Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten

Größe: px
Ab Seite anzeigen:

Download "Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten"

Transkript

1 Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten Lothar Nannen Institut für Numerische und Angewandte Mathematik Universität Göttingen 9. April 28 1

2 Mikro-Resonator: Streuproblem κ = 1.54 κ = κ = 1.54 κ =

3 Mikro-Resonator: Energie 3

4 Helmholtz Gleichung u κ 2 u = auf Ω Ω Randbedingung auf Ω Die Eigenwerte κ 2 von sind positiv. Genau für diese κ > ist die Helmholtz Gleichung nicht eindeutig lösbar. 4

5 Helmholtz Gleichung u κ 2 u = auf Ω Ω Randbedingung auf Ω Die Eigenwerte κ 2 von sind positiv. Genau für diese κ > ist die Helmholtz Gleichung nicht eindeutig lösbar. Ω Randbedingung auf Ω und Ausstrahlungsbedingung für x Die Eigenwerte κ 2 von sind komplex. κ mit R(κ) > wird Resonanz genannt. 4

6 Übersicht Einleitung Motivation Streu- und Resonanzproblem Ausstrahlungsbedingung Polbedingung Zusammenhang mit Hardy-Räumen Hardy-Raum Methoden Infinite Elemente Methode (HSIEM) Numerische Beispiele Zusammenfassung 5

7 Ω ext Ω int Streuproblem B a u κ 2 u = in Ω = R d \ K, K u K = f auf K, u erfüllt eine Ausstrahlungsbedingung. DtN-Operator Sommerfeldsche Ausstrahlungsbedingung: ( ) r d 1 u 2 (x) iκu(x), r = x. r Reihenentwicklung mit (sphärischen) Hankel-Funktionen 1.Art: u(r, ˆx) = H (1) ν(n) (aκr)φ n(ˆx), r > 1, ˆx B a. n= 6

8 Ω ext Ω int Streuproblem B a u κ 2 u = in Ω = R d \ K, K u K = f auf K, u erfüllt eine Ausstrahlungsbedingung. DtN-Operator Sommerfeldsche Ausstrahlungsbedingung: ( ) r d 1 u 2 (x) iκu(x), r = x. r Reihenentwicklung mit (sphärischen) Hankel-Funktionen 1.Art: u(r, ˆx) = H (1) ν(n) (aκr)φ n(ˆx), r > 1, ˆx B a. n= 6

9 Resonanzproblem Lax & Phillips: Scattering Theory, 1967: Definition Sei (κ 2, u) C Hloc 2 (Ω) \ {} mit R(κ) > eine Lösung des Eigenwertproblems u = κ 2 u in Ω = R d \ K, u K = auf K, u erfüllt eine Ausstrahlungsbedingung. Dann heißt κ eine Resonanz des Streuproblems. 7

10 Laplace-Transformation: û(s) := (Lu)(s) = Polbedingung in 1d e sr u(r)dr, R(s) > I(s) u(r) = C 1 e +iκr + C 2 e iκr L û(s) = C 1 s iκ + C 2 s + iκ. iκ iκ ausstrahlend einfallend R(s) 8

11 Definition Allgemeiner Fall Eine stetige Funktion u erfüllt die Polbedingung, wenn die Laplace-Transformierte in radialer Richtung û(, ˆx) := L{u( ˆx)} für alle ˆx B a eine holomorphe Fortsetzung auf C := {s C I(s) < } besitzt. Veröffentlichungen zur Polbedingung: F. Schmidt, P. Deufelhard (1995) F. Schmidt (22) T. Hohage, F. Schmidt, L. Zschiedrich (23) 9

12 Hardy-Räume Definition f H (R) genau dann, wenn f L 2 (R) und L 2 -Randwert einer in C holomorphen Funktion ist. 1

13 Hardy-Räume Definition f H (R) genau dann, wenn f L 2 (R) und L 2 -Randwert einer in C holomorphen Funktion ist. Definition F H + (S 1 ) genau dann, wenn F L 2 (S 1 ) und L 2 -Randwert einer in D holomorphen Funktion ist. 1

14 Hardy-Räume Definition f H (R) genau dann, wenn f L 2 (R) und L 2 -Randwert einer in C holomorphen Funktion ist. Definition F H + (S 1 ) genau dann, wenn F L 2 (S 1 ) und L 2 -Randwert einer in D holomorphen Funktion ist. Beide Hardy-Räume sind Hilbert-Räume. {z, z 1,...} ist Orthogonalbasis von H + (S 1 ). 1

15 Möbius-Transformation iκ ϕ(z) = iκ z+1 z 1 Lemma 1 Die Möbius-Transformation Mu(z) := (u ϕ)(z) z 1 ist eine Familie von bis auf den Faktor 2 κ unitären Abbildungen von H (κ R) nach H + (S 1 ). 11

16 Polbedingung in Hardy-Räumen Definition Die Funktion u erfüllt die Polbedingung, wenn (L id)u H (κ R) L 2 ( B a ) oder äquivalent (ML id)u H + (S 1 ) L 2 ( B a ). 12

17 Polbedingung in Hardy-Räumen Definition Die Funktion u erfüllt die Polbedingung, wenn (L id)u H (κ R) L 2 ( B a ) oder äquivalent (ML id)u H + (S 1 ) L 2 ( B a ). Theorem Für hinreichend großes a sind die beiden Versionen der Polbedingung für Lösungen der Helmholtz Gleichung zueinander und zu den üblichen Ausstrahlungsbedingungen äquivalent. 12

