) In der Praxis - insbesondere bei geometrischen Anwendungen - ist oft die Tangente bekannt. Diese kann nun in Form der Ableitung unmittelbar eingehen. b.) Für die einzelnen Splineabschnitte sind die Koeffizienten lokal festgelegt. Das bedeutet, dass man Punkte einfügen kann und nur ein einziger Abschnitt davon beeinflusst wird. Dies ist speziell für interaktives Arbeiten ein enormer Vorteil. c.) Oft müssen Kurven gestrichelt oder strichpunktiert dargestellt werden. Sollen alle Teilstriche gleich lang sein, so benötigt man dazu eine Approximation der Bogenlänge. Diese wird von den Splines mitgeliefert. Bisher haben wir vorausgesetzt, dass die Ableitungen bekannt sind. Da dies nicht immer der Fall ist, wollen wir nun einen Algorithmus zur näherungsweisen Bestimmung der Ableitungen angeben. Die folgenden drei Punkte sollen dabei so gut wie möglich erfüllt werden. a.) Das Ergebnis soll eine glatte Kurve sein. b.) Die Änderung eines Punktes oder einer Ableitung soll sich nur lokal auswirken. c.) Die Berechnung soll einfach, d.h. schnell, durchführbar sein. Ein weiterer Punkt ist die Reproduktion von geraden Teilstücken. Das ist hier natürlich automatisch gegeben, da der Algorithmus auf Interpolation mit Polynomen vom Grad 3 basiert. Sieht man sich die Formeln für T i, a i und b i genauer an, so stellt man leich fest: Für x i = x i+1 = x i x i ist T i = x i und somit a i = b i = 0. Der Spline ist in diesem Fall also ein Geradenstück. Die durch den nun folgenden Algorithmus produzierten Ableitungen führen zu einem Spline, der die oben erwähnten Eigenschaften hat. (x 1, x, x 3 ), falls i = 1 ( ) Setze (a, b, c) := xn, x n 1, x n, falls i = n ( ) xi 1, x i, x i+1, sonst. Interpoliere ( b a, a), (0, b), ( c b, c) komponentenweise (quadratisch) p. p ( b a ), falls i = 1 Setze x i := p ( c b ), falls i = n p (0), sonst. Normiere x i. Bemerkungen: a.) Da bei allen Überlegungen nirgends die Dimension eingegangen ist, gelten alle Resultate im R l, insbesondere also im R und R 3.

3 b.) Bei der Schätzung der Ableitung muss man voraussetzen, dass der Spline aus mindestens drei Punkten besteht. Besteht er nur aus zwei Punkten und ist genau eine der Ableitungen bekannt, so lässt sich die im obigen Algorithmus beschriebene quadratische Interpolation damit noch durchführen. c.) Ist x 1 unbekannt, so kann der Fall i = 1 durch Angabe eines Punktes x 0 in den Fall sonst umgewandelt werden. Dies gilt analog auch für unbekanntes x n. So läßt sich das Aussehen zyklischer Splines entscheidend verbessern, indem man x 0 :=x n 1 und x n+1 :=x setzt. In Figur 1 ist eine Ellipse mittels 8 Ellipsenpunkten (ohne Tangenten) einmal mit und einmal ohne die gerade beschriebene Umwandlung durch einen Spline approximiert worden. Zum Vergleich ist auch die Ellipse (gestrichelt) eingezeichnet. P=P9 P1=P8 P0=P7 Da man auf einem Ausgabegerät nur Strecken zeichnen kann, sind endliche Unterteilungen der Intervalle [0,T i ] (der Index i wird bei den t s unterdrückt) (5) 0 = t 0 < t 1 <... < t j <... < t m = T i gesucht, so dass bei linearer Interpolation (6) l j (s) = x(t j ) + s (x(t j+1 ) x(t j )), 0 j < m für jedes j der Interpolationsfehler R (j) kleiner oder gleich einem vorgegebenen ε ist. Weiterhin soll m möglichst klein sein. Dazu benutzen wir die aus der Numerik bekannte Abschätzung (7) R (j) (t j+1 t j ) max 8 x(t) t [t j,t j+1 ] =: K j [1] Wir müssen also K j ε erreichen. Da aus (1) (8) x i (t) = 6 a i t + b i, 0 t T i folgt, lässt sich ein rekursiver Algorithmus wie folgt formulieren: 3

