Newton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben
|
|
- Karin Vogt
- vor 6 Jahren
- Abrufe
Transkript
1 Newton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben Patrick Knapp Berichtseminar zur Bachelorarbeit Universität Konstanz
2 Einleitung Aufgabenstellung min J(y, u) := 1 2 u.d.n: Ω y y d 2 dx } {{ } =:J 1 (y) k(x) y(x) + a(x)y(x) + y 3 (x) = + γ 2 u 2 2 }{{} =:J 2 (u) m u i b i (x) i=1 für x Ω y(x) = 0 für x Ω
3 Einleitung Aufgabenstellung min J(y, u) := 1 2 u.d.n: Ω y y d 2 dx } {{ } =:J 1 (y) k(x) y(x) + a(x)y(x) + y 3 (x) = + γ 2 u 2 2 }{{} =:J 2 (u) m u i b i (x) i=1 für x Ω y(x) = 0 für x Ω Zustand y : Ω R Steuerung u = (u 1,..., u m ) T R m
4 Einleitung Aufgabenstellung min J(y, u) := 1 2 u.d.n: Ω y y d 2 dx } {{ } =:J 1 (y) k(x) y(x) + a(x)y(x) + y 3 (x) = + γ 2 u 2 2 }{{} =:J 2 (u) m u i b i (x) i=1 für x Ω y(x) = 0 für x Ω Zustand y : Ω R Steuerung u = (u 1,..., u m ) T R m Ω = (ω 0, ω 1 ) 2 R 2 y d : Ω R k : Ω R + a : Ω R 0 control shapes b i : Ω R b i = χ Ωi (x)
5 Einleitung Gliederung Diskretisierung des Problems Vorbereitungen zur Optimierung Optimierung und Numerischen Ergebnisse
6 Diskretisierung der Differentialgleichung
7 Diskretisierung der Differentialgleichung Diskretisierung mit Finite-Differenzen-Methode
8 Diskretisierung der Differentialgleichung Diskretisierung mit Finite-Differenzen-Methode Gitter Ω h = {(ω 0 + ih, ω 0 + jh) i, j {0,..., l + 1}}
9 Diskretisierung der Differentialgleichung Diskretisierung mit Finite-Differenzen-Methode Gitter Ω h = {(ω 0 + ih, ω 0 + jh) i, j {0,..., l + 1}} äussere Gitterpunkte Ω A h := {x Ω h Ω} y(x) = 0
10 Diskretisierung der Differentialgleichung Diskretisierung mit Finite-Differenzen-Methode Gitter Ω h = {(ω 0 + ih, ω 0 + jh) i, j {0,..., l + 1}} äussere Gitterpunkte Ω A h := {x Ω h Ω} y(x) = 0 innere Gitterpunkte Ω I h := {x Ω h \ Ω} k(x) y(x) + a(x)y(x) + y 3 (x) = m u i b i (x) i=1
11 Diskretisierung der Differentialgleichung Diskretisierung mit Finite-Differenzen-Methode Gitter Ω h = {(ω 0 + ih, ω 0 + jh) i, j {0,..., l + 1}} äussere Gitterpunkte Ω A h := {x Ω h Ω} y(x) = 0 innere Gitterpunkte Ω I h := {x Ω h \ Ω} k(x) y(x) + a(x)y(x) + y 3 (x) = m u i b i (x) i=1 Gittervektor x := (x 1,..., x n ) T
12 Diskretisierung der Differentialgleichung Taylor-Formel für f C 4 ([s h, s + h], R) f (s ± h) = f (s) ± hf (s) + h2 2 f (s) ± h3 6 f (3) (s) + O(h 4 ) f (s) = 1 h 2 [f (s h) + f (s + h) 2f (s)] + O(h2 )
13 Diskretisierung der Differentialgleichung Taylor-Formel für f C 4 ([s h, s + h], R) f (s ± h) = f (s) ± hf (s) + h2 2 f (s) ± h3 6 f (3) (s) + O(h 4 ) f (s) = 1 h 2 [f (s h) + f (s + h) 2f (s)] + O(h2 ) y(x) = y(x 1, x 2 ) = 2 y(x x1 2 1, x 2 ) + 2 y(x x2 2 1, x 2 ) = 1 h 2 [y(x 1 h, x 2 ) + y(x 1 + h, x 2 ) + y(x 1, x 2 h) +y(x 1, x 2 + h) 4y(x 1, x 2 )] + O(h 2 )
