Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
|
|
- Dirk Adolf Klein
- vor 6 Jahren
- Abrufe
Transkript
1 Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester 2007 U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 1
2 Kritik Lautstärke im H8 Folien früher bereitstellen Kurzprüfungen haben nur bedingt den gewünschten Effekt U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 2
3 Zum Thema: Rekonstruktion kontinuierlicher Daten Nachtrag: Beispiel zur Newton schen Interpolationsformel U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 3
4 Ansatz Herleitung einer Rekursionsformel p 1,k-1 (x) interpoliert an x 1, x 2,..., x k (Polynomgrad k-1) p 2,k-1 (x) interpoliert an x 2, x 3,..., x k+1 (Polynomgrad k-1) Brechne daraus p 1,k das an x 1, x 2,..., x k+1 interpoliert (Polynomgrad k) x 1 x 2 x 3 x 4 U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 4
5 Zur Erinnerung: Rekursionsformel von Aitken-Neville Warum funktioniert das: Ist x=x i, dann übernimmt das linke Polynom. Ist x=x i+k, dann übernimmt das rechte Polynom. Bei den Stützstellen dazwischen kooperieren beide Polynome. Die Sortierung der Stützstellen ist nicht relevant. Terminierung der Rekursion: Die Interpolation einer einzigen Stützstelle (x i, y i ) liefern trivialerweise die konstanten Polynome p i,0 (x) = y i Anwendung zur Berechnung des Koeffizienten zur höchsten Potenz des Polynoms führt auf die Formel für die Newton schen dividierten Differenzen: (*) U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 5
6 Newton-Polynome und Newton-Algorithmus Verwende nun die Basis { q 0, q 1,..., q n-1 } zur Lösung der Interpolationsaufgabe. Vorteil: In dieser Basis ist das Interpolationspolynom effizient für alle x (mit einem Horner-artigen Schema) auswertbar. U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 6
7 Newton-Polynome und Newton-Algorithmus Die a i,k sind so berühmt, dass sie einen extra Namen erhalten haben. Sie heissen (Newton sche) Dividierte Differenzen. Es gibt viele andere Bezeichnungen/Notationen dafür, eine übliche ist: Wenn man also als Datenstruktur für die Polynome eine Darstellung mit Koeffizienten in der Newtonbasis verwendet, kann man das Interpolationspolynom (d.h. die entsprechenden Koeffizienten) mit dem gleichen Rekursionsschema berechnen. Man braucht pro Polynom im Dreiecksschema nur eine Zahl a i,k neu ausrechnen. Diese Zahl ist genau der Koeffizient zur höchsten x-potenz im Polynom. Die Rekursionsformel dafür ist, siehe (*): Bzw (**) U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 7
8 Der Algorithmus von Aitken-Neville = a 0 = a 1 = a2 = a 3 = a n-1 U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 8
9 Beispiel: Polynominterpolation 4 Stützpunkte (-2, 0) (-1, 3) ( 1,-3) ( 2, 0) Führt auf ein kubisches Polynom p(x,y) = (x-2) (x-0) (x+2) U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 9
10 Polynominterpolation U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 10
11 Zum Thema: Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 11
12 Multivariate Funktionen Funktionen mehrer Veränderlicher f : R n R bivariate: f(x,y) trivariate: f(x,y,z) Gegeben diskrete samples einer unbekannten Funktion Stützstellen ( x i, y i ) Stützwerte f i (= f(x i, y i ) ) Gesucht Näherungswerte von f an den zwischen Stellen. Ansatz: Konstruiere eine interpolierende Funktion g : g( x i, y i ) = f i U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 12
13 Lokale Verfahren Berücksichtige nur die Daten in der Umgebung des jeweiligen Punktes (1D-Beispiel: lineare Interpolation) Bilinear in 2D falls Umgebung rechteckig Linear in 2D falls Umgebung ein Dreieck Triangulierung von Punkten U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 13
14 Der einfachste Fall für die Rekonstruktion einer Fläche: Bilineare Interpolation Überstrichene Fläche bei der Bewegung von P 1 und P 2 auf geradem Weg nach P 3 bzw. P 4, unter Mitführung der jeweiligen Verbindungsstrecke. U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 14
15 Bilineare Interpolation 4 Stützstellen entsprechen 4 Basisfunktionen B = { 1, x, y, xy } Interpolant ist linear entlang der Kanten, quadratisch entlang der Diagonalen. Kann implementiert werden als zuerst lineare Interpolation in x, dann lineare Interpolation in y zuerst lineare Interpolation in y, dann lineare Interpolation in x oder direkt (siehe unten) Überstrichene Fläche der Verbindungsstrecke U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 15