4 PlotSpline ( t 0, t 1, z 0, z 1 ) // rekursiv { z = max{z 0, z 1 }; ( ) (t 1 t 0 ) if z ε plot(h(t 0 ) h(t 1 )); // add Polygonpunkt 8 else { } t = t 0+t 1 ; z = 6 a i t + b i ; PlotSpline(t 0, t, z 0, z); PlotSpline(t, t 1, z, z 1 ); } Aufruf: PlotSpline(0, T i, b i, 6 a i T i + b i ) Schnittstellen Sie sollen nun ein Programm schreiben, das zu vorgegebenen Punkten x i und optional gegebenen Ableitungen x i den oben beschriebenen Spline berechnet und durch ein Polygon approximiert. Die Programmgliederung sieht wie folgt aus: GetDaten, Ableitungen berechnen und normieren, Spline berechnen; TestSpline, Spline durch Polygonzug approximierem und mittels PlotOut ausgeben (benutzen Sie das Schema der obigen rekursiven Prozedur PlotSpline, sammeln sie die Ecken des Polygons in einem array bis Sie AnzMaxPlot viele Ecken haben, vergessen Sie den letzten Aufruf von PlotOut nicht), TheEnd (schließt alles ab). In der Funktion PlotOut gibt die Variable Anzahl die Anzahl der Eckpunkte des Polygons an, das zu zeichnen ist. Ist eine Ableitung nicht bekannt, so wird als Ableitung der Nullvektor übergeben. In Beispiel 1 sind sämtliche Ableitungen gegeben, in Beispiel zumindest die Äußeren (1 und anzknoten). Achtung: Die Ableitungen sind nicht normiert! Um den Code für diese Programm schreiben zu können, benötigen Sie eine Klasse, die Vektoren der Länge zwei und all die Operationen, die mit ihnen durchgeführt werden müssen, modelliert. Modifizieren Sie hierzu die von Ihnen geschriebene Vektorklasse aus Aufgabe 4 wie folgt: a.) Kommentieren Sie die Funktion ReDim aus. b.) Sorgen Sie dafür, dass jeder Konstruktor die Länge des Objekts auf festschreibt. Stellen Sie also insbesondere auch keinen Konstruktor mehr bereit, der eine Längenangabe erwartet. Stellen Sie anstelle dessen einen Konstruktor bereit, der als übergebene Parameter zwei double-werte erwartet, die der X- und der Y-Koordinate des Vektors entsprechen sollen. c.) Die von uns bereitgestellte Objektdatei unit5.o erwartet in Ihrer Vektor-Klasse öffentliche Memberfunktionen der Form double getx () const ; und double gety () const ; 4

5 also sogenannte getter. Diese Methoden sind dazu da, um externen Funktionen einen Lesezugriff auf die privaten Daten der Vektor-Klasse zu ermöglichen (es wäre auch möglich den überladenen Operator mit den runden Klammern zu benutzen, aber das soll hier nicht geschehen). d.) Desweiteren soll aus Gründen der Komfortabilität eine Funktion geschrieben werden, die außerhalb der Klasse lebt und den Abstand von zwei übergebenen Vektoren bezüglich der euklidischen Norm zurückgibt: double Distance ( const Vektor &, const Vektor &); Diese Funktion muss kein Freund der Klasse sein. Nach diesen Modifikationen ist die Vektorklasse kompatibel mit der von uns bereitgestellten Objektdatei. Darüberhinaus ist sie natürlich von sich aus in der Lage alle benötigten Vektoroperationen durchzuführen, so dass die Aufgabe nun problemlos gelöst werden kann. Literatur [1] Dahmen, W. und A. Reusken: Numerische Mathematik für Ingenieure und Naturwissenschaftler. Springer Verlag, Heidelberg,. Auflage,

5 Interpolation und Approximation

5 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)

Mehr

Nachklausur am Donnerstag, den 7. August 2008

Nachklausur am Donnerstag, den 7. August 2008 Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:

Mehr

Übungen zu Splines Lösungen zu Übung 20

Übungen zu Splines Lösungen zu Übung 20 Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Technische Universität München SoSe 20 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 6 Übungsblatt:

Mehr

1. Anhang: Spline-Funktionen

1. Anhang: Spline-Funktionen C:\D\DOKU\NUM KURS\SPLINE.TEX C:\UG\.AI 20. Juli 1998 Vorbemerkung: Wenn der Satz stimmt, daß jede Formel eines Textes die Leserzahl halbiert, dann brauche ich bei grob geschätzt 40 Formeln etwa 2 40 =

Mehr

Polynome im Einsatz: Bézier-Kurven im CAD

Polynome im Einsatz: Bézier-Kurven im CAD Polynome im Einsatz: Bézier-Kurven im CAD Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 25 Kurven im Raum Eine Kurve im

Mehr

Klassische Polynom Interpolation.

Klassische Polynom Interpolation. Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster

Mehr

9. Parametrische Kurven und Flächen

9. Parametrische Kurven und Flächen 9. Parametrische Kurven und Flächen Polylinien bzw. Polygone sind stückweise lineare Approximationen für Kurven bzw. Flächen Nachteile: hohe Zahl von Eckpunkten für genaue Repräsentation erforderlich interaktive

Mehr

5.4 Trassierung 1. Von der mittleren zur lokalen Änderung. V2 5-4Trassierung 1. Anwendungsaufgaben zur Differenzialrechnung. Trassierungsaufgaben

5.4 Trassierung 1. Von der mittleren zur lokalen Änderung. V2 5-4Trassierung 1. Anwendungsaufgaben zur Differenzialrechnung. Trassierungsaufgaben 5.4 Trassierung 1 Titel V2 5-4Trassierung 1 Version Mai 2011 Themenbereich Anwendungsaufgaben zur Differenzialrechnung Themen Trassierungsaufgaben Rolle des GTR Lösen von Gleichungen Berechnungen von Ableitungen

Mehr

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie

Mehr

Gliederung. Gliederung (cont.) Gliederung (cont.)

Gliederung. Gliederung (cont.) Gliederung (cont.) - Gliederung Jianwei Zhang zhang@informatik.uni-hamburg.de Fakultät für Mathematik, Informatik und Naturwissenschaften Technische Aspekte Multimodaler Systeme 11. Mai 2010 Allgemeine Informationen Einführung

Mehr

Musterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt

Musterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt TU ILMENAU Institut für Mathematik Numerische Mathematik PD Dr. W. Neundorf Musterlösungen zur Leistungsnachweisklausur vom.0.006 Studiengang Informatik, Ingenieurinformatik, Lehramt 1. Lineare Algebra

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2. MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw

Mehr

Analytische Lösung algebraischer Gleichungen dritten und vierten Grades

Analytische Lösung algebraischer Gleichungen dritten und vierten Grades Analytische Lösung algebraischer Gleichungen dritten und vierten Grades Inhaltsverzeichnis 1 Einführung 1 2 Gleichungen dritten Grades 3 3 Gleichungen vierten Grades 7 1 Einführung In diesem Skript werden

Mehr

Numerik für Ingenieure I Wintersemester 2008

Numerik für Ingenieure I Wintersemester 2008 1 / 32 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 23.1.2009 2 / 32 Wiederholung Stückweise Polynominterpolation Stückweise lineare Interpolierende

Mehr

5 Numerische Mathematik

5 Numerische Mathematik 6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul

Mehr

Approximation durch Polynome

Approximation durch Polynome durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz

Mehr

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016 Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b

Mehr

Interpolation und Approximation von Funktionen

Interpolation und Approximation von Funktionen Kapitel 6 Interpolation und Approximation von Funktionen Bei ökonomischen Anwendungen tritt oft das Problem auf, dass eine analytisch nicht verwendbare (oder auch unbekannte) Funktion f durch eine numerisch

Mehr

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw.