18 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext 13

19 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext Substitution des externen Integrals in Polarkoordinaten: (...) dx = (...) dr d ˆx Ω ext B a 13

20 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext Substitution des externen Integrals in Polarkoordinaten: (...) dx = (...) dr d ˆx Ω ext B a Transformation des unbeschränkten Integrals über r in den Hardy-Raum H + (S 1 ): Transformation der Bilinearform f (r)g(r)dr = iκ (MLf )(z) (MLg)(z) dz π S 1 13

21 Infinite Elemente Methode: Übersicht Zerlegung des Integrals: ( ) u v κ 2 uv dx = (...) dx + (...) dx Ω Ω int Ω ext Substitution des externen Integrals in Polarkoordinaten: (...) dx = (...) dr d ˆx Ω ext B a Transformation des unbeschränkten Integrals über r in den Hardy-Raum H + (S 1 ): Transformation der Bilinearform f (r)g(r)dr = iκ (MLf )(z) (MLg)(z) dz π S 1 Galerkin-Verfahren in H + (S 1 ) bzgl. der orthogonalen Basis {z, z 1,...}: iκ z j z k dz = ( 2iκ ) δ jk π S 1 13

22 Variationsformulierung Ansatzraum: X H 1 (Ω int ) (H + (S 1 ) L 2 ( B a )) Finde nichttriviale Lösungen ((u, U), κ 2 ) X C des Variationsproblems A((u, U), (v, V ) ) = κ 2 B((u, U), (v, V ) ), (v, V ) X. 14

23 Variationsformulierung Ansatzraum: X H 1 (Ω int ) (H + (S 1 ) L 2 ( B a )) Finde nichttriviale Lösungen ((u, U), κ 2 ) X C des Variationsproblems A((u, U), (v, V ) ) = κ 2 B((u, U), (v, V ) ), (v, V ) X. ( ( ) ( ) ) u v A, := u v dx + d 1 U V Ω int 2a iκ ( u (T + id) aπ B a S 1 U ( u ( ( ) u B, U ) (T + id) B a u v d ˆx ( v V ) dz d ˆx ic ) d (J T id) (J T aκ π B a S 1 U id) + ia ( ) u (J T ˆx ) (J T κ π B a S 1 U ˆx ) ( ) ) v := u v dx ia (T V id) κ π B a S 1 Ω int ( v V ) dz d ˆx ( v V ) dz d ˆx ( u U ) (T id) ( v V ) dz d ˆx. 14

24 Äquivalenz Theorem Sei (u int, U) X eine Lösung des Variationsproblems A (( ) ( )) uint v, κ 2 B U V (( ) ( )) uint v, = l(v), U V ( ) v X. V Wenn κ keine Resonanz des Streuproblems auf Ω ext ist, dann ist u int H 2 (Ω int ) die Einschränkung einer ausstrahlenden Lösung u Hloc 2 (Ω) der Helmholtz Gleichung, d.h. u int = u Ωint. 15

25 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u 16

26 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u Definition des DtN-Operators: DtN : u u := u ext ν Ba DtN-Operator 16

27 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u Definition des DtN-Operators: DtN : u u := u ext ν Ba ( ) (( ) ( )) A ext κ 2 u B v ext, = u U V v d ˆx B a DtN-Operator 16

28 Beweis. Beweisskizze Nach Voraussetzung existiert eindeutige Lösung u ext des Streuproblems auf Ω ext mit Dirichletschem Randwert u Definition des DtN-Operators: ( ) (( ) A ext κ 2 u B ext, U ( u int v κ 2 u int v Ω int DtN : u u := u ext ν ( v )) V ) dx = Ba = u v d ˆx B a B a u v d ˆx K DtN-Operator f v K ds. 16

29 Infinite Elemente Methode (HSIEM) Standard-FEM für u H 1 (Ω int ) Nˆx u (ˆx) c k b (ˆx) k (ˆx) k= 17

30 Infinite Elemente Methode (HSIEM) Standard-FEM für u H 1 (Ω int ) Nˆx u (ˆx) c k b (ˆx) k (ˆx) k= Tensorprodukt-Ansatz für U: Nˆx N r U(z, ˆx) c jk z j b (ˆx) k (ˆx) k= j= 17

31 B a Infinite Elemente Methode (HSIEM) Standard-FEM für u H 1 (Ω int ) Nˆx u (ˆx) c k b (ˆx) k (ˆx) k= Tensorprodukt-Ansatz für U: Nˆx N r U(z, ˆx) c jk z j b (ˆx) k (ˆx) k= j= Masse- und Steifigkeitsmatrix: M = M ˆx M r, S = M ˆx L 1 +Sˆx L 2 ( ) ( ) (...) dz d ˆx = (...) d ˆx (...) dz S 1 B a S 1 Matrizen 17

32 Konvergenzaussagen zur HSIEM Exponentielle Konvergenz für eindimensionale Streuprobleme super-algebraische Konvergenz für separierte Streuprobleme U ( H + (S 1 ) C (S 1 ) ) L 2 ( B a ) Beweis 18

33 Konvergenzaussagen zur HSIEM Exponentielle Konvergenz für eindimensionale Streuprobleme super-algebraische Konvergenz für separierte Streuprobleme U ( H + (S 1 ) C (S 1 ) ) L 2 ( B a ) Beweis offen: Stabilität für mehrdimensionale Streuprobleme Resonanzprobleme 18