14 Diskretisierung der Differentialgleichung Approximation[ der Differenzialgleichung ] m 4 u i b i (x j ) = h 2 k j + a j y j 1 [ h 2 k j i=1 y [2] j + y [0] j + y [3] j + y [1] j } {{ } linear in y j + y 3 j }{{} nichtlinear ]
15 Diskretisierung der Differentialgleichung Approximation[ der Differenzialgleichung ] m 4 u i b i (x j ) = h 2 k j + a j y j 1 [ h 2 k j i=1 y [2] j + y [0] j + y [3] j + y [1] j } {{ } linear in y j + y 3 j }{{} nichtlinear Gleichungssystem Bu = Ay + H(y) ]
16 Diskretisierung der Differentialgleichung Approximation[ der Differenzialgleichung ] m 4 u i b i (x j ) = h 2 k j + a j y j 1 [ h 2 k j i=1 y [2] j + y [0] j + y [3] j + y [1] j } {{ } linear in y j + y 3 j }{{} nichtlinear Gleichungssystem Bu = Ay + H(y) nichtlineares Gleichungssystem, lösen mit Newton-Verfahren ]
17 Diskretisierung des Zielfunktionals J(y, u) = 1 2 Ω y y d 2 dx } {{ } J 1 (y) + γ 2 u 2 2 }{{} J 2 (u)
18 Diskretisierung des Zielfunktionals J(y, u) = 1 2 Ω y y d 2 dx } {{ } J 1 (y) + γ 2 u 2 2 }{{} J 2 (u) zusammengesetzten Trapezregel für f C 2 ([ω 0, ω 1 ], R) ω 1 ω 1 ω 0 f (x)dx = 1 l f (ω 0) + 1 l 2 f (ω 1) + f (x j ) +O(h 2 ) ω 0 j=1
19 Diskretisierung des Zielfunktionals J(y, u) = 1 2 Ω y y d 2 dx } {{ } J 1 (y) + γ 2 u 2 2 }{{} J 2 (u) zusammengesetzten Trapezregel für f C 2 ([ω 0, ω 1 ], R) ω 1 ω 1 ω 0 f (x)dx = 1 l f (ω 0) + 1 l 2 f (ω 1) + f (x j ) +O(h 2 ) ω 0 j=1 J 1 (y) = 1 (ω 1 ω 0 ) 2 2 (l + 1) }{{ 2 r + (y y d ) T (y y d ) + O(h 2 ) }{{}} innere Gitterpunkte =:λ
20 Diskretisierung des Zielfunktionals J(y, u) = 1 2 Ω y y d 2 dx } {{ } J 1 (y) + γ 2 u 2 2 }{{} J 2 (u) zusammengesetzten Trapezregel für f C 2 ([ω 0, ω 1 ], R) ω 1 ω 1 ω 0 f (x)dx = 1 l f (ω 0) + 1 l 2 f (ω 1) + f (x j ) +O(h 2 ) ω 0 j=1 J 1 (y) = 1 (ω 1 ω 0 ) 2 2 (l + 1) }{{ 2 r + (y y d ) T (y y d ) + O(h 2 ) }{{}} innere Gitterpunkte =:λ J(y, u) = λ [ 2 r + (y yd ) T (y y d ) ] + γ 2 ut u
21 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu
22 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu u y(u) mit e(y(u), u) = 0
23 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu u y(u) mit e(y(u), u) = 0 definieren Funktion f : R n R zu festem u R m f (y) := 1 2 y T Ãy + 1 n 1 yj 4 y T Bu 4 k j j=1
24 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu u y(u) mit e(y(u), u) = 0 definieren Funktion f : R n R zu festem u R m f (y) := 1 2 y T Ãy + 1 n 1 yj 4 y T Bu 4 k j j=1 f (y) = Ãy + H(y) Bu = e(y, u) im Minimum gilt e(y, u) = f (y) = 0
25 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu u y(u) mit e(y(u), u) = 0 definieren Funktion f : R n R zu festem u R m f (y) := 1 2 y T Ãy + 1 n 1 yj 4 y T Bu 4 k j j=1 f (y) = Ãy + H(y) Bu = e(y, u) im Minimum gilt e(y, u) = f (y) = 0 2 f (y) = Ã + H (y) f ist gleichmäßig konvex
