Rückwärtsfehleranalyse und Langzeitenergieerhaltung
|
|
- Leander Kappel
- vor 6 Jahren
- Abrufe
Transkript
1 Rückwärtsfehleranalyse und Langzeitenergieerhaltung Henrike Köpke 9. Dezember 010 1
2 Inhaltsverzeichnis 1 Einleitung 3 Rückwärtsfehleranalyse 4.1 Idee der Vorwärts- und der Rückwärtsfehleranalyse Anwendung der Fehlermethoden Modifizierte Gleichungen Langzeitenergieerhaltung Energieerhaltung Modifizierte Hamiltonsysteme Langzeitenergieerhaltung Takahashi-Imada Methode Literaturhinweis 16
3 1 Einleitung Dieser Vortrag ist in zwei Abschnitte gegliedert. Als erstes werde ich zunächst auf die Rückwärtsfehleranalyse eingehen. In der numerischen linearen Algebra hat diese eine bedeutende Anwendung. Allerdings hat sie auch in den letzten Jahren im Gebiet der gewöhnlichen Differentialgleichungen immer mehr an Popularität gewonnen. Im Gegensatz zur Vorwärtsfehleranalyse, welche einen Einblick über die Genauigkeit der Lösung gibt, ermöglicht sie qualitative Aussagen (mithilfe von modifizierten Gleichungen) über das angewendete numerische Verfahren. Diese modifizierten Gleichungen sind von folgender Gestalt: ỹ = f (ỹ) + h f (ỹ) + h f 3 (ỹ) +..., wobei deren Koeffizienten f i mit i explizit konstruiert werden können. Als eine Anwendung der Rückwärtsfehleranalyse handelt sich es im zweiten Abschnitt um die Langzeitenergieerhaltung. Diese besagt, dass symplektische Integratoren Energie über lange Zeiträume erhalten können. Zunächst werden allerdings modifizierte Hamiltongleichungen betrachtet, um danach anschließend den Energiefehler des modifizierten Hamilton zu untersuchen. Am Ende werde ich auch auf die Takahasi-Imada Methode eingehen, welche ebenfalls ein symplektisches Verfahren ist und bei geeigneter Wahl einer Variablen von Konsistenzordnung 4 ist. Somit ist diese exakter als das Störmer-Verlet Verfahren. 3
4 Rückwärtsfehleranalyse.1 Idee der Vorwärts- und der Rückwärtsfehleranalyse Gegeben sei eine Differentialgleichung der Form ẏ = f (y) und deren exakter Fluss ϕ t (y). Ein numerisches Verfahren erzeuge die approximative Lösung y n+1 = Φ h (y n ). Außerdem sei ỹ = f h (ỹ) eine modifizierte Differentialgleichung der Form: ỹ = f (ỹ) + h f (ỹ) + h f 3 (ỹ) +... (1) Die Vorwärtsfehleranalyse untersucht die Differenz zwischen approximativer und exakter Lösung. Für den globalen Fehler bedeutet dies: y n ϕ nh (y 0 ). Bei Anwendung der Rückwärtsfehleranalyse hingegen analysiert man die Differenz zwischen den Vektorfeldern der gegebenen und der modifizierten Differentialgleichung. Abbildung 1: Schema: Vorwärts- und Rückwärtsfehleranalyse. Anwendung der Fehlermethoden Die Vorwärtsfehleranalyse ist eine gängige Methode zur Anwendung bei gewöhnlichen Differentialgleichungen, um das Fehlerverhalten der Lösung zu untersuchen. Rückwärtsfehleranalysen hingegen werden hauptsächlich in der numerischen linearen Algebra angewendet. Anhand des Gaußalgorithmus kann man dies verdeutlichen. Gegeben sei eine reguläre Matrix A IR n n und ein Vektor b IR n. Gesucht sei ein x IR n, sodass folgende Gleichung: erfüllt ist. Ax = b Wenden wir hierzu die Vorwärtsfehleranalyse an. Bei Berechnung der approximativen Lösung x treten Rundungsfehler auf. Wenn man x mit der exakten Lösung x vergleicht, stellt man fest, dass sich der Fehler zwischen den verschiedene Komponenten vergrößert, was auf die Operationen des Algorithmus zurückzuführen ist. Bei Anwendung der Rückwärtsfehleranalyse betrachten wir zu dem gegebenen Problem eine gestörte Matrix und einen gestörten Vektor A bzw. b, sodass: (A + A) x = (b + b) 4
5 exakt gelöst wird, wobei A + A regulär ist. Verglichen mit Ax = b kann der Fehler durch A und b abgeschätzt werden. Die Vorwärtsfehleranalyse wird häufig zur Fehlerabschätzung von gewöhnlichen Differentialgleichungen verwendet. Allerdings können sich die exakten Lösungen mitunter stark von den approximativen Lösungen unterscheiden. Dies ist vor allem der Fall, falls Probleme sensitiv zu ihren Anfangswerten sind. Eine Abhilfe könnte zum Beispiel die Methode des Shadowings verschaffen. Hierbei vergleicht man den numerisch berechneten Orbit mit einem gestörten (exakter Orbit, der mit einer leicht gestörten Anfangsbedingung simuliert wird). Die Ähnlichkeit zur Rückwärtsfehleranalyse scheint evident, wobei hier modifizierte Differentialgleichungen zur Fehlerabschätzung konstruiert werden. Im Bereich der gewöhnlichen Differentialgleichungen hat diese in den letzten Jahren immer mehr an Bedeutung gewonnen. Ein Vorteil zur Vorwärtsanalyse ist, dass man die exakte Lösung nicht berechnen braucht. In manchen Fällen ist es sehr aufwendig oder nicht möglich, diese zu bestimmen. Daher ist die Fehlerabschätzung anhand modifizierter Gleichungen sehr praktisch..3 Modifizierte Gleichungen Eine entscheidende Rolle in der Theorie der Rückwärtsfehleranalyse spielen modifizierte Gleichungen. Die numerische Lösung der ursprünglichen Differentialgleichung soll den exakten Fluss der modifizierten Differentialgleichung darstellen. Wir definieren diese wie folgt: Definition 1 (Modifizierte Gleichungen). Sei ẏ = f (y) eine Differentialgleichung, deren approximative Lösung y n+1 = Φ h (y n ) durch ein numerisches Einschrittverfahren erzeugt wurde. Eine modifizierte Differentialgleichung ỹ = f h (ỹ) ist von der Form für deren Lösung ỹ(t) gilt: y n = ỹ(nh). ỹ = f (ỹ) + h f (ỹ) + h f 3 (ỹ) +... Die Koeffizienten f, f 3,... können explizit angegeben werden. Diese erhält man durch Taylorentwicklung der modifizierten Gleichung und deren Koeffizientenvergleich mit der numerischen Lösung der Differentialgleichung. Man setze dazu zunächst y := ỹ(t) für ein fixes t. Durch die Taylorentwicklung der modifizierten Gleichung erhält man: ỹ(t + h) = y + h( f (y) +...) + h! ( ḟ (y) + h ḟ (y) +...)( f (y) + h f (y) +...) +... () = ỹ = ỹ (Anwendung der Kettenregel) Für die numerische Lösung gilt: Φ h (y) = y + h f (y) + h d (y) + h 3 d 3 (y) +..., (3) 5
6 wobei deren Koeffizienten d i gegeben sind. Koeffizientenvergleich von () und (3) liefert wegen ỹ(nh) = y n n: h : f (y) + 1! ḟ (y) = d (y) h 3 : f 3 (y) + 1! ( ḟ (y) f (y) + ḟ (y) f (y)) + 1 3! (( f f f )(y) + ( ḟ ḟ f )(y)) = d 3 (y)... Dies ergibt für die Koeffizienten der modifizierten Gleichung: f (y) = d (y) 1! ḟ (y) f 3 (y) = d 3 (y) 1! ( ḟ (y) f (y) + ḟ (y) f (y)) 1 3! (( f f f )(y) + ( ḟ ḟ f )(y))... Ein numerisches Verfahren der Ordnung p erfüllt für die modifizierten Gleichungen: Satz 1. Sei y n+1 = Φ h (y n ) ein numerisches Verfahren der Ordnung p, das heißt: Φ h (y) = ϕ h (y) + h p+1 δ p+1 (y) + O(h p+ ), wobei ϕ t den exakten Fluss der Differentialgleichung ẏ = f (y) und h p+1 δ p+1 (y) den führenden Term des lokalen Abbruchfehlers bezeichnet. Dann erfüllt die modifizierte Differentialgleichung mit f p+1 (y) = δ p+1 (y). ỹ = f (ỹ) + h p f p+1 (ỹ) + O(h p+1 ), ỹ(0) = y 0 Beweis. Die numerische Lösung sei von der Ordnung p. Φ h (y) ϕ h = O(h p+1 ) f j (y) = 0 für j p Dies folgt aus der Konstruktion der modifizierten Gleichungen, da die Koeffizienten der numerischen Approximation für alle Terme h i für i {1,..., p} wegfallen. Demnach gilt dann für die modifizierte Differentialgleichung: wobei f p+1 (y) = δ p+1 (y). ỹ = f (ỹ) + h p f p+1 (ỹ) + h p+1 f p+ (ỹ) +... Beispiel: Konstruktion der modifizierten Lotka-Volterra Gleichungen (Räuber-Beute Modell) anhand des symplektischen Eulers Lotka-Volterra Gleichungen: q = q(p 1) = a(q, p) (4) ṗ = p( q) = b(q, p). (5) 6
7 Abbildung : Räuber- Beute Modell Der symplektische Euler ist von folgender Gestalt: mit u = a(u,v) und v = b(u,v). u n+1 = u n + ha(u n,v n+1 ) v n+1 = v n + hb(u n,v n+1 ) Angewendet auf die Lotka- Volterra Gleichungen ergibt sich: p n+1 = p n + hp n+1 ( q n ) q n+1 = q n + hq n (p n+1 1). Der symplektische Euler ist ein numerisches Einschrittverfahren 1. Ordnung. Das heißt, nach Satz 1 sollen die modifizierten Gleichungen folgendes erfüllen: ỹ = f (ỹ) + h f (ỹ) + O(h ). (6) Als nächstes betrachten wir p n+1 näher. Durch Umstellen, Ausmultiplizieren und Anwenden der geometrischen Reihe ergibt sich (mit h hinreichend klein): ( ) 1 p n+1 = p n. 1 h( q n ) = j=0 (h( q n)) j Einsetzen in q n+1 ergibt: q n+1 = q n + hq n p n ( j=0 (h( q n )) j ) hq n. Das heißt für die approximative Lösung der Lotka-Volterra Gleichungen erhalten wir: ( ) ( pn+1 p = n (1 + h( q n ) + h ( q n ) ) +...) q n+1 q n + hq n p n (1 + h( q n ) + h ( q n ). (7) +...) hq n 7
8 Im nächsten Schritt werden die Lotka-Volterra Gleichungen mittels Taylor entwickelt um dann durch Koeffizientenvergleich mit der approximativen Lösung die Koeffizienten der modifizierten Gleichungen zu ermitteln. Betrachte zunächst die Taylorentwicklung von p n+1 : p n+1 =p n + h p n + h! =b(q n,p n )+hb (q n,p n ) =p n + hb(q n, p n ) + h b (q n, p n ) + h! + O(h 3 ) p n =ḃ(q n,p n )b(q n,p n ) +O(h 3 ) ( b (q n, p n ) q n + b ) (q n, p n ) p n q n p n Koeffizientenvergleich mit (7) der h -Terme liefert für b (q n, p n ): b (q n, p n ) + 1! ḃ(q n, p n )b(q n, p n ) = b qn (q n,p n )a(q n,p n )+ b pn (q n,p n )b(q n,p n ) = p n ( q n ). (8) =b(q n,p n ) b pn (q n,p n ) Durch Umstellen der Gleichung (8) erhält man für den Koeffizienten der modifizierten Gleichung des p n+1 : b (q n, p n ) = 1 b (q n, p n )b(q n, p n ) b (q n, p n ) a(q n, p n )! p } n q {{} n =p n ( q n ) =q n (p n 1) =( q n ) = p n = 1! p n( q n ) + 1! p nq n (p n 1) = 1 p n(4 5q n + q n + p n q n ). Als nächstes betrachtet man die Taylorentwicklung von q n+1. Dies funktioniert analog wie bei p n+1 : q n+1 =q n + h q n + h! =a(q n,p n )+ha (q n,p n ) =q n + ha(q n, p n ) + h a (q n, p n ) + h! + O(h 3 ) q n =ȧ(q n,p n )a(q n,p n ) +O(h 3 ) ( a (q n, p n ) q n + a ) (q n, p n ) p n q n p n Koeffizientenvergleich der h -Terme der approximativen Lösung von q n+1 und deren Taylorentwicklung liefert: a (q n, p n ) + 1! ȧ(q n, p n )a(q n, p n ) = a qn (q n,p n )a(q n,p n )+ a pn (q n,p n )b(q n,p n ) = q n p n ( q n ) = a pn (q n,p n )b(q n,p n ) (9) 8
9 Durch Umstellen von (9) erhält man: a (q n, p n ) = 1 a (q n, p n ) b(q n, p n ) a (q n, p n ) a(q n,q n )! p } n q {{} n =p n ( q n ) =q n (p n 1) =q n =(p n 1) = 1! q np n ( q n ) 1! q n(p n 1) = 1 q n(4p n p n q n p n 1). Für die modifizierten Gleichungen der Lotka- Volterra Gleichungen erhält man zum Schluss durch Einsetzen in (6): ( ) ( pn+1 pn ( q = n ) + h p n(4 5q n + q n + p n q n ) + O(h ) ) q n (pn 1) + hq n(4p n p n q n p n 1) + O(h. ) q n+1 9
10 3 Langzeitenergieerhaltung 3.1 Energieerhaltung Dieser Abschnitt dient zur kurzen Wiederholung der Hamiltonsysteme und einiger wichtiger Sätze, welche bereits ausführlich im zweiten Vortrag behandelt wurden, da wir in den nächsten Abschnitten auf die Theorie der Hamiltonsysteme zurückgreifen werden. Die Hamilton- Funktion H(p 1,..., p n,q 1,...,q n ) beschreibt die Gesamtenergie von Teilchen, wobei durch p i die Impulskoordinaten und durch q i die Ortskoordinaten definiert werden; n gibt die Anzahl der Freiheitsgrade an. Sie setzt sich aus kinetischer und potentieller Energie zusammen, das heißt: H(p,q) = 1 pt p + U(q) =Potential (10) Die Hamiltonschen Bewegungsgleichungen (Änderung der Energie nach der Zeit) werden definiert durch: ṗ = H q (p,q) q = H p (p,q). Hamiltonsysteme besitzen ein Erstes Integral. Dies kann man leicht zeigen: Ḣ(p,q) = H(p,q) p ṗ = H q (p,q) + H(p,q) q q =H p (p,q) = H p (p,q)h q (p,q) + H q (p,q)h p (p,q) = 0. Das heißt, dass die Energie über einen beliebig langen Zeitraum erhalten bleibt. Hier einige wichtige Sätze aus dem zweiten Vortrag, auf die ich in dem Beweis des folgenden Abschnitts zurückgreifen möchte: Lemma 1 (Lokaler Hamilton). Sei f C 1 (D,IR n ), D f (y) symmetrisch für alle y D. Dann gibt es zu jedem y 0 D eine Umgebung U und H : U IR, so dass für alle y U f (y) = H(y). Satz (Fluss eines Hamiltonsystems). Falls f C 1, dann ist ẏ = f (y) genau dann lokal ein Hamiltonsystem, falls der Fluss der Differentialgleichung symplektisch ist. 3. Modifizierte Hamiltonsysteme Mit Satz und Lemma 1 kann man leicht zeigen, dass die modifizierte Gleichung eines Hamiltonsystems ebenfalls ein Hamiltonsystem ist. 10
11 Satz 3 (Modifizierte Gleichungen eines Hamiltonsystems). Sei ẏ = f (y) = J 1 H(y) ein Hamiltonsystem mit H C (IR d,ir) und sei y n+1 = Φ h (y n ) das darauf angewendete Einschrittverfahren. Die zugehörige modifizierte Gleichung ist dann ebenfalls ein Hamiltonsystem, das heißt, es existieren glatte Funktionen H j : IR d IR für alle j, sodass Beweis. Per Induktion. Induktionsannahme: Es gelte: f j (y) = J 1 H j (y) für j = {1,...,n}. Induktionsanfang: Für j = 1 ist dies erfüllt, wegen f j (y) = J 1 H j (y). (11) f 1 (y) = f (y) = J 1 H(y) und dies ist laut Voraussetzung ein Hamiltonsystem. Induktionsschritt j j + 1: Wir betrachten uns folgende Differentialgleichung: welche ein Hamiltonsystem: sei. Deren Fluss ϕ r,t (y 0 ) erfülle: ỹ = f (ỹ) + h f (ỹ) h r 1 f r (ỹ), (1) H(y) + hh (y) h r 1 H r (y) Φ h (y 0 ) = ϕ r,h (y 0 ) + h r+1 f r+1 (y 0 ) + O(h r+ ) (13) Φ h (y 0) = ϕ r,h (y 0) + h r+1 f r+1(y 0 ) + O(h r+ ), (14) wobei in (14) die Gleichung in (13) differenziert wurde. Nach Satz gilt, dass Hamiltonsysteme einen symplektischen Fluss besitzen, das heißt, dass die Abbildung ϕ r,h symplektisch ist. Φ h ist nach Voraussetzung ebenfalls symplektisch. Außerdem gilt: Dadurch erhält man wegen (14) und (15): J = Φ h (y 0) T JΦ h (y 0) ϕ r,h (y 0) = I + O(h). (15) = (ϕ r,h (y 0) + h r+1 f r+1(y 0 )) T J(ϕ r,h (y 0) + h r+1 f r+1(y 0 )) + O(h r+ ) = ϕ r,h (y 0) T Jϕ r,h (y 0) +h r+1 ( f r+1(y 0 ) T J + J f r+1(y 0 )) + O(h r+ ). =J 11
12 Demnach muss also gelten: f r+1(y 0 ) T J + J f r+1(y 0 ) = 0, was erfüllt ist, wenn J f r+1 (y 0) symmetrisch ist. Aus Lemma 1 folgt dann, dass J f r+1 (y) lokal als Hamiltonsystem darstellbar ist, also: J f r+1 (y) = H r+1 (y). 3.3 Langzeitenergieerhaltung Wir haben nun gezeigt, dass die modifizierten Gleichungen eines Hamiltonsystems ebenfalls Hamiltonsysteme sind. Man kann nun zeigen, dass symplektische Integratoren die Energie über einen sehr langen Zeitraum erhalten können. Allerdings ist noch eine kleine Vorbemerkung notwendig. Am Anfang des Vortrags habe ich erwähnt, dass die approximative Lösung den exakten Fluss der modifizierten Differentialgleichung darstellt. Leider ist dies in der Praxis nicht ganz möglich, da die modifizierten Differentialgleichungen im Allgemeinen divergieren. In dem Buch zum Seminar 1 wurde eine obere Schranke für die Differenz der numerischen Lösung und dem Fluss der modifizierten Gleichung gefunden, falls Φ h (approximative Lösung) und ϕ N,h (exakter Fluss der modifizierten Gleichung) analytische Abbildungen auf einem kompakten Intervall K IR n seien. Es gelte dann: wobei C eine Konstante darstellt. Φ h (y 0 ) ϕ N,h (y 0 ) Che h h 0, (16) Satz 4 (Langzeitenergieerhaltung). Gegeben sei ein Hamiltonsystem ẏ = f (y) = J 1 H(y), y(0) = y 0, mit H : IR d IR analytisch, auf dem ein symplektisches, numerisches Verfahren y n+1 = Φ h (y n ) der Ordnung p angewendet wird. Falls (y) n K kompakt, gibt es ein h 0 und ein N = N(h), sodass für nh e h 0 h gilt: H(y n ) = H(y 0 ) + O(h h 0 h ). Beweis. Sei ϕ N,t (y 0 ) der Fluss der modifizierten Differentialgleichung. Nach Satz 3 ist H hamiltonisch, das heißt insbesondere auch Fluss erhaltend. Also gilt: H( ϕ N,h (y 0 )) = H(y 0 ) 1 Geometric Numerical Integration von E. Hairer, C. Lubisch, G. Wanner; Seite 365 1
13 für alle t. Wir betrachten nun die Differenz: H(y n ) H(y 0 ) n = H(y j ) H(y j 1 ) j=1 n = H(y j ) H( ϕ N,h (y j 1 )) j=1 n H( y j ) H( ϕ N,h (y j 1 )) j=1 =Φ h (y j ) n j=1 C nh (17) (18) (19) λ Φh (y j ) ϕ N,h (y j 1 ) (0) e h 0 e h h h 0 (1) Ce h h 0, () wobei wir bei (0) die Lipschitzstetigkeit mit Lipschitzkonstante λ und bei (1) die Abschätzung in (16) ausgenutzt haben. 3.4 Takahashi-Imada Methode Wir haben also gezeigt, dass symplektische Integratoren die Energie fast vollständig erhalten für hinreichend kleine Zeitintervalle. Das Störmer-Verlet Verfahren: p n+ 1 = p n + 1 h f (q n) q n+1 = q n + hp n+ 1 p n+1 = p n h f (q n+1) ist ein solches symplektisches Verfahren, allerdings mit Konsistenzordnung zwei. Das bedeutet, dass der Energiefehler von Ordnung O(h 3 ) ist. Ein Verfahren höherer Ordnung könnte die Takahashi-Imada Methode darstellen. Diese erhält man durch Addieren des Terms αh f (q) f (q). Somit ist diese eine Modifikation des Störmer-Verlet Verfahrens: p n+ 1 = p n + 1 h(i + αh f (q n )) f (q n ) q n+1 = q n + hp n+ 1 p n+1 = p n h(i + αh f (q n+1 )) f (q n+1 ). Eigentlich ist diese Methode immer noch ein Verfahren der Ordnung zwei. Mit α= 1 1 erhalten wir jedoch ein symplektisches Verfahren der Konsistenzordnung vier. Der 13
14 Energiefehler würde somit O(h 5 ) betragen. Durch die zusätzlich zu berechnende Ableitung kann die numerische Berechnung mitunter sehr teuer werden. Durch eine vereinfachte Variante des Takahashi-Imada Verfahrens könnte dieses Problem gelöst werden: p n+ 1 = p n + 1 h f (q n + αh f (q n )) q n+1 = q n + hp n+ 1 p n+1 = p n h f (q n+1 + αh f (q n+1 )), wobei wir den Term (1 + αh f (q)) f (q) durch f (q + αh f (q)) ersetzen. Allerdings ist dieses Verfahren nicht unbedingt symplektisch. Das Verfahren hat eine Abbildung der Form (p,q) (p + a(q),q), wobei diese symplektisch ist, genau dann, wenn a (q) symmetrisch ist. Das bedeutet, dass f (q n + αh f (q n )) f (q n ) symmetrisch sein muss. Das Produkt zweier symmetrischer Matrizen ist allerdings im Allgemeinen nicht symmetrisch. Also ist die Vereinfachte Takahashi-Imada Methode nicht symplektisch für mehr als einen Freiheitsgrad. Zum Schluss betrachten wir, zur Veranschaulichung der Verfahren, den harmonischen Oszillator mit Bewegungsgleichungen: q = p ṗ = q und Gesamtenergie H(p,q) = 1 (p +q ). Die durch MATLAB berechnete approximative Lösung ergibt folgendes: Die numerischen Verfahren (Störmer- Verlet, Takahashi-Imada, sowie vereinfachter Takahashi-Imada) sind somit sehr nahe an der exakten Lösung. 14
15 Als nächstes wird der Energiefehler geplottet. Für die modifizierten Hamiltongleichungen des Störmer-Verlet Verfahrens und der Takahashi-Imada Verfahren ergeben sich: H SV = 1 p ( 1 + h 6 H T I = 1 p ( 1 + h 6 ) + 1 ) (1 q h 1 )) (1 h + (1 1 1 q h ) ) (1 h 1 Hierbei sehen wir, dass der Energiefehler bei Anwendung der Takahashi-Imada Methode geringer als bei Anwendung des Störmer-Verlet Verfahrens ist. 15
16 4 Literaturhinweis E. Hairer, C. Lubich, G. Wanner: Geomtric Numerical Integration B. Leimkuhler, S. Reich: Simulating Hamiltonian Dynamics E. Hairer, R. McLachlan, R. Skeel: On Energy Conservation of the simplified Takahashi-Imada Method P. Kloeden, K. Palmer: Chaotic Numerics: An international Workshop on the Approximation and Computation of Complicated Dynamical Behavior 16
Einführung in die Numerik strukturerhaltender Zeitintegratoren. Leonard Schlag 6. Dezember 2010
Einführung in die Numerik strukturerhaltender Zeitintegratoren Leonard Schlag 6. Dezember 2010 1 Inhaltsverzeichnis 1 Einführung in die Numerik strukturerhaltender Zeitintegratoren 3 1.1 Häuge Problemstellung:
Mehr2.3.1 Explizite Runge-Kutta-Verfahren
Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrNewton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme
Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es
Mehr2 Einschrittverfahren 2.1 Einführung
Einschrittverfahren. Einführung Im folgenden werden wir uns bei der Beschreibung und Analyse von numerischen Verfahren für Anfangswertprobleme auf den Fall n = beschränken. Dies wird nur gemacht, um die
Mehr37 Gauß-Algorithmus und lineare Gleichungssysteme
37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass
MehrMathematische Grundlagen der Ökonomie Übungsblatt 8
Mathematische Grundlagen der Ökonomie Übungsblatt 8 Abgabe Donnerstag 7. Dezember, 0:5 in H 5+7+8 = 20 Punkte Mit Lösungshinweisen zu einigen Aufgaben 29. Das Bisektionsverfahren sucht eine Nullstelle
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät
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
MehrAllgemeines Gleichungssystem mit zwei Gleichungen und zwei Variablen. Der erste Index bezeichnet die Nummer der Zeile, der zweite die der Spalte.
Lineare Gleichungssysteme. Einleitung Lineare Gleichungssysteme sind in der Theorie und in den Anwendungen ein wichtiges Thema. Theoretisch werden sie in der Linearen Algebra untersucht. Die Numerische
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrAnalysis und Lineare Algebra mit MuPAD
Analysis und Lineare Algebra mit MuPAD Dehling/Kubach Mögliche Themen für Abschlussprojekte 1 Fourier-Reihen Zu einer integrierbaren Funktion f : [0,2π] R definieren wir die Fourier-Reihe wobei a 0 = 1
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
MehrKonvexe Funktionen und Legendre-Transformation
Konvexe Funktionen und Legendre-Transformation Def. Eine Teilmenge A R n heißt konvex, wenn sie mit je zwei Punkten x, y auch stets deren Verbindungsstrecke xy = {x +t xy 0 t 1} = {(1 t)x +ty 0 t 1} enthält.
MehrSeminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln
Seminarvortrag aus Reiner Mathematik Existenz von Primitivwurzeln Michael Kniely November 2009 1 Vorbemerkungen Definition. Sei n N +, ϕ(n) := {d [0, n 1] ggt (d, n) = 1}. Die Abbildung ϕ : N + N + heißt
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
Mehr5 Potenzreihenansatz und spezielle Funktionen
5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten
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:
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
Mehr14 Lineare Differenzengleichungen
308 14 Lineare Differenzengleichungen 14.1 Definitionen In Abschnitt 6.3 haben wir bereits eine Differenzengleichung kennengelernt, nämlich die Gleichung K n+1 = K n q m + R, die die Kapitalveränderung
MehrBlatt 10. Hamilton-Formalismus- Lösungsvorschlag
Fakultät für Physik der LMU München Lehrstuhl für Kosmologie, Prof. Dr. V. Mukhanov Übungen zu Klassischer Mechanik T) im SoSe 20 Blatt 0. Hamilton-Formalismus- Lösungsvorschlag Aufgabe 0.. Hamilton-Formalismus
MehrA2.3 Lineare Gleichungssysteme
A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
Mehr1. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Sei I R ein Intervall. Geben Sie Beispiele für Differentialgleichungen für Funktionen y = y in I mit den folgenden Eigenschaften an: Beispiel separabel, nicht
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
MehrWiederholung Vorlesungen 1 bis 8
Wiederholung Vorlesungen 1 bis 8 Aufgabe 1 a) Sind die im Folgenden gegebenen Ausdrücke als Folge interpretierbar? Wenn ja, wie? i) 1,,4,8,16,3,64,..., ii)... 5, 3, 1,1,3,5,..., iii) 3,10,π,4, 1 7,10,1,14,16,18,...
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
Mehr9. Vorlesung Wintersemester
9. Vorlesung Wintersemester 1 Die Phase der angeregten Schwingung Wertebereich: bei der oben abgeleiteten Formel tan φ = β ω ω ω0. (1) ist noch zu sehen, in welchem Bereich der Winkel liegt. Aus der ursprünglichen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
Mehrf(x) f(x 0 ) lokales Maximum x U : gilt, so heißt x 0 isoliertes lokales Minimum lokales Minimum Ferner nennen wir x 0 Extremum.
Fabian Kohler Karolina Stoiber Ferienkurs Analsis für Phsiker SS 4 A Extrema In diesem Abschnitt sollen Extremwerte von Funktionen f : D R n R diskutiert werden. Auch hier gibt es viele Ähnlichkeiten mit
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
MehrBeginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
MehrDifferentialgleichungen. Aufgaben mit Lösungen. Jörg Gayler, Lubov Vassilevskaya
Differentialgleichungen Aufgaben mit Lösungen Jörg Gayler, Lubov Vassilevskaya ii Inhaltsverzeichnis. Tabelle unbestimmter Integrale............................... iii.. Integrale mit Eponentialfunktionen........................
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
MehrIn der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y
Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion
MehrKonvergenz im quadratischen Mittel - Hilberträume
CONTENTS CONTENTS Konvergenz im quadratischen Mittel - Hilberträume Contents 1 Ziel 2 1.1 Satz........................................ 2 2 Endlich dimensionale Vektorräume 2 2.1 Defintion: Eigenschaften
MehrAbbildung 5.1: stabile und instabile Ruhelagen
Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer
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
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
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
Mehrν und λ ausgedrückt in Energie E und Impuls p
phys4.011 Page 1 8.3 Die Schrödinger-Gleichung die grundlegende Gleichung der Quantenmechanik (in den bis jetzt diskutierten Fällen) eine Wellengleichung für Materiewellen (gilt aber auch allgemeiner)
MehrMathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation
Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter
MehrPartitionen II. 1 Geometrische Repräsentation von Partitionen
Partitionen II Vortrag zum Seminar zur Höheren Funktionentheorie, 09.07.2008 Oliver Delpy In diesem Vortrag geht es um Partitionen, also um Aufteilung von natürlichen Zahlen in Summen. Er setzt den Vortrag
MehrReihen/Partialsummenfolgen und vollständige Induktion. Robert Klinzmann
Reihen/Partialsummenfolgen und vollständige Induktion Robert Klinzmann 3. Mai 00 Reihen / Partialsummen 1 Inhaltsverzeichnis 1 Vorwort Das Prinzip der vollständigen Induktion 3 3 Herleitung der Gauß schen
MehrSymmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome
Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrDie Taylorreihe einer Funktion
Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 014/015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 7 Abgabetermin: Freitag, 05.1.014, 11 Uhr Aufgabe 7.1 (Vektorräume
MehrDefinition: Variablentransformation d. Form (2) heisst "kanonisch", wenn sie d. Form der kanonischen Bewegungsgleichungen erhält, d.h.
Zusammenfassung: kanonische Transformationen Definition: Variablentransformation d. Form (2) heisst "kanonisch", wenn sie d. Form der kanonischen Bewegungsgleichungen erhält, d.h., wenn ein existiert,
MehrHöhere Mathematik für Physiker II
Universität Heidelberg Sommersemester 2013 Wiederholungsblatt Übungen zur Vorlesung Höhere Mathematik für Physiker II Prof Dr Anna Marciniak-Czochra Dipl Math Alexandra Köthe Fragen Machen Sie sich bei
Mehr3. Übungsblatt Aufgaben mit Lösungen
. Übungsblatt Aufgaben mit Lösungen Aufgabe : Gegeben sind zwei Teilmengen von R : E := {x R : x x = }, und F ist eine Ebene durch die Punkte A = ( ), B = ( ) und C = ( ). (a) Stellen Sie diese Mengen
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
MehrMathematik für Anwender I
Prof. Dr. H. Brenner Osnabrück WS 20/202 Mathematik für Anwender I Vorlesung 30 Gewöhnliche Differentialgleichungen mit getrennten Variablen Definition 30.. Eine Differentialgleichung der Form y = g(t)
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;
Mehr2. Lagrange-Gleichungen
2. Lagrange-Gleichungen Mit dem Prinzip der virtuellen Leistung lassen sich die Bewegungsgleichungen für komplexe Systeme einfach aufstellen. Aus dem Prinzip der virtuellen Leistung lassen sich die Lagrange-Gleichungen
Mehr74 Gewöhnliche Differentialgleichungen / Sommersemester 2008
74 Gewöhnliche Differentialgleichungen / Sommersemester 2008 15 Flüsse Bisher wurde im wesentlichen die Abhängigkeit der Lösungen autonomer Systeme von der Zeit bei festem Anfangswert untersucht. Nun wird
MehrMathematik in der Biologie
Erich Bohl Mathematik in der Biologie 4., vollständig überarbeitete und erweiterte Auflage Mit 65 Abbildungen und 16 Tabellen ^J Springer Inhaltsverzeichnis Warum verwendet ein Biologe eigentlich Mathematik?
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
MehrLösung zur Übung 19 SS 2012
Lösung zur Übung 19 SS 01 69) Beim radioaktiven Zerfall ist die Anzahl der pro Zeiteinheit zerfallenden Kerne dn/dt direkt proportional zur momentanen Anzahl der Kerne N(t). a) Formulieren Sie dazu die
MehrElementare Beweismethoden
Elementare Beweismethoden Christian Hensel 404015 Inhaltsverzeichnis Vortrag zum Thema Elementare Beweismethoden im Rahmen des Proseminars Mathematisches Problemlösen 1 Einführung und wichtige Begriffe
MehrMathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder
DGL Schwingung Physikalische Felder Mathematik-Tutorium für Maschinenbauer II: Differentialgleichungen und Vektorfelder Johannes Wiedersich 23. April 2008 http://www.e13.physik.tu-muenchen.de/wiedersich/
Mehrkonvergent falls Sei eine allgemeine ("gutmütige") Funktion. Frage: kann man sie in der Nähe des Punktes darstellen mittels einer Potenzreihe in
C5 Funktionen: Reihenentwicklungen C5.1 Taylorreihen Brook Taylor (1685-1731) (Analysis-Vorlesung: Konvergenz von Reihen und Folgen) Grundlegende Frage: Wann / unter welchen Voraussetzungen lässt sich
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
MehrEinstieg in die Informatik mit Java
Vorlesung vom 07.01.2008 Übersicht 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme 3 Polygonzüge 4 Das Eulersche Polygonzugverfahren Warm-Up zum Jahresbeginn 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
MehrVorlesung. Vollständige Induktion 1
WS 015/16 Vorlesung Vollständige Induktion 1 1 Einführung Bei der vollständigen Induktion handelt es sich um ein wichtiges mathematisches Beweisverfahren, mit dem man Aussagen, die für alle natürlichen
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
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
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
MehrLineare Algebra II, Lösungshinweise Blatt 9
Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren
MehrKurze Geschichte der linearen Algebra
Kurze Geschichte der linearen Algebra Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Entwicklung Die Historische Entwicklung
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
Mehr2 Lagrange sche Bewegungsgleichungen
2 Lagrange sche Bewegungsgleichungen Ausgearbeitet von Christine Cronjäger, Klaus Grambach und Ulrike Wacker 2.1 Zwangsbedingungen: Zwangsbedingungen schränken die 3 Freiheitsgrade des Teilchens ein. Unterwirft
MehrVorlesung, 26. Mai 2011, Inhalt. Eigenwerte und Eigenvektoren. Gewöhnliche Differentialgleichungen
Vorlesung, 26. Mai 2011, Inhalt Eigenwerte und Eigenvektoren Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Es sei A eine n n-matrix, x ein vom Nullvektor verschiedener Vektor und λ
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrVorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion
Vorkurs Mathematik und Informatik Mengen, natürliche Zahlen, Induktion Saskia Klaus 07.10.016 1 Motivation In den ersten beiden Vorträgen des Vorkurses haben wir gesehen, wie man aus schon bekannten Wahrheiten
MehrMathematischer Vorkurs Lösungen zum Übungsblatt 5
Mathematischer Vorkurs Lösungen zum Übungsblatt 5 Prof. Dr. Norbert Pietralla/Sommersemester 2012 c.v.meister@skmail.ikp.physik.tu-darmstadt.de Aufgabe 1: Berechnen Sie den Abstand d der Punkte P 1 und
Mehr4.3 Anwendungen auf Differentialgleichungen
7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
Mehr2. Symmetrische Gruppen
14 Andreas Gathmann 2 Symmetrische Gruppen Im letzten Kapitel haben wir Gruppen eingeführt und ihre elementaren Eigenschaften untersucht Wir wollen nun eine neue wichtige Klasse von Beispielen von Gruppen
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
Mehr8. Übungsblatt Aufgaben mit Lösungen
8 Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Matrix Bestimmen Sie die allgemeine reelle Lösung des Differentialgleichungssystems u x = Aux für die A =, 9 indem Sie das System auf eine einzelne gewöhnliche
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
MehrSeminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe
Seminar Kommutative Algebra und Varietäten Vortrag 1: Ideale kommutativer Ringe Sebastian Dobrzynski 17042014 1 Grundsätzliches zu Idealen Vorab legen wir fest: Alle im Vortrag betrachteten Ringe sind
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
MehrHamilton-Formalismus
KAPITEL IV Hamilton-Formalismus Einleitung! IV.1 Hamilton sche Bewegungsgleichungen IV.1.1 Kanonisch konjugierter Impuls Sei ein mechanisches System mit s Freiheitsgraden. Im Rahmen des in Kap. II eingeführten
MehrInhalt. Vorwort Mittelwertsatz der Integralrechnung... 31
Inhalt Vorwort... 5 1 Stammfunktionen... 7 1.1 Erklärung der Stammfunktionen........................................... 7 1.2 Eigenschaften der Stammfunktionen.................................... 10 1.3
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
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 +
Mehr( ) ( ). Dann heißt die Zahl
Der Euklidische Abstand Seite 1 von 6 Der Euklidische Abstand Der Abstand zweier Punkte P und Q in der Modellebene ist eine Zahl, die von den Koordinaten der Punkte abhängt. Der Term, mit dem die Berechnung
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
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
Mehr