2 Lineare Gleichungssysteme
|
|
- Magdalena Brinkerhoff
- vor 8 Jahren
- Abrufe
Transkript
1 Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation der Funktion von Runge: Φ (8) (x), Tschebyscheff Stützstellen. 2 Lineare Gleichungssysteme 2. Gaußscher Algorithmus Bemerkung 2. (Aufgabenstellung) geg.: A R n n, b R n, n =... 7 ges.: Lösung x des linearen Gleichungssystems Ax = b formal x = A b, numerisch ungeeignet (Rechenaufwand zur Auswertung von A ) Lösbarkeit x R n genau dann eindeutig bestimmt, wenn A regulär n = 2, n = 3 Lösung mittels Cramerscher Regel Bemerkung 2.2 (Lineare Netzwerkmodelle) Modellbildung komplexer Systeme (Technik, Umwelt) Basisbausteine, verknüpft durch Ein-/Ausgangsbeziehungen und Erhaltungsgrößen 7
2 Beispiel elektrische Schaltungen, Chip-Design Basisbaustein: Widerstand Ohmsches Gesetz U i = R i I i, ( i =, 2,..., 6 ). Kirchhoffsche Regel In jedem Knoten: Summe der zufließenden gleich Summe der abfließenden Ströme 2. Kirchhoffsche Regel In jeder Masche: Summe der Spannungsabfälle gleich Summe der Quellspannungen Ergebnis Lineares Gleichungssystem [, 4, 3 ] [ 2, 3, 4 ] R R 4 R 6 [, 2, 4 ] R 2 R 5 R 6 [, 2, 3 ] R 3 R 4 R 5 R R 2 R 3 I I 2 I 3 I 4 I 5 I 6 = U U Streicht man die redundanten Gleichungen 4 = 2 3 und [, 2, 3 ] = [, 4, 3 ] + [ 2, 3, 4 ] + [, 2, 4 ], so ergibt sich Ax = b mit A R 6 6, x = (I, I 2,..., I 6 ) R 6, b = (,,, U,, ) R 6. Beachte Anteil der Nichtnullelemente in A gering schwach besetzte Matrizen Position der Nichtnullelemente a ij in A ergibt sich aus der sog. Topologie der Schaltung 8
3 Bemerkung 2.3 (Gestaffelte Gleichungssysteme) Spezialfall Rx = z mit regulärer oberer Dreiecksmatrix R = (r ij ) R n n, d. h., r ii, r ij =, ( i =,..., n; j =,..., i ). r x + r 2 x r n x n = z r 22 x r 2n x n = z 2. Rx = z... =. r nn x n = z n Beispiel x 7x 2 + x 3 = 7 2.5x x 3 = x 3 = 6.2 x 3 = =, x 2 = =, x = ( ) = x = (,, )... Rückwärtssubstitution allgemein x n = z n r nn, x i = z i n j=i+ r ij x j r ii, ( i = n, n 2,..., ) Algorithmus for i = n : : s := z i for j = (i + ) : n s := s r ij x j x i := s/r ii Matlab Code x = zeros(size(z)); x(n) = z(n)/r(n,n); for i=n-:-:, x(i) = ( z(i) - r(i,i+:n) x(i+:n) ) / r(i,i); end; 9
4 analog Lx = z mit regulärer unterer Dreiecksmatrix L = (l ij ) R n n, d. h., l ii, l ij =, ( i =,..., n; j = i +,..., n ) Vorwärtssubstitution. Bemerkung 2.4 (Gaußscher Algorithmus) Idee Gleichungssystem Ax = b in äquivalentes gestaffeltes Gleichungssystem umformen durch Multiplikation einer Gleichung mit einer von Null verschiedenen Zahl, Addition des Vielfachen einer Gleichung zu einer anderen Gleichung und / oder Vertauschung von Gleichungen. Beispiel x 7x 2 = 7 3x + 2x 2 + 6x 3 = 4 5x x 2 + 5x 3 = 6 Schritt k Addiere Vielfache der k-ten Gleichung zu den Gleichungen k +,..., n, so dass in der k-ten Spalte unterhalb der Hauptdiagonale die Nichtnullelemente eliminiert werden engl.: Gaussian elimination k = x 7x 2 = 7 II = + 3.x 2 + 6x 3 = 6. III = 5 2.5x 2 + 5x 3 = 2.5 k = 2 x 7x 2 = 7.x 2 + 6x 3 = 6. III = +25 II + III : 55x 3 = 55 Rücksubstitution x = (,, ). Problem Hauptdiagonalelement a (k) kk = im k-ten Eliminationsschritt Lösung Vertauschung der k-ten Gleichung mit einer der Gleichungen k +,..., n so, dass Pivotelement a (k) kk (stets möglich, falls A regulär). Strategie Bestimme im k-ten Eliminationsschritt p { k, k +,..., n } so, dass a (k) pk = max { a(k) : l = k, k +,..., n } und vertausche k-te und p-te Gleichung (Spalten) Pivotisierung auch vorteilhaft zur Verringerung des Einflusses von Rundungsfehlern lk 2
5 Beispiel k = 2, tausche Gleichungen II III Algorithmus x 7x 2 = 7 ĨI = III : 2.5x 2 + 5x 3 = 2.5 ĨII = II :.x 2 + 6x 3 = 6. x 7x 2 = 7 2.5x 2 + 5x 3 = 2.5 ĨII = + 25 ĨI + ĨII : 6.2x 3 = 6.2 for k = : n p := k; s := a kk for i = k + : n if a ik > s then p := i ; s := a ik for j = k : n s := a kj ; a kj := a pj ; a pj := s s := b k ; b k := b p ; b p := s for i = k + : n l ik := a ik /a kk ; b i := b i l ik b k for j = k + : n a ij := a ij l ik a kj Bemerkung 2.5 (LU Zerlegung) k-ter Eliminationsschritt A (k) A (k+) mit k n k+ A (k) =... A (k+) = in Matrixschreibweise (ohne Pivotisierung) k n k+, A (k+) = l k+,k.... l n,k 2. n k n k A (k) = (I L (k) )A (k)
6 Bemerkung 2.4: Gaußscher Algorithmus Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung 2.: Gaußscher Algorithmus. mit L (k) =... l k+,k.... l n,k, A () := A, A (n) =: U (obere Dreiecksmatrix), Auflösen nach A Wegen L (i) L (j) =, ( i j ), ist (I L (n ) ) (I L () )A = U. A = LU mit L := (I L () ) (I L (n ) ). (I L (i) )(I + L (i) ) = I L (i) + L (i) = I (I L (i) ) = (I + L (i) ). Außerdem erhält man (I + L (i) )(I + L (j) ) = I + L (i) + L (j), ( i j ), also insgesamt L = (I + L () ) (I + L (n ) ) = I + L () + L (2) L (n )... untere Dreiecksmatrix. Ergebnis Gauß Algorithmus berechnet LU Zerlegung von A: A = L U mit der oberen Dreiecksmatrix U aus dem gestaffelten linearen Gleichungssystem und der unteren Dreiecksmatrix L, die die Eliminationskoeffizienten l ik enthält und deren Hauptdiagonalelemente = sind. 22
7 praktisch Abspeicherung der Nicht Diagonalelemente von L unterhalb der Hauptdiagonalen von A. Pivotisierung Spaltenpivotisierung LU = P A mit Permutationsmatrix P Beispiel wie oben = /2 3/ / P A L U Lösung linearer Gleichungssysteme Schritt Berechne mittels Gauß Algorithmus mit Spaltenpivotisierung die LU Zerlegung P A = LU. Für jede rechte Seite: Schritt 2 Vorwärtssubstitution Ly = P b y Schritt 3 Rückwärtssubstitution Ux = y x Software Matlab Kommando lu LAPACK (FORTRAN, C), über DGETRF, DGETRS Rechenaufwand Gemessen in flops... Floating point operations ( Gleitpunktaddition, Gleitpunktmultiplikation) Schritt n O(n2 ) Rechenoperationen, vgl. Bemerkung.7 Schritt 2+3 jeweils n2 2 +O(n) Rechenoperationen n2 +O(n) Rechenoperationen pro linearem Gleichungssystem Bemerkung 2.6 (Symmetrische Koeffizientenmatrizen, Cholesky Zerlegung) Wichtiger Spezialfall: Ax = b mit A = A, insbesondere auch symmetrische, positiv definite Koeffizientenmatrizen A, d. h. A = A x Ax >, ( x R n \ {} ). Gauß Algorithmus ohne Pivotisierung A = L U Sei D := diag u ii D U ist obere Dreiecksmatrix mit Hauptdiagonalelementen =. i n A = (L D D U) = (D U) DL Aus der Eindeutigkeit der LU Zerlegung (!) folgt D U = L, also A = LDL. Berechnung mit n3 6 + O(n2 ) Rechenoperationen möglich. Pivotisierung: gleichzeitiger Zeilen- und Spaltentausch, um Symmetrie zu erhalten. 23
8 A symmetrisch, positiv definit Man zeigt, dass der Gauß Algorithmus ohne Pivotisierung stets durchführbar ist. Wegen < y Ay für y := (L ) x ist < y Ay = ((L ) x) (LDL )((L ) x) = (L (L ) x) D(L (L ) x) = x Dx, also ist auch D positiv definit: D = diag d i mit d i >. i n Cholesky Zerlegung von A A = ˆLˆL mit ˆL := L D /2, D /2 = diag i di a a 2 a n a 2 a 22 a 2n... a n a n2 a nn = ˆl ˆl2. ˆl ˆln ˆln2 ˆlnn ˆl ˆl2 ˆln ˆl22 ˆln2.... ˆlnn Algorithmus for k = : n ( k ) /2 ˆlkk := a kk ˆl2 kj j= for i = (k + ) : n ˆl ( k ) ik := a ik ˆlijˆlkj / ˆl kk j= Vorwärts- / Rückwärtssubstitution wie im allgemeinen Fall, beachte jedoch, dass nur ˆL, nicht ˆL abgespeichert wird. Rechenaufwand n3 6 + O(n2 ) Rechenoperationen, n Quadratwurzeln 2.2 Lineare Ausgleichsrechnung Bemerkung 2.7 (Methode der kleinsten Quadrate) geg.: ges.: A R m n, m > n, rank (A) = n, b R m Lösung x Rn von Ax = b Methode der kleinsten Quadrate (Gauß) Da i. Allg. keine klassische Lösung x R n mit Ax b = existiert, sucht man als verallgemeinerte Lösung ein x R n so, dass Ax b 2 min. ( ) 24
9 Hierbei bezeichnet v 2 := ( m ) /2 v v = vi 2 die euklidische Vektornorm des Vektors v = (v i ) m i= R m, vgl. Abschnitt 3.2. Eigenschaft: Für Vektoren y = (y i ) R n, z = (z i ) R m n gilt ( ) y n m n 2 2 = yi 2 + zi 2 = y z 2 2. z Das Kleinste Quadrate Problem ( ) ist äquivalent zu m ( n ) 2 Ax b 2 2 = a ij x j b i min. i= i= i= Notwendige Bedingung für Minimum =! m ( n Ax b 2 2 = 2 a ij x j b i )a ik, ( k =,..., n ), x k i= m ( n ) a ik a ij x j = i= j= j= j= i= m a ik b i, ( k =,..., n ), i= Gaußsche Normalgleichungen A Ax = A b Wegen A A = (A A) R n n und rank (A) = n ist A A symmetrisch und positiv definit: ξ R n \ {} ξ (A A)ξ = (ξ A )(Aξ) = (Aξ) (Aξ) = Aξ 2 2 >, denn Aξ wegen ξ und rank (A) = n. Lösung der Normalgleichungen mittels Cholesky Zerlegung Problem Bei Verwendung der Gaußschen Normalgleichungen reagiert die numerische Lösung oft sehr empfindlich auf Rundungsfehler. Alternative Orthogonalisierungsverfahren, vgl. Bemerkung 2.. Beispiel 2.8 (Lineare Regression) 25
10 geg.: ges.: Messdaten (x i, y i ), ( i =,..., m ), mit Messfehlern behaftet Gerade y = a + bx, die die Messwerte möglichst gut approximiert: y i a + bx i, ( i =,..., m ) Ansatz m (a + bx i y i ) 2 min i= Matrixschreibweise A ( ) a = y mit y = (y b,..., y m ) R m, A = x x 2.. x m Rm 2, n = 2 Normalgleichungen A A m m j= x j m j= m x 2 j j= ( ) a = A y b x j ( ) a = b m y j j= m x j y a, b R j j= Bemerkung 2.9 (Orthogonale Transformationen) Idee Verwende orthogonale Transformationen, um lineare Gleichungssysteme und lineare Ausgleichsprobleme in äquivalente Probleme einfacherer Gestalt umzuformen. n = 2 Drehungen, Spiegelungen hier Drehmatrizen ( cos θ sin θ Q = sin θ cos θ ) Literatur zu Spiegelungsmatrizen: Stoer, Deuflhard/Hohmann allgemein Givens Drehungen, Householder Spiegelungen 26
11 hier Givens Drehungen G kl =... c s... s c... l k R m m l k mit c = cos θ, s = sin θ, c 2 + s 2 =. Bestimme θ so, dass ( G kl A ) kl = : a kl sa ll + ca kl! = und c 2 + s 2 =. a kl > a ll : τ := a ll a kl, s := a kl a ll : τ := a kl a ll, c := + τ 2, + τ 2, c := s τ s := c τ Bemerkung 2. (QR Zerlegung) geg.: A R m n, m n, rank (A) = n Schrittweise Elimination der Nichtnullelemente a ij, ( j < i ) mittels Givens Drehungen: A G 2 A G 3 G 2 A... G m G 3 G 2 A G 32 G m G 3 G 2 A... R mit G mn G m,n G n+,n G m,n G 32 G m G 3 G 2 A = R = ( ) R n n m n QR Zerlegung A = QR mit der orthogonalen Matrix Q := G 2G 3 G m,n G n+,n G m,n. Wegen n = rank (A) = rank (R) = rank ( R) ist R R n n regulär. 27
12 Lösung regulärer linearer Gleichungssysteme. QR Zerlegung mittels Givens Drehungen, 2 3 n3 + O(n 2 ) Rechenoperationen 2. Ax = b QRx = b Rx = z, Qz = b 2a) z = Q b = G n,n (G n,n 2 (G n,n 2 ( G 3 (G 2 b) ))) Berechnung durch sukzessive Auswertung von Matrix Vektor Produkten G kl w, keine explizite Berechnung von Q 2b) Löse Rx = z mittels Rücksubstitution. Besonders geeignet für Gleichungssysteme Ax = b, deren Lösung sehr empfindlich gegenüber Rundungsfehlern ist, und zur numerischen Rangbestimmung von A. Lösung von Kleinste Quadrate Problemen Wegen w 2 2 = w w ist w 2 invariant gegenüber orthogonalen Transformationen: Qw 2 2 = (Qw) (Qw) = w (Q Q)w = w w = w 2 2 Ax b 2 2 = QRx b 2 2 = Q(Rx Q b) 2 2 = Rx Q b 2 2 = Rx z z ( ) z mit Q n b = R m. z 2 m n Lösung: Berechne Q b und löse Rx = z mittels Rücksubstitution. Beispiel 2. (Neuronale Netze) Idee Entscheidungen fällen auf Grundlage einer Vielzahl von Einzelinformationen in Anlehnung an Entscheidungsprozesse im menschlichen Hirn. Beispiel Technik Wäsche in Waschmaschine stark verschmutzt Messung der Wassertemperatur und Wassertrübung an verschiedenen Punkten Grundlage der Entscheidung: Erfahrung Konsequenz einer Fehlentscheidung: Lerneffekt Neuronales Netz (Ein Schicht Modell, linear) Verhalten des Netzes bestimmt durch Gewichte w,..., w n 28
13 3. Rechnerarithmetik und Rundungsfehler Beispiel Zahlendarstellung in Matlab >> format long e % Datenausgabe mit vielen Dezimalstellen >> % Exakte Darstellung ganzer Zahlen ans = >> % Exakte Arithmetik für ganze Zahlen ans = >> - +.e-5 % Beim Rechnen mit reellen Zahlen können ans =.e-5 % Rundungsfehler auftreten, müssen aber nicht. >> +.e-5 ans = e-5 % Reihenfolge der Rechenschritte ist wesentlich >> +.e-8 - ans = e-9 % Groessenordnung der Rundungsfehler: ca..e-6 >> sqrt(2)^2 2 ans = e-6 >> factorial(7) ans = e+36 >> factorial(7) ans = Inf % Groessenordnung der Rundungsfehler: ca..e-6 % Darstellbarer Zahlenbereich nach oben beschraenkt % Zahl 7! uebersteigt darstellbaren Zahlenbereich Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung 3.: Rechnen in Gleitpunktarithmetik: Beispiel Matlab. Training des Netzes Wähle w,..., w n so, dass eine große Zahl von Tests mit vorgegebenen Eingangsdaten (x (j),..., x (j) n ) und bekannten Resultaten y (j) möglichst gut wiedergegeben wird: n x (j) i w i y (j), ( j =,..., m ) i= überbestimmtes lineares Gleichungssystem, Bestimmung von (w,..., w n ) als Kleinste Quadrate Lösung praktisch Lösung der Normalgleichungen oder Lösung mittels QR Zerlegung. 3 Rechnerarithmetik und Rundungsfehler 3. Gleitpunktarithmetik Bemerkung 3. (Gleitpunktzahlen) a) Ganzzahlige Datentypen (INTEGER) mit exakter Arithmetik z. B. für Indizes in Laufanweisungen. MaxInt,...,,,,..., MaxInt, b) Normalisierte Gleitpunktdarstellung (engl.: floating point numbers) zur Darstellung reeller Zahlen F := { y : y = ± m β e t } R 29
2 Lineare Gleichungssysteme
Höhere Ableitungen Interpolationsbedingungen d k Φ dx k (x j) = y (k) j, ( j =,,..., n; k =,,..., c j ) bestimmen das Hermite Interpolationspolynom Φ Π r mit r + = n ( + c j ). j= 2 Lineare Gleichungssysteme
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
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
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 3 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 3. Übungsblatt:
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
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,
MehrKAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0
MehrMatrixzerlegungen. 6. Vorlesung Numerische Methoden I. Clemens Brand. 2. April Nachträge und Wiederholung. Links-Rechts- Zerlegung
Matrixzerlegungen. 6. Vorlesung 170004 Numerische Methoden I Clemens Brand QR- QR- 2. April 2009 Gliederung Elimination faktorisiert A = L R QR- QR- QR- QR- Eine Zusammenfassung der Folien 6 14 der letzten
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
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
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2015 Dr. Tobias Lasser Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8 Such-Algorithmen
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
MehrLineare Gleichungssysteme: direkte Verfahren
Sechste Vorlesung, 24. April 2008, Inhalt Lineare Gleichungssysteme: direkte Verfahren Dreiecksmatrizen Gauß-Elimination LR-Zerlegung Anwendungen: Determinante, Inverse 1 Lösungsverfahren für lineare Gleichungssysteme
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 8 Institut für Informatik Prof. Dr. Thomas Huckle Michael Rippl Fabio Gratl Numerisches Programmieren, Übungen Musterlösung 3. Übungsblatt: Gaußelimination mit Pivotsuche,
MehrAufgabe 1 Berechne den Gesamtwiderstand dieses einfachen Netzwerkes. Lösung Innerhalb dieser Schaltung sind alle Widerstände in Reihe geschaltet.
Widerstandsnetzwerke - Grundlagen Diese Aufgaben dienen zur Übung und Wiederholung. Versucht die Aufgaben selbständig zu lösen und verwendet die Lösungen nur zur Überprüfung eurer Ergebnisse oder wenn
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrProjekt 2HEA 2005/06 Formelzettel Elektrotechnik
Projekt 2HEA 2005/06 Formelzettel Elektrotechnik Teilübung: Kondensator im Wechselspannunskreis Gruppenteilnehmer: Jakic, Topka Abgabedatum: 24.02.2006 Jakic, Topka Inhaltsverzeichnis 2HEA INHALTSVERZEICHNIS
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrAlgorithmen und Datenstrukturen (für ET/IT)
Algorithmen und Datenstrukturen (für ET/IT) Sommersemester 2017 Dr. Stefanie Demirci Computer Aided Medical Procedures Technische Universität München Programm heute 7 Fortgeschrittene Datenstrukturen 8
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrNumerik für Informatiker und Bioinformatiker. Daniel Weiß
Numerik für Informatiker und Bioinformatiker Daniel Weiß SS 202 Folgende Literatur bildet die Grundlage dieser Vorlesung: P Deuflhard, A Hohmann, Numerische Mathematik, Eine algorithmisch orientierte Einführung,
MehrNumerisches Programmieren
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 Kowarschik Numerisches
MehrLineares Gleichungssystem
Lineares Gleichungssystem Ein System von m linearen Gleichungen in n Unbekannten besteht aus einer Menge von algebraischen Relationen der Form n a ij x j = b i, i =,...,m, j= wobei a ij R, i m, j n, die
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
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)
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
Mehr3. Anwendungen. 3.1. Chemische Reaktionen. Aufgabe: Die Gleichung + +
1 3. Anwendungen 3.1. Chemische Reaktionen Aufgabe: Die Gleichung + + beschreibt die Verbrennung von Ammoniak zu Stickstoffoxid und Wasser Für welche möglichst kleine natürliche Zahlen x1, x2, x3 und x4
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrSkalierung des Ausgangssignals
Skalierung des Ausgangssignals Definition der Messkette Zur Bestimmung einer unbekannten Messgröße, wie z.b. Kraft, Drehmoment oder Beschleunigung, werden Sensoren eingesetzt. Sensoren stehen am Anfang
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
MehrKomplexe Zahlen und Wechselstromwiderstände
Komplexe Zahlen und Wechselstromwiderstände Axel Tobias 22.2.2000 Ein besonderer Dank geht an Ingo Treunowski, der die Übertragung meines Manuskriptes in L A TEX durchgeführt hat tob skript komplex.tex.
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 7 / 8 Institut für Informatik Univ.-Prof. Dr. Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 8. Übungsblatt:
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrEine Logikschaltung zur Addition zweier Zahlen
Eine Logikschaltung zur Addition zweier Zahlen Grundlegender Ansatz für die Umsetzung arithmetischer Operationen als elektronische Schaltung ist die Darstellung von Zahlen im Binärsystem. Eine Logikschaltung
MehrDer Zwei-Quadrate-Satz von Fermat
Der Zwei-Quadrate-Satz von Fermat Proseminar: Das BUCH der Beweise Fridtjof Schulte Steinberg Institut für Informatik Humboldt-Universität zu Berlin 29.November 2012 1 / 20 Allgemeines Pierre de Fermat
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
Mehr3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrWB Wechselstrombrücke
WB Wechselstrombrücke Blockpraktikum Frühjahr 2007 (Gruppe 2) 25. April 2007 Inhaltsverzeichnis 1 Einführung 2 2 Theoretische Grundlagen 2 2.1 Wechselstromwiderstand................. 2 2.2 Wechselstromwiderstand
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrTechnische Informatik - Eine Einführung
Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
Mehr3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
MehrZusammenhänge zwischen metrischen Merkmalen
Zusammenhänge zwischen metrischen Merkmalen Darstellung des Zusammenhangs, Korrelation und Regression Daten liegen zu zwei metrischen Merkmalen vor: Datenpaare (x i, y i ), i = 1,..., n Beispiel: x: Anzahl
MehrSudoku-Informatik oder wie man als Informatiker Logikrätsel löst
Sudoku-Informatik oder wie man als Informatiker Logikrätsel löst Peter Becker Hochschule Bonn-Rhein-Sieg Fachbereich Informatik peter.becker@h-brs.de Kurzvorlesung am Studieninformationstag, 13.05.2009
Mehr2 Darstellung von Zahlen und Zeichen
2.1 Analoge und digitale Darstellung von Werten 79 2 Darstellung von Zahlen und Zeichen Computer- bzw. Prozessorsysteme führen Transformationen durch, die Eingaben X auf Ausgaben Y abbilden, d.h. Y = f
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik 008 Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe 1: ( VP) x Gegeben ist die Funktion f mit f(x). x Bilden Sie die Ableitung von f und fassen Sie diese so weit wie
MehrKapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
MehrVertiefungsstoff zum Thema Darstellung von Zahlen
Vertiefungsstoff zum Thema Darstellung von Zahlen Addition von Zahlen in BCD-Kodierung Einerkomplementdarstellung von ganzen Zahlen Gleitpunktdarstellung nach dem IEEE-754-Standard 1 Rechnen mit BCD-codierten
Mehr2 Lineare Gleichungssysteme
Vorlesungsskript HM-Numerik (SS 4): Kapitel Version: 9 Mai 4 Lineare Gleichungssysteme Gegeben: A R n n mit det(a) b R n Gesucht: x R n mit Ax = b Zeilenäquilibrierung Möchten zunächst die Kondition des
MehrIn diesem Kapitel betrachten wir direkte Verfahren zur Lösung von linearen Gleichungssystemen.
Kapitel 4 Lineare Gleichungssysteme 4 Problemstellung und Einführung In diesem Kapitel betrachten wir direkte Verfahren zur Lösung von linearen Gleichungssystemen Lineares Gleichungssystem: Gesucht ist
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrZahlenmauern. Dr. Maria Koth. Ausgehend von dieser einfachen Bauvorschrift ergibt sich eine Vielzahl an möglichen Aufgabenstellungen.
Zahlenmauern Dr. Maria Koth Zahlenmauern sind nach einer einfachen Regel gebaut: In jedem Feld steht die Summe der beiden darunter stehenden Zahlen. Ausgehend von dieser einfachen Bauvorschrift ergibt
MehrQM: Prüfen -1- KN16.08.2010
QM: Prüfen -1- KN16.08.2010 2.4 Prüfen 2.4.1 Begriffe, Definitionen Ein wesentlicher Bestandteil der Qualitätssicherung ist das Prüfen. Sie wird aber nicht wie früher nach der Fertigung durch einen Prüfer,
MehrMathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens
Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
Mehr183.580, WS2012 Übungsgruppen: Mo., 22.10.
VU Grundlagen digitaler Systeme Übung 2: Numerik, Boolesche Algebra 183.580, WS2012 Übungsgruppen: Mo., 22.10. Aufgabe 1: Binäre Gleitpunkt-Arithmetik Addition & Subtraktion Gegeben sind die Zahlen: A
MehrHans Walser, [20090509a] Wurzeln aus Matrizen
Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn
Mehr