26 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu u y(u) mit e(y(u), u) = 0 definieren Funktion f : R n R zu festem u R m f (y) := 1 2 y T Ãy + 1 n 1 yj 4 y T Bu 4 k j j=1 f (y) = Ãy + H(y) Bu = e(y, u) im Minimum gilt e(y, u) = f (y) = 0 2 f (y) = Ã + H (y) f ist gleichmäßig konvex min f (y) hat genau eine Lösung u y(u) mit e(y(u), u) = 0 ist eindeutig
27 Vorbereitungen zur Optimierung Reduktion des Problems e(y, u) := Ay + H(y) Bu u y(u) mit e(y(u), u) = 0 definieren Funktion f : R n R zu festem u R m f (y) := 1 2 y T Ãy + 1 n 1 yj 4 y T Bu 4 k j f (y) = Ãy + H(y) Bu = e(y, u) im Minimum gilt e(y, u) = f (y) = 0 2 f (y) = Ã + H (y) f ist gleichmäßig konvex min f (y) hat genau eine Lösung u y(u) mit e(y(u), u) = 0 ist eindeutig reduziertes Problem min Ĵ(u) mit Ĵ(u) := J(y(u), u) = λ [ ] r + (y(u) y d ) T (y(u) y d ) + γ 2 2 ut u j=1
28 Vorbereitungen zur Optimierung Berechnung der Ableitungen Richtungsableitung Ĵ (u)u δ = y J(y(u), u), y (u)u δ R n + u J(y(u), u), u δ R m
29 Vorbereitungen zur Optimierung Berechnung der Ableitungen Richtungsableitung Ĵ (u)u δ = y J(y(u), u), y (u)u δ R n + u J(y(u), u), u δ R m Ableiten der Nebenbedingung e y (y(u), u)y (u)u δ + e u (y(u), u)u δ = 0
30 Vorbereitungen zur Optimierung Berechnung der Ableitungen Richtungsableitung Ĵ (u)u δ = y J(y(u), u), y (u)u δ R n + u J(y(u), u), u δ R m Ableiten der Nebenbedingung e y (y(u), u)y (u)u δ + e u (y(u), u)u δ = 0 reduzierter Gradient Ĵ(u) = u J(y(u), u) + e u (y(u), u) T p duale Gleichung e y (y(u), u) T p = y J(y(u), u)
31 Vorbereitungen zur Optimierung Berechnung der Ableitungen zweite Richtungsableitung Ĵ (u)(u δ, v δ ) = [Q T ( yy J(y(u), u) + n i=1 + uu J(y(u), u)u δ, v δ R m e y (y(u), u)q = e u (y(u), u) [p] i yy [e(y(u), u)] i ) Q]u δ, v δ R m
32 Vorbereitungen zur Optimierung Berechnung der Ableitungen zweite Richtungsableitung Ĵ (u)(u δ, v δ ) = [Q T ( yy J(y(u), u) + n i=1 + uu J(y(u), u)u δ, v δ R m e y (y(u), u)q = e u (y(u), u) Lagrangefunktion z := (y, u) L(z, p) := J(z) + p T e(z) [p] i yy [e(y(u), u)] i ) Q]u δ, v δ R m
33 Vorbereitungen zur Optimierung Berechnung der Ableitungen zweite Richtungsableitung Ĵ (u)(u δ, v δ ) = [Q T ( yy J(y(u), u) + n i=1 + uu J(y(u), u)u δ, v δ R m e y (y(u), u)q = e u (y(u), u) Lagrangefunktion z := (y, u) L(z, p) := J(z) + p T e(z) [p] i yy [e(y(u), u)] i ) Q]u δ, v δ R m yy J(z) + n [p] i yy [e(z)] i 0 i=1 zz L(z, p) = 0 uu J(z)
34 Vorbereitungen zur Optimierung Berechnung der Ableitungen ( Q T (y, u) := I m T (z)v δ Kern(e (z)) ) ( ey (y, u) = 1 e u (y, u) I m ) R (n+m) m
35 Vorbereitungen zur Optimierung Berechnung der Ableitungen ( Q T (y, u) := I m T (z)v δ Kern(e (z)) ) ( ey (y, u) = 1 e u (y, u) I m ) R (n+m) m Ĵ (u) = T (y(u), u) T zz L(y(u), u, p) T (y(u), u)
36 Vorbereitungen zur Optimierung Berechnung der Ableitungen ( Q T (y, u) := I m T (z)v δ Kern(e (z)) ) ( ey (y, u) = 1 e u (y, u) I m ) R (n+m) m Ĵ (u) = T (y(u), u) T zz L(y(u), u, p) T (y(u), u) zz L(z, p) = yy J(z) + η n [p] i yy [e(z)] i 0 i=1 0 uu J(z)