Mischungsverhältnisse: Nehmen wir an, es stehen zwei Substanzen (zum Beispiel Flüssigkeiten) mit spezifischen Gewicht a = 2 kg/l bzw. Kapitel 5 Lineare Algebra 51 Lineare Gleichungssysteme und Matrizen Man begegnet Systemen von linearen Gleichungen in sehr vielen verschiedenen Zusammenhängen, etwa bei Mischungsverhältnissen von Substanzen

Mehr

Anwendungsaufgaben zur Differenzialrechnung. Berechnungen von Ableitungen Umformungen von Termen Zeichnen von Graphen

Anwendungsaufgaben zur Differenzialrechnung. Berechnungen von Ableitungen Umformungen von Termen Zeichnen von Graphen 5.4 Trassierung 1 Titel V2 5-4Trassierung 1 Version Mai 2011 Themenbereich Anwendungsaufgaben zur Differenzialrechnung Themen Trassierungsaufgaben Rolle des CAS Lösen von Gleichungen Berechnungen von Ableitungen

Mehr

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?

Mehr

6. Polynom-Interpolation

6. Polynom-Interpolation 6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für

Mehr

Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt

Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht Partielle Differentialgleichungen, Approximation der Lösung Finite Elemente, lineare und höhere Ansatzfunktionen Dünn

Mehr

Programmierung für Mathematik HS11

Programmierung für Mathematik HS11 software evolution & architecture lab Programmierung für Mathematik HS11 Übung 8 1 Aufgabe: Codeverständnis (Repetition) 1.1 Lernziele 1. Code verstehen können. 2. Fehler im Code finden und korrigieren

Mehr

(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =

(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 = 1. (a) i. Wann besitzt A R n n eine eindeutige LR-Zerlegung mit R invertierbar? ii. Definieren Sie die Konditionszahl κ(a) einer Matrix A bzgl. einer Norm.! iii. Welche Eigenschaften benötigt eine Matrix

Mehr

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3

P AP 1 = D. A k = P 1 D k P. = D k. mit P 0 3 Matrixpotenzen In Anwendungen müssen oft hohe Potenzen einer quadratischen Matrix berechnet werden Ist die Matrix diagonalisierbar, dann kann diese Berechnung wie folgt vereinfacht werden Sei A eine diagonalisierbare

Mehr

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 9 Finden Sie eine Basis des Lösungsraums L R 5 des linearen

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt:

Mehr

( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )

( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( ) 64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den

Mehr

5 Eigenwerte und die Jordansche Normalform

5 Eigenwerte und die Jordansche Normalform Mathematik für Ingenieure II, SS 9 Freitag 6 $Id: jordantex,v 7 9/6/ :8:5 hk Exp $ 5 Eigenwerte und die Jordansche Normalform 5 Die Jordansche Normalform Nachdem wir bisher das Vorgehen zur Berechnung

Mehr

Vektoren - Die Basis

Vektoren - Die Basis Vektoren - Die Basis Motivation (Als Vereinfachung - der Schreibarbeit - wählen wir meistens Vektoren in R 2.) Eigentlich ist ja Alles klar! Für einen Vektor a gilt a = ( a x a y )! Am Ende werden wir

Mehr

Darstellung von Kurven und Flächen

Darstellung von Kurven und Flächen Darstellung von Kurven und Flächen Technische Universität Dresden Fakultät Informatik Institut für Software- und Multimediatechnik Dozent: Dr. Mascolous Referent: Gliederung / Einleitung 1 / 25 1. Kurven

Mehr

Schriftlicher Test (120 Minuten) VU Einführung ins Programmieren für TM. 23. Januar 2017

Schriftlicher Test (120 Minuten) VU Einführung ins Programmieren für TM. 23. Januar 2017 Familienname: Vorname: Matrikelnummer: Aufgabe 1 (3 Punkte): Aufgabe 2 (1 Punkt): Aufgabe 3 (2 Punkte): Aufgabe 4 (4 Punkte): Aufgabe 5 (2 Punkte): Aufgabe 6 (2 Punkte): Aufgabe 7 (4 Punkte): Aufgabe 8

Mehr

Ingenieurinformatik II Numerik für Ingenieure Teil 2

Ingenieurinformatik II Numerik für Ingenieure Teil 2 Hochschule München, FK 03 MB SS 013 Name Vorname Matrikelnummer Sem.Gr. Hörsaal Platz Ingenieurinformatik II Numerik für Ingenieure Teil Bearbeitungszeit : 60 Minuten Aufgabensteller : Dr. Reichl Hilfsmittel

Mehr

QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN

QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN IRYNA FEUERSTEIN Es wir ein Verfahren zur Konstruktion einer quasiinterpolierenden Funktion auf gleichmäßig verteilten Konten vorgestellt.