16 Bilineare Interpolation y 1 t y 0 x 0 s x 1 f 01 f *1 f 11 f 00 f *0 f 10 f *1 f ** f *0 U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 16
17 Bilineare Interpolation U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 17
18 Bilineare Interpolation Andere Reihenfolge - erst zweimal in y-richtung, dann einmal in x-richtung - liefert das gleiche Ergebnis Die bilineare Interpolierende ist keine ebene Fläche Ausnahme: Die vier 3D-Punkte (x i, y j, f ij ) liegen in einer Ebene Im Allgemeinen entsteht dabei keine lineare Funktion über der Ebene, sondern Polynom vom Grad zwei (enthält Term der Form s t ). U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 18
19 Vier Stützstellen Zusamengefasst: Bilineare Interpolation Dazugehörige Stützwerte Der Interpolant ist U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 19
20 Verallgemeinerung zu Polynomen höherer Ordnung: Interpolation in 2D Ansatz als multivariate Funktion Verwendung multivariater Basisfunktionen Beispiel: bivariate Polynome p(x,y) Dimension = n 2 : p(x,y) kann n 2 Interpolationsbedingungen einhalten. Aufstellen eines Gleichungssystems mit n 2 Unbekannten Koeffizientenmatrix der Dimension n 2 n 2. Lösung kostet O(n 6 ) Operationen. Man überlege sich analog, wie die Interpolation mit Polynomen über einem Dreieck aussehen könnte. Es ist i.a. nicht sichergestellt, dass eine Lösung existiert. U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 20
21 Bivariate Polynome: Tensorprodukt Liegen die Stützstellen auf einem Tensorprodukt -Gitter y 4 y 3 kann die Interpolation zuerst in x- Richtung und dann in y-richtung (oder umgekehrt) jeweils als eindimensionale Interpolation ausgeführt werden, und dabei die bekannten Algorithmen zum Einsatz kommen. (Lösbarkeit ist gesichert) y 2 y 1 x 1 x 2 x 3 x 4 x 5 Beachte, dass das resultierende bivariate Polynom in x-richtung ein Polynom vom Grad n und in y-richtung ein Polynom vom Grad m ist. In Richtung = x + y ist es ein Polynom vom Grad m+n. U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 21
22 Lineare Interpolation im Dreieck Die drei Punkte (x 1, y 1, u 1 ), (x 2, y 2, u 2 ), (x 3, y 3, u 3 ) eines (nichtdegenerierten) Dreiecks im Raum definieren gerade eine Ebene. Lineare Interpolation zum Punkt (x,y) durch Umrechnen auf baryzentrische Koordinaten (t 1, t 2, t 3 ) Andere Namen: homogene Koordinaten, Verhältniskoordinaten Die t i sind die Gewichte der Eckpunkte des Dreiecks, so dass der gewichtete Schwerpunkt (x,y) ist. Interpolationsformel U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 22
23 Illustration: lineare Interpolation im Dreieck U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 23
24 Lineare Interpolation: Baryzentrische Koordinaten: Gegeben drei Punkte R, S, T in der Ebene, die nicht auf einer Geraden liegen. Jeder Punkt P der Ebenen läßt sich eindeutig wie folgt darstellen: T P = R + S + T 1 = + + wobei, und heißen baryzentrische Koordinaten von P bezüglich (R,S,T) R P S U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 24
25 Lineare Interpolation: Berechnung der baryzentrische Koordinaten: mittels Cramerscher Regel Das ist in der Computergraphik Standard, ist aber wegen der Stabilitätsmängel der Cramer schen Regel nicht die beste Lösung U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 25
26 Berechnen der baryzentrischen Koordinaten im Dreieck Lösen des 3x3 Gleichungssystems: bzw. kann (und sollte) ganz normal mit Gauss-Elimination + Pivot-Suche geschehen. Das ist insbesondere der richtige Weg für die Berechnung der baryzentrischen Koordinaten in 3D (oder noch höher-dimensional). U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 26
27 Lineare Interpolation Baryzentrische Koordinaten Einfache Beispiele P 1 : (1,0,0) (Eckpunkt) P 2 : (1/3, 1/3, 1/3) (Schwerpunkt) P 3 : (0,1/2,1/2) (Kantenmitte) P 4 : (1, 1, -1) P 5 : (-1,-1,1) R P 2 T P 5 P 3 S P 1 P 4 U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 27
28 Lineare Interpolation Baryzentrische Koordinaten Geometrische Interpretation Erinnerung: det (C-A,B-A) = area (Parallelogramm) = 2 area( (A,B,C)) A C T B = area( (P,S,T)) / area( (R,S,T)) P ebenso = area( (R,P,T)) / area( (R,S,T)) = area( (R,S,P)) / area( (R,S,T)) R S U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 28
29 Lineare Interpolation Baryzentrische Koordinaten Geometrische Interpretation Teilungsverhältnisse R T P S R T P S U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 29