37 Optimierung und Numerischen Ergebnisse
38 Optimierung und Numerischen Ergebnisse
39 Optimierung und Numerischen Ergebnisse
40 Optimierung und Numerischen Ergebnisse
Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz
Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4
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!)
MehrMathematik - Antwortblatt Klausur
Mathematik - Antwortblatt Klausur 30..09 Aufgabe: 0 Punkte a) Allgemein heißt eine Funktion f (x) stetig an der Stelle x 0, wenn die folgenden Bedingungen erfüllt sind (2 Punkte): f (x 0 )=lim h 0 f (x
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrÜbungen für Partielle Differentialgleichungen Wintersemester 2007/08
Übungen für Partielle Differentialgleichungen Wintersemester 27/8 1. Leite eine bekannte partielle Differentialgleichung von physikalischen Prinzipien her. 2. Berechne die variationelle Ableitung des folgenden
MehrThema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
MehrÜbungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
MehrPartielle Differenzialgleichungen FE-Methode. Finite Elemente. Fakultät Grundlagen. April 2011
Finite Elemente Fakultät Grundlagen April 2011 Fakultät Grundlagen Finite Elemente Übersicht 1 Lösungsmethoden Balkenbiegung Wärmeleitung 2 Fakultät Grundlagen Finite Elemente Folie: 2 Lösungsmethoden
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
MehrRegularitätsresultate 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
Mehr16. FUNKTIONEN VON MEHREREN VARIABLEN
16. FUNKTIONEN VON MEHREREN VARIABLEN 1 Reelle Funktionen auf dem R 2 Wir betrachten Funktionen f(x 1, x 2 ) von zwei reellen Variablen x 1, x 2, z.b. f(x 1, x 2 ) = x 2 1 + x2 2, g(x 1, x 2 ) = x 2 1
MehrMathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.
Technische Universität München WS 009/0 Fakultät für Mathematik Prof. Dr. J. Edenhofer Dipl.-Ing. W. Schultz Übung Lösungsvorschlag Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I Aufgabe
MehrLösungen 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
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
Mehr31 Die Potentialgleichung
3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-
MehrFinite Differenzen und Elemente
Dietrich Marsal Finite Differenzen und Elemente Numerische Lösung von Variationsproblemen und partiellen Differentialgleichungen Mit 64 Abbildungen Springer-Verlag Berlin Heidelberg NewYork London Paris
MehrB Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,
B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,
MehrNebenfach 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
MehrHTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt. Mathematik II für Bauingenieure. (f) 4 sin x cos 5 x dx. 3 x e x2 dx (i) e 2x 1 dx.