34 Diskretisierung des Hardy-Raums Basisfunktionen für U H + (S 1 ): N r U(z) α j z j j= 19

35 Diskretisierung des Hardy-Raums Basisfunktionen für U H + (S 1 ): N r U(z) α j z j j= Basisfunktionen für MLu H + (S 1 ): (MLu)(z) = 1 ( ) u (h) 2iκ + (z 1)U(z) 19

36 Diskretisierung des Hardy-Raums Basisfunktionen für U H + (S 1 ): N r U(z) α j z j j= Basisfunktionen für MLu H + (S 1 ): Basisfunktionen für u: (MLu)(z) = 1 ( ) u (h) 2iκ + (z 1)U(z) u(r) e iκ r j u (h) N r + α j j= k= ( j k ) (2iκ r) k+1 (k + 1)! 19

37 Parameter κ Lösung der eindimensionalen Helmholtz Gleichung: Basisfunktionen für u: u(r) e iκ r u(r) = u e iκr r j u (h) N r + α j j= k= ( j k ) (2iκ r) k+1 (k + 1)! 2

38 Konvergenz des Streuproblems κ = 1 κ = 5 κ = 25 21

39 Resonanzproblem QF 1, QF 199, 6 QF 2, 24 22

40 Resonanzfrequenzen κ = κ = κ = 3.8 Bildbereich: [ 2 1 5, ] Bildbereich: [ 1 5, 1 5 ] Bildbereich: [ 3 1 4, ] 23

41 Vergleich HSIEM - PML 24

42 Zusammenfassung Polbedingung als theoretische Grundlage zur Behandlung von Streu- und Resonanzproblemen Neue numerische Methoden zur Lösung dieser Probleme Die Methoden führen zu linearen Eigenwertproblemen Implementierung in bestehende Finite-Elemente Programme möglich super-algebraische Konvergenz 25

43 Linienmethode auf Ω ext Transformation der Helmholtz Gleichung: U := (ML id)u H + (S 1 ) L 2 ( B a ) löst ) ((T 1 κ 2 T 2 ) id +T 3 ˆx U = RHS ( u, u ) Herleitung 26

44 Linienmethode auf Ω ext Transformation der Helmholtz Gleichung: U := (ML id)u H + (S 1 ) L 2 ( B a ) löst ) ((T 1 κ 2 T 2 ) id +T 3 ˆx U = RHS ( u, u ) Tensorprodukt-Ansatz: N r U(z, ˆx) α j (ˆx)z j j= Herleitung 26

45 Linienmethode auf Ω ext Transformation der Helmholtz Gleichung: U := (ML id)u H + (S 1 ) L 2 ( B a ) löst ) ((T 1 κ 2 T 2 ) id +T 3 ˆx U = RHS ( u, u ) Tensorprodukt-Ansatz: N r U(z, ˆx) α j (ˆx)z j j= Herleitung Lösung des Systems partieller DGL s auf B a mit FEM: ( ) α ˆx α T (Nr ) 1 κ 2 T (Nr ) 2. +T (Nr ). = RHS (Nr ) ( u, u ) 3 α Nr ˆx α Nr 26

46 Linienmethode (HSLM) Ω ext B a Ω int K Gleichungssystem aus drei Komponenten: ( (T 1 κ 2 ) ( T 2 ) id +T 3 ˆx U = RHS u, u ) 27

47 Linienmethode (HSLM) Ω ext B a Ω int K Gleichungssystem aus drei Komponenten: ( (T 1 κ 2 ) ( T 2 ) id +T 3 ˆx U = RHS u, u ) ( ) u v κ 2 uv dx = u v d ˆx B a Ω int K f v K ds 27

48 Linienmethode (HSLM) Ω ext B a Ω int K Gleichungssystem aus drei Komponenten: ( (T 1 κ 2 ) ( T 2 ) id +T 3 ˆx U = RHS u, u ) ( ) u v κ 2 uv dx = u v d ˆx B a Ω int u = 4κ2 U (1) 2κ 2 U(1) K f v K ds 27

49 Konvergenz der HSIEM Operator-Gleichung: ( ) ( ) ( ) (T m C d K ) id a 2 u K u ˆx = U K ist ein kompakter Operator und T m ein Toeplitz-Operator mit Symbol m(z) = κ 2 z κ 2 z 1 2. Toeplitz-Operator 28

50 Konvergenz der HSIEM Operator-Gleichung: ( ) ( ) ( ) (T m C d K ) id a 2 u K u ˆx = U K ist ein kompakter Operator und T m ein Toeplitz-Operator mit Symbol m(z) = κ 2 z κ 2 z 1 2. Toeplitz-Operator Projektionsmethode auf span{z,..., z Nr }: sep. Problem ( ) P Nr (T m (C d + a 2 u (Nr ) ( ) λ n )K )P,n u Nr U (Nr ) =,n n 28

51 Konvergenz der HSIEM Operator-Gleichung: ( ) ( ) ( ) (T m C d K ) id a 2 u K u ˆx = U K ist ein kompakter Operator und T m ein Toeplitz-Operator mit Symbol m(z) = κ 2 z κ 2 z 1 2. Toeplitz-Operator Projektionsmethode auf span{z,..., z Nr }: sep. Problem ( ) P Nr (T m (C d + a 2 u (Nr ) ( ) λ n )K )P,n u Nr U (Nr ) =,n n Theorem Die Projektionsmethode konvergiert super-algebraisch, d.h. für beliebiges p N existiert eine Fehlerabschätzung der Form u (Nr ),n u,n C p(λ n, κ) (N r ) p. Konvergenz HSIEM 28

