ÜBUNGSAUFGABEN ZUR NUMERIK 1
|
|
- Sophie Meyer
- vor 6 Jahren
- Abrufe
Transkript
1 ÜBUNGSAUFGABEN ZUR NUMERIK 1 MARTIN EHLER, WS 2015/16 Teil 1. Matlab,... Aufgabe 1. Arbeiten Sie die Matlab Einführung von Waltraud Huyer durch, die unter dem Link huyer/matlab.pdf zu finden ist. Aufgabe 2. Bestimmen Sie mit Matlab im format short den Wert der folgenden Ausdrücke: a) 7/3.5 b) 7/-3 c) 9-3/3 d) 16/2/0.4e2 e) (1e3-1e2)*(15-50e-1) f) 3^(4/2) g) 3^4/2 h) (2-3)^(3.7-2) Wiederholen Sie den Vorgang mit format long und format compact. Aufgabe 3. Geben Sie in Matlab x=-1:0.1:1 ein und führen Sie folgende Befehle aus: a) sqrt(x) b) cos(x) c) x.^2 d) x^2 e) plot(x,sin(x.^3)) 1
2 2 MARTIN EHLER, WS 2015/16 Aufgabe 4. Erklären Sie die Matlab Ergebnisse der folgenden Ausdrücke: a) x=[ ] b) y=-1:1:2 c) x.^y d) x.*y e) x./y Aufgabe 5. Was produzieren die folgenden Matlab Befehle: a) x=1:1:10 b) z=rand(10) c) [z;x] d) c=rand(4) e) f=[c eye(size(c)) ; eye(size(c)) ones(size(c))] Aufgabe 6. Geben Sie möglichst kurze Matlab Befehle für die Ausgabe der folgenden Ausdrücke: (1) ( 1, 0.8,..., 0.8, 1) (2) (2, 2, 4, 4, 6, 6,..., 16, 16) (3) eine Diagonalmatrix A mit den Einträgen A i,i = 1/i 3, i = 1..., 100. Aufgabe 7. Erzeigen Sie eine Matrix A in Matlab mit zufälligen unabhängigen Einträgen und bestimmen Sie gegebenfalls ihr Inverses A 1 (Matlab kennt verschiedene Verteilungen, lösen Sie die Aufgabe mit mindestens dreien). Bestimmen Sie auch den Wert und die Koordinaten des grössten und kleinsten Elements in A. Aufgabe 8. Schreiben Sie eine Matlab Funktion, die die p q-formel zur reellen Lösung quadratischer Gleichungen (mit reellen Koeffizienten) liefert. Fangen Sie mögliche imaginäre Fälle durch eine IF -Abfrage ab.
3 ÜBUNGSAUFGABEN: NUMERIK 1 3 Aufgabe 9. Erzeugen Sie in Matlab eine Zufallsmatrix M deren Einträge unabhängig gleichverteilt im Intervall [ 2, 2] sind. Bilden Sie nun die Matrizen A und B gegeben durch A i,j := max(0, M i,j ), B i,j := max(0, M i,j ). Aufgabe 10. Plotten Sie mit Hilfe der Matlab Funktion plot3 die Kurve f(t) = (t sin(4t), t cos(2t), t), t [ 5π, 5π]. Teil 2. Fehler, Kondition+Stabilität I Aufgabe 11. Welche Dezimalzahl entspricht der Binärzahl ? Aufgabe 12. Verifizieren Sie numerisch, dass 1 k = 2 π2 /6 k=1 für grosse n be- gilt, in dem Sie die ersten Partialsummen n k=1 rechnen und mit π 2 /6 vergleichen. 1 k 2 Aufgabe 13. Schreiben Sie ein Programm, dass die Partialsumme bis n = 10 6 der Reihe n ( 1) k lim n 2k + 1 = π/4 k=0 berechnet. Summieren Sie einmal aufsteigend und einmal absteigend. Aufgabe 14. Führen Sie das in der Vorlesung bereits vorgeführte Skript aus (siehe Vorlesungs-Homepage) und bestätigen Sie damit die Aussagen zur Maschinengenauigkeit....