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik II Mathematik II für Bauingenieure Wiederholungsaufgaben zur Prüfungsklausur im Juli 2007 1 Integralrechnung Aufgabe 1 : Berechnen Sie die folgenden
Mehr6.8 Newton Verfahren und Varianten
6. Numerische Optimierung 6.8 Newton Verfahren und Varianten In den vorherigen Kapiteln haben wir grundlegende Gradienten-basierte Verfahren kennen gelernt, die man zur numerischen Optimierung von (unbeschränkten)
MehrMusterlösung. TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Klausur Mathematik für Physiker 3 (Analysis 2) I... II...
................ Note I II Name Vorname 1 Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 3 Unterschrift der Kandidatin/des Kandidaten 4 TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik
MehrStochastische 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
MehrUBER DIE EXPLIZIT-LOSBAREN VEKUASCHEN DIFFERENTIALGLEICHUNGEN
PUBLICATIONS DE L INSTITUT MATHÉMATIQUE Nouvelle série, tome 74(88) (2003), 103 110 UBER DIE EXPLIZIT-LOSBAREN VEKUASCHEN DIFFERENTIALGLEICHUNGEN Miloš Čanak Communicated by Vojislav Marić Zusammenfassung.
MehrKlausurberatung 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, r [0, 2], ϕ [0,π/2], ϑ [0,π/6]. x 3. x 2 2 x 2 1. F(x) = x 2 3
Prof. Dr. Eck Höhere Mathematik 3 9.3.9 Aufgabe ( Punkte) Gegeben ist der Körper K mit der Parametrisierung x r cos ϕ cos ϑ K : x = Φ(r,ϕ,ϑ) = r sin ϕ cos ϑ, r [, ], ϕ [,π/], ϑ [,π/6]. x 3 r sin ϑ a) Berechnen
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
MehrLineare Gleichungssysteme Hierarchische Matrizen
Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs 24. 27.4.26 / 6 Numerische Simulation stationäre und instationäre
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
MehrKlausurberatung 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
MehrLineare Differenzen- und Differenzialgleichungen
Lineare Differenzen- und Differenzialgleichungen Fakultät Grundlagen April 2011 Fakultät Grundlagen Lineare Differenzen- und Differenzialgleichungen Übersicht 1 Beispiele Anwendung auf Fragen der dynamischen
Mehrx W x 3 W M 2 x 2 x 1
Priv-Doz G Reißig, F Goßmann MSc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik LRT-5 Email: felixgossmann@unibwde Moderne Methoden der Regelungstechnik, HT 26 Übung - Lösung
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, August 2011 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total Vollständigkeit
MehrKleine 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..................................