30 Lineare Interpolation:Baryzentrische Koord. Vorzeichen der baryzentrischen Koordinaten 0 < 0 > 0 = 0 > 0 < 0 < 0 > 0 < 0 > 0 R T > 0 > 0 > 0 > 0 > 0 < 0 0 > 0 > 0 S = 0 = 0 0 > 0 < 0 U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 30
31 Lineare Interpolation: Sind nun in den Eckpunkten des Dreiecks (skalare oder vektorielle) Daten gegeben: f R, f S und f T f T f R T f S Den Wert des linearen Interpolanten an einer Stelle P 2 (R,S,T) erhält man wie folgt: R f P P S f P = f R + f S + f T wobei,, baryz. Koordinaten von P Analogie zur linearen Interpolation in 1D U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 31
32 Lokale Interpolation im n-dim Raum multi-linear (trilinear in 3D) falls lokale Umgebung ein (Hyper-)Würfel 3D: 4-mal in x-richtung (1- ) + 2-mal in y-richtung (1- ) + 1-mal in z-richtung (1- ) + linear falls lokale Umgebung ein Simplex (ein Tetraeder in 3D) = konvexe Hülle von n+1 Punkten in allgemeiner Lage Baryzentrische Koordinaten eines Punktes P (im 3D-Fall): P = R + S + T + U mit = 1 Alles Weitere wie in 2D (aber Achtung, dass die baryzentrischen Koordinaten stabil berechnet werden - Computergraphikbücher sind da manchaml etwas uninformiert ) U. Rüde, G. Greiner: Algorithmik III - SS VL 14 - Folie 32
Inhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
Mehr3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen
KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr8.2 Invertierbare Matrizen
38 8.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
Mehr6 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
MehrPolynominterpolation mit Matlab.
Polynominterpolation mit Matlab. Die Matlab-Funktion polyfit a = polyfit(x,f,n-1); berechnet die Koeffizienten a = (a(1),a(2),...,a(n)); des Interpolationspolynoms p(x) = a(1)*x^(n-1) + a(2)*x^(n-2) +...
MehrInterpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression
Interpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at
MehrÜbungen 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)
MehrThemen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe
5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad
MehrInterpolation. Kapitel 3
Kapitel 3 Interpolation Die Interpolation von Funktionen oder Daten ist ein häufig auftretendes Problem sowohl in der Mathematik als auch in vielen Anwendungen Das allgemeine Problem, die sogenannte Dateninterpolation,
Mehr6 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
Mehr2. Gauß-Integration. Prof. Dr. Wandinger 4. Scheibenelemente FEM 4.2-1
Die analytische Integration der Steifigkeitsmatrix für das Rechteckelement ist recht mühsam. Für Polynome gibt es eine einfachere Methode zur Berechnung von Integralen, ohne dass die Stammfunktion benötigt
MehrNumerisches Programmieren
Technische Universität München WS /3 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Inf Dipl-Math Jürgen Bräckle Numerisches Programmieren Programmieraufgabe: Polnominterpolation,
MehrComputer-Graphik I Baryzentrische Koordinaten
/7/ lausthal omputer-raphik I Zachmann lausthal University, ermany zach@intu-clausthalde Def: affin unabhängig n n dadurch eg: k+ Punkte Pi R, 0 i k, kseien k Vektoren vi definiert: vi : Pi P0, i,, k Die
MehrWS 2010/ Januar Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch
Mathematisches Institut der Universität München Prof. Dr. Rudolf Fritsch WS 2010/2011 14. Januar 2011 Geometrie mit Übungen Übungsblatt 9, Musterlösungen Aufgabe 33. Es werden Kreise in der Euklidischen
MehrComputer-Graphik I Verallgemeinerte Baryzentrische Koordinaten
lausthal omputer-raphik I Verallgemeinerte Baryzentrische Koordinaten. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Verallgemeinerungen der baryzentr. Koord. 1. Was macht man im 2D bei
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
Mehr7.1 Matrizen und Vektore
7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit
MehrKapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen
Kapitel 4 Interpolation 4 Allgemeines Nähere Funktion/Daten durch einfache Funktionen (eg Polynome) an Brauchbar für: - Integration - Differentiation [zb f(x) sei durch Polynom p(x) approximiert, F(x)
MehrDie Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,
Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrLineare Gleichungssysteme - Grundlagen
Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
MehrKurztest 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!)