Mehr

künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten).

künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten). Computergrafik / Animation künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten). Punkte, werden auch "Kontrollpunkte" genannt Wesentlicher Punkt:

Mehr

Numerische Verfahren

Numerische Verfahren Numerische Verfahren Interpolation Prof Dr-Ing K Warendorf, Prof Dr-Ing P Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät 03 WS 13/14 Prof Dr-Ing K Warendorf (Fakultät 03) Numerische

Mehr

Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren

Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren

Mehr

H.J. Oberle Analysis II SoSe Interpolation

H.J. Oberle Analysis II SoSe Interpolation HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,

Mehr

0.1 Modellierung von Kurven und Flächen mittels B-Splines

0.1 Modellierung von Kurven und Flächen mittels B-Splines Vorlesung vom 28.04.06 Skript erstellt von Antonia Wittmers und Maria Gensel 0.1 Modellierung von Kurven und Flächen mittels B-Splines Das Wort Spline, übersetzt mit längliches, dünnes Stück Holz oder

Mehr

Institut für Geometrie und Praktische Mathematik Mathematisches Praktikum (MaPra) Sommersemester Aufgabe 4

Institut für Geometrie und Praktische Mathematik Mathematisches Praktikum (MaPra) Sommersemester Aufgabe 4 Rheinisch-Westfälische Technische Hochschule Institut für Geometrie und Praktische Mathematik Mathematisches Praktikum (MaPra) Sommersemester 2012 Prof. Dr. Wolfgang Dahmen Yuanjun Zhang, M.Sc., Dipl.-Math.

Mehr

Kurven. Markus Kraxner 22. Januar 2015

Kurven. Markus Kraxner 22. Januar 2015 Kurven Markus Kraxner 22. Januar 2015 1 Inhaltsverzeichnis 1 Einleitung 3 2 Einleitung Kurven 4 2.1 Parameterdarstellung von Kurven.................. 4 2.2 Ebene Kurven............................. 4 2.3

Mehr

Zuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.

Zuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. (8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden

Mehr

Teil 2: Kurven und Flächen. Kurven und Flächen. Kurven. Parametrische Objekte. Kurven: 1D-Objekte Flächen: 2D-Objekte, basierend auf Kurven

Teil 2: Kurven und Flächen. Kurven und Flächen. Kurven. Parametrische Objekte. Kurven: 1D-Objekte Flächen: 2D-Objekte, basierend auf Kurven Parametrische Objekte Kurven und Flächen Kurven: 1D-Objekte Flächen: 2D-Objekte, basierend auf Kurven Kurven Welche Form der Darstellung? Beispiel: 2D-Linie Explizit: y = k x + d x = (x, y) T Implzit:

Mehr

Teil 2: Kurven und Flächen

Teil 2: Kurven und Flächen Parametrische Objekte Kurven und Flächen Kurven: 1D-Objekte Flächen: 2D-Objekte, basierend auf Kurven Kurven Welche Form der Darstellung? Beispiel: 2D-Linie Explizit: y = k x + d x = (x, y) T Implzit:

Mehr

Approximationsverfahren für die Kurvendarstellung

Approximationsverfahren für die Kurvendarstellung Approximationsverfahren für die Kurvendarstellung (a) Bézier-Kurven spezielle Form polynomialer Kurven spezifiziert durch n+1 Kontrollpunkte P 0, P 1,..., P n Kurve läuft nicht durch alle Kontrollpunkte,

Mehr

8 Polynominterpolation

8 Polynominterpolation 8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum

Mehr

2.2 Kollineare und koplanare Vektoren

2.2 Kollineare und koplanare Vektoren . Kollineare und koplanare Vektoren Wie wir schon gelernt haben, können wir einen Vektor durch Multiplikation mit einem Skalar verlängern oder verkürzen. In Abbildung 9 haben u und v die gleiche Richtung,