4 4 MARTIN EHLER, WS 2015/16 Aufgabe 15. Plotten Sie in Matlab das Polynom p(x) := x x x im Intervall x [ , ] und geben Sie eine Einschätzung der Anzahl der Nullstellen in diesem Intervall. Plotten Sie p danach in einem grösseren Intervall. Aufgabe 16. Bestimmen Sie in Matlab den Wert des Ausdrucks a + b a für a = und b = 2. Aufgabe 17. Lösen Sie die Probleme 1, 3, 5, 10 des Project Euler unter dem Link Aufgabe 18. In einem 32-Bit System seien ein Bit fürs Vorzeichen, 8 Bit für den Exponenten und 23 Bit für die Mantisse reserviert. Was ist die grösste darstellbare Zahl? Bestätigen Sie ihre Antwort in Matlab. Aufgabe 19. Zeigen oder widerlegen Sie, dass die Addition zweier positiver Zahlen gut konditioniert ist, d.h. die absolute und die relative Konditionszahl zu a > 0, f a :]0, [ R, x f(x) = x + a sind nicht sehr gross. Aufgabe 20. Zeigen Sie, dass (unter geeigneter Annahme über die Genauigkeit der Ausführung von Elementaroperationen) die Multiplikation f a : R R, f a (x) = ax mit a R, rückwärts stabil ist. Teil 3. Matrixnormen Aufgabe 21. Gegeben sei die Matrix A =
5 ÜBUNGSAUFGABEN: NUMERIK 1 5 Berechnen Sie in Matlab 6 verschiedene Matrix-Normen von A. Aufgabe 22. Welche der folgenden Punkte beschreiben echte Normen auf K n : a) Euklidische Norm b) Quadratsummennorm c) Betragssummennorm c) Maximum Norm x 2 := ( n x i 2) 1/2 x Q := x 1 := i=1 n x i 2 i=1 n x i i=1 x := max 1 i n x i Aufgabe 23. Weisen Sie die Normeigenschaften auf K m n nach für: a) Spaltensummennorm m A 1 := max a i,j 1 j n b) Zeilensummennorm A := max 1 i m i=1 n a i,j j=1 c) Frobeniusnorm (Hilbert-Schmidt-Norm) A F := ( m n a i,j 2) 1/2 i=1 j=1 Aufgabe 24. Sei die euklidische Norm auf K n. Zeigen Sie, dass die auf K n n induzierte Norm sowie die Frobeniusnorm auf K n n verträglich mit sind.
6 6 MARTIN EHLER, WS 2015/16 Aufgabe 25. Zeigen Sie, dass die Spaltensummennorm verträglich mit der Betragssummennorm ist. Aufgabe 26. Weisen Sie nach, dass zu jeder submultiplikativen Norm M auf K n n eine Norm auf K n existiert, mit der die Norm M verträglich ist. Aufgabe 27. Neumann-Reihe I Sei eine Norm auf K n und M eine damit verträgliche submultiplikative Norm auf K n n. Zeigen Sie, dass für A K n n die Voraussetzung A M < 1 die folgenden Punkte impliziert: a) Das Gleichungssystem (I A)x = b ist für alle b K n eindeutig lösbar. b) Es gilt (I A) 1 = A j. j=0 Aufgabe 28. Neumann-Reihe II Zeigen Sie, dass unter den Voraussetzungen in Aufgabe 27 auch die Schranke (I A) 1 1 M 1 A M gilt. Aufgabe 29. Finden Sie die Inverse von ( ) 1 1/2 B := R 1/ durch analytisches berechnen der Neumann-Reihe von A = Aufgabe 30. ( ) 0 1/2. 1/2 0 Berechnen Sie die Inverse der Matrix B in Aufgabe 29 in dem Sie in Matlab die geeignete Neumann-Reihe approximieren.
7 Teil 4. Lineare Gleichungssysteme ÜBUNGSAUFGABEN: NUMERIK 1 7 Aufgabe 31. Implementieren Sie in Matlab die schrittweise Lösung eines Gleichungssystems in oberer sowie in unterer Dreiecksgestalt. Prüfen Sie Ihren Code anhand eines Beispiels. Aufgabe 32. Berechnen Sie per Hand die LR-Zerlegung der Matrix A = Aufgabe 33. Implementieren Sie die LR-Zerlegung in Matlab ohne Spaltenpivotisierung, d.h. unter der Annahme, dass jeder Schritt für die Zerlegung ausführbar ist. Prüfen Sie Ihren Code anhand eines Beispiels. Aufgabe 34. Berechnen Sie per Hand die LR-Zerlegung der Matrix A = 1/2 1/ / mit Spaltenpivotisierung. Aufgabe 35. Implementieren Sie die LR-Zerlegung in Matlab mit Spaltenpivotisierung. Prüfen Sie Ihren Code anhand eines Beispiels. Aufgabe 36. Eine Matrix A = (a i,j ) K n n heisst strikt diagonaldominant, falls a i,i > j i a i,j, für alle i = 1,..., n. Zeigen Sie, dass die Spaltenpivotsuche in jedem Eliminationsschritt der Gauss-Elimination das Diagonalelement a (i) i,i als Pivotelement auswählt.
8 8 MARTIN EHLER, WS 2015/16 Aufgabe 37. Wir betrachten das lineare Gleichungssystem Ax = b, wobei A K n n strikt diagonaldominant sei. Zeigen Sie, dass das in der Vorlesung vorgestellte Gesamtschrittverfahren für jeden Startvektor x (0) K n gegen die eindeutige Lösung konvergiert. Aufgabe 38. Implementieren Sie in Matlab das in der Vorlesung vorgestellte Gesamtschrittverfahren zur iterativen Lösung eines linearen Gleichungssystems. Prüfen Sie Ihren Code anhand eines Beispiels. Aufgabe 39. Implementieren Sie in Matlab das in der Vorlesung vorgestellte CG- Verfahren zur Lösung linearer Gleichungssysteme. Prüfen Sie Ihren Code anhand eines Beispiels. Aufgabe 40. Für k Z seien t k R gegeben und wir bilden die Matrix T R n n, t 0 t 1 t n 1. T = t 1 t t 1. t 1 n t 1 t 0 Zeigen Sie, dass gilt 0 1 T = ET E, wobei E = Bemerkung: Matrizen mit dieser Struktur nennt man Töplitz-Matrizen. Für spezielle Algorithmen zur Lösung von linearen Gleichungssystemen T x = b sei verwiesen auf den Levinson-Algorithmus und den Algorithmus von Trench. Teil 5. Lineare Gleichungssysteme II Aufgabe 41. Geben Sie eine Matrix an, deren LR-Zerlegung eine Pivotisierung benötigt und benutzen Sie eine Matlab Funktion, um die LR-Zerlegung zu dieser Matrix zu berechnen.
9 ÜBUNGSAUFGABEN: NUMERIK 1 9 Gegeben sei die Matrix Aufgabe A := Bilden Sie die zugehörigen Gauss schen Normalengleichungen und lösen Sie diese mittels einer LR-Zerlegung per Hand. Aufgabe 43. Zeigen Sie, dass die Pseudo-Inverse A # einer Matrix A R m n die folgenden Gleichungen erfüllt: AA # A = A, (AA # ) = AA #, A # AA # = A #, (A # A) = A # A. Aufgabe 44. Bestimmen Sie mit Hilfe von Matlab die Singulärwertzerlegung von A aus Aufgabe 42. Berechnen Sie daraus die Pseudo-Inverse von A und lösen Sie damit das lineare Ausgleichsproblem Ax b 2, b = (1, 2, 6, 4). Berechnen Sie zur Kontrolle auch in Matlab direkt die Pseudo-Inverse von A. Aufgabe 45. Erzeugen Sie durch wiederholten Aufruf von randn(4,2) in Matlab N = 1000 Zufallsmatrizen, berechnen Sie deren Konditionszahlen zur Operatornorm bzgl. der Euklidischen Norm (dh. Ratio grösster/kleinster Singulärwert), und geben Sie dann eine Einschätzung zum Erwartungswert der Konditionszahl einer 4 2-Zufallsmatrix mit unabhängig Standard- Normal-verteilten Einträgen ab. Verifizieren Sie Ihre Schätzung, in dem Sie N grösser wählen.
10 10 MARTIN EHLER, WS 2015/16 Aufgabe 46. Sei 0 v K n gegeben. Zeigen Sie, dass die Matrix unitär und selbstadjungiert ist. P v := I 2 v 2 vv Aufgabe 47. Gegeben sei x K n mit x 1 = 0. Finden Sie ein v K n, so dass P v x = re 1 gilt mit r = x 2, und P v habe die Form in Aufgabe 46. Aufgabe 48. Berechnen Sie die QR-Zerlegung der Matrix A aus Aufgabe 42. Bestimmen Sie daraus die Lösung zum linearen Ausgleichsproblem aus Aufgabe 44. Aufgabe 49. Implementieren Sie die QR-Zerlegung in Matlab. Aufgabe 50. Versuchen Sie durch Matlab-Experimente (beispielsweise unter Benutzung der tic und toc Befehle), die folgende Behauptung zu unterstützen: Angewandt auf eine quadratische, nicht-singuläre Matrix ist die QR-Zerlegung teurer als die LR-Zerlegung. Teil 6. Newton-Verfahren Gegeben sei das Polynom Aufgabe 51. f(x) = x 3 5x 2 4x + 2. Sie sollen die Nullstellen von f durch folgendes Vorgehen berechnen: (1) Werten Sie f zunächst auf den ganzen Zahlen zwischen 3 und 6 aus. (2) Wählen Sie geeignete Startwerte. (3) Wenden Sie das Newton-Verfahren für jeden Startwert an. (mittels Matlab oder auch per Hand).