MehrModellieren 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
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrÜbersicht über Informatik und Softwaresystemtechnik WS 99/00, Prof. Dr. Andreas Schwill
Konvexe Hülle Hierbei handelt es sich um ein klassisches Problem aus der Algorithmischen Geometrie, dem Teilgebiet der Informatik, in dem man für geometrische Probleme effiziente Algorithmen bestimmt.
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrMatrizen und Determinanten
Matrizen und Determinanten 1 Matrizen und Determinanten 1 Einführung in den Matrizenbegriff Zur Beschreibung und Lösung vieler physikalischer Probleme ist die Vektorrechnung vonnöten Durch Verwendung von
MehrIso- und subparametrische Elemente in Monte-Carlo-Transportalgorithmen
Fachhochschule Aachen Campus Jülich Fachbereich: Studiengang: Medizintechnik und Technomathematik Scientific Programming Iso- und subparametrische Elemente in Monte-Carlo-Transportalgorithmen Bachelorarbeit
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
MehrNUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002
NUMERISCHE MATHEMATIK II 1 (Studiengang Mathematik) Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2001/2002 1 Korrekturen, Kommentare und Verbesserungsvorschläge bitte
MehrPractical Numerical Training UKNum
Practical Numerical Training UKNum 2: Interpolation, Extrapolation, Splines Dr. C. Mordasini Max Planck Institute for Astronomy, Heidelberg Program: 1) Einführung 2) Direkte Methode 3) Dividierte Differenzmethode
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
Mehr3.6 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
MehrKoordinaten und darstellende Matrizen
Koordinaten und darstellende Matrizen Olivier Sète 4 Juli 2008 Inhaltsverzeichnis Koordinatenabbildung 2 Definition und Eigenschaften 2 2 Beispiel 3 2 Matrixdarstellung eines Vektorraumhomomorphismus 3
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
MehrLineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA
Lineare Gleichungssysteme Kapitel 5 aus meinem Lehrgang ALGEBRA Ronald Balestra CH - 7028 St. Peter www.ronaldbalestra.ch e-mail: theorie@ronaldbalestra.ch 19. Oktober 2009 Überblick über die bisherigen
Mehr1 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( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
Mehr4. Vektorräume und Gleichungssysteme
technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof Dr H M Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 41 und 42 4 Vektorräume
MehrLineare Algebra. Teil III. Inhaltsangabe
Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24
MehrFEM isoparametrisches Konzept
FEM isoparametrisches Konzept /home/lehre/vl-mhs-/folien/vorlesung/5_fem_isopara/deckblatt.tex Seite von 25. p./25 Inhaltsverzeichnis. Interpolationsfunktion für die finiten Elemente 2. Finite-Element-Typen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
Mehrvon Zahlenfolgen, die bei Gebietsteilungsproblemen
Zahlenfolgen bei Gebietsteilungsproblemen Karin Halupczok Oktober 005 Zusammenfassung Gesucht sind rekursive und explizite Bildungsgesetze von Zahlenfolgen, die bei Gebietsteilungsproblemen auftauchen:
MehrFormelsammlung Mathematik Grundkurs Inhalt
Formelsammlung Mathematik Grundkurs Inhalt Inhalt...1 Trigonometrie Grundlagen... Vektoren...3 Skalarprodukt...4 Geraden...5 Abstandsberechnungen...6 Ebenen...7 Lineare Gleichungssysteme (LGS)...8 Gauß'sches
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
MehrBeispiel mit Hinweisen 1 1/3 Dreieck
Beispiel mit Hinweisen 1 1/3 Dreieck Zeige für das Dreieck ABC [ A(5/5), B(29/15), C(5/15) ] die Richtigkeit von folgender Behauptung: Die drei Verbindungsstrecken der Eckpunkte mit den Berührungspunkten
MehrInterpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...
sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt
MehrExplizite Formeln für rekursiv definierte Folgen
Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als
MehrInhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57
Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5
MehrWir konstruieren eine Wasserrutsche!