Mehr

KAPITEL 8. Interpolation

KAPITEL 8. Interpolation KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0

Mehr

1 Euklidische und unitäre Vektorräume

1 Euklidische und unitäre Vektorräume 1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen

Mehr

Orthogonalpolynome Einführung, Eigenschaften und Anwendungen

Orthogonalpolynome Einführung, Eigenschaften und Anwendungen Anna Weller Orthogonalpolynome Einführung, Eigenschaften und Anwendungen 1 Orthogonalpolynome Einführung, Eigenschaften und Anwendungen Anna Weller Seminar zur Numerik im SS 2018, Universität zu Köln 10.

Mehr

Institut für Geometrie und Praktische Mathematik

Institut für Geometrie und Praktische Mathematik RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen

Mehr

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015 Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 3. Konvergenz von Folgen und Reihen Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden

Mehr

Polynome und ihre Nullstellen

Polynome und ihre Nullstellen Polynome und ihre Nullstellen 29. Juli 2017 Inhaltsverzeichnis 1 Einleitung 2 2 Explizite Berechnung der Nullstellen 2.1 Polynome vom Grad 0............................. 2.2 Polynome vom Grad 1.............................

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2017/18 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2017 Steven Köhler Wintersemester 2017/18 Inhaltsverzeichnis Teil 1 Teil

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 2018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2018 Steven Köhler Wintersemester 2018/19 Inhaltsverzeichnis Teil 1 Teil

Mehr

Programmierung für Mathematik (HS13)

Programmierung für Mathematik (HS13) software evolution & architecture lab Programmierung für Mathematik (HS13) Übung 11 1 Aufgabe: Codeverständnis 1.1 Aufgabenstellung Notieren Sie, was der folgende Code ausgeben würde, wenn er so in einer

Mehr

Verarbeitung von Messdaten

Verarbeitung von Messdaten HTL Steyr Verarbeitung von Messdaten Seite von 8 Bernhard Nietrost, HTL Steyr Verarbeitung von Messdaten Mathematische / Fachliche Inhalte in Stichworten: Regression, Polynominterpolation, Extremwertberechnung,

Mehr

Gleichungsbasierte Modellierung

Gleichungsbasierte Modellierung 1 Gleichungsbasierte Modellierung Die Benutzung von Gleichungen zur Geometrischen Modellierung wurde bereits von Sutherland eingeführt. Fortgeführt wurde sie durch die Arbeiten von Light und Gossard. Wie

Mehr

HTL Kapfenberg SPLINE Interpolation Seite 1 von 7.

HTL Kapfenberg SPLINE Interpolation Seite 1 von 7. HTL Kapfenberg SPLINE Interpolation Seite von 7 Roland Pichler roland.pichler@htl-kapfenberg.ac.at SPLINE Interpolation Mathematische / Fachliche Inhalte in Stichworten: Polynome, Gleichungssysteme, Differenzialrechnung

Mehr

Übungsblatt 1 Musterlösung

Übungsblatt 1 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA234 - SS6 Übungsblatt Musterlösung Aufgabe (Interpolationspolynom) a) Bestimmen Sie die Hilfspolynome L i, i =,,2, für x =, x = 2 und x 2 = 3 nach der Formel

Mehr

Prüfungsteil B, Aufgabengruppe 2, Analysis. Bayern Aufgabe 1. Bundesabitur Mathematik: Musterlösung. Abitur Mathematik Bayern 2014

Prüfungsteil B, Aufgabengruppe 2, Analysis. Bayern Aufgabe 1. Bundesabitur Mathematik: Musterlösung. Abitur Mathematik Bayern 2014 Bundesabitur Mathematik: Prüfungsteil B, Aufgabengruppe, Bayern 014 Aufgabe 1 a) 1. SCHRITT: DEFINITIONSBEREICH BESTIMMEN Bei einem Bruch darf der Nenner nicht null werden, d.h. es muss gelten: x 5 0 x