52 Kondition der Hardy-Raum Methoden 29

53 Konvergenz des MCR-Problems 3

54 Veröffentlichungen zur Polbedingung F. Schmidt, P. Deufelhard: Discrete Transparent Boundary Conditions for the Numerical Solution of Fresnel s Equation Computers Math. Applic., 29 (9): (1995) F. Schmidt: Solution of Interior-Exterior Helmholtz-Type Problems Based on the Pole Condition Concept: Theory and Algorithms Habilitation, Freie Universität Berlin (22) T. Hohage, F. Schmidt, L. Zschiedrich: Solving time-harmonic scattering problems based on the pole condition. I:Theory SIAM J. Math. Anal., 35: (23) D. Ruprecht, A. Schädle, F. Schmidt, L. Zschiedrich: Transparent boundary conditions for time-dependent problems Zuse Institut Berlin - Preprint 12 (27) 31

55 Transformation auf Polarkoordinaten ˆx u(r, ˆx) := (r + 1) d 1 2 u ( (r + 1)ˆx ) r ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ) ˆx (r + 1) 2 u(r, ˆx) =, r >, ˆx B a 32

56 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= 33

57 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= 33

58 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= Masse- und Steifigkeitsmatrix: Ω ext ( ) ( H ν (1) 1 (aκr)w µ1 (ˆx) H (1) ( = w µ1 (ˆx)w µ2 (ˆx)d ˆx B a M = M ˆx M r, S = M ˆx L 1 +Sˆx L 2 ) ν 2 (aκr)w µ2 (ˆx) d (r ˆx) ) ( 1 H (1) ν 1 (aκr)h (1) ν 2 (aκr)r d 1 dr ) 33

59 Klassische Infinite Elemente Methode Tensorprodukt-Ansatz für u: Nˆx N r u(r, ˆx) = c νµ H ν (1) (aκr)w µ (ˆx) µ= ν= Masse- und Steifigkeitsmatrix: Ω ext ( ) ( H ν (1) 1 (aκr)w µ1 (ˆx) H (1) ( = w µ1 (ˆx)w µ2 (ˆx)d ˆx B a M = M ˆx M r, S = M ˆx L 1 +Sˆx L 2 ) ν 2 (aκr)w µ2 (ˆx) d (r ˆx) ) ( 1 H (1) ν 1 (aκr)h (1) ν 2 (aκr)r d 1 dr ) 33

60 Hardy-Raum Infinite Elemente Methode (HSIEM) Tensorprodukt-Ansatz M = M ˆx M r S = M ˆx L 1 + Sˆx L 2 L 1 := d 1 ( 1 2a ) 2iκ a T (Nr ) (N + T r ) + 2C di κ a T (Nr ) ( D (Nr )) 2 (N T r ), L 2 := 2ai T (Nr ) ( D (Nr )) 2 (N T r ) κ, Mr := 2ai T (Nr ) (N T r ) κ. HSIEM 34

61 Hardy-Raum Infinite Elemente Methode (HSIEM) Tensorprodukt-Ansatz M = M ˆx M r S = M ˆx L 1 + Sˆx L 2 L 1 := d 1 ( 1 2a ) 2iκ a T (Nr ) (N + T r ) + 2C di κ a T (Nr ) ( D (Nr )) 2 (N T r ), L 2 := 2ai T (Nr ) ( D (Nr )) 2 (N T r ) κ, Mr := 2ai T (Nr ) (N T r ) κ. HSIEM 34

62 Hardy-Raum Infinite Elemente Methode (HSIEM) Tensorprodukt-Ansatz M = M ˆx M r S = M ˆx L 1 + Sˆx L 2 L 1 := d 1 ( 1 2a ) 2iκ a T (Nr ) (N + T r ) + 2C di κ a T (Nr ) ( D (Nr )) 2 (N T r ), L 2 := 2ai T (Nr ) ( D (Nr )) 2 (N T r ) κ, Mr := 2ai T (Nr ) (N T r ) κ. HSIEM 34

63 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ) ˆx (r + 1) 2 u(r, ˆx) = 35

64 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u Ba (ˆx) a u (ˆx) 2 ν Ba 35

65 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u (ˆx) a u 2 (ˆx) 35

66 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u (ˆx) a u 2 (ˆx) Möbius-Transformation U := (M id)û H + (S 1 ) L 2 ( B a ) 35

67 Transformation der Helmholtz Gleichung auf Ω ext ( r 2 u(r, ˆx) (aκ) 2 + C d + a 2 ˆx (r + 1) 2 ) u(r, ˆx) = Laplace-Transformation: û(, ˆx) := Lu(, ˆx) ( ) (s 2 + (aκ) 2 )û(s, ˆx) C d + a 2 ˆx Ĵ2 û(s, ˆx) ( = s + d 1 ) u (ˆx) a u 2 (ˆx) Möbius-Transformation U := (M id)û H + (S 1 ) L 2 ( B a ) ((T m C d K ) id a 2 K ˆx ) U = RHS ( u, u mit m(z) := κ 2 (z + 1)2 κ 2 (z 1) 2 ) Toeplitz-Operator HSLM 35