Wir konstruieren eine Wasserrutsche! Teilnehmer: Leo Graumann Anh Vu Ho Yiyang Huang Felix Jäger Charlotte Kappler Wilhelm Mebus Alice Wamser Gruppenleiter: René Lamour Caren Tischendorf Heinrich-Hertz-Oberschule,
MehrÜbungen Mathematik I, M
Übungen Mathematik I, M Übungsblatt, Lösungen (Stoff aus Mathematik 0).0.0. Berechnen Sie unter Verwendung des binomischen Lehrsatzes ( x + y) 7 Lösung: Nach dem binomischen Lehrsatz ist ( x + y) 7 = 7
MehrGeradenarrangements und Dualität von Punkten und Geraden
Vorlesung Algorithmische Geometrie von Punkten und Geraden INSTITUT FÜR THEORETISCHE INFORMATIK FAKULTÄT FÜR INFORMATIK Martin Nöllenburg 12.06.2012 Dualitätsabbildung Bisher haben wir Dualität für planare
MehrMathematische Grundlagen für die technische Oberstufe
1 Kopfrechnen Anforderung: Sie können die Zahlen zwischen -10 und 10 im Kopf addieren, subtrahieren, multiplizieren und dividieren. Sie kennen die Grundrechenregeln ( Punkt-vor-Strich ) und beherrschen
Mehr1.Übung Mathematik I
1Übung Mathematik I 1) Ist folgende Aussage eine Implikation? ( Begründung!) (( A B) -> ( A C) ) = > (C A) 2 Onkel Dagobert wurde Geld aus seinem Geldspeicher gestohlen Er hat drei Tatverdächtige: Die
MehrÜbungen mit dem Applet Interpolationspolynome
Interpolationspolynome 1 Übungen mit dem Applet Interpolationspolynome 1 Ziele des Applets... 2 2 Übungen mit dem Applet... 2 2.1 Punkte... 3 2.2 y=sin(x)... 3 2.3 y=exp(x)... 4 2.4 y=x 4 x 3 +2x 2 +x...
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
MehrQUADRATISCHE UND KUBISCHE FUNKTION
QUADRATISCHE UND KUBISCHE FUNKTION Quadratische Funktion 1. Bedeutung der Parameter Als quadratische Funktionen werde alle Funktionen bezeichnet, die die Form y = a*x² + b*x + c aufweisen, also alle, bei
Mehr1 Potenzen und Polynome
1 Potenzen und Polynome Für eine reelle Zahl x R und eine natürliche Zahl n N definieren wir x n := x x x... x }{{} n-mal Einschub über die bisher aufgetretenen mathematischen Symbole: Definition mittels
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrVektoren - Basiswechsel
Vektoren - Basiswechsel Grundprinzip Für rein geometrische Anwendungen verwendet man üblicherweise die Standardbasis. Damit ergibt sich in den Zahlenangaben der Koordinaten kein Unterschied zu einem Bezug
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2011 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dr Slobodan Ilic Numerisches Programmieren, Übungen 6 Übungsblatt: Stückweise Interpolation
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrMathematik für Informatik 3
Mathematik für Informatik 3 - ANALYSIS - Folgen, Reihen und Funktionen - Funktionen mehrerer Veränderlicher - Extremwertaufgaben - Normen und Approximationen - STATISTIK - WAHRSCHEINLICHKEITSRECHNUNG Literaturempfehlungen:
MehrKapitel 4: Variable und Term
1. Klammerregeln Steht ein Plus -Zeichen vor einer Klammer, so bleiben beim Auflösen der Klammern die Vorzeichen erhalten. Bei einem Minus -Zeichen werden die Vorzeichen gewechselt. a + ( b + c ) = a +
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
MehrII. Lineare Gleichungssysteme. 10 Matrizen und Vektoren. 52 II. Lineare Gleichungssysteme
52 II Lineare Gleichungssysteme II Lineare Gleichungssysteme 10 Matrizen und Vektoren 52 11 Der Gaußsche Algorithmus 58 12 Basen, Dimension und Rang 62 13 Reguläre Matrizen 66 14 Determinanten 69 15 Skalarprodukte
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrRechnen mit Vektoren. 1. Vektoren im Koordinatensystem Freie Vektoren in der Ebene
Rechnen mit 1. im Koordinatensystem 1.1. Freie in der Ebene 1) Definition Ein Vektor... Zwei sind gleich, wenn... 2) Das ebene Koordinatensystem Wir legen den Koordinatenursprung fest, ferner zwei zueinander
