Adaptivität II - Theorie
|
|
- Emilia Boer
- vor 6 Jahren
- Abrufe
Transkript
1 Adaptivität II - Theorie Hubertus Bromberger, Manuel Nesensohn, Johannes Reinhardt, Johannes Schnur 8. November 2007
2 Fazit des ersten Vortrages Ein geeignet verfeinertes Gitter ermöglicht massive Einsparung von Rechenzeit Die Genauigkeit wir dabei nicht oder kaum beeinträchtigt Bisher: intuitives, manuelles Vorghen Nachteil: aufwendig, nicht optimal Ziel: Entwicklung von Methoden und Werkzeugen zur Fehlerschätzung und dadurch zielgerichtete Gitterverfeinerung
3 Die Dual Weighted Residual Methode im R n
4 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b,
5 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b, und das approximierende Problem A h x h = b h
6 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b, und das approximierende Problem A h x h = b h Man führt folgende Bezeichnungen ein:
7 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b, und das approximierende Problem A h x h = b h Man führt folgende Bezeichnungen ein: approximation error: e := x x h.
8 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b, und das approximierende Problem A h x h = b h Man führt folgende Bezeichnungen ein: approximation error: e := x x h. residual: ρ := b Ax h.
9 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b, und das approximierende Problem A h x h = b h Man führt folgende Bezeichnungen ein: approximation error: e := x x h. residual: ρ := b Ax h. Durch Einsetzen erhält man Ae = b Ax h = ρ.
10 Die DWR - Methode im R n Sei A, A h R n n und b, b h R n, mit b h b und A h A für h 0. Wir betrachten das Problem Ax = b, und das approximierende Problem A h x h = b h Man führt folgende Bezeichnungen ein: approximation error: e := x x h. residual: ρ := b Ax h. Durch Einsetzen erhält man Ae = b Ax h = ρ.
11 Das duale Problem im R n Für j R n sei J(e) = J(u) J(x h ) = (e, j), das Fehlerfunktional.
12 Das duale Problem im R n Für j R n sei J(e) = J(u) J(x h ) = (e, j), das Fehlerfunktional. Dazu betrachten wir das duale Problem A z = j.
13 Das duale Problem im R n Für j R n sei J(e) = J(u) J(x h ) = (e, j), das Fehlerfunktional. Dazu betrachten wir das duale Problem A z = j. Für das Fehlerfunktional gilt dann: J(e) = (e, j) = (e, A z) = (Ae, z) = (ρ, z),
14 Das duale Problem im R n Für j R n sei J(e) = J(u) J(x h ) = (e, j), das Fehlerfunktional. Dazu betrachten wir das duale Problem A z = j. Für das Fehlerfunktional gilt dann: J(e) = (e, j) = (e, A z) = (Ae, z) = (ρ, z), was zu folgender Ungleichung führt: J(e) n ρ i z i. i=1
15 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden.
16 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional:
17 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen.
18 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen. Wählt man z.b. j = ei erhält man eine Fehlerabschätzung für die i-te Komponente.
19 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen. Wählt man z.b. j = ei erhält man eine Fehlerabschätzung für die i-te Komponente. Wählt man z.b. j = (1,..., 1) erhält man eine Abschätzung für e e n. Also einen gemittelten Fehler.
20 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen. Wählt man z.b. j = ei erhält man eine Fehlerabschätzung für die i-te Komponente. Wählt man z.b. j = (1,..., 1) erhält man eine Abschätzung für e e n. Also einen gemittelten Fehler. Berechnung der Elemente (ρ i, z i ) der Ungleichung:
21 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen. Wählt man z.b. j = ei erhält man eine Fehlerabschätzung für die i-te Komponente. Wählt man z.b. j = (1,..., 1) erhält man eine Abschätzung für e e n. Also einen gemittelten Fehler. Berechnung der Elemente (ρ i, z i ) der Ungleichung: Die Residuen ρi sind leicht zu berechnen.
22 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen. Wählt man z.b. j = ei erhält man eine Fehlerabschätzung für die i-te Komponente. Wählt man z.b. j = (1,..., 1) erhält man eine Abschätzung für e e n. Also einen gemittelten Fehler. Berechnung der Elemente (ρ i, z i ) der Ungleichung: Die Residuen ρi sind leicht zu berechnen. Um aber die Gewichte zi zu berechnen muss das duale Problem gelöst werden, was in den Anwendungen sehr aufwendig sein kann.