68 Definition Toeplitz operator Seien m L (S 1 ) und P : L 2 (S 1 ) H + (S 1 ) die orthogonale Projektion auf H + (S 1 ). Dann ist der Toeplitz-Operator T m : H + (S 1 ) H + (S 1 ) mit Symbol m definiert durch T m F := P(m F), F H + (S 1 ). Theorem Wenn m auf S 1 nicht verschwindet, dann ist T m ein Fredholm-Operator mit Index ind(t m ) = wn(m), wobei wn(m) die Windungszahl von m um ist. A. Böttcher, B. Silbermann: Analysis of Toeplitz operators Springer-Verlag (26) HSLM HSIEM 36

69 Separiertes Problem Durch Zerlegung von u in seine Fourier-Koeffizienten u n bzgl. {Φ n, n =, 1,...} mit ˆx Φ n = λ n Φ n, λ n = 1 a 2 { ν(n) 2, d = 2 ν(n)(ν(n) + 1), d = 3 zerfällt die Helmholtz Gleichung in die eindimensionalen (sphärischen) Besselschen Differentialgleichungen u n(r) d 1 ( ) u r n(r) (aκ) 2 + a2 λ n r 2 u n (r) =, r 1. Lösungen: u n (r) = c (1) n H (1) ν(n) (aκr) + c(2) n H (2) ν(n) (aκr) DtN-Operator: u = n= κh (1) ν(n) (aκ) H (1) ν(n) (aκ) u,n Φ n Streuproblem HSIEM Konvergenz HSIEM 37

70 Transformation einer Bilinearform f (r)g(r)dr Variationsproblem 38

71 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() Variationsproblem 38

72 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 2π F{f e M }(t)f{g e M }( t)dt Variationsproblem 38

73 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 2π F{f }(t im)f{g }( t + im)dt Variationsproblem 38

74 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 2π L{f }(it + M)L{g}( (it + M))dt Variationsproblem 38

75 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 L{f }(it + M)L{g}( (it + M))dt 2π = i 2π lim L{f }(s)l{g}( s)ds R γ 1 γ4 R γ1 M γ3 γ2 κ Variationsproblem 38

76 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 L{f }(it + M)L{g}( (it + M))dt 2π = i 2π lim L{f }(s)l{g}( s)ds R γ 3 γ4 R γ1 M γ3 γ2 κ Variationsproblem 38

77 Transformation einer Bilinearform Fourier-Transformation: (Ff )(s) := Laplace-Transformation: (Lf )(s) := e ist f (t)dt e st f (t)dt f (r)g(r)dr = F{f g }() = 1 L{f }(it + M)L{g}( (it + M))dt 2π = i 2π lim L{f }(s)l{g}( s)ds R γ 3 = iκ ML{f }(z) ML{g}(z) dz π S 1 γ4 R γ1 M γ3 γ2 κ Variationsproblem 38

78 Kopplung bei der HSIEM Randterme: u (ˆx)v (ˆx)d ˆx B a Laplace-Transformation von r u(r, ˆx): L{ r u(r, ˆx)}(s) = sl{u(, ˆx)}(s) u (ˆx) Grenzwertsatz der Laplace-Transformation: u (ˆx) lim sl{u(, ˆx)}(s) (MLu(, ˆx)) (1) s Zerlegung von MLu in u und U: (MLu(, ˆx)) (z) = c u (ˆx) + (z 1)U(z, ˆx), U(, ˆx) H + (S 1 ) C (S 1 ) 39

79 resonance frequencies II κ = κ = κ = 3.8 plot range: [ 1 1, 1 1 ] plot range: [ 2 1 5, ] plot range: [ 4 1 5, ] 4

80 resonance frequencies III κ = κ = 3.8 plot range: [ 1 5, 1 5 ] plot range: [ 3 1 5, ] 41

Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten

Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten Hardy-Raum Methoden zur numerischen Lösung von Streu- und Resonanzproblemen auf unbeschränkten Gebieten Dissertation zur Erlangung des Doktorgrades der Mathematisch-Naturwissenschaftlichen Fakultäten der

Mehr

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).

ϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ). 1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ

Mehr

Finite Elemente I 2. 1 Variationstheorie

Finite Elemente I 2. 1 Variationstheorie Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform

Mehr

3.5 Duale Vektorräume und Abbildungen

3.5 Duale Vektorräume und Abbildungen 3.5. DUALE VEKTORRÄUME UND ABBILDUNGEN 103 3.5 Duale Vektorräume und Abbildungen Wir wollen im Folgenden auch geometrische Zusammenhänge mathematisch beschreiben und beginnen deshalb jetzt mit der Einführung

Mehr

Klausur: Höhere Mathematik IV

Klausur: Höhere Mathematik IV Prof. Dr. Josef Bemelmans Templergraben 55 52062 Aachen Raum 00 (Hauptgebäude) Klausur: Höhere Mathematik IV Tel.: +49 24 80 94889 Sekr.: +49 24 80 9492 Fax: +49 24 80 92323 bemelmans@instmath.rwth-aachen.de

Mehr

Iterative Verfahren, Splittingmethoden

Iterative Verfahren, Splittingmethoden Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

2.9 Die komplexen Zahlen

2.9 Die komplexen Zahlen LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

9. Übung zur Linearen Algebra II -

9. Übung zur Linearen Algebra II - 9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).