MehrErneut: Matrizen und lineare Abbildungen
Erneut: Matrizen und lineare Abbildungen Mit Hilfe der Matrixmultiplikation lässt sich die Korrespondenz zwischen linearen Abbildungen und Matrizen elegant ausdrücken: Satz. e 1, e 2,..., e n sei die Standardbasis
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrSplines. Bézier-Kurven. Beispiel zur Approximation. Interpolation & Approximation. Schiffbau Automobilbau Architektur. f(x) f(x) =
Institut für Geometrie Abteilung für Geometrie im Bauwesen und im Scientific Computing Prof. Dr. H. Pottmann Interpolation & Approximation Splines Geg: Menge von Punkten Ges: Kurve, welche die Punkte interpoliert
MehrEinführung. Ablesen von einander zugeordneten Werten
Einführung Zusammenhänge zwischen Größen wie Temperatur, Geschwindigkeit, Lautstärke, Fahrstrecke, Preis, Einkommen, Steuer etc. werden mit beschrieben. Eine Zuordnung f, die jedem x A genau ein y B zuweist,
MehrMehrdimensionale Numerische Integration mittels hierarchischer Basen
Mehrdimensionale Numerische Integration mittels hierarchischer Basen JobSis 004 1 October 004 Darko Zikic zikic@cs.tum.edu institut für informatik technische universität münchen WAS? Hierarchische Basen
MehrVektorgeometrie - Teil 1
Vektorgeometrie - Teil 1 MNprofil - Mittelstufe KZN Ronald Balestra CH - 8046 Zürich www.ronaldbalestra.ch Name: Vorname: 14. März 2016 Inhaltsverzeichnis 1 Einführung & die analytische Darstellung der
MehrVektorrechnung Raumgeometrie
Vektorrechnung Raumgeometrie Sofja Kowalewskaja (*1850, 1891) Hypatia of Alexandria (ca. *360, 415) Maria Gaetana Agnesi (*1718, 1799) Emmy Noether (*1882 1935) Émilie du Châtelet (*1706, 1749) Cathleen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Wiederholung Eine Menge von Vektoren a 1, a 2,, a k heisst linear unabhängig, wenn eine Linearkombination c 1 a 1 + c 2 a 2 + + c k a k = k c i a i (1) i=1 nur dann Null sein
MehrKlausur Mathematik I
Technische Universität Dresden 15. August 2008 Institut für Numerische Mathematik Dr. K. Eppler Klausur Mathematik I für Studierende der Fakultät Maschinenwesen (mit Lösungshinweisen) Name: Matrikelnummer.:
Mehry hom (x) = C e p(x) dx
Gewöhnliche Differentialgleichungen F (x, y, y,..., y n ) = 0 Gleichung, die die Veränderliche x sowie die Funktion y = y(x) und ihre Ableitungen y,..., y n beinhaltet. Klassifiaktion: implizit F (...)
MehrGrundsätzliches Rechnen mit Matrizen Anwendungen. Matrizenrechnung. Fakultät Grundlagen. Juli 2015
Matrizenrechnung Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Matrizenrechnung Übersicht Grundsätzliches 1 Grundsätzliches Matrixbegriff Rechenregeln Spezielle Matrizen 2 Matrizenrechnung Determinanten
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
Mehr2 Polynome und rationale Funktionen
Gleichungen spielen auch in der Ingenieurmathematik eine große Rolle. Sie beschreiben zum Beispiel Bedingungen, unter denen Vorgänge ablaufen, Gleichgewichtszustände, Punktmengen. Gleichungen für eine
MehrFacharbeit. Mathematik
Albert-Schweitzer-Gymnasium Kollegstufenjahrgang 2001/2003 Erlangen Facharbeit aus dem Fach Mathematik Thema: Splinefunktionen und ihre Anwendung Verfasser: Moritz Lenz Leistungskurs: Mathematik 1 Kursleiter:
Mehr6.3 Hauptachsentransformation
Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die
Mehr6. Rechnen mit Matrizen.
6. Rechnen mit Matrizen. In dieser Vorlesung betrachten wir lineare Gleichungs System. Wir betrachten lineare Gleichungs Systeme wieder von zwei Gesichtspunkten her: dem angewandten Gesichtspunkt und dem
MehrTeil I. Lineare Optimierung
Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,
Mehr