Mehr

Vorkurs: Mathematik für Informatiker

Vorkurs: Mathematik für Informatiker Vorkurs: Mathematik für Informatiker Teil 4 Wintersemester 018/19 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de c 018 Steven Köhler Wintersemester 018/19 Inhaltsverzeichnis Teil 1 Teil Teil

Mehr

Wertebereich und Genauigkeit der Zahlendarstellung

Wertebereich und Genauigkeit der Zahlendarstellung Wertebereich und Genauigkeit der Zahlendarstellung Sowohl F als auch C kennen bei ganzen und Floating Point-Zahlen Datentypen verschiedener Genauigkeit. Bei ganzen Zahlen, die stets exakt dargestellt werden

Mehr

Erste Schularbeit Mathematik Klasse 7D WIKU am

Erste Schularbeit Mathematik Klasse 7D WIKU am Erste Schularbeit Mathematik Klasse 7D WIKU am 12.11.2014 ANTWORTVORLAGE Achtung: Teil 2 war noch in einem anderen Modus, daher muss man die Punkte umrechnen P unkte wirkliche P unkte =. Kompensationspunkte

Mehr

VF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.

VF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf. IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei

Mehr

Mathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und

Mehr

Lösung zu Serie 2. D-ERDW, D-HEST, D-USYS Dr. Ana Cannas. Mathematik II FS März 2016

Lösung zu Serie 2. D-ERDW, D-HEST, D-USYS Dr. Ana Cannas. Mathematik II FS März 2016 Mathematik II FS 6. März 6 Lösung zu Serie Bemerkung: Die Aufgaben der Serie sind der Fokus der Übungsstunden vom./3. März.. a y = x und es wird die ganze Parabel einmal durchlaufen, denn x nimmt alle

Mehr

1. Selbsttest Heron-Verfahren Gleichungen

1. Selbsttest Heron-Verfahren Gleichungen 1. Selbsttest 1.1. Heron-Verfahren Mit dem Heron-Verfahren soll ein Näherungswert für 15 gefunden werden. Führe die ersten drei Schritte des Heron- Verfahrens durch. Gib dann unter Verwendung der Werte

Mehr

Klausur Numerisches Rechnen ( ) (Musterlösung)

Klausur Numerisches Rechnen ( ) (Musterlösung) Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 01/013 Prof. Dr. M. Grepl J. Berger, P. Esser, L. Zhang Klausur Numerisches Rechnen

Mehr

Gemischte Aufgaben zur Differentialund Integralrechnung

Gemischte Aufgaben zur Differentialund Integralrechnung Gemischte Aufgaben zur Differentialund Integralrechnung W. Kippels 0. Mai 04 Inhaltsverzeichnis Aufgaben. Aufgabe.................................... Aufgabe.................................... Aufgabe...................................

Mehr

Diplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung.

Diplom Mathematiker Wolfgang Kinzner. 17. Oktober Technische Universität München. Die abc-formel. W. Kinzner. Problemstellung. Diplom Mathematiker Wolfgang Kinzner Technische Universität München 17. Oktober 2013 1 / 9 Inhaltsverzeichnis 1 2 / 9 Inhaltsverzeichnis 1 2 2 / 9 Inhaltsverzeichnis 1 2 3 2 / 9 Inhaltsverzeichnis 1 2

Mehr

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel 4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der

Mehr

ODE-Solver. Inhalt. Einleitung. grundlegende Algorithmen. weiterführende Algorithmen

ODE-Solver. Inhalt. Einleitung. grundlegende Algorithmen. weiterführende Algorithmen Martin Reinhardt angewandte Mathematik 8. Semester Matrikel: 50108 ODE-Solver 11. Mai 2011 Inhalt Einleitung grundlegende Algorithmen weiterführende Algorithmen Martin Reinhardt (TUBAF) 1 Orientierung

Mehr

Das Skalarprodukt zweier Vektoren

Das Skalarprodukt zweier Vektoren Beim Skalarprodukt zweier Vektoren werden die Vektoren so multipliziert, dass sich ein Skalar eine Zahl ergibt. Die Berechnung des Skalarproduktes ist ziemlich einfach, aber die weiteren Eigenschaften