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Aufgaben zur nicht-linearen Optimierung Teil II Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Aufgabe 5 Bestimmen
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
Mehr4.1 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
Mehr3.2 Implizite Funktionen
3.2 Implizite Funktionen Funktionen können explizit als y = f(x 1, x 2,..., x n ) oder implizit als F(x 1, x 2,..., x n ;y) = 0 gegeben sein. Offensichtlich kann man die explizite Form immer in die implizite
MehrHydroinformatik II: Gerinnehydraulik
Hydroinformatik II: Gerinnehydraulik 1 Helmholtz Centre for Environmental Research UFZ, Leipzig Technische Universität Dresden TUD, Dresden Dresden, 17. Juni 016 1/9 Prof. Dr.-Ing. habil. Olaf Kolditz
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrKurze Einführung in die Finite-Elemente-Methode
Kurze Einführung in die Finite-Elemente-Methode Stefan Girke Wissenschaftliches Rechnen 23 Die Finite-Elemente-Methode In diesem Skript soll eine kurze Einführung in die Finite-Elemente-Methode gegeben
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
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.:
Mehr9 Optimierung mehrdimensionaler reeller Funktionen f : R n R
9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass
Mehr5 Gewöhnliche Differentialgleichungen
5 Gewöhnliche Differentialgleichungen 5.1 Einleitung & Begriffsbildung Slide 223 Natürliches Wachstum Eine Population bestehe zur Zeit t aus N(t) Individuen. Die Population habe konstante Geburts- und
MehrSubstitutionsverfahren vs. Lagrange-Methode
Substitutionsverfahren vs. Lagrange-Methode 1 Motivation Substitutionsverfahren und Lagrange-Methode sind Verfahren, die es ermöglichen, Optimierungen unter Nebenbedingungen durchzuführen. Die folgende
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 7 Gewöhnliche
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrInhaltsübersicht für heute:
Inhaltsübersicht für heute: Dualität Anwendung: Spieltheorie Komplementarität und Sensitivitätsanalyse Spaltengenerierung Schnittebenenverfahren Welchen Simplex wann? Inhaltsübersicht für heute: Dualität
Mehr5 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)
MehrMusterlösungen Serie 9
D-MAVT D-MATL Analysis II FS 2013 Prof. Dr. P. Biran Musterlösungen Serie 9 1. Frage 1 Gegeben ist eine lineare und homogene Differenzialgleichung, welche y : x sin x als Lösung besitzt. Welche der folgenden
MehrOptimierung mit Matlab
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof. Dr. L. Cromme Optimierung mit Matlab 1 Optimierungsaufgaben Die allgemeine Aufgabenstellung der Optimierung besteht darin,
MehrKAPITEL 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
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
MehrHöhere 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
MehrMultivariate Analysis
Kapitel Multivariate Analysis Josef Leydold c 6 Mathematische Methoden I Multivariate Analysis / 38 Lernziele Funktionen in mehreren Variablen Graph und Niveaulinien einer Funktion in zwei Variablen Partielle
MehrEin Filter-Trust-Region Verfahren zum Lösen nichtlinearer Zulässigkeitsprobleme mit teuren Funktionen
Ein Filter-Trust-Region Verfahren zum Lösen nichtlinearer Zulässigkeitsprobleme mit teuren Funktionen Markus Kaiser 1, Alexander Thekale 2 1 Arbeitsgruppe Optimierung & Approximation Bergische Universität
MehrTheoretische Physik: Mechanik
Ferienkurs Theoretische Physik: Mechanik Blatt 2 - Lösung Technische Universität München 1 Fakultät für Physik 1 Perle Eine Perle der Masse m gleite reibungsfrei auf einem vertikal stehenden Ring vom Radius
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 2013 Prof. Dr. Erich Walter Farkas Kapitel 8. Funktionen von mehreren Variablen Kapitel 8.3 Anwendungen der partiellen Differentiation (Teil 1): Kettenregel und Linearisierung
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
MehrLineare Gleichungsen + Lineare Funktionen
29. Mai 2006 Gliederung 1 2 Anmerkungen Bitte nummeriert die Zeilen! Bitte benutzt eine Büroklammer! Bitte nicht abschreiben! Anmerkungen Bitte nummeriert die Zeilen! Bitte benutzt eine Büroklammer! Bitte
MehrRandwertbedingungen und Ghost Cells
Randwertbedingungen und Ghost Cells Olaf Kern Universität Trier 16.Dezember 2010 Olaf Kern (Universität Trier) Seminar Numerik 1/23 16.Dezember 2010 1 / 23 Inhaltsverzeichnis 1 Einführung 2 Periodische
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
Mehr1 Über die allgemeine komplexe und reelle Lösung
Lösen von Differentialgleichungen Inhaltsverzeichnis 1 Über die allgemeine komplexe und reelle Lösung 1 2 Integrierender Faktor 5 2.1 Eine Beispielrechnung.................... 5 2.2 Das allgemeine Vorgehen..................
