Numerische Mathematik für Anfänger
|
|
- Mina Becke
- vor 6 Jahren
- Abrufe
Transkript
1 Gerhard Opfer Numerische Mathematik für Anfänger Eine Einführung für Mathematiker, Ingenieure und Informatiker 5., überarbeitete und erweiterte Auflage Mit zahlreichen Abbildungen, Beispielen und Programmen STUDIUM 11 VIEWEG+ TEUBNER
2 Inhaltsverzeichnis Vorwort. v Inhaltsverzeichnis ix Liste der Beispiele. xiii Liste der Tabellen xvi Liste der Figuren... xvii Liste der Programme xix Zahldarstellung und Rundungsrehler 1 l.1 Maschinenzahlen I l. I.t Relativer und absoluter Fehler _ I Gleitpunktdarstellung 2 l.2 Fehler beim Rechnen Aufgaben Auswertung elementarer Funktionen Gewöhnliche Polynome Trigonometrische Polynome Rationale Funktionen Aufgaben 33 3 Interpolation Polynom-Interpolation Fehler der Interpolation Hermite-lnterpolation Fehler der Hermite-Interpolation Trigonometrische Interpolation Interpolation in linearen Räumen Radiale Funktionen Rationale Interpolation Aufgaben 78
3 x Numerische Mathematik 4 Splines 4. I Einführung. 4.2 Lineare Splines 4.3 Quadratische Splines 4.4 Kubische Splines 4.5 Lokale Splines B-Splines Rekursive Definition der B-Splines Der von den B-Splines aufgespannte Raum k,t Stückweise polynomiale Funktionen in k,t B-Splines auf einem Intervall Auswertung von Splines in k,t und die Berechnung der Ableitung InteflJolation mit B-Splines in k.t B-Splines als CAD-Werkzeug 4.7 Aufgaben Numerische Integration 5.1 InteflJolatorische Formeln 5.2 Zusammengesetzte Formeln 5.3 Konvergenzuntersuchungen 5.4 Extrapolation und Adaption 5.5 Gauß-Quadratur 5.6 Integration singulärer Funktionen Regularisierung Anwendung der Gauß-Quadratur 5.7 Aufgaben Lineare Gleichungssysteme 6. J AufgabensteIlung. 6. J.J Matrizen 6.2 Das Gaußsche Eliminationsverfahren 6.2. I Pivotsuche Gauß-Variationen, Cholesky-Zcrlegung Mehrere rechte Seiten 6.3 Iterative Lösungsverfahren 6.4 Methode der konjugierten Gradienten 6.5 Aufgaben J
4 Inhalt Xl 7 Lineare Optimierung AufgabensteIlung Basisvektoren Das Simplexverfahren Praktische Durchführung Modifikationstechniken Aufgaben Ausgleichs- und Approximationsprobleme Normen von Vektoren und linearen Abbildungen Lineare Approximation Überbestimmte Gleiehungssysteme Ausgleiehung im quadratischen Mittel Householder-Transfonnationen, QR-Zerlegungen Herstellung einer Bidiagonalform Ausgleiehung in der Summen- und Maximumnorm Approximation von Funktionen Tschebyscheff-Approximation Approximation von Funktionen in der L2-Nonn WaveJets und Multiskalen-Analyse Basen in unendlich-dimensionalen Räumen Waveletkonstruktion mit Hilfe eines Urwavelets Waveletkonstruklion mit Hilfe einer Multiskalen-Analyse (MSA) Orthogonale Wavelets auf kompakten Trägern Die Wertebestimmung einer Skalierungsfunklion Die praktische Durchführung einer MSA Anwendung einer MSA auf gestörte Signale Aufgaben Matrixeigenwerte und -eigenvektoren AufgabensteIlung und elementare Eigenschaften Das von-mises-verfahren (Potenzmethode) Die inverse von-mises-lleration Das QR-Verfahren Der Lanczos-Algorilhmus 318
5 xii Numerische Mathematik 9.6 Berechnung der Singulärwerte Beispiele Von-Mises-Verfahren Inverses von-mises-verfahren QR-Verfahren Lanczos-Algorithmus Singulärwertberechnung Aufgaben Nichtlineare Gleichungen und Systeme AufgabensteIlung Hilfsmittel aus der Analysis Fixpunktiterationen Das Newton-Verfahren Konvergenz für lineare Probleme Eindimensionale Probleme Biseklion Regula falsi Sekantenverfahren Das vereinfachte Sekantenverfahren Fixpunktverfahren Das Newton-Verfahren für eine Dimension Nullstellen von Polynomen Aufgaben 362 Anhang: Alphabete 367 Literaturverzeichnis 368 Stichwortverzeichnis Hinweis: Die Beispiele, Tabellen,..., Sätze, Definitionen etc. sind injedem Kapitel einheitlich durchlaufend numerien, mit vorangestellter Kapitelnummer. Dasselbe gilt für die Formelnummern, für die nach gleichem Muster eine separate Durchnumerierung existiert. Die (Unter-) Abschnittsnummern werden also nicht in das Numerierungssystem übernommen. 375
6 Inhalt Liste der Beispiele Xlii 1.4 Maschinendarstellung von Binärzahlen Auswertung eines Polynoms mit Horner-Schema 16 Horner-Sehema zur Umrechnung in andere Zahldarstellungen 16 Vorkommen von Polynomen Schnelle Fouriertransformation für N = 4 24 Division von Polynomen. 28 Wiederholte Division von Polynomen Einfache Interpoiationspolynome.. Inverse Interpolation mit Hilfe des Neville-Sehemas Bestimmung eines Interpolationspolynoms durch vier Punkte. Hermite-Interpolation mit Doppelknoten Hermite-Interpolation mit zwei Knoten. Trigonometrische Interpolation der Wurzel Unlösbarkeit von Interpolationsproblemen Radiale Funktionen Radiale Matrix. Lineare Splines Interpolation durch rationale Funktionen Pole bei der rationalen Interpolation... Vergleich rationaler mit polynomialer Interpolation Interpolationsfehler von JjtT in [-1,1]. Interpolation durch einen linearen Spline Quadratischer Interpolationsspline. Kubische Splineinterpolation Lokale, lineare, quadratische, kubische Splines Interpolation von J(t) := t sin(t) mit lokalem, kubischem Spline Bernstein-Polynome als B-Splines.. Lokaler Charakter von B-Spline-Summen Quadratische Splineinterpolation mit B-Splines Kubische Splineinterpolation mit B-Splines.. Zeichnen von Bezier-Kurven mit verschiedenen B-Splines
7 XIV Numerische Mathematik 5.2 Integrationsformeln für einen bis vier Knoten Ordnung der Rechtecksregel Ordnung der Simpson-Regel Abschätzung des Quadraturfehlers Gauß-Tschebyscheff-Formeln Gauß-Quadraturformel der Ordnung Vier Dreitermrekursion für stückweise lineares Gewicht Zweitermrekursion für Tschebyscheff-Polynome Integration einer singulären Funktion Integration einer singulären Funktion mit Gauß-Quadratur Produktionsmodell von Leontief Links-Rechts-Zerlegungen im Vergleich Lösung eines linearen Gleichungssystems Kleines Residuum und großer Fehler Verschiedene Dreieckszerlegungen diaga, AL, AR für n = Anwendung des GSV und ESV Vandermonde-Matri x Modellproblem Emährungsplan Umwandlung von Nebenbedingungen Lösung eines linearen Optimierungsproblems Modifikationstechniken Normen in endlich-dimensionalen Räumen Normen in Funktionenräumen Normen von Matrizen und Matrixnormen Kondition einer 2 x 2-Matrix Tschebyscheff-Approximation Approximation in LI Periodische Schwingungen Nichtexistenz von besten Approximationen Mehrere beste Approximationen..237
8 Inhalt xv 8.23 Datenapproximation Lz als Vektorraum mit Skalarprodukt Approximation durch eine Gerade Lineare Regression QR-Zerlegung für einen einzigen Vektor Householder-Verfahren, Lösung eines linearen Gleichungssystems BidiagonaJform Berechnung der Quadratwurlel Approximation der Monome t" Gram-Schmidt-Verfahren Basen für {p-räume Haarsches Wavelet Experimenl I: MSA: Anwendung auf ein einheitlich gestörtes Signal Experimenl 2: MSA: Anwendung auf ein nur in [1, 3J gestörtes Signal Experiment 3: MSA: Anwendung auf zwei verschieden starke Störungen Experiment 4: MSA: Wie Experiment I, jedoch mit Datenkompression Eulerscher Knickstab Schwingende Saite Dimension von Eigenräumen Eigenwerte einer Diagonalmatrix SingulärwertzerJegung eines Vektors Instabile Produkt bildung B+B von-mises-verfahren, verschiedene Beispiele Singulärwerte einer reellen Matrix Singulärwerte einer komplexen Matrix Konvergenzordnung Eintauchtiefe eines Holzstammes Fixpunktiteration mit zwei Variablen Fixpunktiteration für f(x) := X Z Kontraktionssalz für eine Dimension Kontraktionssatz für zwei Dimensionen Allgemeines zweidimensionales Newton-Verfahren ,24 Nullstellen der komplexen Funktion g(z) := e Z - z 345
9 xvi Numerische Mathematik Einzugsbereiche des Newton-Verfahrens für g(x) := x 3 + i = Bisektion für g(x) := r(x) - x Regula falsi für g(x) := r(x) - x Sekantenverfahren für g(x) := r(x) - x Vereinfachtes Sekantenverfahren für g(x) := r(x) - X Zyklen im Newton-Verfahren Nullstellen komplexer PoJynome Untere Schranken für PolynomnuJlsteilen 36J Obere Schranken für Polynomnullstellen.362 Liste der TabeHen 1.1 Gleitpunktdarstellung verschiedener Dezimalzahlen Maschinenzahlen mit zweisteiliger Mantisse Relative Fehler von dreisteiligen Dualzahlen Horner-Schema fürp3(2) aus Beispiel Umrechnung der Dezimalzahl 389 in eine Binäfzahl Gewinne aus Maschinenkauf Verzinsung nach Maschinenkauf Schnelle Fouriertransformation für N = Daten des Fourierpolynoms J8 Schnelle Auswertung eines Fourierpolynoms Ergebnisse aus dem Kellenbruchprogramm Schema der dividierten Differenzen Neville-Schema Neville-Schema zur inversen Interpolation Dividierte Differenzen für (0, 1), (1,2), (3,3), (4,2) Neville-Formel Aitken-Forrnel Herrnite-Interpolation der Daten (3.37) Trigonometrische Interpolation der Wurzel für N = Beispiele von Haarschen Räumen Funktionen g, die nicht-singuläre radiale Matrizen M definieren 70
10 Inhalt xvii 4.2 Fehler En-l und Fehlerordnung Ü' bei n Knoten Dividierte Differenzen für quadratische Splines Dividierte Differenzen für kubische Splines Interpoiations- und Splineknoten für einen quadratischen Spline Ergebnjsse adaptives Simpson mit berechneten Knoten Orthogonale Polynome für verschiedene Gewichte 'Y Orthogonale Polynome q, Knoten x, Gewichte w bei Gewichtsfunktion 0 ~ O Berechnung von I(J) = Jo 1 cos xx-. dx mit der Mittelpunktsformel ohne und mit Abziehen der Singularität und mit Gauß-Integration Übersicht über Matrix-Notationen Operationszahlen bei der Gauß-Elimination GSV und ESV für Beispiel 6.17 mit c k = maxi=1.2,3ix~-1 - x Operationszahlen für das Gaußsehe Eliminationsverfahren bei kleinen n Vektor- und zugehörige Operatornorm Skalierungskoeffizienten hk von 4q, und Werte 4q,(k) Beispiel einer MSA mit 4 Daubechies-Koeffizienten (8.102), S Lösungen der diskretisierten Eigenwertaufgabe (9.4) von-mises-iteration Inverse von-mises-iteration WerteÜ'k+l =sinü'k f Fixpunktiteration für Z:=.x + iy = logz mit Fehlerabschätzungen 339 Z Newton-Verfahren für g(z) := e - Z = O Bisektionsverfahren für g(x) := f(.x) - x Regula falsi für g(x) := f(x) - x Sekantenverfahren für g(x) := f(x) -:I: 356 IOAI Vereinfachtes Sekantenverfahren für g(x) := f(x) -.x Beispiele zur NullstelIenbestimmung. 364 Liste der Figuren 3.21 Zur inversen Interpolation, Beispiel
Numerische Mathematik für Ingenieure und Physiker
Willi Törnig Peter Spellucci Numerische Mathematik für Ingenieure und Physiker Band 1: Numerische Methoden der Algebra Zweite, überarbeitete und ergänzte Auflage Mit 15 Abbildungen > Springer-Verlag Berlin
Großes Lehrbuch der Mathematik für Ökonomen
Großes Lehrbuch der Mathematik für Ökonomen Von Professor Dr. Karl Bosch o. Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim und Professor Dr. Uwe Jensen R. Oldenbourg
Numerische Mathematik
Günther Hämmerlin Karl-Heinz Hoffmann Numerische Mathematik Vierte, nochmals durchgesehene Auflage Mit 72 Abbildungen Springer-Verlag Berlin Heidelberg New York London Paris Tokyo HongKong Barcelona Budapest
Mathematik anschaulich dargestellt
Peter Dörsam Mathematik anschaulich dargestellt für Studierende der Wirtschaftswissenschaften 15. überarbeitete Auflage mit zahlreichen Abbildungen PD-Verlag Heidenau Inhaltsverzeichnis 1 Lineare Algebra
Mathematik für Wirtschaftswissenschaftler
Knut Sydsaeter Peter HammondJ Mathematik für Wirtschaftswissenschaftler Basiswissen mit Praxisbezug 2., aktualisierte Auflage Inhaltsverzeichnis Vorwort 13 Vorwort zur zweiten Auflage 19 Kapitel 1 Einführung,
Numerische Mathematik für Ingenieure
Numerische Mathematik für Ingenieure von Prof. Dr. Gisela Jordan-Engeln (jetzt Engeln-Müllges) Fachhochschule Aachen und o. Prof. em. Dr. Fritz Reutter Rheinisch-Westfälische Technische Hochschule Aachen
Inhaltsverzeichnis. Vorwort Kapitel 1 Einführung, I: Algebra Kapitel 2 Einführung, II: Gleichungen... 57
Vorwort... 13 Vorwort zur 3. deutschen Auflage... 17 Kapitel 1 Einführung, I: Algebra... 19 1.1 Die reellen Zahlen... 20 1.2 Ganzzahlige Potenzen... 23 1.3 Regeln der Algebra... 29 1.4 Brüche... 34 1.5
Höhere Mathematik für Naturwissenschaftler und Ingenieure
Günter Bärwolff Höhere Mathematik für Naturwissenschaftler und Ingenieure unter Mitarbeit von Gottfried Seifert ELSEVIER SPEKTRUM AKADEMISCHER VERLAG Spekt rum K-/1. AKADEMISCHER VERLAG AKADEMISC Inhaltsverzeichnis
Inhaltsverzeichnis. 1 Lineare Algebra 12
Inhaltsverzeichnis 1 Lineare Algebra 12 1.1 Vektorrechnung 12 1.1.1 Grundlagen 12 1.1.2 Lineare Abhängigkeit 18 1.1.3 Vektorräume 22 1.1.4 Dimension und Basis 24 1.2 Matrizen 26 1.2.1 Definition einer
1 ALLGEMEINE HINWEISE Das Fach Mathematik für Wirtschaftswissenschaftler Bisheriger Aufbau der Klausur...
Grundlagen Mathe V Inhaltsverzeichnis 1 ALLGEMEINE HINWEISE... 1-1 1.1 Das Fach Mathematik für Wirtschaftswissenschaftler... 1-1 1.2 Bisheriger Aufbau der Klausur... 1-1 1.3 Zugelassene Hilfsmittel und
Inhalt 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
Aufgabensammlung 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
Analysis für Wirtschaftswissenschaftler und Ingenieure
Dieter Hoffmann 2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Analysis für Wirtschaftswissenschaftler und Ingenieure
Klausur 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
Inhaltsverzeichnis Kapitel X: Funktionen von mehreren Variablen Kapitel XI: Gew ohnliche Differentialgleichungen 135
Inhaltsverzeichnis Kapitel X: Funktionen von mehreren Variablen 1 x1. Differentialrechnung für Funktionen von mehreren Variablen....... 1 1.1 Einführung und Beispiele.............................. 1 1.2
9.2 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
1 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
Einleitung 19. Teil I Einführung 23. Kapitel 1 Motivation 25
Inhaltsverzeichnis Einleitung 19 Konventionen in diesem Buch 19 Törichte Annahmen über den Leser 20 Was Sie in diesem Buch finden 20 Was Sie in diesem Buch nicht finden 20 Wie dieses Buch aufgebaut ist
Grundlagen, Vorgehensweisen, Aufgaben, Beispiele
Hans Benker - Wirtschaftsmathematik Problemlösungen mit EXCEL Grundlagen, Vorgehensweisen, Aufgaben, Beispiele Mit 138 Abbildungen vieweg TEIL I: EXCEL 1 EXCEL: Einführung 1 1.1 Grundlagen 1 1.1.1 Tabellenkalkulation
Mathematik für Informatik 3
Mathematik für Informatik 3 - ANALYSIS - Folgen, Reihen und Funktionen - Funktionen mehrerer Veränderlicher - Extremwertaufgaben - Normen und Approximationen - STATISTIK - WAHRSCHEINLICHKEITSRECHNUNG Literaturempfehlungen:
Numerische 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
Gliederung. 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,
3.6 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
NUMERISCHE 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
Kapitel 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)
Lösungsskizzen zur Klausur
sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie
MC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
Mathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
Zahlen 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
cos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
ELEMENTAR-MATHEMATIK
WILLERS ELEMENTAR-MATHEMATIK Ein Vorkurs zur Höheren Mathematik 13., durchgesehene Auflage von Dr.-Ing. G. Opitz und Dr. phil. H. Wilson Mit 189 Abbildungen VERLAG THEODOR STEINKOPFF DRESDEN 1968 Inhaltsverzeichnis
W. Oevel. Mathematik für Physiker I. Veranstaltungsnr: Skript zur Vorlesung, Universität Paderborn, Wintersemester 2003/2004
W. Oevel Mathematik für Physiker I Veranstaltungsnr: 172020 Skript zur Vorlesung, Universität Paderborn, Wintersemester 2003/2004 Zeit und Ort: V2 Di 11.15 12.45 D1.303 V2 Mi 11.15 12.45 D1.303 V2 Do 9.15
Einführung in die höhere Mathematik 2
Herbert Dallmann und Karl-Heinz Elster Einführung in die höhere Mathematik 2 Lehrbuch für Naturwissenschaftler und Ingenieure ab 1. Semester Mit 153 Bildern Friedr. Vieweg & Sohn Braunschweig /Wiesbaden
Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler
Grundlagen der Mathematik, der Statistik und des Operations Research für Wirtschaftswissenschaftler Von Professor Dr. Gert Heinrich 3., durchgesehene Auflage R.Oldenbourg Verlag München Wien T Inhaltsverzeichnis
Angewandte Mathematik: Body and Soul
K. Eriksson D. Estep C. Johnson Angewandte Mathematik: Body and Soul [VOLUME 1] Ableitungen und Geometrie in IR 3 Übersetzt von Josef Schule Mit 192 Abbildungen Springer Inhalt Band 1 Ableitungen und Geometrie
Formelsammlung für Wirtschaftswissenschaftler
Fred Böker Formelsammlung für Wirtschaftswissenschaftler Mathematik und Statistik PEARSON.. ;. ; ; ; *:;- V f - - ' / > Щ DtUClllirn ein Imprint von Pearson Education München Boston San Francisco Harlow,
Lineare 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
Kapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
Nichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
Polynome im Einsatz: Bézier-Kurven im CAD
Polynome im Einsatz: Bézier-Kurven im CAD Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 25 Kurven im Raum Eine Kurve im
Aussagenlogik. 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
Nichtlineare 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
Algebra 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
Dirk Hachenberger Mathematik für Informatiker
Dirk Hachenberger Mathematik für Informatiker ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis Vorwort
Musterlösungen zur Linearen Algebra II Übungsklausur
Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,
Numerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
Mathematik für Wirtschaftswissenschaftler. Universität Trier Wintersemester 2013 / 2014
Mathematik für Universität Trier Wintersemester 2013 / 2014 Inhalt der Vorlesung 1. Gleichungen und Summen 2. Grundlagen der Funktionslehre 3. Rechnen mit Funktionen 4. Optimierung von Funktionen 5. Funktionen
Iterative 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
Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
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
Proseminar 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
Euklidische 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
Vorlesung, 26. Mai 2011, Inhalt. Eigenwerte und Eigenvektoren. Gewöhnliche Differentialgleichungen
Vorlesung, 26. Mai 2011, Inhalt Eigenwerte und Eigenvektoren Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Es sei A eine n n-matrix, x ein vom Nullvektor verschiedener Vektor und λ
Zusammenfassung 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
D-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
2) 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
Inhaltsverzeichnis. ' Zählung. Zehnersystem. Gleichheit. Ganze Zahlen. Bezeichnungen.
Inhaltsverzeichnis Arithmetik Knomera ', Seite i 7 Kapitel I. Dezimale Zählung i ' Zählung. Zehnersystem. Gleichheit. Ganze Zahlen. Bezeichnungen. Aufgaben zu Kapitel I 5 Kapitel II. Addition und Subtraktion
Klausur 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
Serie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Numerisches Lösen von Gleichungen
Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:
6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax
BWL-Crash-Kurs Mathematik
Ingolf Terveer BWL-Crash-Kurs Mathematik UVK Verlagsgesellschaft mbh Vorwort 9 1 Aufgaben der Linearen Wirtschaftsalgebra 13 Aufgaben 17 2 Lineare Gleichungssysteme 19 2.1 Lineare Gleichungssysteme in
Analysis 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
Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
Vektor 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
http://www.mathematik.uni-kl.de/ gramlich
Vorwort MATLAB ist inzwischen in vielen Hochschulen, Universitäten und Fachhochschulen gleichermaßen ein etabliertes Programmsystem, das sowohl im Fach Mathematik selbst als auch in noch stärkerem Maße
KLAUSUR ZUR LINEAREN ALGEBRA I MUSTERLÖSUNG
KLAUSUR ZUR LINEAREN ALGEBRA I Wiederholungsprüfung MUSTERLÖSUNG. April 2008 Name: Studiengang: Aufgabe 2 3 4 5 6 Summe Punktzahl /50 Allgemeine Hinweise: Bitte schreiben Sie Ihre Lösungen jeweils unter
Lineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter
Practical Numerical Training UKNum
Practical Numerical Training UKNum 2: Interpolation, Extrapolation, Splines Dr. C. Mordasini Max Planck Institute for Astronomy, Heidelberg Program: 1) Einführung 2) Direkte Methode 3) Dividierte Differenzmethode
4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
Vorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Lösungen Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Kapitel I: Mengen Aufgabe
3 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
Eigenwerte 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
Outline. 1 Vektoren im Raum. 2 Komponenten und Koordinaten. 3 Skalarprodukt. 4 Vektorprodukt. 5 Analytische Geometrie. 6 Lineare Räume, Gruppentheorie
Outline 1 Vektoren im Raum 2 Komponenten und Koordinaten 3 Skalarprodukt 4 Vektorprodukt 5 Analytische Geometrie 6 Lineare Räume, Gruppentheorie Roman Wienands (Universität zu Köln) Mathematik II für Studierende
Lineare Algebra und Geometrie für Ingenieure
Lineare Algebra und Geometrie für Ingenieure Eine, anwendungsbezogene Einführung mit Übungen Prof. Dr. Manfred Andrie Dipl.-Ing. Paul Meier 3. Auflage VER^G Inhaltsverzeichnis MENGEN 1 Grundbegriffe 13
Brückenkurs Mathematik
Brückenkurs Mathematik Von Dr. Karl Bosch Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim 10., verbesserte Auflage R. Oldenbourg Verlag München Wien Inhaltsverzeichnis
Fragenkatalog Kapitel 1 Fehleranalyse
Teil 1: Numerik katalog Kapitel 1 Fehleranalyse 1. Zwischen was besteht ein funktionaler Zusammenhang z i? Welche Form hat er? 2. Welche 4 Typen von Fehlerquellen gibt es? Nenne Beispiele! 3. Wie berechnet
Mathematik im Betrieb
Heinrich Holland/Doris Holland Mathematik im Betrieb Praxisbezogene Einführung mit Beispielen 7, überarbeitete Auflage GABLER Inhaltsverzeichnis Vorwort 1 Mathematische Grundlagen 1.1 Zahlbegriffe 1.2
Numerische Mathematik I
Numerische Mathematik I Lars Grüne Mathematisches Institut Fakultät für Mathematik und Physik Universität Bayreuth 95440 Bayreuth larsgruene@uni-bayreuthde wwwuni-bayreuthde/departments/math/ lgruene/
5 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
Diskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
Nichtlineare 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.
Vorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
Tutorium 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 +
Ein Beispiel für eine lineare Abbildung
Inhaltsverzeichnis Ein Beispiel für eine lineare Abbildung Lothar Melching Vorbemerkungen 2 Ein Beispiel 2 2 Definition der Abbildung f 2 22 Die Abbildungsmatrix 3 23 Anwendung 3 Eigenwerte 3 Die neue
Mathematik 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
Der 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
Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems
Kapitel 2 Newton Verfahren 2.1 Das lokale Newton Verfahren Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems F (x) = 0 (2.1) mit einer zumindest
Nichtlineare Gleichungen in einer Unbekannten
Nichtlineare Gleichungen in einer Unbekannten 1. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 20. Februar 2014 Clemens Brand und Erika Hausenblas
Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
Finite Differenzen und Elemente
Dietrich Marsal Finite Differenzen und Elemente Numerische Lösung von Variationsproblemen und partiellen Differentialgleichungen Mit 64 Abbildungen Springer-Verlag Berlin Heidelberg NewYork London Paris
Beginn 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.
Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya
Inverse Matrix -E Ma Lubov Vassilevskaya Inverse Matrix Eine n-reihige, quadratische Matrix heißt regulär, wenn ihre Determinante einen von Null verschiedenen Wert besitzt. Anderenfalls heißt sie singulär.
Mathematik für BWL-Bachelor: Übungsbuch
Heidrun Matthäus Wolf-Gert Matthäus Mathematik für BWL-Bachelor: Übungsbuch Ergänzungen für Vertiefung und Training STUDIUM VIEWEG+ TEUBNER Inhaltsverzeichnis AI Mathematisches Handwerkszeug: Beispiele
Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
Michael Artin. Algebra. Aus dem Englischen übersetzt von Annette A'Campo. Birkhäuser Verlag Basel Boston Berlin
Michael Artin Algebra Aus dem Englischen übersetzt von Annette A'Campo Birkhäuser Verlag Basel Boston Berlin INHALTSVERZEICHNIS Vorwort Hinweise viii x Kapitel 1 MATRIZEN 1 1. Matrizenkalkül 1 2. Zeilenreduktion
Wolfgang Kohn Riza Öztürk. Mathematik für Ökonomen. Ökonomische Anwendungen der linearen. Algebra und Analysis mit Scilab
Wolfgang Kohn Riza Öztürk Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab 3., erweiterte und überarbeitete Auflage ^ Springer Gabler Inhaltsverzeichnis Teil