23 Fazit Damit haben wir jetzt eine a posteriori Abschätzung für das Fehlerfunktional gefunden. Eigenschaften des Fehlerfunktional: Durch die Wahl von j kann man den Fehler an einem einzelnen Element oder an einer Gruppe von Elementen abschätzen. Wählt man z.b. j = ei erhält man eine Fehlerabschätzung für die i-te Komponente. Wählt man z.b. j = (1,..., 1) erhält man eine Abschätzung für e e n. Also einen gemittelten Fehler. Berechnung der Elemente (ρ i, z i ) der Ungleichung: Die Residuen ρi sind leicht zu berechnen. Um aber die Gewichte zi zu berechnen muss das duale Problem gelöst werden, was in den Anwendungen sehr aufwendig sein kann.
24 Die Dual Weighted Residual Methode im unendlichdimensionalen
25 Die Laplace Gleichung Wir betrachten nun die Laplace-Gleichung mit homogenen Dirichlet-Randbedingungen auf einem Gebiet Ω R d u = f, u Ω = 0,
26 Die Laplace Gleichung Wir betrachten nun die Laplace-Gleichung mit homogenen Dirichlet-Randbedingungen auf einem Gebiet Ω R d u = f, u Ω = 0, beziehungsweise die schwache Formulierung: a(u, ϕ) := ( u, ϕ) = (f, ϕ) ϕ H0 1 (Ω) =: V
27 Die Laplace Gleichung Wir betrachten nun die Laplace-Gleichung mit homogenen Dirichlet-Randbedingungen auf einem Gebiet Ω R d u = f, u Ω = 0, beziehungsweise die schwache Formulierung: a(u, ϕ) := ( u, ϕ) = (f, ϕ) ϕ H0 1 (Ω) =: V Durch Diskretisierung erhalten wir folgendes Problem (V h V, endlichdimensional) a(u h, ψ h ) = (f, ψ h ), ψ h V h
28 Die Laplace Gleichung Wir betrachten nun die Laplace-Gleichung mit homogenen Dirichlet-Randbedingungen auf einem Gebiet Ω R d u = f, u Ω = 0, beziehungsweise die schwache Formulierung: a(u, ϕ) := ( u, ϕ) = (f, ϕ) ϕ H0 1 (Ω) =: V Durch Diskretisierung erhalten wir folgendes Problem (V h V, endlichdimensional) a(u h, ψ h ) = (f, ψ h ), ψ h V h Das Vorgehen ist nun analog zum endlichdimensionalen.
29 Die DWR-Methode im unendlichdimensionalen Fall Wir betrachten das duale Problem: a(ϕ, z) = J(ϕ), ϕ V = H 1 0, wobei J ein gegebenes Fehlerfunktional ist.
30 Die DWR-Methode im unendlichdimensionalen Fall Wir betrachten das duale Problem: a(ϕ, z) = J(ϕ), ϕ V = H 1 0, wobei J ein gegebenes Fehlerfunktional ist. Wir führen folgende Bezeichnungen ein:
31 Die DWR-Methode im unendlichdimensionalen Fall Wir betrachten das duale Problem: a(ϕ, z) = J(ϕ), ϕ V = H 1 0, wobei J ein gegebenes Fehlerfunktional ist. Wir führen folgende Bezeichnungen ein: V h = { v V : v K P(K), K T h }
32 Die DWR-Methode im unendlichdimensionalen Fall Wir betrachten das duale Problem: a(ϕ, z) = J(ϕ), ϕ V = H 1 0, wobei J ein gegebenes Fehlerfunktional ist. Wir führen folgende Bezeichnungen ein: V h = { v V : v K P(K), K T h } Definiere h K = diam(k) und
33 Die DWR-Methode im unendlichdimensionalen Fall Wir betrachten das duale Problem: a(ϕ, z) = J(ϕ), ϕ V = H 1 0, wobei J ein gegebenes Fehlerfunktional ist. Wir führen folgende Bezeichnungen ein: V h = { v V : v K P(K), K T h } Definiere h K = diam(k) und R h K := f + u h
34 Die DWR-Methode im unendlichdimensionalen Fall Wir betrachten das duale Problem: a(ϕ, z) = J(ϕ), ϕ V = H 1 0, wobei J ein gegebenes Fehlerfunktional ist. Wir führen folgende Bezeichnungen ein: V h = { v V : v K P(K), K T h } Definiere h K = diam(k) und R h K := f + u h { 1 r h Γ := 2 [ nu h ], falls Γ K \ Ω 0, falls Γ Ω