MehrVorschau reiseführer
V ü üj 0 ä, ä, ö Z Z U v T T v V ö üzv (v ) VIT ü U v V V V ä z v jz v, äi, z vä v zü I z: ä T V ü ü, ü z z T Iv z ö, ü I z D ü ü ä D Z ä,, jz z ü z : D z Cy, v ä I ü z zäz v v U 0 äü I z I z v,, vä T
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrFinite 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
MehrTrennung der Variablen, Aufgaben, Teil 1
Trennung der Variablen, Aufgaben, Teil -E -E Trennung der Variablen Die Differenzialgleichung. Ordnung mit getrennten Variablen hat die Gestalt f ( y) dy = g (x) dx Satz: Sei f (y) im Intervall I und g
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrEinführung in partielle Differentialgleichungen
vdf - Lehrbücher und Skripten Einführung in partielle Differentialgleichungen für Ingenieure, Chemiker und Naturwissenschaftler von Norbert Hungerbühler 2., durchgesehene Auflage 2 Einführung in partielle
MehrModellierung und Simulation von Mischvorgängen in einem Rührer - Bachelorarbeit -
Modellierung und Simulation von Mischvorgängen in einem Rührer - Bachelorarbeit - Dies Mathematicus 211 25. November 211 Gliederung 1 Motivation: Mischvorgänge in einem Rührer 2 Mathematische Modellierung
MehrKlausur Numerische Methoden II Universität Siegen, Fachbereich Maschinenbau,
Universität Siegen, Fachbereich Maschinenbau, 31.7.9 Name: Matrikelnummer: Aufgabe 1 (8 Punkte) Für die Abschätzung der Lebensdauer eines Wälzlagers wird die Bestimmungsgröße K gemäß der obenstehenden
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
MehrSkript zur Vorlesung Optimale Steuerung partieller Differentialgleichungen
Skript zur Vorlesung Optimale Steuerung partieller Differentialgleichungen Christian Meyer gekürzte Version eines Skripts von Prof. Roland Griesse Dieses Vorlesungsskript entspricht einer gekürzten Version
MehrBerechnungsmethoden der Energie- und Verfahrenstechnik Methode der gewichteten Residuen
Berechnungsmethoden der Energie- und Verfahrenstechnik Methode der gewichteten Residuen Giuseppe Bonfigli IFD, ETH-Zürich 3. Juni 21 Giuseppe Bonfigli (IFD, ETH-Zürich) Gewichtete Residuen 3. Juni 21 1
MehrSkript zum Numerik-Teil. der Vorlesung. Theorie und Numerik partieller Differentialgleichungen
Skript zum Numerik-Teil der Vorlesung Theorie und Numerik partieller Differentialgleichungen Wintersemester 2009/0 Johannes Schropp Universität Konstanz Fachbereich Mathematik und Statistik Stand: 8. Februar
MehrKurvendiskussion für Funktionen mit einer Variablen
Kurvendiskussion für Funktionen mit einer Variablen Unter der Kurvendiskussion einer Funktionsgleichung versteht man die Zusammenstellung der wichtigsten Eigenschaften ihres Bildes mit anschließender Zeichnung.
MehrExtrapolationsverfahren für nichtlineare zweidimensionale Diffusionsprobleme
Universität des Saarlandes Fachbereich Mathematik Extrapolationsverfahren für nichtlineare zweidimensionale Diffusionsprobleme Diplomarbeit zur Erlangung des akademischen Grades eines Diplom-Mathematikers
Mehr2. Räumliche Bewegung
2. Räumliche Bewegung Prof. Dr. Wandinger 1. Kinematik des Punktes TM 3 1.2-1 2. Räumliche Bewegung Wenn die Bahn des Punkts nicht bekannt ist, reicht die Angabe einer Koordinate nicht aus, um seinen Ort
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
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.
MehrExtrema mit Nebenbedingungen
Extrema mit Nebenbedingungen Gesucht ist das Extremum der Funktion f(x,y) = 5 x y unter der Nebenbedingung g(x,y) = x+y =. 5 y x In diesem einfachen Fall kann die Nebenbedingung nach einer Variablen aufgelöst
Mehr20. Kolloquium Elektromagnetische Tiefenforschung, Königstein, , Hrsg.: A. Hördt und J. B. Stoll
Simulation der Ausbreitung dreidimensionaler elektromagnetischer Felder im Zeitbereich: Formulierung als Anfangs- und Randwertproblem mittels Finite-Differenzen-Approximation Ralph Uwe Börner (TU Bergakademie
MehrExakte Differentialgleichungen
Exakte Differentialgleichungen M. Vock Universität Heidelberg Seminar Mathematische Modellierung am 11.11.2008 Gliederung Differentialgleichungen eine erste Begegnung Definition Gewöhnliche DGL Die exakte
MehrKlassifikation von partiellen Differentialgleichungen
Kapitel 2 Klassifikation von partiellen Differentialgleichungen Die meisten partiellen Differentialgleichungen sind von 3 Grundtypen: elliptisch, hyperbolisch, parabolisch. Betrachte die allgemeine Dgl.
MehrOptimale 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
MehrMathematik 2 für Wirtschaftsinformatik
für Wirtschaftsinformatik Sommersemester 2012 Hochschule Augsburg Hinreichende Bedingung für lokale Extrema Voraussetzungen Satz D R n konvex und offen Funktion f : D R zweimal stetig partiell differenzierbar
MehrNumerik partieller Differentialgleichungen I
Numerik partieller Differentialgleichungen I Bernd Simeon Skriptum zur Vorlesung im Sommersemester 2015 TU Kaiserslautern, Fachbereich Mathematik 1. Beispiele und Typeinteilung 2. Finite Differenzen für
MehrLösungen der Aufgaben zu Kapitel 10
Lösungen der Aufgaben zu Kapitel 10 Abschnitt 10.2 Aufgabe 1 (a) Die beiden Funktionen f(x) = 1 und g(y) = y sind auf R definiert und stetig. 1 + x2 Der Definitionsbereich der Differentialgleichung ist
MehrGrundlagen der Differentialrechnung: Anwendungsbeispiele aus Physik und Technik
Grundlagen der Differentialrechnung: Anwendungsbeispiele aus Physik und Technik István Pál Email: inpal@gmx.de 15. Okt. 2014 Gliederung Bekannte Grundbegriffe Geschichte der Differentialrechnung Anwendungsgebiete
MehrVertiefung Numerische Mathematik für den Masterstudiengang UTRM. R. Verfürth
Vertiefung Numerische Mathematik für den Masterstudiengang UTRM Vorlesungsskriptum SS 2010 R. Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Einleitung 5 Kapitel I. Randwertprobleme
MehrIterative Methods for Improving Mesh Parameterizations
Iterative Methods for Improving Mesh Parameterizations Autoren: Shen Dong & Michael Garland, SMI 07 Nicola Sheldrick Seminar Computergrafik April 6, 2010 Nicola Sheldrick (Seminar Computergrafik)Iterative
MehrCityZeit. Summer in the city. Beachclubs und Nightlife. Draußen genießen. Sport und Kultur. Klassik im Park, Leichtathletik-EM, Mord auf der Oker
CyZ 2 2014 y, L-E, O z,, ZEIE qv : R -, Z ä R I 3,80 z v J, ä z,! ZEIE Evä E V I ä q xv v v v ä Jä J, v 180 J z E 1989 v E, J, E E v _ - L j Uv, xv q : _ v v - O, Yy, Y,, _ L - v, j J -, U V, J-, ä JU
MehrFormelsammlung zum Starterstudium Mathematik
Formelsammlung zum Starterstudium Mathematik Universität des Saarlandes ¼ Version.3 Inhaltsverzeichnis. Potenzgesetze. Vollständige Induktion 3. Betragsgleichungen, Betragsungleichungen 4 4. Folgen und
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
Mehr