Mehr

Eigenschaften kompakter Operatoren

Eigenschaften kompakter Operatoren Eigenschaften kompakter Operatoren Denition Seien X, Y normierte Räume und sei A : X Y linear. Dann heiÿt A kompakt (vollstetig), wenn für jede beschränkte Menge B X die Menge A(B) kompakt ist. Eigenschaften

Mehr

Teil III. Fourieranalysis

Teil III. Fourieranalysis Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)

Mehr

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen

Caputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory

Mehr

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.

Modellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben. Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung

Mehr

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über

Mehr

Die schwingende Membran

Die schwingende Membran Die schwingende Membran Michael Beer 1. Februar 2001 Inhaltsverzeichnis 1 Die Differentialgleichung der homogenen schwingenden Membran 1 2 Die allgemeine Lösung 2 3 Spezialfälle 4 3.1 Die rechteckige Membran.............................

Mehr

Stochastische FEM mit elementaren Zufallselementen

Stochastische FEM mit elementaren Zufallselementen Stochastische FEM mit elementaren Zufallselementen Hans-Jörg Starkloff Westsächsische Hochschule Zwickau 13. Südostdeutsches Kolloquium zur Numerischen Mathematik 2007 Freiberg, 27. April 2007 Einführung

Mehr

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator

Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung

Mehr

Schwache Formulierung der Poisson-Gleichung Finite Elemente Methoden Fouriermethoden für Wärmeleitungsgleichung

Schwache Formulierung der Poisson-Gleichung Finite Elemente Methoden Fouriermethoden für Wärmeleitungsgleichung Department Mathematik der Universität Hamburg SoSe 29 Dr. Hanna Peywand Kiani Schwache Formulierung der Poisson-Gleichung Finite Elemente Methoden Fouriermethoden für Wärmeleitungsgleichung Die ins Netz

Mehr

Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden.

Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden. Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden Dissertation zur Erlangung des akademischen Grades doctor rerum naturalium (Dr. rer.

Mehr

5 Potenzreihenansatz und spezielle Funktionen

5 Potenzreihenansatz und spezielle Funktionen 5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten

Mehr

Die Laplace-Transformation und ihre Anwendung in der Elektrotechnik

Die Laplace-Transformation und ihre Anwendung in der Elektrotechnik Die Laplace-Transformation und ihre Anwendung in der Elektrotechnik Jürgen Struckmeier j.struckmeier@gsi.de, www.gsi.de/ struck Vortrag im Rahmen des Winterseminars Aktuelle Probleme der Beschleuniger-

Mehr

κ Κα π Κ α α Κ Α

κ Κα π Κ α α Κ Α κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ

Mehr

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2

Übungen zur Vorlesung Funktionentheorie Sommersemester Lösungshinweise zum Klausurvorbereitungsblatt. (z) i f. 2xe (x2 +y 2) i2ye (x2 +y 2 ) 2 UNIVERSITÄT DES SAARLANDES FACHRICHTUNG 6. MATHEMATIK Prof. Dr. Roland Speicher M.Sc. Tobias Mai Übungen zur Vorlesung Funktionentheorie Sommersemester 0 Lösungshinweise zum Klausurvorbereitungsblatt (3

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Nebenfach Mathematik im Informatik-Studium. Martin Gugat FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26.

Nebenfach Mathematik im Informatik-Studium. Martin Gugat FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26. Nebenfach Mathematik im Informatik-Studium Martin Gugat martin.gugat@fau.de FAU: Friedrich-Alexander-Universität Erlangen-Nürnberg 26. Oktober 2016 Motivation Die rigorose Analyse von Algorithmen erfordert

Mehr

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden

4.1 Motivation von Variationsmethoden Variationsmethoden im Sobolevraum Motivation von Variationsmethoden Kapitel 4 Das Dirichlet Prinzip Bevor wir uns der Lösung von Randwertproblemen mithilfe der eben entwickelten Techniken zuwenden, wollen wir uns einer Idee zur Lösung widmen, die einige Elemente dieser

Mehr

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.

SS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden

Mehr

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau 312 LinAlg II Version 0 20. Juni 2006 c Rudolf Scharlau 4.3 Bilinearformen Bilinearformen wurden bereits im Abschnitt 2.8 eingeführt; siehe die Definition 2.8.1. Die dort behandelten Skalarprodukte sind

Mehr

Aufgaben zu Kapitel 20

Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v

Mehr

Kleine Formelsammlung zu Mathematik für Ingenieure IIA

Kleine Formelsammlung zu Mathematik für Ingenieure IIA Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................

Mehr

3 Markov-Eigenschaft der Brownschen Bewegung

3 Markov-Eigenschaft der Brownschen Bewegung Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t

Mehr

Euklidische und unitäre Vektorräume

Euklidische und unitäre Vektorräume Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein

Mehr

Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n-

Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung. Permutationen, Inversionen. Explizite Formel für die Determinante einer n n- I. Lineare Algebra Mathematik 2, SS 2015 Prof. F. Brock Zusammenfassung 1. Determinanten (siehe Fischer/Kaul I, S.329-339) Matrix. Determinanten von 2 2- und 3 3-Matrizen. Alternierende Multilinearformen

Mehr

Seminar stabile Zufallsprozesse

Seminar stabile Zufallsprozesse Definitionen und Eigenschaften stabiler Verteilungen 2. November 2011 Inhalt 1 Definitionen Definitionen Beweis der Äquivalenz Beispiele 2 Eigenschaften 3 Charakteristische Funktion 4 Laplace Transformation

Mehr

Numerische Simulation mit finiten Elementen

Numerische Simulation mit finiten Elementen Institut für Numerische Mathematik und Optimierung Numerische Simulation mit finiten Elementen Antje Franke-Börner Übung im gleichnamigen Modul Hörerkreis: 2. MNC, 2. MGPHY, 4. BGIP, 6. BEC-II, 2. MGIN

Mehr

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten

3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C

Mehr

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Probeklausur Mathematik 4 für Physik (Analysis 3) I...

Musterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Probeklausur Mathematik 4 für Physik (Analysis 3) I... ................ Note I II Name Vorname Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik

Mehr

10 Untermannigfaltigkeiten

10 Untermannigfaltigkeiten 10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und

Mehr

Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations

Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations Prof. Dr. H. J. Pesch Lehrstuhl für Ingenieurmathematik Universität Bayreuth Optimale Steuerung partieller Differentialgleichungen Optimal Control of Partial Differential Equations (Teil 1: SS 26) 4. Übung

Mehr

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 27.01.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten

Mehr

Einführung in die Mathematische Physik

Einführung in die Mathematische Physik Alle Aufgaben 16.07.2010 Einführung in die Mathematische Physik Universität Stuttgart PD. Dr. P. H. Lesky 1) Die homogene Wellengleichung im 1 mit konstanter Ausbreitungsgeschwindigkeit c > 0: t 2u(t,

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation

Mehr

6 Komplexe Integration

6 Komplexe Integration 6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise

Mehr

Nichtlineare Gleichungssysteme

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

Mehr

Stochastik I. Vorlesungsmitschrift

Stochastik I. Vorlesungsmitschrift Stochastik I Vorlesungsmitschrift Ulrich Horst Institut für Mathematik Humboldt-Universität zu Berlin Inhaltsverzeichnis 1 Grundbegriffe 1 1.1 Wahrscheinlichkeitsräume..................................

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Modellieren in der Angewandten Geologie II. Sebastian Bauer

Modellieren in der Angewandten Geologie II. Sebastian Bauer Modellieren in der Angewandten Geologie II Geohydromodellierung Institut für Geowissenschaften Christian-Albrechts-Universität zu Kiel CAU 3-1 Die Finite Elemente Method (FEM) ist eine sehr allgemeine

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

Klausur Lineare Algebra I & II

Klausur Lineare Algebra I & II Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte

Mehr

Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit

Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit Der Laplace-Operator auf einer Riemannschen Mannigfaltigkeit (Eine kurze Einführung im Rahmen des Seminars Spektraltheorie des Laplace-Operators, Sommersemester 2009) Inhalt: 1) Einführung 2) (Unter-)

Mehr

Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) :=

Definition Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := Definition 2.34. Sei X eine stetige Z.V. mit Verteilungsfunktion F und Dichte f. Dann heißt E(X) := x f(x)dx der Erwartungswert von X, sofern dieses Integral existiert. Entsprechend wird die Varianz V(X)

Mehr

Theoretische Physik 1, Mechanik

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

Mehr

23 Laurentreihen und Residuen

23 Laurentreihen und Residuen 23 Laurentreihen und Residuen 23. Laurentreihen Ist eine Funktion f in einem Punkt z nicht holomorph (oder nicht einmal definiert), so läßt sich f nicht durch eine Potenzreihe mit Entwicklungspunkt z darstellen.

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 Lineare Abbildungen Basisdarstellungen 4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w

Mehr

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,

Mehr

16 Vektorfelder und 1-Formen

16 Vektorfelder und 1-Formen 45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung

Mehr

3.6 Eigenwerte und Eigenvektoren

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

Mehr

Technische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras

Technische Universität Berlin Fakultät II Institut für Mathematik SS 13 G. Bärwolff, C. Mehl, G. Penn-Karras Technische Universität Berlin Fakultät II Institut für Mathematik SS 3 G. Bärwolff, C. Mehl, G. Penn-Karras 9..3 Oktober Klausur Analysis II für Ingenieure Rechenteil. Aufgabe Punkte i) Wir berechnen zunächst

Mehr

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153

3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153 3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische

Mehr

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a). Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =

Mehr

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j

D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 011 Tom Ilmanen. Musterlösung 12. a ij = v i,av j (A ist symmetrisch) = Av i,v j D-MATH, D-PHYS, D-CHEM Lineare Algebra II SS 0 Tom Ilmanen Musterlösung 2. Falls b := (v,,v n ) eine Orthonormalbasis von V ist, dann lassen sich die Komponenten von einem Vektor v = n i= t i v i bezüglich

Mehr

Lösungen der Übungsaufgaben von Kapitel 3

Lösungen der Übungsaufgaben von Kapitel 3 Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen

Mehr

Stroppel Musterlösung , 180min. Aufgabe 1 (7 Punkte) Gegeben seien folgende Potenzreihen: ( 2) n n xn,

Stroppel Musterlösung , 180min. Aufgabe 1 (7 Punkte) Gegeben seien folgende Potenzreihen: ( 2) n n xn, Stroppel Musterlösung 0. 09. 03, 80min Aufgabe 7 Punkte) Gegeben seien folgende Potenzreihen: ) n fx) = n xn, gx) = n= + ) n n x+) n. 3 n= a) Bestimmen Sie jeweils den Konvergenzradius und den Entwicklungspunkt.