35 Skizze zu den Bezeichnungen
36 Die DWR-Methode im unendlichdimensionalen Fall Mit diesen Bezeichnungen können wir folgenden Satz formulieren:
37 Die DWR-Methode im unendlichdimensionalen Fall Mit diesen Bezeichnungen können wir folgenden Satz formulieren: Satz Für die approximierende Lösung gilt: J(e) = K T h {(R h, z ψ h ) K + (r h, z ψ h ) K } für ein beliebiges ψ h V h
38 für ein beliebiges ψ h V h. Die DWR-Methode im unendlichdimensionalen Fall Mit diesen Bezeichnungen können wir folgenden Satz formulieren: Satz Für die approximierende Lösung gilt: J(e) = K T h {(R h, z ψ h ) K + (r h, z ψ h ) K } für ein beliebiges ψ h V h und es gilt die a posteriori Ungleichung J(e) K T h ρ K ω K wobei ( ρ K := ω K := R h 2 K + h 1 K r h 2 K ) 1/2 ( z ψ h 2 K + h k z ψ h 2 K ) 1/2
39 Fehler der Energie-Norm : Beispiele J(ϕ) = ( ϕ, e) e 1
40 Fehler der Energie-Norm : Beispiele J(ϕ) = ( ϕ, e) e 1 Fehler an einer Stelle : ε J ε (ϕ) = (2ε) 1 ϕ = ϕ(0) + O(ε) ε
41 Fehler der Energie-Norm : Beispiele J(ϕ) = ( ϕ, e) e 1 Fehler an einer Stelle : ε J ε (ϕ) = (2ε) 1 ϕ = ϕ(0) + O(ε) ε
42 Beispiele 1: Energie-Norm Als ein erstes Beispiel betrachten wir folgendes Fehlerfunktional wobei e eine feste Größe ist. J(ϕ) = ( ϕ, e) e 1.
43 Beispiele 1: Energie-Norm Als ein erstes Beispiel betrachten wir folgendes Fehlerfunktional J(ϕ) = ( ϕ, e) e 1. wobei e eine feste Größe ist. Das duale Problem ist gegeben durch: a(ϕ, z) = ( ϕ, e) e 1, ϕ H 1 0.
44 Beispiele 1: Energie-Norm Als ein erstes Beispiel betrachten wir folgendes Fehlerfunktional J(ϕ) = ( ϕ, e) e 1. wobei e eine feste Größe ist. Das duale Problem ist gegeben durch: a(ϕ, z) = ( ϕ, e) e 1, ϕ H 1 0. In diesem Fall kann man z explizit durch z = e e 1 angeben.
45 Fortsetzung von Beispiel 1 Der Satz liefert die Ungleichung: J(e) = e ρ K ω K K T h K Th h 2 K ρ2 K 1/2 K Th h 2 K ω2 K 1/2
46 Fortsetzung von Beispiel 1 Der Satz liefert die Ungleichung: J(e) = e ρ K ω K K T h K Th h 2 K ρ2 K 1/2 K Th h 2 K ω2 K 1/2 und mit der Interpolationsungleichung inf ψ h V h K Th { } 1/2 h 2 K z ψ h 2 K + h 1 K z ψ h 2 K c 1 z
47 Fortsetzung von Beispiel 1 Der Satz liefert die Ungleichung: J(e) = e ρ K ω K K T h K Th h 2 K ρ2 K 1/2 K Th h 2 K ω2 K 1/2 und mit der Interpolationsungleichung inf ψ h V h folgt: K Th e c I K Th { } 1/2 h 2 K z ψ h 2 K + h 1 K z ψ h 2 K c 1 z h 2 K ρ2 K 1/2 z c I K Th h 2 K ρ2 K 1/2
48 Beispiel 2: lokaler Fehler (im R) Der Einfachheit halber sei Ω = ( 1, 1)
49 Beispiel 2: lokaler Fehler (im R) Der Einfachheit halber sei Ω = ( 1, 1) Betrachte folgendes Fehlerfunktional: ε J ε (ϕ) = (2ε) 1 ϕ = ϕ(0) + O(ε) ε
50 Beispiel 2: lokaler Fehler (im R) Der Einfachheit halber sei Ω = ( 1, 1) Betrachte folgendes Fehlerfunktional: Das duale Problem ist dann: ε J ε (ϕ) = (2ε) 1 ϕ = ϕ(0) + O(ε) ε a(ϕ, z) = J(ϕ), 1 1 ϕ z = ε ε ϕ ϕ Lösungsideen für das Duale Problem:
51 Beispiel 3: lokaler Fehler (im R 2 ) J ε (ϕ) = λ(b(0, ε)) ϕ = ϕ(0) + O(ε 2 ) B(0,ε)
52 Beispiel 3: lokaler Fehler (im R 2 ) J ε (ϕ) = λ(b(0, ε)) ϕ = ϕ(0) + O(ε 2 ) B(0,ε) Dann erhält man für den Fehler:
53 Beispiel 3: lokaler Fehler (im R 2 ) J ε (ϕ) = λ(b(0, ε)) ϕ = ϕ(0) + O(ε 2 ) B(0,ε) Dann erhält man für den Fehler: e(0) = c I K T h h3 K x 2 + e 2 ρ K.
54 Beispiel 3: lokaler Fehler (im R 2 ) J ε (ϕ) = λ(b(0, ε)) ϕ = ϕ(0) + O(ε 2 ) B(0,ε) Dann erhält man für den Fehler: e(0) = c I K T h h3 K x 2 + e 2 ρ K. Es ist also sinvoll um die Stelle 0 herum zu verfeinern.
Übungen 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)
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
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
Mehr10 Die Methode der finiten Elemente für ein parabolisches Problem
1 Die Methode der finiten Elemente für ein parabolisches Problem In diesem Kapitel untersuchen wir die Approximation von Lösungen der Modell-Wärmeleitungsgleichung in zwei räumlichen Dimensionen mithilfe
MehrRegularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator
Universität Bielefeld Regularitätsresultate für parabolische Gleichungen mit nichtlokalem Operator Matthieu Felsinger Universität Bielefeld Mathematisches Kolloquium, TU Clausthal 05. Februar 2014 1 Einleitung
MehrEinführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009
Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
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
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
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
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
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
Mehrκ Κα π Κ α α Κ Α
κ Κα π Κ α α Κ Α Ζ Μ Κ κ Ε Φ π Α Γ Κ Μ Ν Ξ λ Γ Ξ Ν Μ Ν Ξ Ξ Τ κ ζ Ν Ν ψ Υ α α α Κ α π α ψ Κ α α α α α Α Κ Ε α α α α α α α Α α α α α η Ε α α α Ξ α α Γ Α Κ Κ Κ Ε λ Ε Ν Ε θ Ξ κ Ε Ν Κ Μ Ν Τ μ Υ Γ φ Ε Κ Τ θ
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:
MehrFraktale Geometrie. 9: Metrische äußere Maße II. Universität Regensburg Sommersemester Daniel Heiß:
Universität Regensburg Sommersemester 013 Daniel Heiß: 9: Metrische äußere Maße II I Das mehrdimensionale Lebesguemaß 1.1 Definition (i) Für reelle Zahlen a b, c d ist ein Rechteck im R die Menge R = a,
MehrLösungen zu den Hausaufgaben zur Analysis II
Christian Fenske Lösungen zu den Hausaufgaben zur Analysis II Blatt 6 1. Seien 0 < b < a und (a) M = {(x, y, z) R 3 x 2 + y 4 + z 4 = 1}. (b) M = {(x, y, z) R 3 x 3 + y 3 + z 3 = 3}. (c) M = {((a+b sin
MehrApproximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente
. Session 6: Theoretische Geodäsie Approximation flächenhaft harmonischer Funktionen mittels bikubisch finiter Elemente 1 Jessica Franken Institut für Geodäsie und Geoinformation Professur für Theoretische
MehrDas Zweikinderproblem
Das Zweikinderproblem Definition Zweikinderproblem Eine Familie besitzt zwei Kinder. Wie groß ist die Wahrscheinlichkeit Pr[ Beide Kinder sind Mädchen. Eines der Kinder ist ein Mädchen ]? Lösung: Sei A
MehrIntegration über allgemeine Integrationsbereiche.
Integration über allgemeine Integrationsbereiche. efinition: Sei R n eine kompakte und messbare Menge. Man nennt Z = { 1,..., m } eine allgemeine Zerlegung von, falls die Mengen k kompakt, messbar und
MehrDer Primzahlsatz. Es gibt eine Konstante A, so daß f(x) g(x) Ah(x) für alle genügend großen x.
Der Primzahlsatz Zusammenfassung Im Jahr 896 wurde von Hadamard und de la Vallée Poussin der Primzahlsatz bewiesen: Die Anzahl der Primzahlen kleiner gleich verhält sich asymptotisch wie / log. Für ihren
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
MehrTheorie und Numerik von Variationsungleichungen
Theorie und Numerik von Variationsungleichungen Mitschrift von M. Dücker unter Mitarbeit von C. Fasel, J. Frohne und I. Cherlenyak zu einer Vorlesung von Prof. F.-T. Suttmeier Fachbereich 6 - Mathematik
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrMathematische Probleme, SS 2013 Montag $Id: dreieck.tex,v /04/22 20:37:01 hk Exp hk $
$Id: dreieck.tex,v 1.7 013/04/ 0:37:01 hk Exp hk $ 1 Dreiecke 1.5 Einige spezielle Punkte im Dreieck In der letzten Sitzung hatten wir den sogenannten Inkreis eines Dreiecks eingeführt, dies ist der Kreis
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
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
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
MehrInstitut für Angewandte Physik LINAC AG. Prof. Dr. H. Podlech 1
Hochfrequenz-Resonatoren Prof. Dr. H. Podlech 1 Maxwellgleichungen Bedeutung?? Prof. Dr. H. Podlech 2 Maxwellgleichungen im Vakuum Prof. Dr. H. Podlech 3 Wellengleichungen 2. Maxwell-Gl. Wellengleichung
MehrLineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte
Lineare Ausgleichsprobleme Bisher: Lösung linearer GS Ax = b, A R n,n, A regulär, b R n Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Ax = b mit A R m,n, b R m, m n, rg(a)
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
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
MehrNumerik von Differentialgleichungen
Numerik von Differentialgleichungen Einführung und Überblick Winfried Auzinger Institut für Analysis and Scientific Computing www.asc.tuwien.ac.at/ winfried Anwendungsgebiete der Mathematik, SS 2013 1
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
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
Mehr(x a) 3 + f (a) 4! x 4 4! Wir werden im Folgenden vor allem Maclaurin-Reihen betrachten, dies alles funktioniert aber auch. f (x) = sin x f (0) = 0
Taylor-Reihen Einführung Mathematik GLF / 6 Christian Neukirchen Oft können wir bestimmte mathematische Funktionen nicht genau ausrechnen, besonders die trigonometrischen Funktionen wie, cos x, oder die
MehrBayern Aufgabe a. Abitur Mathematik: Musterlösung. Die Koordinaten von C sind die Komponenten des Vektors PC (denn P ist
Abitur Mathematik Bayern 201 Abitur Mathematik: Bayern 201 Aufgabe a 1. SCHRITT: VORÜBERLEGUNG Die Koordinaten von C sind die Komponenten des Vektors PC (denn P ist der Ursprung). Dabei ist PC = PB + BC
Mehr=!'04 #>4 )-:!- / )) $!# & $ % # %)6 ) + # 6 0 %% )90 % 1% $ 9116 69)" %" :"6. 1-0 &6 -% ' 0' )%1 0(,"'% #6 0 )90 1-11 ) 9 #,0. 1 #% 0 9 & %) ) '' #' ) 0 # %6 ;+'' 0 6%((&0 6?9 ;+'' 0 9)&6? #' 1 0 +& $
Mehr4 Grenzflächen, Leiter und das elektrostatische Randwertproblem
4 Grenzflächen, Leiter und das elektrostatische Randwertproblem Bei der Berechnung elektrostatischer Felder und Potentiale mussten wir bisher voraussetzen, dass wir die Ladungsverteilungen im gesamten
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
MehrÜ b u n g s b l a t t 10
Einführung in die Stochastik Sommersemester 07 Dr. Walter Oevel. 6. 2007 Ü b u n g s b l a t t 0 Mit und gekennzeichnete Aufgaben können zum Sammeln von Bonuspunkten verwendet werden. Lösungen von -Aufgaben
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 3.2 Konvergenzkriterien
MehrLösungen. 1. Klausur zur MIA: Analysis I für Mathematiker
MATHEMATISCHES INSTITUT WS 006/07 DER UNIVERSITÄT MÜNCHEN Prof. Dr. M. Schottenloher Dr. S. Tappe Version 5.. Lösungen zur. Klausur zur MIA: Analysis I für Mathematiker vom 6..06 Aufgabe. ( + Punkte) a)
MehrElektrizitätslehre und Magnetismus
Elektrizitätslehre und Magnetismus Othmar Marti 12. 06. 2008 Institut für Experimentelle Physik Physik, Wirtschaftsphysik und Lehramt Physik Seite 2 Physik Klassische und Relativistische Mechanik 12. 06.
MehrZweidimensionale Exploration mittels Gravimetrie
Zweidimensionale Exploration mittels Gravimetrie Dipl. Math. Sandra Möhringer TU Kaiserslautern Fraunhofer ITWM Geothermiekongress 2012 Karlsruhe 13. November 2012 Sicht der Mathematik: Kaiserslauterer
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
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
MehrIterative Lösung Linearer Gleichungssysteme
Iterative Lösung Linearer Gleichungssysteme E. Olszewski, H. Röck, M. Watzl 1. Jänner 00 E. Olszewski, H. Röck, M. Watzl: WAP (WS 01/0) 1 Vorwort C.F.Gauß in einem Brief vom 6.1.18 an Gerling:
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
Mehrx, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω
5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,
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
Mehrϕ k (t)ψ j (s) 2 ds)dt < folgt ϕ k (t)ψ j (s) δ j1,j 2 und daher handelt es sich um ein Orthonormalsystem in L 2 (Ω 1 Ω 2 ).
1) a) Wir wollen zeigen, dass {ϕ k (t)ψ j (s)} j,k N0 eine Orthonormalbasis ist. Beachte dabei zunächst, dass (t, s) ϕ k (t)ψ j (s) für alle j, k N 0 messbare Abbildungen auf Ω 1 Ω 2 sind und da Ω 1 ϕ
MehrSerie 4. Analysis D-BAUG Dr. Cornelia Busch FS 2015
Analysis D-BAUG Dr. Cornelia Busch FS 05 Serie 4. Finden Sie die lokalen Extrema der Funktionen f : R R auf dem Einheitskreis S = {x, y R : x + y = } und geben Sie an, ob es sich um ein lokales Minimum
Mehr6. Funktionen von mehreren Variablen
6. Funktionen von mehreren Variablen Prof. Dr. Erich Walter Farkas 24.11.2011 Seite 1 Funktionen von mehreren Variablen n {1, 2, 3,...} =: N. R n := {(x 1,..., x n) x 1,..., x n R} = Menge aller n-tupel
MehrBeispiel. Gegeben sei die Folge (a n ) n N mit. a n := n 2 + 5n + 1 n. Es gilt. (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n n, woraus folgt
Beispiel. Gegeben sei die Folge (a n ) n N mit a n := n 2 + 5n + 1 n Es gilt ( ( ) (n 2 + 5n + 1) n 2 = n2 + 5n + 1 n) n2 + 5n + 1 + n, woraus folgt a n = (n2 + 5n + 1) n 2 n2 + 5n + 1 + n = 5n + 1 n2
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
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
MehrWiederholungsblatt Elementargeometrie LÖSUNGSSKIZZE
Wiederholungsblatt Elementargeometrie im SS 01 bei Prof. Dr. S. Goette LÖSUNGSSKIZZE Die Lösungen unten enthalten teilweise keine vollständigen Rechnungen. Es sind aber alle wichtigen Zwischenergebnisse
MehrWiederholung von Äquivalenzumformungen (Lösen linearer Gleichungen): Wiederholung von Äquivalenzumformungen (Lösen von Ungleichungen):
Prof. U. Stephan WiIng 1. Wiederholung von Äquivalenzumformungen (Lösen linearer Gleichungen): Bitte lösen Sie die folgenden Aufgaben und prüfen Sie, ob Sie Lücken dabei haben. Bestimmen Sie jeweils die
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrTechniken zur Berechnung der Dimension
Seminarvortrag Ulm, 21.11.2006 Übersicht Masse-Verteilungs-Prinzip Berechnung der Dimension von Fraktalen Es ist oft nicht einfach die Hausdorff - Dimension allein durch deren Definition zu berechnen.
MehrLösungen ausgewählter Übungsaufgaben zum Buch. Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6
1 Lösungen ausgewählter Übungsaufgaben zum Buch Elementare Stochastik (Springer Spektrum, 2012) Teil 3: Aufgaben zu den Kapiteln 5 und 6 Aufgaben zu Kapitel 5 Zu Abschnitt 5.1 Ü5.1.1 Finden Sie eine maximum-likelihood-schätzung
MehrDiscontinuous-Galerkin-Verfahren
Discontinuous-Galerkin-Verfahren Dr. Gregor Gassner Institut für Aerodynamik und Gasdynamik der Universität Stuttgart. Stuttgart, 2013 Variationsformulierung 1 Ziel dieser Vorlesung ist es, das DG Verfahren
MehrBerechnung von Pi und verwandte Probleme
Berechnung von Pi und verwandte Probleme 1. Gitterpunkte im Kreis 1.1. Näherungsformel. Wir wollen eine möglichst einfache näherungsweise Formel finden für die Anzahl der Gitterpunkte in einem Kreis um
MehrZur Deckung bringen präzisiert werden. Ich stelle zunächst Hilberts Version vor, wähle aber anschließend einen anderen, etwas anschaulicheren Weg.
30 Jetzt soll der Begriff der Kongruenz bzw. Euklids vage Vorstellung vom Zur Deckung bringen präzisiert werden. Ich stelle zunächst Hilberts Version vor, wähle aber anschließend einen anderen, etwas anschaulicheren
Mehr3. Kombinatorik und Wahrscheinlichkeit
3. Kombinatorik und Wahrscheinlichkeit Es geht hier um die Bestimmung der Kardinalität endlicher Mengen. Erinnerung: Seien A, B, A 1,..., A n endliche Mengen. Dann gilt A = B ϕ: A B bijektiv Summenregel:
MehrKapitel VI. Euklidische Geometrie
Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und
MehrAufgaben zu Kapitel 38
Aufgaben zu Kapitel 38 Aufgaben zu Kapitel 38 Verständnisfragen Aufgabe 38. Welche der folgenden vier Aussagen sind richtig:. Kennt man die Verteilung von X und die Verteilung von Y, dann kann man daraus
MehrModellfall. Orthogonalität trigonometrischer Funktionen. Anwendungen: f : (0, L) R gegeben.
Modellfall Anwendungen: Fragen: Digitalisierung / digitale Darstellung von Funktionen, insbesondere für Ton- und Bilddaten Digitale Frequenzfilter Datenkompression: Abspeichern der unteren Frequenzen Lösung
MehrBerechnung der spezifischen Absorptionsrate (SAR) dielektrischer Körper mit FEKO. Christoph Mäurer EM Software & Systems, Böblingen
Berechnung der spezifischen Absorptionsrate (SAR) dielektrischer Körper mit FEKO Christoph Mäurer EM Software & Systems, Böblingen Inhalt: Elektromagnetische Umweltverträglichkeit EMVU - Wechselwirkung
MehrSatz 16 (Multiplikationssatz)
Häufig verwendet man die Definition der bedingten Wahrscheinlichkeit in der Form Damit: Pr[A B] = Pr[B A] Pr[A] = Pr[A B] Pr[B]. (1) Satz 16 (Multiplikationssatz) Seien die Ereignisse A 1,..., A n gegeben.
MehrNumerik II Finite Elemente. R. Verfürth
Numerik II Finite lemente Vorlesungsskriptum Sommersemester 16 R Verfürth Fakultät für Mathematik, Ruhr-Universität Bochum Inhaltsverzeichnis Motivation 5 apitel I Analytische Grundlagen 15 I1 Abstrakte
MehrIterative Methods for Improving Mesh Parameterizations
Iterative Methods for Improving Mesh Parameterizations Autoren: Shen Dong & Michael Garland, SMI 07 Nicola Sheldrick Seminar Computergrafik April 6, 2010 Nicola Sheldrick (Seminar Computergrafik)Iterative
MehrVorkurs Mathematik Übungen zu Komplexen Zahlen
Vorkurs Mathematik Übungen zu Komplexen Zahlen Komplexe Zahlen Koordinatenwechsel Aufgabe. Zeichnen Sie die folgende Zahlen zunächst in ein (kartesisches) Koordinatensystem. Bestimmen Sie dann die Polarkoordinaten
MehrRandwertbedingungen und Ghost Cells
Randwertbedingungen und Ghost Cells Olaf Kern Universität Trier 16.Dezember 2010 Olaf Kern (Universität Trier) Seminar Numerik 1/23 16.Dezember 2010 1 / 23 Inhaltsverzeichnis 1 Einführung 2 Periodische
MehrPrüfungsklausur - Lösung
Prof. G. Dissertori Physik I ETH Zürich, D-PHYS Durchführung: 08. Februar 2012 Bearbeitungszeit: 180min Prüfungsklausur - Lösung Aufgabe 1: Triff den Apfel! (8 Punkte) Wir wählen den Ursprung des Koordinatensystems
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Ungleichungen Inhalt: 1. Grundlegendes 2. Lineare Ungleichungen 3. Ungleichungen mit
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
MehrDie komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.
Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines
Mehr4.5 Schranken an die Dichte von Kugelpackungen
Gitter und Codes c Rudolf Scharlau 19. Juli 2009 341 4.5 Schranken an die Dichte von Kugelpackungen Schon in Abschnitt 1.4 hatten wir die Dichte einer Kugelpackung, speziell eines Gitters bzw. einer quadratischen
Mehr31 Die Potentialgleichung
3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-
MehrWiederhole eigenständig: elementare Konstruktionen nach diesen Sätzen
1/5 Erinnerung: Kongruenzsätze SSS, SWS, WSW, SsW Wiederhole eigenständig: elementare Konstruktionen nach diesen Sätzen Grundwissen: Elementare Sätze über Dreiecke: o Winkelsumme 180 0 o Dreiecksungleichung
MehrPraktikum I PP Physikalisches Pendel
Praktikum I PP Physikalisches Pendel Hanno Rein Betreuer: Heiko Eitel 16. November 2003 1 Ziel der Versuchsreihe In der Physik lassen sich viele Vorgänge mit Hilfe von Schwingungen beschreiben. Die klassische
MehrErzeugende Funktionen
Hallo! Erzeugende Funktionen sind ein Mittel um lineare Rekursionen schneller ausrechnen zu können. Es soll die Funktion nicht mehr als Rekursion angeschrieben werden, sondern so, dass man nur n einsetzen
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,
Mehreinführendes Beispiel: In der Skizze ist die durch die Punkte A(2, 4, 3) B(2, 6, 2) C(4, 4, 2) festgelegte Ebene ε dargestellt.
6 4. Darstellung der Ebene 4. Die Parametergleichung der Ebene einführendes Beispiel: In der Skizze ist die durch die Punkte A(2, 4, 3) B(2, 6, 2) C(4, 4, 2) festgelegte Ebene ε dargestellt. 0 2 r uuur
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
MehrDie Entwicklung des Erde-Mond-Systems
THEORETISCHE AUFGABE Nr. 1 Die Entwicklung des Erde-Mond-Systems Wissenschaftler können den Abstand Erde-Mond mit großer Genauigkeit bestimmen. Sie erreichen dies, indem sie einen Laserstrahl an einem
MehrKONSTRUKTION VON MASSEN
KONSTRUKTION VON MASSEN MARCUS HEITEL 1. Einleitung Wir wollen im Folgenden das Lebesguemaß konstruieren. Dieses soll die Eigenschaft λ ( [a, b = b a für a, b R besitzen. Nun ist ein Maß aber auf einer
Mehr13. Der diskrete Logarithmus
13. Der diskrete Logarithmus 13.1. Definition. Sei p eine Primzahl. Wie wir in 9 bewiesen haben, ist die multiplikative Gruppe F p des Körpers F p = Z/p zyklisch. Sei g ein erzeugendes Element von F p
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 ( )
MehrComputer-Graphik I Verallgemeinerte Baryzentrische Koordinaten
lausthal omputer-raphik I Verallgemeinerte Baryzentrische Koordinaten. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Verallgemeinerungen der baryzentr. Koord. 1. Was macht man im 2D bei
MehrErfüllt eine Funktion f für eine feste positive Zahl p und sämtliche Werte t des Definitionsbereichs die Gleichung
34 Schwingungen Im Zusammenhang mit Polardarstellungen trifft man häufig auf Funktionen, die Schwingungen beschreiben und deshalb für den Ingenieur von besonderer Wichtigkeit sind Fast alle in der Praxis
MehrGreensche Funktion. Frank Essenberger FU Berlin. 30.September Nomenklatur 1. 2 Greensche Theoreme 1. 3 Anwendung in der Elektrostatik 2
Greenche Funktion Frank Eenberger FU Berlin 30.September 2006 Inhalterzeichni Nomenklatur 2 Greenche Theoreme 3 Anwendung in der Elektrotatik 2 4 Anpaung an Randbedingungen 3 5 Eindeutigkeit der Löung
MehrName: Gruppe: Matrikel-Nummer:
Theoretische Physik 1 (Theoretische Mechanik) SS08, Studienziel Bachelor (170 12/13/14) Dozent: J. von Delft Übungen: B. Kubala Nachklausur zur Vorlesung T1: Theoretische Mechanik, SoSe 2008 (1. Oktober
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
MehrKapitel 3 Finite Element Methode
Kapitel 3 Finite Element Methode. Grundlagen der Methode der Finiten Elemente (FEM) Dir erste Methode bei der Grundzüge der FEM zu finden sind, wurde vor mehr als 5 Jahre von Schellbach beschrieben um
Mehr6 Komplexe Integration
6 Komplexe Integration Ziel: Berechne für komplexe Funktion f : D W C Integral der Form f(z)dz =? wobei D C ein Weg im Definitionsbereich von f. Fragen: Wie ist ein solches komplexes Integral sinnvollerweise
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/
MehrLösung zur Übung für Analysis einer Variablen WS 2016/17
Blatt Nr. 3 Prof. F. Merkl Lösung zur Übung für Analysis einer Variablen WS 206/7 Aufgabe Das Guthaben G setzt sich zusammen aus der Summe aller bisherigen Einzahlungen multipliziert mit ( + p) k, wobei
Mehr