Mehr

Einführungsbeispiel Kostenfunktion

Einführungsbeispiel Kostenfunktion Einführungsbeispiel Kostenfunktion Sie bauen eine Fabrik für Luxusautos auf und steigern die Produktion jeden Monat um 1000 Stück. Dabei messen Sie die jeweiligen Kosten und stellen sie grafisch dar. Die

Mehr

KAPITEL 9 Splinefunktionen

KAPITEL 9 Splinefunktionen KAPITEL 9 Splinefunktionen 9.1 Splineräume und Approximationsgüte Bei der Behandlung von Splines ist es bequemer, statt mit dem Grad von Polynomen, mit der Ordnung k := Grad + 1 zu arbeiten. Für eine Knotenmenge

Mehr

Computergrafik / Animation. künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten).

Computergrafik / Animation. künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten). Computergrafik / Animation künstliches Objekt, dargestellt durch Anzahl von Punkten in Raum und Zeit (bei bewegten, animierten Objekten). Punkte, werden auch «Kontrollpunkte» genannt Wesentlicher Punkt:

Mehr

Unterteilungskurven und -flächen

Unterteilungskurven und -flächen Unterteilungskurven und -flächen Martin Peternell TU Wien 30. Fortbildungstagung für Geometrie 2009, Strobl 1 Unterteilungskurven Allgemein Das wiederholte Unterteilen eines Polygons erzeugt in der Grenze

Mehr

Lineare Algebra für Ingenieure

Lineare Algebra für Ingenieure TECHNISCHE UNIVERSITÄT BERLIN SS 4 Fakultät II - Mathematik J Liesen/F Lutz/R Seiler Lineare Algebra für Ingenieure Lösungen zur Juli-Klausur Stand: 4 September 4 Rechenteil Aufgabe (8 Punkte Berechnen

Mehr

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen

Mehr

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra

Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische

Mehr

Programmierung für Mathematik HS10 Übung 8

Programmierung für Mathematik HS10 Übung 8 Department of Informatics software evolution & architecture lab Programmierung für Mathematik HS10 Übung 8 1 Aufgabe: Codeverständnis (Repetition) 1.1 Lernziele 1. Code verstehen können. 2. Fehler im Code

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

Numerische Mathematik

Numerische Mathematik Numerische Mathematik SS 999 Augabe 6 Punkte Das Integral I ln d soll numerisch bis au eine Genauigkeit von mindestens - approimiert werden. a Wie groß muss die Anzahl N der Teilintervalle sein damit mit

Mehr

Übungsblatt 3 Musterlösung

Übungsblatt 3 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA4 - SS6 Übungsblatt Musterlösung Sei M,N N und f C M+N+ (B) eine komplexe Funktion, B eine kompakte Menge. Die Padé Approximation PN M (f)(x) ist die rationale

Mehr

Numerik für Informatiker

Numerik für Informatiker Numerik für Informatiker Lars Grüne Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/ lgruene/ Karl Worthmann

Mehr

Passerelle. Beschrieb der Fach-Module. von der Berufsmaturität. zu den universitären Hochschulen

Passerelle. Beschrieb der Fach-Module. von der Berufsmaturität. zu den universitären Hochschulen Passerelle von der Berufsmaturität zu den universitären Hochschulen Beschrieb der Fach-Module Fachbereich Mathematik Teilmodule Teilmodul 1: Analysis (Differential- und Integralrechnung) Teilmodul 2: Vektorgeometrie

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 206 Lineare Algebra und analytische Geometrie II Vorlesung 54 Stochastische Matrizen Definition 54.. Eine reelle quadratische Matrix M a ij i,j n heißt spaltenstochastisch,

Mehr

2015, MNZ. Jürgen Schmidt. 2.Tag. Vorkurs. Mathematik WS 2015/16

2015, MNZ. Jürgen Schmidt. 2.Tag. Vorkurs. Mathematik WS 2015/16 Vorkurs Mathematik WS 2015/16 2.Tag Arten von Gleichungen Lineare Gleichungen (und Funktionen) 0 = ax + b (oft als Funktion: y = mx + n) a,b R Parameter m Anstieg, n Achsenabschnitt Quadratische Gleichungen

Mehr