6.3. Iterative Lösung linearer Gleichungssysteme. Großes lineares dünnbesetztes Gleichungssystem A x = b
|
|
- Renate Hausler
- vor 6 Jahren
- Abrufe
Transkript
1 6.3. Iterative Lösung linearer Gleichungssysteme Großes lineares ünnesetztes Gleichungssystem A Gauss-Elimination nutzt in er Regel ie Dünnesetztheit nicht aus un führt meist auf Kosten On 3 ; Im Gegensatz azu ist oft nur On Speicherearf für Matri A Iee: Formuliere iteratives Verfahren, as in jeem Schritt nur Matri*Vetor erechnet, so ass ie Iterierten gegen ie Lösung von A onvergieren. Gesamtosten: #Iterationen * On. Effizient, falls schnelle Konvergenz vorliegt! Einfach parallelisierar! 39
2 6.3.. Stationäre Methoen: Richarson-Verfahren: Formulierung eines passenen Fipuntprolems A A I I A : Φ Daraus ergit sich ie Iteration: I A A Φ mit Resiuum r. Frage: Wann onvergiert ie ausgehen von einem efinierte Folge gegen ie gesuchte Lösung A? Betrachte azu en Fehler im -ten Schritt: r 4
3 Ergit in er Norm A A A A I I A I A I A un aher Daher liegt Konvergenz vor für I A <. Dies entspricht er Kontrationseingung für ie Iterationsfuntion Φ: Φ Φ y I A y Richarsonverfahren ist aher nur sinnvoll, wenn A I! Geschicter: 4
4 Wene as Verfahren auf as moifizierte Prolem an: D iag A; D A D A Die Beingung D A I ist esser erfüllt! ~ ~ Bezeichnung: A D A un D ergit neues Gleichungssystem A ~ ~. Richarson für as tile-system liefert ann: ~ ~ A D A oer D D A D A Dies ist as Jacoiverfahren zur iterativen Lösung von A Wesentliche Kosten in jeem Schritt: A 4
5 Konvergent, falls I D A < Notwenig: Diagonalmatri D regulär! Allgemeinere Iee zur Formulierung einer Iterationsfuntion: Matri-splitting L : Unteriagonalteil von A U : Oeriagonalteil von A A L D U L D U führt auf Iteration L D U A L D L D A 43
6 Dies ist as Gauss-Seiel-Verfahren A D L I D L A D L In jeem Schritt ist aei nur ein Dreiecsgleichungssystem zu lösen. Das Verfahren ist onvergent, falls < A D L I Gauss-Seiel ist äquivalent zu Richarson angewenet auf A D L A D L NEU: Komponentenweise Formel für Jacoi un GS! 44
7 6.3.. Nichtstationäre Verfahren: Das Graientenverfahren für symmetrisch positiv efinite Matri A: Betrachte Funtion F: R n R n F A, F eschreit einen Paraoloi im R n : -Eene -graf 45
8 Minimum ieser Funtion ist wieer er Punt mit waagrechter angente, also ie Stelle mit Graient gleich Null: F A A Stelle, an er er Paraoloi sein Minimum annimmt ist gleich gesuchte Lösung es Gleichungssystems! Betrachte Minimierungsaufgae! Von atueller Stelle aus soll ie nächste Iterierte so gewählt weren, ass sie näher am Minimum liegt. mit Suchrichtung un Schrittweite. Fine Suchrichtung so, ass Funtionswerte leiner weren: 46
9 Astiegsrichung ist gegeen urch Richtung es negativen Graienten! Denn Richtungsaleitung in Richtung n ist gleich F n, un wir am etragsgrößten für n F, nämlich F! Daher ist n F loal ie Richtung es steilsten Astiegs zum Minimum. Daher verleinern sich ie Funtionswerte auf jeen Fall, wenn man in iese Astiegsrichtung geht. Also wähle: F A Noch zu estimmten ist optimale Schrittweite, ie am nähesten ans Minimum führt! 47
10 Betrachte azu ein-imensionale Minimierung: A A A A F g min min min : min mit Lösung A, :-A Insgesamt: A A A A A 48
11 Dazugehörige Fipuntgleichung ist A Φ : A A A A mit Fipunt A. Ergit Verfahren es steilsten Astiegs steepest escent oer Graientenverfahren Nachteil: Bei star verzerrtem Paraoloien ergit sich sehr langsame Konvergenz. 49
12 Für A I ist er Paraoloi unverzerrt, ie Höhenlinien fast reisförmig schnelle Konvergenz! 5
13 Daher versucht man, A zu präonitionieren: Ersetze A urch M - A M - mit M A I Bessere Variante eines Graientenverfahren: Verfahren er onjugierten Graienten, urz cg-verfahren. Suchrichtung nicht er negative Graient selst, sonern ie Projetion es Graienten, so ass alle Suchrichtungen in gewisser Weise orthogonal zueinaner sin Genauer: Suchrichtungen seien A-onjugiert,.h. A j für j Damit ergit sich iteratives Verfahren, as nach Schritten jeweils ie este Näherung an ie Lösung in einem -imensionalen Unterraum liefert, un aher nach n Schritten fertig ist in eater Arithmeti. NEU: Norm-Minimierung, Unterraum Krylov 5
14 6.4. Eigenwerte un Vetoriteration Eigenvetor v un Eigenwert λ einer quaratischen Matri A erfüllen ie Gleichung A v λ v Daher ist ie urch en Vetor v estimmte Gerae urch en Nullpunt eine sog. Figerae er urch A efinierten Ailung. Für eine symmetrische Matri A gilt: Die Eigenvetoren er n Eigenwerte von A ilen eine Orthonormalasis es R n. Eigenvetormatri V liefert eine Diagonalisierung er Matri A. Die urch A efinierte Ailung wir in ieser Basis trivial: A v λ v A V V Λ, 5
15 Λ ist Diagonalmatri, mit en Eigenwerten als Diagonaleinträge V A V Λ iagλ,, λ n Ein Eigenwert erfüllt ie Gleichung eta - λi, a A - λi singulär: A - λi v Also sin Eigenwerte genau ie Nullstellen es charateristischen Polynoms pλ : eta - λi. Eigenwerte von A Nullstellen eines Polynoms p Die Matri : n n a a a a A L O M M O O M O L 53
16 hat as charateristisches Polynom n n a a a p n K n. Daher lassen sich Nullstellen von Polynomen erechnen, inem man ie Eigenwerte er oigen Matri A erechnet! Eigenwerterechnung ist numerisch stailer als Nullstellenerechnung ei Polynomen! Vetoriteration ist eine einfache Fipuntiteration zur Berechnung es etragsgrößten Eigenwerts einer Matri: Sei A symmetrisch positiv efinit A > ; 54
17 Start mit, : A A ; Die Iterationsfuntion: v Φ Av A hat Fipunt v, wenn.h. v ist Eigenvetor von A zu Eigenwert λ Av, enn ann gilt : A v Av *v. Av A Offensichtlich ist ann const * A Außerem ann in er Basis er Eigenvetoren argestellt weren: c v K c v m m woei λ maimaler Eigenwert von A zu Eigenvetor v ist. 55
18 Daher gilt j j j v Av λ un / v c v c c v v c v c v A c v A c A m m m m m m m m λ λ λ λ λ λ K K K ist normierter Vetor zu A. Dann leit in nur ie Komponente zum stärsten Eigenwert ürig, nämlich v. Also const v onvergiert gegen Eigenvetor, un aher auch A λ onvergiert gegen größten Eigenwert. 56
19 Ähnliches gilt für allgemeine Matrizen, solange Die Matri einen eineutigen etragsgrößten Eigenwert hat also z.b. nicht : ±λ sin eie Eigenwerte Beispiel: / ist Eigenvetor zu Eigenwert λ 57
Determinanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird,
Determinanten Wir entwickeln eine Lösungsformel für Gleichungssysteme mit zwei Variablen. ax + cy = e b bx + y = f a } abx bcy = be + abx + ay = af ya bc = af be Man schreibt y = af be a bc = a e b f analog
Mehrf x n ) 2 1 Gleichung (*) f' x 1 f'' x 1
Das Newtonsche Näherungsverfahren, Teil Theorie - Konvergenzkriterium f x n Allgemeine Lösung: x n = x n f' x f' x n n 0 Nach er Fachliteratur (Bronstein/Semenjajew) arf man hier von einer Cauchy-Folge
Mehr8.1. Das unbestimmte Integral
8 Das unbestimmte Integral So wie ie Bilung von Reihen, also Summenfolgen, ein zur Bilung er Differenzenfolgen inverser Prozess ist, kann man ie Integration als Umkehrung er Differentiation ansehen Stammfunktionen
MehrMathematische Modelle und numerische Methoden in der Biologie
Institut für Angewante un Numerische Mathematik Prof. Dr. Tobias Jahnke, Dipl.-Biol. Michael Kreim Mathematische Moelle un numerische Methoen in er Biologie Sommersemester 2012 5. Übungsblatt Gruppenübung
Mehr1 Lokale Umkehrbarkeit und implizite Funktionen
Christina Schinler Karolina Stoiber Ferienkurs Analysis 2 für Physiker SS 2013 A 1 Lokale Umkehrbarkeit un implizite Funktionen In iesem Kapitel weren Kriterien vorgestellt, wann eine Funktion umkehrbar
Mehr47 Singulärwertzerlegung
47 Singulärwertzerlegung 47.1 Motivation Wir haben gesehen, dass symmetrische Matrizen vollständig mithilfe ihrer Eigenwerte und Eigenvektoren beschrieben werden können. Diese Darstellung kann unmittelbar
Mehr15 Differentialrechnung in R n
36 15 Differentialrechnung in R n 15.1 Lineare Abbilungen Eine Abbilung A : R n R m heißt linear falls A(αx + βy) = αa(x) + βa(y) für alle x, y R n un alle α, β R. Man schreibt oft Ax statt A(x) un spricht
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN. Vektorräume: Basen und lineare Unabhängigkeit
TECHNISCHE UNIERSITÄT MÜNCHEN Zentrum Mathematik Prof. Dr. Frierich Roesler Ralf Franken, PhD Max Lein Lineare Algebra WS 26/7 en Blatt 8.2.26 ektorräume: Basen un lineare Unabhängigkeit Zentralübungsaufgaben
MehrÜbungen zu Numerische Mathematik (V2E2) Sommersemester 2008
Übungen zu Numerische Mathemati (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Übungsblatt 1 Abgabe: 24. April 2008 Aufgabe 1 Zur Berechnung der Quadratwurzel
Mehr6 Lineare Kongruenzen
6 Lineare Kongruenzen Sei m > 0 un a, b beliebig. Wir wollen ie Frage untersuchen, unter welchen Beingungen an a, b un m eine Zahl x 0 existiert, so aß ax 0 b mo m. Wenn ein solches x 0 existiert, sagen
MehrAusgleichsproblem. Definition (1.0.3)
Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst
MehrIterative 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
Mehr1. Probeklausur. φ = 2x 2 y(z 1).
Übungen zur T: Theoretische Mechanik, SoSe04 Prof. Dr. Dieter Lüst Theresienstr. 37, Zi. 45. Probeklausur Dr. Reinke Sven Isermann Reinke.Isermann@lmu.e Übung.: Gegeben sei ie Funktion φ = x y z. a Berechnen
Mehr1 Lokale Umkehrbarkeit und implizite Funktionen
Karolina Stoiber Aileen Wolf Ferienkurs Analysis 2 für Physiker SS 2016 A 1 Lokale Umkehrbarkeit un implizite Funktionen In iesem Kapitel weren Kriterien vorgestellt, wann eine Funktion umkehrbar ist oer
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrVorkurs Mathematik-Physik, Teil 5 c 2016 A. Kersch
Vorkurs Mathematik-Physik, Teil 5 c 206 A. Kersch Vektoren. Vektorrechnung Definition Ein Vektor ist eine gerichtete Größe welche einen Betrag ( Zahl und eine Richtung ( in 2D, 2 in 3D hat. Alternativ
Mehr2 Multivariate Normalverteilung
2 Multivariate Normalverteilung 2. Multivariate Normalverteilung Definition 2.. Normalverteilung Eine univariat normalverteilte Zufallsvariable X besitzt ie Dichte ) (x µ)2 f (x) = exp ( x R. 2π σ 2σ 2
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
MehrNumerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaben Frühjahr 08
Numerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaen Frühjahr 08 Hier einige Hinweise zu den MC-Aufgaen. Die Lösungen sollten nicht auswendig gelernt werden. Man sollte verstehen, warum
MehrAufgaben zur Großübung
Mathematische Methoen II (SoSe 07) Aufgaben zur Großübung Aufgaben für 03. April 07. Bestimmen Sie jeweils f() eplizit un geben Sie en maimalen Definitionsbereich von g(), h() un f() an. f() = (g h)(),
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
MehrLogik / Kombinatorik - Hinweise zur Lösungsfindung
Logik / Kombinatorik Hinweise zur Lösungsfinung Aufgabe 1) Günstige Bezeichnungen einführen; Tabelle anfertigen un ie unmittelbaren Folgerungen aus bis eintragen (siehe linke Tabelle). Da ies noch nicht
Mehr7.1 Definitionen und Ableitungen der elementaren Funktionen. f(x + x) f(x)
Kapitel 7 Differentialrechnung 71 Definitionen un Ableitungen er elementaren Funktionen Die Funktion f) sei efiniert für a
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
MehrDruckverluste in thermostatischen Heizkörperventilen
Drucverluste in thermostatischen Heizörerventilen Allgemeines: in Thermostatventil muss zwei eventuell bis zu vier Aufgaben erfüllen: 1. Abserrung es Heizörers,. Regelung er Raumtemeratur urch Drosselung
MehrNumerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren
Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren
Mehr10. Vorlesung Wintersemester
10. Vorlesung Wintersemester 1 Existenz von Potentialen Für einimensionale Bewegungen unter er Einwirkung einer Kraft, ie nur vom Ort abhängt, existiert immer ein Potential, a man immer eine Stammfunktion
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
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
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
Mehr2. Musterlösung. Problem 1: Das Postamtplatzierungsproblem ** = min w i ( x p x i ) + w i ( y p y i ) i=1. w i + w m w i. 0 wegen (3) w m+1 m,m+1
Universität Karlsruhe Algorithmentechnik Fakultät für Informatik WS 05/06 ITI Wagner 2. Musterlösung Problem 1: Das Postamtplatzierungsproblem ** Sei OE x 1 x 2 x n. Gesucht ist ein Punkt p = (x, y) mit
MehrSchwache Konvergenz von W-Verteilungen auf der Zahlengeraden
Kapitel 5 Schwache Konvergenz von W-Verteilungen auf er Zahlengeraen 5.1 Schwache Konvergenz bzw. Verteilungskonvergenz Bezeichne W(, B 1 ie Menge aller W-Verteilungen auf (, B 1. Definition 5.1 (Schwache
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrAufgaben zum Wochenende (2)
Aufgaben zum Wochenene () Alle Koorinatensysteme seien kartesisch.. Berechnen Sie zu a =(, 3, ) un b =(,, ), c =(, 3, ) : a 3, 4 a b, b ( a c), a 4 b ( ) c. Rechnen Sie möglichst praktisch.. Lösen Sie
Mehr1 5. Endliche Körper Situation: Satz: Beispiel: Z iel: Klassifikation endlicher Körper und ihrer Beziehungen.
1 5. Enliche Körper Z iel: Klassifikation enlicher Körper un ihrer Beziehungen. 1 5. 1. Situation: K sei eine enliche Erweiterung es Körpers F p = Z/ p, p P, [ K: F p ] = n #( K = p n = : q K ist zyklisch
MehrAnwendung v. symmetrischen Matrizen: Hauptachsentransformation
Zusammenfassung: Eigenwerte, Eigenvektoren, Diagonalisieren Eigenwertgleichung: Bedingung an EW: Eigenwert Eigenvektor charakteristisches Polynom Für ist ein Polynom v. Grad, Nullstellen. Wenn EW bekannt
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
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
MehrLösungshinweise zu den Hausaufgaben:
P. Engel, T. Pfrommer S. Poppitz, Dr. I. Rybak 4. Gruppenübung zur Vorlesung Höhere Mathematik Sommersemester 9 Prof. Dr. M. Stroppel Prof. Dr. N. Knarr Lösungshinweise zu en Hausaufgaben: Aufgabe H. a)
Mehra) b) Abb. 1: Buchstaben
Hans Walser, [20171019] Magische Quarate ungeraer Seitenlänge nregung: uler (1782) 1 Worum geht es? Zu einer gegebenen ungeraen Zahl u wir ein magisches Quarat mit er Seitenlänge u konstruiert. 2 as Vorgehen
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
MehrÜbungsklausur Lineare Algebra I - Wintersemester 2008/09
1 Übungsklausur Lineare Algebra I - Wintersemester 008/09 Teil 1: Multiple Choice (1 Punkte Für ie ganze Klausur bezeichne K einen beliebigen Körper. 1. Welche er folgenen Aussagen sin ann un nur ann erfüllt,
MehrVorkonditionierer. diskrete stationäre Eulergleichungen
Übersicht Bernhard Pollul,, RWTH Templergraben 55, 52056, E-mail: pollul@igpm.rwth-aachen.de Vorkonditionierer für diskrete stationäre Eulergleichungen 1/13 1., Teilprojekt B4 2. Vorkonditionierung 3.
MehrLösungen zu Kapitel 6
Lösungen zu Kapitel 6 Lösung zu Aufgabe : Es ist T (a) = {b b 0, b a}. Wir erhalten Es folgt un amit T (54) = {, 2, 3, 6, 9, 8, 27, 54}, T (72) = {, 2, 3, 4, 6, 8, 9, 2, 8,.24, 36, 72}. T (54) T (72) =
Mehr3.4 Kondition eines Problems
38 KAPITEL 3. FEHLERANALYSE Beispiel 3.18 Betrachte M(10, 5, 1). Dann sind x 4.2832, y 4.2821, z 5.7632 darstellare Zahlen und (x y)z 0.00633952. Das korrekte Ergenis in M ist daher 0.0063395. Der Ausdruck
MehrComputergrafik Inhalt Achtung! Kapitel ist relevant für CG-2!
Computergrafik Inhalt Achtung! Kapitel ist relevant für CG-2! 0 2 3 4 5 6 7 8 Historie, Überblick, Beispiele Begriffe und Grundlagen Objekttransformationen Objektrepräsentation und -Modellierung Sichttransformationen
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
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
Mehr8 Tangenten an Quadriken
8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
MehrAnalysis I Mathematik für InformatikerInnen II SoSe 12 Musterlösungen zur Prüfungsklausur vom 18. Juli 2012
Humboldt-Universität zu Berlin Mathematisch-Naturwissenschaftliche Faultät II Institut für Mathemati Unter den Linden 6, D-0099 Berlin Prof. Andreas Griewan Ph.D. Dr. Thomas M. Surowiec Dr. Fares Maalouf
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
MehrSTETIGKEITS- UND KONVERGENZMODI FÜR FUNKTIONEN UND FUNKTIONENFOLGEN
STETIGKEITS- UN KONVERGENZMOI FÜR FUNKTIONEN UN FUNKTIONENFOLGEN. Vorbemerungen Im folgenden seien stets: (M, d), (K, ρ) metrische Räume, (V, V ) ein Banach-Raum (nicht notwendigerweise endlichdimensional!),
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
Mehr3. Lineare Gleichungssysteme
3. Lineare Gleichungssysteme 1 3.1. Problemstellung 2 3.2. Direkte Verfahren 3 3.3. Normen und Fehleranalyse 4 3.4. Iterative Verfahren 5 3.5. Konvergenz von linearen Iterationsverfahren 6 3.6. Gradienten-Verfahren
MehrZahlentheorie. Kapitel 14 Quadratische Zahlkörper. Markus Klenke und Fabian Mogge Universität Paderborn
Zahlentheorie Kaitel 14 Quaratische Zahlkörer Markus Klenke un Fabian Mogge Universität Paerborn 9. Mai 008 Inhaltsverzeichnis 14 Quaratische Zahlkörer 0 Vorwort............................... A Wieerholung...........................
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 23 (5.8.23). Gegeben seien die Matrizen A = 2 3 3 und B = 5 2 5 (a) Bestimmen Sie die Eigenwerte von A und B sowie die
MehrHenning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich
Henning Krause Lineare Algebra Julia Sauter SS 27 Klausur 2.9.27 mit Lösungsvorschlag Jan Geuenich Aufgabe (4 Punkte: Sei n N und seien A und B zwei (n n-matrizen über einem Körper K. Wahr Falsch (a Es
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Beispiel: Feder Masse System festes Ende Feder k 1 Masse m 1 k 2 m 2 k 3 m 3 k 4 festes Ende u 0 = 0 Federkraft y 1 Verschiebung u 1 y 2 u 2 y 3 u 3 y 4 u 4 = 0 Grundlagen der
MehrEinführung in die Chaostheorie
Einführung in ie Chaostheorie Die sogenannte Chaostheorie befasst sich mit er Erforschung nichtlinearer ynamischer Systeme, ie chaotisches Verhalten zeigen können. Chaotisches Verhalten liegt u.a. ann
Mehr7. Iterative Lösung. linearer Gleichungssysteme
7. Iterative Lösung linearer Gleichungssysteme 1 Grundlagen (1) Zur Erinnerung: Gesucht ist die Lösung eines linearen Gleichungssystems a 0,0 x 0 +a 0,1 x 1 + a 0,n 1 x n 1 = b 0 a 1,0 x 0 +a 1,1 x 1 +
MehrSerie 6 - Funktionen II + Differentialrechnung
Analysis D-BAUG Dr. Meike Akvel HS 05 Serie 6 - Funktionen II + Differentialrechnung. a) Sei Lösung 3, falls < 0, f : R R, f) c +, falls 0, + 8, falls >. Bestimmen Sie c R un R, so ass f überall stetig
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrKAPITEL 7. Berechnung von Eigenwerten. Av = λv
KAPITEL 7. Berechnung von Eigenwerten Aufgabe: Sei A R n n eine reelle quadratische Matrix. Gesucht λ C und v C n, v 0, die der Eigenwertgleichung Av = λv genügen. Die Zahl λ heißt Eigenwert und der Vektor
MehrStudientag zur Algorithmischen Mathematik
Studientag zur Algorithmischen Mathematik Numerische Verfahren der nicht-linearen Optimierung Winfried Hochstättler Diskrete Mathematik und Optimierung FernUniversität in Hagen 1. Juli 2012 Outline Line
MehrEigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )
Eigenwertprobleme 5. Oktober Autoren:. Herrmann, Hannes (45969). Kraus, Michael (9). Krückemeier, Paul (899) 4. Niedzielski, Björn (7) Eigenwertprobleme tauchen in der mathematischen Physik an Stellen
MehrDifferentialrechnung
Differentialrechnung Um Funktionen genauer zu untersuchen bzw. sie zu analysieren, ist es notwenig, etwas über ihren Verlauf, as qualitative Verhalten er Funktion, sagen zu können. Das heisst, wir suchen
MehrHöhere Mathematik II für die Fachrichtung Physik. Modulprüfung
Institut für Analysis SS7 PD Dr. Peer Christian Kunstmann 8.9.7 Höhere Mathematik II für die Fachrichtung Physik Modulprüfung Aufgabe [5+5= Punkte] (a) Zeigen Sie, dass die Matrix α A α =, α. genau dann
MehrAufgabenkomplex 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme
Technische Universität Chemnitz 3. Mai Fakultät für Mathematik Höhere Mathematik I. Aufgabenkomple 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme Letzter Abgabetermin:. Juni (in Übung
Mehr3 Trennungs- und Stützeigenschaften, sowie elementare Hilfssätze
U BREHM: Konvegeoetrie 3-1 3 Trennungs- un Stützeigenschaften, sowie eleentare Hilfssätze Zunächst einige Hilfssätze, in enen Begriffe aus er Konveität it topologischen Eigenschaften zusaengebracht weren
MehrMathematik 1 -Arbeitsblatt 1-9: Multiplizieren mehrgliedriger Termee. 1F Wintersemester 2012/2013 Unterlagen: LehrerInnenteam GFB
Schule Thema Personen Bunesgymnasium für Berufstätige Salzburg Mathematik 1 -Arbeitsblatt 1-9: Multiplizieren mehrglieriger Termee 1F Wintersemester 01/013 Unterlagen: LehrerInnenteam GFB Ein neues Problem
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 2. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Anreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.e Department Biologie II Telefon: 089-80-74800 Großhaernerstr. Fa:
MehrKürzeste Wege. möglich ist 6. Füge v zu S hinzu und setze d[v] d [v] (u,v) E. Datenstrukturen und Algorithmen 14. Elementare Graphalgorithmen
Algorithmus von Dijkstr: 1. Es sei S ie Menge er enteckten Knoten. Invrinte: Merke optimle Lösung für S: Für lle v S sei [v] = δ(s,v) ie Länge es kürzesten Weges von s nch v 3. Zu Beginn: S={s} un [s]=
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!)
MehrVorlesung Mathematik WS 10/11. Friedel Bolle. Vorbemerkung
Prof Dr Friedel Bolle Vorlesung Mathemati WS 0/ Friedel Bolle Prof Dr Friedel Bolle Vorbemerung Weshalb Mathemati für Öonomen? Das werden Sie selbst im Studium erfahren! Viele Probleme werden in der Sprache
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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathemati PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Höhere Mathemati für Informatier II (Sommersemester 00) Lösungen zu Aufgabenblatt
MehrMathematik III. Vorlesung 87. Die äußere Ableitung
Prof. Dr. H. Brenner Osnabrück WS 2010/2011 Mathematik III Vorlesung 87 Die äußere Ableitung In ieser Vorlesung weren wir ein neuartiges mathematisches Objekt kennenlernen, ie sogenannte äußere Ableitung.
MehrCluster 1: Kabelverlauf
Teil B Seite 1 / 6 Doris Schönorfer Cluster 1: Kabelverlauf zum Menü Hinweis: Cluster 1 bezieht sich auf Höhere Technische Lehranstalten (HTL) für ie Ausbilungsrichtungen Bautechnik, Holztechnik & Innenraumgestaltung
Mehr8. Vorlesung, 5. April Numerische Methoden I. Eigenwerte und Eigenvektoren
8. Vorlesung, 5. April 2017 170 004 Numerische Methoden I Eigenwerte und Eigenvektoren 1 Eigenwerte und Eigenvektoren Gegeben ist eine n n-matrix A. Gesucht sind ein vom Nullvektor verschiedener Vektor
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
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.
MehrDas CG-Verfahren. Sven Wetterauer
Das CG-Verfahren Sven Wetterauer 06.07.2010 1 Inhaltsverzeichnis 1 Einführung 3 2 Die quadratische Form 3 3 Methode des steilsten Abstiegs 4 4 Methode der Konjugierten Richtungen 6 4.1 Gram-Schmidt-Konjugation.........................
MehrAlZAGK-Seminar: Pellsche Gleichung: Kettenbruchverfahren und das Archimedische problema bovinum
AlZAGK-Seminar: Pellsche Gleichung: Kettenbruchverfahren un as Archimeische roblema bovinum Claas Grenzebach 25. Juni 2002 Die Pellsche Gleichung Wenn Harols Streitkräfte, ie in 3 Quarate aufgeteilt waren,
Mehrund Unterdeterminante
Zusammenfassung: Determinanten Definition: Entwicklungssätze: mit und Unterdeterminante (streiche Zeile i & Spalte j v. A, bilde dann die Determinante) Eigenschaften v. Determinanten: Multilinearität,
MehrTechnisches Lemma aus der Linearen Algebra
echnisches Lemma aus er Linearen Algebra Lemma. Sei t A(t) Mat(n, n) eine glatte, matrixwertige Funktion auf em Intervall ( ε,ε), welche A(t) = I erfülle. Dann gilt: t et(a(t)) t=0 = trace(ȧ(0)). Beispiel.
MehrLineare Algebra - Übungen 7 WS 2017/18
Prof. Dr. A. Maas Institut für Physik N A W I G R A Z Lineare Algebra - Übungen 7 WS 017/18 Aufgabe P0: Paulimatrizen Präsenzaufgaben 14. Dezember 017 Berechnen Sie für die Paulimatrizen σ 1 = ( ) 0 1,
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
Mehr29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1)
292 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System y = A y, t R, ( wobei A C n n, und wollen ein Fundamentalsystem bestimmen Grundlegende Beobachtung:
MehrJordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J =
Jordan-Form Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform J 1 0 J =... = Q 1 AQ 0 J k transformieren. Jordan-Form 1-1 Jordan-Form Eine komplexe
MehrNichtlineare Gleichungen, mehrere Unbekannte
Dritte Vorlesung, 6. März 2008, Inhalt Aufarbeiten von Themen der letzten Vorlesung, und Nichtlineare Gleichungen, mehrere Unbekannte Systeme nichtlinearer Gleichungen Vektor- und Matrixnormen Fixpunkt-Iteration,
MehrA = Eine symmetrische Matrix ist gleich ihrer transponierten Matrix: A t = A
Hans Walser, [07] Smmetrische Matri Die Matri Wir arbeiten mit der smmetrischen Matri: A = 3 6 Eine smmetrische Matri ist gleich ihrer transponierten Matri: A t = A Die Abbildung. Verzerrungsellipse Wir
Mehr