Mehr

Inhaltsverzeichnis. Vorwort zur ersten Auflage. Bezeichnungen

Inhaltsverzeichnis. Vorwort zur ersten Auflage. Bezeichnungen Inhaltsverzeichnis Vorwort zur vierten Auflage Vorwort zur ersten Auflage Bezeichnungen v vi xv Kapitel I Einführung 1 1. Beispiele und Typeneinteilung 2 Beispiele 2 Typeneinteilung 7 Sachgemäß gestellte

Mehr

7 Die Hamilton-Jacobi-Theorie

7 Die Hamilton-Jacobi-Theorie 7 Die Hamilton-Jacobi-Theorie Ausgearbeitet von Rolf Horn und Bernhard Schmitz 7.1 Einleitung Um die Hamilton schen Bewegungsgleichungen q k = H(q, p) p k ṗ k = H(p, q) q k zu vereinfachen, führten wir

Mehr

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).

ist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1). Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)

Mehr

Höhere Mathematik für Naturwissenschaftler und Ingenieure

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

Mehr

Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.

Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ. Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer

Mehr

Multivariate Verteilungen

Multivariate Verteilungen Multivariate Verteilungen Zufallsvektoren und Modellierung der Abhängigkeiten Ziel: Modellierung der Veränderungen der Risikofaktoren X n = (X n,1, X n,2,..., X n,d ) Annahme: X n,i und X n,j sind abhängig

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Berechnen Sie die folgenden unbestimmten Integrale.

Mehr

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

Mehr

8 Laplace-Transformation

8 Laplace-Transformation 8 Laplace-Transformation Ausgangspunkt: Die Heaviside-Funktion für t < u(t) = 1 für t besitzt keine Fourier-Transformation. Denn: Formal bekommt man das unbestimmte Integral ^u(ω) = e iωτ dτ = 1 iω das

Mehr

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann

Mehr

Kapitel 11. Bilinearformen über beliebigen Bilinearformen

Kapitel 11. Bilinearformen über beliebigen Bilinearformen Kapitel 11 Bilinearformen über beliebigen Körpern Wir können in diesem Kapitel rasch vorgehen, weil die meisten Konzepte im Zusammenhang mit Sesquilinearformen bereits eingeführt wurden. In diesem Abschnitt

Mehr

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.

Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x

Mehr

Lösungsvorschlag zur Übungsklausur zur Analysis I

Lösungsvorschlag zur Übungsklausur zur Analysis I Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 NWF I - Mathematik 9..9 Universität Regensburg Lösungsvorschlag zur Übungsklausur zur Analysis I Frage 1 Vervollständigen Sie die folgenden

Mehr

Harmonische und Holomorphe Funktionen

Harmonische und Holomorphe Funktionen Harmonische und Holomorphe Funktionen Jonathan Bischoff LMU München illertal am 14.12.2014 Jonathan Bischoff Harmonische und Holomorphe Funktionen 1/14 Definition harmonische Funktion Sei G R 2 ein Gebiet.

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

1 Singulärwertzerlegung und Pseudoinverse

1 Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese

Mehr

Das wissen Sie: 6. Welche Möglichkeiten zur Darstellung periodischer Funktionen (Signalen) kennen Sie?

Das wissen Sie: 6. Welche Möglichkeiten zur Darstellung periodischer Funktionen (Signalen) kennen Sie? Das wissen Sie: 1. Wann ist eine Funktion (Signal) gerade, ungerade, harmonisch, periodisch (Kombinationsbeispiele)? 2. Wie lassen sich harmonische Schwingungen mathematisch beschreiben und welche Beziehungen

Mehr

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik

Mehr

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge

(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,

Mehr

4 Lineare Abbildungen und Matrizen

4 Lineare Abbildungen und Matrizen Mathematik I für inf/swt, Wintersemester /, Seite 8 4 Lineare Abbildungen und Matrizen 4 Kern und Injektivität 4 Definition: Sei : V W linear Kern : {v V : v } ist linearer eilraum von V Ü68 und heißt

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

Konvergenz im quadratischen Mittel - Hilberträume

Konvergenz im quadratischen Mittel - Hilberträume CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543

Stetigkeit. Kapitel 4. Stetigkeit. Peter Becker (H-BRS) Analysis Sommersemester / 543 Kapitel 4 Stetigkeit Peter Becker (H-BRS) Analysis Sommersemester 2016 254 / 543 Inhalt Inhalt 4 Stetigkeit Eigenschaften stetiger Funktionen Funktionenfolgen und gleichmäßige Konvergenz Umkehrfunktionen

Mehr

Lösungen zu Übungsblatt 9

Lösungen zu Übungsblatt 9 Analysis : Camillo de Lellis HS 007 Lösungen zu Übungsblatt 9 Lösung zu Aufgabe 1. Wir müssen einfach das Integral 16 (x + y d(x, y x +y 4 ausrechnen. Dies kann man einfach mittels Polarkoordinaten, da

Mehr

3.3 Das Abtasttheorem

3.3 Das Abtasttheorem 17 3.3 Das Abtasttheorem In der Praxis kennt man von einer zeitabhängigen Funktion f einem Signal meist nur diskret abgetastete Werte fn, mit festem > und ganzzahligem n. Unter welchen Bedingungen kann

Mehr

Musterlösungen Online Zwischentest - Serie 10

Musterlösungen Online Zwischentest - Serie 10 D-MAVT, D-MATL Analysis II FS 2013 Prof. Dr. P. Biran Musterlösungen Online Zwischentest - Serie 10 Frage 1 [Prüfungsaufgabe Frühling 2011)] Sei das Vektorfeld in R 3, ( x v(x,y,z) = 2, x+y ),0 2 und der

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr