Sommersemester 2012 W. Huyer
|
|
- Clemens Hausler
- vor 6 Jahren
- Abrufe
Transkript
1 Übungen zu Numerische Mathematik Sommersemester 0 W. Huyer ) Bestimmen Sie mit Matlab (format short) den Wert der folgenden arithmetischen Ausdrücke und erklären Sie die Ergebnisse. Welche Klammern sind überflüssig? a) 8/-6 e) (e3-5e)*(0-50e-) i) (((4.6e*3)/)-.77e)^ b) 0//0.5e f) (-)^(-.) j) (8-3)^(3^(/3)) c) (5^4)/ g) 4*3^*^3 k) (8-3)^3^(/3) d) 5^(4/) h) (*5)/(3^-4)*6-9.6 l) ((8-3)^3)^(/3) ) Exekutieren Sie in Matlab die folgenden Befehle und erklären Sie ihren Zweck und die Resultate: x = [ 3 4 5] y = -: x.^y x.*y x./y A = rand(3) B = [A zeros(size(a)); eye(size(a)) ones(size(a))] C = sqrt(a) D = C*C E = C.*C 3) Geben Sie möglichst elegante Matlab-Anweisungen zum Abspeichern folgender Vektoren an: a) (, 0.8,..., 0.6, 0.8, ) b) (,, 4, 4, 6, 6,..., 6, 6) c) (,,..., 8, 0, 3, 4, 5,..., 9, 0) d) (,, 4, 5, 7, 8, 0,,..., 9, 0,, 3) 4) Geben Sie möglichst elegante Matlab-Befehle zum Abspeichern der folgenden Matrizen an: , ) Geben Sie Matlab-Anweisungen an, um eine obere bzw. eine untere Dreiecksmatrix der Dimension 0 zu generieren, die auf der Hauptdiagonale und 3 auf der zweiten oberen (bzw. unteren) Diagonale hat. (Hinweis: help diag.) Vertauschen Sie zuerst die dritte und siebenten Zeile dieser Matrizen und dann die vierte und achte Spalte. 6) Überprüfen Sie mit Matlab, ob die folgenden Vektoren im R 4 linear abhängig sind: v = (0,, 0, ), v = (,, 3, 4), v 3 = (, 0,, 0), v 4 = (0, 0,, ).
2 7) Lösen Sie das folgende Gleichungssystem mit Matlab: x + y + 5z = 5 x + y + 3z = 7 x + 3y + 3z = 6 8) Beweisen Sie, dass i i eine reelle Zahl ist, und überprüfen Sie das mit Matlab. 9) Plotten Sie die Funktionen f(x) = (sin x) und g(x) = (cos x) 3 im Intervall [0, π]. Setzen Sie dazu die x-grenzen auf [0, π] und die y-grenzen auf vernünftige Werte. 0) Das Integral I n = 0 xn e x dx, n = 0,,,..., genügt der Rekursion (partielle Integration!) I 0 = e, I n+ = (n + )I n, n = 0,,.... Beweisen Sie lim n I n = 0 und vergleichen Sie mit dem numerischen Resultat, indem Sie I n, n = 0,..., 80, mit einem Matlab-Programm mit der obigen Rekursion berechnen. ) Schreiben Sie eine Matlab-Funktion für die Berechnung des Binomialkoeffizienten ( n k) = n!, wobei n und k zwei nichtnegative ganze Zahlen mit k n sind. Hinweis: Mit k!(n k)! der Matlab-Funktionen mod oder rem kann man überprüfen, ob eine Zahl eine ganze Zahl ist. ) Schreiben Sie eine Matlab-Funktion, die zu einer natürlichen Zahl n (Eingabeparameter) einen Vektor der Primzahlen zwischen und n ausgibt (also z.b. function p = prim(n)). Hinweis: Ein natürliche Zahl m ist genau dann eine Primzahl, wenn sie keinen Teiler k [, m ] N besitzt (verwenden Sie die Matlab-Funktion rem oder mod). Das Programm kann z.b. mit Hilfe einer doppelten for-schleife mit geeignetem break realisiert werden. 3) Schreiben Sie eine Matlab-Funktion, um die quadratische Gleichung ax + bx + c = 0 zu lösen. Die Funktion soll drei Eingabeparameter a, b, c haben und die Werte der zwei Wurzeln ausgeben. Sie sollten die folgenden Fälle berücksichtigen: a) keine reellen Wurzeln, b) reelle und verschiedene Wurzeln, c) gleiche Wurzeln, d) lineare Gleichung, e) a = b = 0 (sinnlose Eingabe). 4) Plotten Sie mit Matlab die Funktionen, die durch die folgenden drei arithmetischen Ausdrücke definiert sind: a) f (x) = + x x + x für < x und für x 0 5, b) f (x) = x + /x x /x für x 0 und für 0 7 x 0 8, tan x sin x c) f 3 (x) = für 0 < x und für 0 8 x 0 7. x Beachten Sie die starke Ungenauigkeit jeweils für die zweite Wahl. Hinweis: Nicht über Singularitäten drüber zeichnen (Intervall teilen), sinnvolle y- Grenzen wählen!
3 5) Berechnen Sie die folgenden Funktionen und ihre Ableitungen an den Punkten x = mit Hilfe von Differentialzahlen. Berechnen Sie für c) zur Probe einen Ausdruck für f (x) an x =. a) f(x) = ex + x, b) f(x) = ex (x + ) x, i=0 c) f(x) = (x + 3)(x ) + x x (x + 4) x +. n 6) Das Polynom f(x) = a i x n i werde am Punkt z mit Hilfe des Hornerschemas ausgewertet (mit den Bezeichnungen wie in der Vorlesung). Zeigen Sie, dass n f (z) wenn x = z, f i x n i = f(x) f(z) i=0 x z sonst. Hinweis: Zeigen Sie zuerst rekursiv, dass f i = i a j z i j für i = 0,..., n. j=0 7) Sei f(x) = a 0 x n + a x n + + a n ein Polynom n-ten Grades. Das vollständige Hornerschema ist gegeben durch f (0) i := a i (i = 0,..., n), f (j) j := a 0 (j =,..., n + ), f (j) i := f (j) i z + f (j ) i (j =,..., n +, i = j +,..., n + ). Zeigen Sie, dass für die Polynome gilt: g j (x) := n i=j f (j) i x n i (j = 0,..., n) a) g j (x) g j (z) = g j+ (x)(x z) (j = 0,..., n ), j b) f(x) = g 0 (x) = g k (z)(x z) k + g j (x)(x z) j k=0 c) f (j+) n+ = g j (z) = f (j) (z) j! (j =,..., n). (j =,..., n), Hinweis: a) erhält man, indem man Bsp. 6 auf das Polynom g j (x) anwendet. Durch wiederholte Anwendung von a) auf g j (x)(x z) j folgt b). Teil c) erhält man, wenn man die Taylorentwicklung von f(x) um z mit b) mit j = n vergleicht. Das vollständige Hornerschema kann zur Berechnung von höheren Ableitungen verwendet werden. 3
4 8) Schreiben Sie ein Programm für das vollständige Hornerschema und berechnen Sie damit für das Polynom p(x) = 4x 4 8x + 5x die Werte p(x), p (x) und p (x) für x =.5 und für x = 4/3. 9) Ein Dualbruch der Form r := (0.a a... a k ) mit a ν {0, } (ν =,..., k) kann dargestellt werden als r = k a ν 0.5 ν ν=0 mit a 0 = 0. Wandeln Sie den Dualbruch ( ) mit Hilfe des Hornerschemas in eine Dezimalzahl um. 0) Auf einem Rechner mit L-ziffriger Mantisse, Basis B {, 0} und optimaler Rundung werde der folgende Algorithmus durchgeführt: x = /3, y = 3(x 0.5) 0.5 /5, falls y = 0, z = e y sonst. y a) Welcher Wert ergibt sich für z? Was erhält man mit Matlab? Begründen Sie die Abweichung vom exakten Ergebnis z =. b) Konvergieren die numerisch ermittelten Werte von z für L gegen die Lösung z =? Hinweis: Wenn x der durch optimale Rundung von x, B e < x < B e (e Z), mit L-ziffriger Mantisse zur Basis B erhaltene Wert ist, so gilt x x Be L. ) Berechnen Sie die Inverse der Matrix (Hilbertmatrix der Dimension 3) A = a) genau; b) indem alle Operationen auf 3 Stellen gerundet werden. ) Für einen Vektor v der Dimension n kann man mit c=poly(v) die Koeffizienten des Polynoms n k= (x v(k)) generieren. In exakter Arithmetik gilt v = roots(poly(v)). Durch Rundungsfehler kann das verletzt sein. Überprüfen Sie das, indem Sie roots(poly(:n)) für n =,..., 5 berechnen. Der Fall n = 0 ist das berühmte Beispiel von Wilkinson. 4
5 3) Es seien w 0, x R, w 0, x > 0, n N, n, und für i = 0,,,... definieren wir Zeigen Sie, dass für w 0 n x w i := x/w n i, w i+ := ((n )w i + w i )/n. w < w < < w i < < n x < < w i < < w < w gilt und dass die Folgen {w i } und { w i } gegen w := n x konvergieren. Hinweis: Gleichung zwischen dem geometrischen und dem arithmetischen Mittel. 4) Seien die Folgen {w i } und { w i } wie in Bsp. 3 gegeben. a) Berechnen Sie für x = 4, w 0 =, n = 3, 4 in jedem Fall w i, w i (i 7) und drucken Sie die Werte von i, w i und w i in format long aus. b) Berechnen Sie für x = 4, w 0 =, n = 5, 50, 75, 00 in jedem Fall w i, w i (i n) und drucken Sie die Werte von i, w i und w i in format long aus. Schließen Sie aus diesen Resultaten, dass die Iteration für die praktische Berechnung von n x für große n ungeeignet ist. x n 5) Für n N 0 sei y n := 0 x + 5 dx. Zeigen Sie, dass für alle n 0 gilt: y n+ = n + 5y n, und berechnen Sie die y n für 0 n 5 mit dieser Rekursion. Was fällt dabei auf? 6) (Wie man e x nicht berechnen soll.) Zu gegebenem x R soll der Wert e x mit Hilfe der Reihenentwicklung e x x ν = näherungsweise bestimmt werden. Dazu berechnet ν! ν=0 n x ν man die Partialsummen s n (x) := für n = 0,,,.... Für x = 0 soll durch eine ν! ν=0 Restgliedabschätzung ein n angegeben werden, für das der absolute Fehler s n (x) e x < 0 6 wird. Berechnen Sie u = s n ( 0) für dieses n, v=exp(-0) und v-u mit Matlab. Wie ist das schlechte Ergebnis zu erklären? 7) Formen Sie die arithmetischen Ausdrücke von Bsp. 4 so um, dass ein möglichst kleiner Genauigkeitsverlust entsteht für x für a), für x für b) und für 0 < x für c). Berechnen Sie f (x) für x = 0 3, B = 0 und L =,, 4, 8 mit der Hand und vergleichen Sie die erhaltenen Werte für den ursprünglichen und den umgeformten Ausdruck. 8) Betrachten Sie die Folge z =, z n+ = n / 4 n z n, n =, 3,..., die für n gegen π konvergiert. Berechnen Sie z n und z n π für n = 3,..., 3 mit Matlab und drucken Sie es in format long aus. 9) Welche der folgenden Ausdrücke sind instabil? Geben Sie im instabilen Fall eine stabile Version des Ausdruckes an. a) x + x, x positiv und klein b) sin(x + c) sin(x), x π, c klein 5
6 c) arctan(a + ) arctan(a), a klein d) + 3x x + x, x groß e) cos x, x π x f) cosh x sinh x, x positiv und groß g) cosh x sinh x, x negativ und groß h) (ex e x ), x groß i) n π, n N groß j) tan x sin x, x klein 30) Für die Lösungen x und x einer quadratischen Gleichung der Form a 0, gilt bekanntlich ax + bx + c = 0, x, = ( b ± b 4ac)/a. Bestimmen Sie mit Hilfe von dieser Formel die kleinere Lösung der Gleichung x = ( αx) (α > 0). Warum ist diese Formel instabil für kleine Werte von α? Leiten Sie eine bessere Formel für kleine α her. 3) Zu gegebenen Messwerten x i (i =,..., n) kann man die Standardabweichung σ n = tn /n entweder mit Hilfe von ( n t n = i= x i ) ( n ) x i n berechnen oder mit der folgenden Rekursion: Wir setzen s = x, t = 0 und berechnen für i =,..., n δ i = x i s i, s i = s i + δ i /i, i= t i = t i + δ i (x i s i ). a) Verifizieren Sie, dass man mit der Rekursion tatsächlich denselben Wert t n erhält. b) Berechnen Sie σ 0 für die Werte x i = ( i)/3000 (i =,..., 0) mit beiden Methoden und vergleichen Sie beide Ergebnisse mit dem exakten Wert, den man durch analytische Summation erhält. Hinweis: Verwenden Sie n i = i= n(n + ) und n i = i= n(n + )(n + ). 6 6
7 3) Eine Feder mit angehängter Masse m schwinge um die Ruhelage, wobei das Hooke sche Gesetz K(t) = Dx(t) erfüllt sei. Zusätzlich wirke auf die Masse m die äußere Kraft K a (t) := A cos(ω a t). Mit ω 0 := D/m lautet die Bewegungsgleichung Sie hat die Lösung ẍ(t) + ω 0x(t) = A m cos(ω at). x(t) = A/m cos(ω ωa ω0 a t). Für welche ω a ist das Problem schlecht konditioniert (t > 0 und ω 0 > 0 fest)? 33) Gegeben sind die beiden linearen Gleichungssysteme Ax = b (l), l =,, mit 0 3 A = , b() = 5 35, b() = a) Berechnen Sie von Hand die Dreieckszerlegung A = LR und berechnen Sie daraus die (exakten) Lösungen x (l) (l =, ), indem Sie die entsprechenden dreieckigen Gleichungssysteme lösen. b) Berechnen Sie die Fehler x (l) x (l) der Approximation x (l) = A\b (l), die mit der Standardlösung x = A\b von Ax = b in Matlab berechnet wurde. 34) Verwenden Sie den Backslash-Operator in Matlab, um die Gleichungssysteme Ax = b mit rechter Seite b = Ae (e := (,,, ) T ) und A = B k, k =,, 3, 4, 5, für B = zu lösen. Wie genau sind die Lösungen? 35) Schreiben Sie ein Matlab-Programm, das die Dreieckzerlegung ohne Pivotsuche durchführt, wenden Sie es auf die Matrix A = an, berechnen Sie A LR und begründen Sie das Resultat. 36) Es sei eine Dreieckszerlegung A = LR der Matrix A C n n gegeben. Sei B = A + uv T mit u, v C n. Zeigen Sie, dass das lineare Gleichungssystem Bx = b (b C n ) mit nur O(n ) zusätzlichen Operationen gelöst werden kann. Hinweis: Wenn in der Gleichung (A + uv T )x = b die Abkürzung λ := v T x eingeführt wird, kann man x durch A, u, v und λ ausdrücken. Indem man diesen Ausdruck für x in die Definition von λ einsetzt, kann man λ explizit berechnen. Dann kann man x durch A b und A u ausdrücken, d.h. durch die Lösungen von zwei Gleichungssystemen mit Koeffizientenmatrix A. 7
8 37) a) Zeigen Sie, dass die Matrix A := 3 invertierbar ist, aber keine Dreieckszerlegung besitzt. b) Geben Sie eine Permutationsmatrix P an, sodass P A eine nichtsinguläre Dreieckszerlegung hat, und geben Sie diese Dreieckszerlegung an. 38) a) Finden Sie eine explizite Formel für die Dreieckszerlegung der Blockmatrix I 0 0 I B I 0 0 A = 0 B.... R nd nd, B I wobei die Einheitsmatrizen und die Matrizen B in R d d sind. Hinweis: Machen Sie den Ansatz I 0 0 I 0 0 C. B I I... C L = 0 B , R = I I Cn 0 0 B L 0 0 R mit C,..., C n, L, R R d d, L linke untere Dreiecksmatrix, R rechte obere Dreiecksmatrix. b) Zeigen Sie, dass die Spaltenpivotsuche in den ersten (n )d Zeilen keine Zeilenvertauschungen produziert, wenn alle Einträge von B vom Betrag < sind. c) Zeigen Sie, dass für eine Matrix B mit konstanten Einträgen β mit d < β < einige Einträge des oberen Dreiecksfaktors R exponentiell mit n wachsen. d) Überprüfen Sie die Gültigkeit von a) c) mit einem Matlab-Programm für selbst gewählte Matrizen dieser Form, indem Sie lu von Matlab verwenden. 39) Eine (nicht notwendigerweise symmetrische) n n-matrix A heißt diagonal dominant, wenn A jj > k j A jk für j =,..., n. Zeigen Sie: Eine symmetrische, diagonal dominante Matrix A mit A jj > 0, j =,..., n, ist positiv definit. 40) Bestimmen Sie eine Gerade p (x) := a 0 + a x und eine Parabel p (x) := b 0 + b x + b x so, dass 7 j= (p i(x j ) y j ) minimal wird für i =,. Dabei entnehme man die Werte (x j, y j ), j =,..., 7, der folgenden Tabelle: x j y j ) a) Zeigen Sie, dass man die Schritte und 3 im Algorithmus für Matrixinversion mit nur 4 3 n3 + O(n ) Operationen realisieren kann. 8
9 b) Verwenden Sie den Algorithmus, um (mit der Hand) die Inverse der Matrix aus Bsp. 33 zu berechnen, ausgehend von der berechneten Dreieckszerlegung. Hinweis zu a): Siehe Hinweis zu Bsp. 3. 4) a) In Schritt 4 des Algorithmus für die Matrixinversion müssen die Vertauschungen, durch die man die Permutationsmatrix erhält, auf die Spalten und in umgekehrter Reihenfolge angewendet werden. Warum? b) Schreiben Sie ein Matlab-Programm, das den Algorithmus verwirklicht (verwenden Sie Bsp. 4) und wenden Sie es an, um die Inverse der Matrix zu berechnen. Bestimmen Sie dabei die LR-Zerlegung mit [L,R,P]=lu(A). Vergleichen Sie mit der eingebauten Matlab-Routine inv(a). 43) Zeigen Sie, dass alle Normen auf C n äquivalent sind, d.h., wenn und zwei beliebige Normen auf C n sind, dann gibt es immer Konstanten 0 < c, d R, sodass für alle x C n c x x d x. Was sind die bestmöglichen Konstanten (größtmögliches c, kleinstmögliches d) für Paare von p-normen (p =,, )? 44) Beweisen Sie für eine Matrix A C n n Folgendes: a) Wenn Ax γ x für alle x C n mit einem γ > 0 und einer beliebigen Vektornorm, dann existiert A, und es gilt A γ für die zur Vektornorm gehörige Matrixnorm. b) Wenn x H Ax γ x für alle x C n mit einem γ > 0, dann gilt A γ. c) Wenn der Nenner auf der rechten Seite der folgenden zwei Ausdrücke positiv ist, dann gilt: ( A / min A ii ) A ik, i k i ) ( A / min A kk A ik k i k Hinweis: Für x, y C n gilt x H y x y. 45) Sei x die Lösung des linearen Gleichungssystems 3 x + 7 x = 0, 4 x x = 99 () 80. a) Berechnen Sie (mit der Hand) die Konditionszahl der Koeffizientenmatrix für die Zeilensummennorm ( -Norm). b) Bei Darstellung der Koeffizienten A ik mit drei Stellen hinter dem Dezimalpunkt möge () die folgende Gestalt haben: x x = 0.477, 0.50x x = ()
10 Die Lösung von () sei x. Berechnen Sie den relativen Fehler x x / x aus den exakten Lösungen x und x von () bzw. () (Rechnung mit der Hand mit Brüchen). Bemerkung: Mit optimal gerundeter rechter Seite (0.476 und 0.354) erhält man x als Lösung von (). 46) Verwenden Sie die Matlab-Funktion cond, um die Konditionszahlen der Matrizen A mit A ik = f k (x i ) (k =,..., n +, i =,..., n + ), x i = (i )/n für n = 5, 0 und 5 und die folgenden Polynombasen (für den Raum der Polynome vom Grad n) zu berechnen: a) f k (x) = x k, b) f k (x) = (x )k, c) f k (x) = T k (x ), wobei T k (x) := cos(k arccos x) das k-te Tschebyscheff-Polynom ist, d) f k (x) = n+k j=n+3 k, j gerade (x x j/). Plotten Sie in jedem Fall einige Basisfunktionen auf [0, ]. (Nur die Basen mit kleinen Konditionszahlen sind geeignet, um für einen Kleinste-Quadrate-Fit verwendet zu werden.) 47) a) Implementieren Sie eine auf der Matlab-Operation x = A\b zur Lösung von Ax = b basierende Nachiteration. b) Testen Sie das Programm mit den Hilbert-Matrizen A ik = /(i+k ) (vgl. Bsp. ) der Dimension n = 5, 0, 5, 0 (hilb(n)) und der rechten Seite b = e (Vektor mit nur Einsern). Nach wievielen Schritten Nachiteration ist das Abbruchkriterium in diesen Fällen erfüllt? c) Sei x = A\b und x der nach der Nachiteration erhaltene Vektor. Vergleichen Sie die Qualität dieser Lösungen von Ax b (z.b. durch Berechnung von Ax b und A x b für eine Norm Ihrer Wahl oder Vergleich mit der exakten Lösung; für n = 5, 0 ist invhilb(n) noch einigermaßen exakt, bzw. Verwendung von Mathematica). d) Die Hilbertmatrizen sind ein Paradebeispiel für schlecht konditionierte Matrizen. Für wachsendes n sind sie immer schlechter konditioniert. Verifizieren Sie das, indem Sie die Konditionszahlen für die Dimensionen n = 5, 0, 5 und 0 berechnen. Wie erklärt das die Resultate von c)? 48) Schreiben ein Programm, das für eine gegebene Funktion und n gegebene paarweise verschiedene Stützpunkte das Newton-Interpolationspolynom vom Grad n (d.h. die dividierten Differenzen) berechnet, und ein zweites Programm, das das Newton- Interpolationspolynom auswertet. 49) Verwenden Sie die Programme aus Bsp. 48 für die folgenden Fragestellungen. a) Interpolieren Sie die Funktion f(x) = e x/0 an den äquidistanten Stützstellen x i := 5 + 0i/n, i = 0,..., n, und plotten Sie für n =, 4, 8, 6 f und das Interpolationspolynom p n auf [ 5, 5]. b) Berechnen Sie durch Auswertung von p n und f an 0 äquidistanten Stellen ein Maß für den maximalen Fehler max p n(x) f(x) x I für die Intervalle I = [, ] und I = [ 5, 5]. 50) Sei f : R R hinreichend differenzierbar. 0
11 a) Zeigen Sie, dass für die dividierten Differenzen gilt: d dx i f[x 0, x,..., x n ] = f[x 0, x,..., x i, x i, x i, x i+,..., x n ] für i = 0,..., n. b) Finden und beweisen Sie einen analogen Ausdruck für dk f[x dx k 0, x,..., x n ]. i 5) Zeigen Sie, dass die Lagrange-Polynome als L j (x) = q[x, x j ]/q[x j, x j ] geschrieben werden können mit q(x) = (x x 0 ) (x x n ). 5) Sei d i := f[x 0,..., x i ] und x 0 0 d 0 x d A n := , D n := diag(,...,, d n ) R n n. x n d n 0 d n x n d n Zeigen Sie, dass das Newton-Interpolationspolynom für f an x 0,..., x n durch p n (x) = det(d n x A n ) gegeben ist (n ). 53) Bestimmen Sie das Interpolationspolynom p 0 (x) für die Funktion f(x) = sin(πx) mit den äquidistanten Stützstellen x i := + i/0, i = 0,..., 0 und das Interpolationspolynom p 0 (x) für die gestörten Daten f(x i ) := sin(πx i ) + ( ) i+ 0 4, i = 0,..., 0. Plotten Sie die Graphen von f, p 0 und p 0 auf dem Intervall [, ] und berechnen Sie mit Hilfe der Auswertung an 00 äquidistanten Punkten Schätzwerte für max x [,] f(x) p 0 (x) und max x [,] f(x) p 0 (x). 54) Gegeben seien (x 0, y 0, y 0) := (, 3, 9), (x, y, y ) := (0, 0, ) und (x, y, y ) := (, 3, 9). Bestimmen Sie (mit der Hand mit dividierten Differenzen) das Hermite-Interpolationspolynom p(x) vom Grad 5 mit p(x i ) = y i und p (x i ) = y i, i = 0,,. 55) Die Tschebyscheff-Punkte minimieren den Ausdruck x j := cos j + π, j = 0,..., n, (n + ) max q n(x), x [,] wobei q n (x) := (x x 0 ) (x x n ). Zeigen Sie das für n = und drücken Sie x 0 und x mit Hilfe von Wurzelausdrücken aus. 56) Es sei f(x) :=, x [, ]. + 5x a) Bestimmen Sie für n = 4, 6, 8, 0 das Interpolationspolynom p n zu den äquidistanten Stützstellen x i := + i/n, i = 0,..., n. Plotten Sie f und p n, n = 4, 6, 8, 0, und berechnen Sie wie in Bsp. 53 ein Maß für den maximalen Fehler. b) Analog für die Tschebyscheff-Punkte x i = cos( i+ π), i = 0,..., n. (n+)
12 57) Sei f(x) := e x. Berechnen Sie mit Hilfe von a) Vorwärts-Differenzenquotienten und b) zentralen Differenzenquotienten Näherungswerte für f () für die Schrittweiten h = 0 i, i =,..., 5, und die Fehler f[, + h] e bzw. f[ h, + h] e. Was ist jeweils die optimale Schrittweite? 58) Es sei S(x) ein kubischer Spline über dem durch x < x < < x n gegebenen Gitter mit S(x) = α j + β j (x x j ) + γ j (x x j )(x x j+ ) + δ j (x x j ) (x x j+ ) (3) für x [x j, x j+ ]. Schreiben Sie ein Programm, das zu gegebenen α j, β j, γ j, δ j, j =,..., n, und gegebenem Gitter die Splinefunktion S(x) an einer beliebigen Stelle x R auswertet. Pro Argument sollen dabei nur 3 Multiplikationen verwendet werden. Hinweis: Imitieren Sie das Horner-Schema! 59) Zu einem gegebenen Gitter x < x < < x n und gegebenen Funktionswerten f(x j ), j =,..., n, soll ein kubischer Spline S(x) der Form (3) mit S(x j ) = f(x j ), j =,..., n, bestimmt werden. Die Koeffizienten α j, β j, γ j, δ j (j =,..., n ) kann man aus den f(x i ) und den Momenten m i := 6 S (x i ) berechnen, und zwar gilt α j = f(x j ), β j = f[x j, x j+ ], γ j = m j + m j+, δ j = (m j+ m j )/h j, h j = x j+ x j, j =,..., n, wobei die Momente m j dem Gleichungssystem ( q j )m j + m j + q j m j+ = f[x j, x j, x j+ ], j =,..., n, (4) genügen mit q j := h j /(h j + h j ), j =,..., n. Zusätzlich sei S(x) bei x und x n knotenfrei, was zu den zusätzlichen Bedingungen ( h ) ( m + + h ) m = f[x, x, x 3 ] h h und ( + h ) ( n m n + h ) n m n = f[x n, x n, x n ] h n h n führt, und insgesamt erhält man ein tridiagonales Gleichungssystem Am = d für m := (m,..., m n ) T. a) Schreiben Sie ein Programm, das zum Gitter x j und den Funktionswerten f(x j ), j =,..., n, die Koeffizienten α j, β j, γ j, δ j, j =,..., n, berechnet (γ j und δ j aus den Momenten, wobei das Gleichungssystem Am = d einfach mit dem Backslash- Operator gelöst werden soll). b) Testen Sie das Programm durch Interpolation der Funktion f(x) = cosh x, x [, ], an den äquidistanten Punkten x j := + (j )h für h = 0.4 und j =,...,. Plotten Sie f(x) und S(x) mit Hilfe von Bsp. 58 und berechnen Sie mit Hilfe der Auswertung von f(x) S(x) an einem engen äquidistanten Gitter (z.b. mit Schrittweite 0.0) einen Schätzwert für den Fehler max x [,] f(x) S(x). 60) Ein kubischer Spline S, der auf einem Gitter x < x < < x n interpoliert, heißt natürlicher Spline, wenn für die Momente gilt: m = m n = 0 (bzw. S (x ) = S (x n ) = 0). Auch hier erhält man die Momente m i aus einem linearen tridiagonalen Gleichungssystem und daraus die Koeffizienten α j, β j, γ j, δ j, j =,..., n, in (3) wie in Bsp. 59. a) Schreiben Sie das aus (4) und m = m n = 0 resultierende Gleichungssystem für m,..., m n hin. b) Analog zu Bsp. 59 a) für den natürlichen Spline.
13 c) Berechnen Sie für f(x) =, x [, ], eine natürliche kubische Spline- + 5x Interpolierende zum äquidistanten Gitter x i = + (i )/n, i =,..., n, für n = 6, und plotten Sie f, S 6 und S. 6) Auf dem Intervall [, ] seien die Knoten x =, x = 0 und x 3 = gegeben. Welche Eigenschaften eines natürlichen kubischen Splines bezüglich der zugehörigen Zerlegung besitzt die folgende Funktion, und welche besitzt sie nicht? { (x + ) + (x + ) 3 für x 0, f(x) = 4 + (x ) + (x ) 3 für 0 < x. 6) Wiederholen Sie Bsp. 53 mit den natürlichen kubischen Spline-Interpolierenden S und S und schließen Sie daraus, dass der kubische Spline weniger empfindlich auf kleine Störungen reagiert als das Lagrange-Interpolationspolynom. 63) Beweisen Sie die Fehlerabschätzung b a ( a + b ) f(x) dx = (b a)f + (b a)3 f (ξ), 4 ξ [a, b], für die Rechteckregel (oder Mittelpunktsregel), wenn f als zweimal stetig differenzierbar auf dem Intervall [a, b] vorausgesetzt wird. 64) Eine Quadraturformel vom Typ n j= αf(x j) für b f(x) dx, bei der alle Gewichte gleich a sind und die für Polynome p(x) vom Grad n exakt ist, heißt Tschebyscheff sche Quadraturformel. Bestimmen Sie Stützstellen und Gewichte solcher Quadraturformeln für n =,, 3. (Solche Quadraturformeln existieren nur für n 7 und n = 9.) Hinweis: Die Stützstellen müssen immer symmetrisch um den Mittelpunkt liegen. Machen Sie also für n = den Ansatz x = a+b δ, x = a+b + δ und für n = 3 den Ansatz x = a+b δ, x = a+b, x 3 = a+b + δ. 65) Seien das Intervall [a, b] und die Knoten x j := a + jh, j = 0,,, 3, mit h := (b a)/3 gegeben. Leiten Sie eine Quadraturformel Q(f) = 3 i=0 α if(x i ) her, die Polynome vom Grad 3 exakt integriert (Newton sche 3 -Regel). Ist Q(f) auch für Polynome vom Grad 8 4 exakt? 66) Zur näherungsweisen Berechnung von b f(x) dx, f a C6 [0, ], können die folgenden Verfahren angewendet werden (h := (b a)/n): ( ) b N f(x) dx = h f(a) + f(a + νh) + f(b) (b a)h f (ξ ), a (zusammengesetzte Trapezregel), ( b a f(x) dx = h 6 f(a)+ N ν= (zusammengesetzte Simpsonregel), ( b a f(x) dx = h 90 7f(a) + 3 N + 4 ν= ν= f(a+νh)+4 N ν= N ν= ( f a + f(a + νh) + 7f(b) ( f a+ ) ) (ν )h +f(b) ) (ν )h + 4 ) (zusammengesetzte Milne-Regel) mit ξ i [a, b], i =,, 3. 3 N ν= (b a)h f (6) (ξ 3 ) ( f a + (b a)h4 f (4) (ξ ) 880 ) (ν )h
14 a) Sei f(x) := x 3/. Bestimmen Sie für jedes der drei Verfahren das kleinste N derart, dass die Absolutbeträge der Restglieder 0 4 sind. Wieviele Funktionsauswertungen sind mit diesem N bei der numerischen Berechnung jeweils auszuführen? b) Schreiben Sie ein Programm für das gemäß a) günstigste Verfahren und berechnen Sie damit eine Näherung für das Integral 0 x3/ dx mit der gewünschten Genauigkeit. Vergleichen Sie mit dem exakten Wert von 0 x3/ dx. 67) Schreiben Sie ein Programm, um eine Approximation des Integrals b a zusammengesetzten Simpsonregel zu berechnen, und benutzen Sie es, um π = 4 f(x) dx mit der mit einem absoluten Fehler 0 5 zu berechnen. Wieviele äquidistante Punkte sind hinreichend, wenn Rundungsfehler vernachlässigt werden? Berechnen Sie auch S N (f) π. 4 68) Schreiben Sie auch noch ein Programm für die zusammengesetzte Trapezregel. Bestimmen Sie jeweils ein N, um die folgenden Integrale mit der zusammengesetzten Trapezund Simpsonregel mit einem absoluten Fehler 0 4 zu berechnen. Berechnen Sie die zugehörigen Fehlerschranken gemäß Bsp. 66 und die Approximationen und vergleichen Sie sie mit den exakten Werten für b f(x) dx. a a) ex dx, b) 0 e x dx, c) π/ sin x dx, d) π/3 x cos(x) dx ) Gegeben sei das Anfangswertproblem y = y, y(0) =. 0 dx +x a) Geben Sie die Lösung des Anfangswertproblems an. b) Geben Sie einen geschlossenen Ausdruck für die Näherungswerte y i beim Euler- Verfahren mit Schrittweite h an. c) Wie groß ist n zu wählen, damit der relative Fehler 0 4 in [0, ] ist für h = n? d) Führen Sie n Schritte mit dem in c) bestimmten n und h durch, lassen Sie sich y i und y i y( i n ) für i =,..., 0 ausgeben und bestimmen Sie max i n y i y( i n ). 70) Die Funktion y(t) = t /4 ist eine Lösung des Anfangswertproblems y = y, y(0) = 0. Die Anwendung des Euler-Verfahrens liefert jedoch y i = 0 für alle i und h > 0. Verifizieren Sie dieses Verhalten und erklären Sie es. 7) Gegeben sei das Anfangswertproblem y (t) = y(t), y(0) =, y (0) = 0. Berechnen Sie eine Näherung für y(0.4) und vergleichen Sie sie mit dem wahren Wert, indem Sie a) die Differentialgleichung in ein System von gewöhnlichen Differentialgleichungen erster Ordnung umformen und das Euler-Verfahren mit Schrittweite h = 0. anwenden; b) die folgende Rekursion verwenden, die von einer abgeschnittenen Taylorentwicklung abgeleitet ist: y 0 := y(0), z 0 := y (0), y i+ := y i + hz i + h F (t i, y i ), z i+ := z i + hf (t i, y i ), i = 0,..., 3, h = 0., wobei F (t, y) := y. Interpretieren Sie diese Regel geometrisch. 4
15 7) Das Adams-Bashforth-Verfahren der Ordnung 3 (mit konstanter Schrittweite h) für ein Anfangswertproblem y = F (t, y), y(t 0 ) = y 0, ist gegeben durch y i+ := y i + h (3F (t 0 +(i )h, y i ) 6F (t 0 +(i )h, y i )+5F (t 0 +(i 3)h, y i 3 )) für i. Wenden Sie dieses Verfahren auf das Anfangswertproblem aus Bsp. 69 für h = 0.0 auf dem Intervall [0, ] an mit a) y 0 =, y = e h, y = e 4h (korrekte Werte), b) y 0 =, y = ( + h 3 ) 0000, y = ( + h 3 ) 0000 (Euler-Näherungen mit Schrittweite h 3 für y und y ). Tabellieren Sie jeweils die Näherung y 0i, den exakten Wert y( i ) und den Fehler 0 y0i y( i ) für i =,..., 0 und berechnen Sie den maximalen Fehler max 0 i 00 y i y( i ) ) Gegeben sei das Anfangswertproblem y = t t 3, y(0) = 0. Bestimmen Sie die exakte Lösung y(t) und die mit dem Euler-Verfahren und mit dem Adams-Bashforth-Verfahren aus Bsp. 7 (mit exakten Anfangsdaten) bestimmten Näherungslösungen für die Schrittweite h = 0.0 auf dem Intervall [0, ]. Tabellieren Sie y( i ) 0 und die zugehörigen Approximationen (4 Nachkommastellen) und bestimmen Sie die maximalen Fehler beider Verfahren. 74) Benutzen Sie zur Bestimmung der Nullstelle x = von f(x) := x im Intervall [0, ] die folgende Variante des Sekantenverfahrens: % Setzen der Startwerte x 0 = 0; x 0 = ; i = 0; while x = x i f( x i )/f[ x i, x i ] if f(x i )f(x) > 0 x i+ = x; x i+ = x i ; else x i+ = x i ; x i+ = x; end i = i + ; end Drucken Sie i, x i und x i für i =,,..., 6 zu 5 Dezimalen aus und führen Sie die Iteration durch, bis x 0 9. Interpretieren Sie die Resultate! 75) a) Bestimmen Sie die Nullstelle von f(x) = log x + e x 00x im Intervall [, 0] mit dem Sekantenverfahren und dem Sekantenbisektionsverfahren mit x = und x = 0. Verwenden Sie für das Sekantenbisektionsverfahren das Programm secbis.m von (von Prof. Neumaier) und schreiben Sie für das Sekantenverfahren selbst ein Programm. Drucken Sie für beide Verfahren i und x i (i =,,... ) aus, bis der Fehler (bzw. für das Sekantenverfahren x i x i ) 0 9 ist. Interpretieren Sie die Ergebnisse. b) Wählen Sie für die obige Funktion x = 6 und x = 7 und iterieren Sie mit dem ursprünglichen Sekantenverfahren, bis x i x i 0 9. Drucken Sie die Werte von i und x i aus. 5
16 76) Welche Nullstelle von sin x wird mit dem Sekantenbisektionsverfahren secbis mit x = und x = 8 gefunden? 77) Führen Sie für die Funktionen f (x) = x 4 7x +x+ und f (x) = x 999x sechs Schritte des Newton-Verfahrens durch, wobei für f (x) der Startwert x 0 = 3 und für f (x) der Startwert x 0 = 365 gewählt werden soll. Interpretieren Sie die Ergebnisse. 6
Polynominterpolation
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
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
Mehr3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen
KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an
MehrNumerische Integration und Differentiation
Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
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
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
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
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
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
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
MehrNUMERISCHE MATHEMATIK I
D-MATH ETH Zürich, 22. August 2011 Prof. Ch. Schwab NUMERISCHE MATHEMATIK I 1. Interpolation und Quadratur (25 P.) a) Sei [a, b] R 1 mit a < b ein beschränktes Intervall, und f C 2 ([a, b]). Zeigen Sie,
MehrThemen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe
5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad
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.
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
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..................................
MehrApril (Voll-) Klausur Analysis I für Ingenieure. Rechenteil
April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten
MehrNUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002
NUMERISCHE MATHEMATIK II 1 (Studiengang Mathematik) Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2001/2002 1 Korrekturen, Kommentare und Verbesserungsvorschläge bitte
MehrKapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen
Kapitel 4 Interpolation 4 Allgemeines Nähere Funktion/Daten durch einfache Funktionen (eg Polynome) an Brauchbar für: - Integration - Differentiation [zb f(x) sei durch Polynom p(x) approximiert, F(x)
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
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
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
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
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
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
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:
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
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrÜbungen zur Vorlesung MATHEMATIK II
Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
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
MehrGewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael
Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und
Mehr3 Elementare Umformung von linearen Gleichungssystemen und Matrizen
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange
MehrBerechnungen mit dem Horner-Schema
Berechnungen mit dem Horner-Schema Das Hornerschema kann als Rechenhilfsmittel zur Berechnung von Funktionswerten von Polynomfunktionen, zur Faktorisieriung von Polynomen alternativ zur Polynomdivision
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
MehrIV. Stetige Funktionen. Grenzwerte von Funktionen
IV. Stetige Funktionen. Grenzwerte von Funktionen Definition. Seien X und Y metrische Räume und E X sowie f : X Y eine Abbildung und p ein Häufungspunkt von E. Wir schreiben lim f(x) = q, x p falls es
MehrStetigkeit von Funktionen
Stetigkeit von Funktionen Definition. Es sei D ein Intervall oder D = R, x D, und f : D R eine Funktion. Wir sagen f ist stetig wenn für alle Folgen (x n ) n in D mit Grenzwert x auch die Folge der Funktionswerte
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
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
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
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
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
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
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
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg WS 7/8 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. März 8 Sie haben 9 Minuten Zeit zum Bearbeiten
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
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.
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrOptimale 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
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.
MehrLineare Näherung. Anwendungen
Lineare Näherung. Anwendungen Jörn Loviscach Versionsstand: 1. Januar 2010, 17:15 1 Lineare Näherung Ist eine Funktion f an der Stelle x 0 differenzierbar, existiert dort ihre Ableitung f und es gilt:
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
MehrMathematik Übungsblatt - Lösung. b) x=2
Hochschule Regensburg Fakultät Informatik/Mathematik Christoph Böhm Sommersemester 204 Technische Informatik Bachelor IT2 Vorlesung Mathematik 2 Mathematik 2 4. Übungsblatt - Lösung Differentialrechnung
MehrNichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrKlausur zum Fach Mathematik 1 Teil 1
(Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 06.07.202 Klausur zum Fach Mathematik Teil Bearbeitungszeit: 90 Minuten Hilfsmittel: ein (beidseitig)
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 +
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
MehrIdentitätssatz für Potenzreihen
Identitätssatz für Potenzreihen Satz 3.56 Seien f (z) = a n z n und g(z) = b n z n zwei Potenzreihen mit positiven Konvergenzradien R f > 0 und R g > 0. Gilt f (z) = g(z) für alle z mit 0 z < min{r f,
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
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
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
MehrDie Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass
Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.
Mehr1 Übungen zu Mengen. Aufgaben zum Vorkurs B S. 1. Aufgabe 1: Geben Sie folgende Mengen durch Aufzählen ihrer Elemente an:
Aufgaben zum Vorkurs B S. 1 1 Übungen zu Mengen Geben Sie folgende Mengen durch Aufzählen ihrer Elemente an: A = {x N 0 < x < 4, 8} B = {t N t ist Teiler von 4} C = {z Z z ist positiv, durch 3 teilbar
MehrZusammenfassung zu Numerische Mathematik I
Sara Adams Zusammenfassung zu Numerik I - WS 003/04 Inhaltsverzeichnis Zusammenfassung zu Numerische Mathematik I Sara Adams 11. August 004 Diese Zusammenfassung basiert auf der Vorlesung Numerische Mathematik
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
MehrLösungsvorschläge zum 14. Übungsblatt.
Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine
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:
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dipl.-Math. Dipl.-Inf. Jürgen Bräckle Dr.-Ing. Markus
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
MehrAlgebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen
Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch
Mehrf(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
Mehr1. Aufgabe [2 Punkte] Seien X, Y zwei nicht-leere Mengen und A(x, y) eine Aussageform. Betrachten Sie die folgenden Aussagen:
Klausur zur Analysis I svorschläge Universität Regensburg, Wintersemester 013/14 Prof. Dr. Bernd Ammann / Dr. Mihaela Pilca 0.0.014, Bearbeitungszeit: 3 Stunden 1. Aufgabe [ Punte] Seien X, Y zwei nicht-leere
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 4
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=
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
Mehr2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!
Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist
MehrAufgaben zur Analysis I aus dem Wiederholungskurs
Prof. Dr. H. Garcke, Dr. H. Farshbaf-Shaker, D. Depner WS 8/9 Hilfskräfte: A. Weiß, W. Thumann 6.3.29 NWF I - Mathematik Universität Regensburg Aufgaben zur Analysis I aus dem Wiederholungskurs Die folgenden
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,
MehrGliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung
Matrixzerlegungen. 7. Vorlesung 170004 Numerische Methoden I Clemens Brand 29. April 2010 Gliederung Elimination faktorisiert A = L R Die A = L R Faktorisieren: Zerlege A in ein Produkt (einfacherer) Angenommen,
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrWirtschaftsmathematik Formelsammlung
Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation
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
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
MehrSchulstoff. Übungen zur Einführung in die Analysis. (Einführung in das mathematische Arbeiten) Sommersemester 2010
Übungen zur Einführung in die Analysis (Einführung in das mathematische Arbeiten) Sommersemester 010 Schulstoff 1. Rechnen mit Potenzen und Logarithmen 1. Wiederholen Sie die Definiton des Logarithmus
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
MehrTaylorentwicklung von Funktionen einer Veränderlichen
Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der
MehrZahlen und Gleichungen
Kapitel 2 Zahlen und Gleichungen 21 Reelle Zahlen Die Menge R der reellen Zahlen setzt sich zusammen aus den rationalen und den irrationalen Zahlen Die Mengen der natürlichen Zahlen N, der ganzen Zahlen
Mehr4) Lösen linearer Gleichungssysteme mit zwei oder drei Unbekannten
1) Wechsel der Darstellung Taschenrechner CASIO fx-991 ES Denn es ist eines ausgezeichneten Mannes nicht würdig, wertvolle Stunden wie ein Sklave im Keller der einfachen Berechnungen zu verbringen. Gottfried
Mehr2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.
Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum
MehrTaylor-Entwicklung der Exponentialfunktion.
Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunkt x 0 = 0 die
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
MehrDezimalzahlen. Analysis 1
Dezimalzahlen Definition. Eine endliche Dezimalzahl besteht aus - einem Vorzeichen +,, oder 0 - einer natürlichen Zahl d 0 - einer endlichen Folge von Ziffern d 1,...,d l von 0 bis 9. Die Länge l kann
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
MehrProseminar Lineare Algebra II, SS 11. Blatt
Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2
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
Mehr