11 ÜBUNGSAUFGABEN: NUMERIK 1 11 Aufgabe 52. Geben Sie die Nullstellen von f aus Aufgabe 51 exakt an. (Hinweis: Polynomdivision) Aufgabe 53. Bestimmen Sie die Nullstellen der Funktion f(x) = x e x durch das Newton-Verfahren mit Hilfe von Matlab. Aufgabe 54. Berechnen Sie eine Nullstelle der Funktion f aus Aufgabe 53 durch das Sekantenverfahren mit Hilfe von Matlab. Aufgabe 55. Gegeben sei das nichtlineare Gleichungssystem 0 = x 1 x 2 0 = x 1 x x 1 x 2. Ist das 2-dimensionalen Newton-Verfahren bzgl. dieses Systems lokal konvergent? Warum? Berechnen Sie eine Lösung mit Hilfe des 2-dimensionalen Newton-Verfahrens für einen Startwert Ihrer Wahl in (0, 1) 2. (Sie können die Lösung beispielsweise mit Matlab berechnen.) Teil 7. Interpolation, Splines Aufgabe 56. Seien folgende verschiedene Datensätze gegeben: a) {(x i, y i )} 4 i=0 = {(0, 1), (1, 1), (2, 1), (3, 1), (4, 1)}, b) {(x i, y i )} 4 i=0 = {(0, 0), (1, 0), (2, 1), (3, 0), (4, 0)} c) {(x i, y i )} 4 i=0 = {(0, 1), (1, 1), (2, 2), (3, 1), (4, 1)} d) {(x i, y i )} 4 i=0 = {(0, 1), (1, 2), (2, 5), (3, 10), (4, 17)} Finden Sie jeweils zu jedem Datensatz ein Polynom vom Grad höchstens 4, dass die jeweiligen Daten interpoliert.
12 12 MARTIN EHLER, WS 2015/16 Betrachten Sie das Polynom Aufgabe 57. p(x) = m a i x i. i=0 Um eine Polynominterpolation p(x i ) = y i für i = 0,..., m zu lösen könnte man ein lineares Gleichungssytem für die Koeffizienten a i von p aufstellen. Bestimmen Sie die Matrix A des Gleichungssystems und die zugehörige rechte Seite b. Aufgabe 58. Berechnen Sie den Wert des Interpolationspolynoms zu den Punkten {(0, 2), (1, 3), (2, 1), (3, 1)} an der Stelle 3 2. Aufgabe 59. Folgende 3 Werte einer unbekannten Funktion f : R R seien gegeben: f( 2) = 1, f(0) = 0, f(1) = 2. Geben Sie das zugehörige Interpolationspolynom p Π 2 in der Monom-Basis an, das f in den Punkten { 2, 0, 1} interpoliert. Sie erhalten nun zusätzlich die Information f(2) = 1. Berechen Sie wieder das zugehörige Interpolationspolynom p Π 3 in der Monom-Basis. Aufgabe 60. Betrachten Sie die Funktion f(x) = x 4 auf x [ 1, 1]. Bestimmen Sie den linearen Spline, der f in den 3 Knotenpunkten { 1, 0, 1} interpoliert. Bestimmen Sie den linearen Spline, der f in den 5 Knoten interpoliert. { 1, 1 2, 0, 1 2, 1} Aufgabe 61. Konstruieren Sie zu den Wertepaaren {(0, 1), (1, 2), (2, 0)} den natürlichen kubischen Interpolationsspline S : [0, 2] R.
13 Teil 8. Quadratur ÜBUNGSAUFGABEN: NUMERIK 1 13 Aufgabe 62. Newton-Cotes-Quadratur Wir wollen das Integral b f(x)dx einer Funktion f : [a, b] R a durch die Newton-Cotes-Formeln annähern. Berechnen Sie deshalb für a = x 0 <... < x m = b die Newton-Cotes-Quadratur explizit in den Fällen m = 1 und m = 2. Aufgabe 63. Gauss-Quadratur Geben Sie die Gauss-Quadratur für das Integral 1 1 g(x)dx, g(x) = x 2 bzgl. der Legendre-Polynome mit zwei Stützstellen an.
VF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik 4 Punkte Es gibt zu jeder der Aufgaben vier Teilaufgaben. Diese sind mit bzw. zu kennzeichnen hinschreiben. Es müssen
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
Mehr7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)
Technische Universität München Zentrum Mathematik, M1 Prof. Dr. Boris Vexler Dr. Ira Neitzel Dipl.-Math. Alana Kirchner 7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012) Diese Auswahl
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Diplom VP Numerik 13. September 004 Aufgabe 1 10 0 40 Gegeben sei die Matrix A = 80 10 10. 10 5 5 (6 Punkte) a) Skalieren (Zeilenäquilibrierung)
MehrDiplom VP Numerik 21. März 2005
Diplom VP Numerik. März 5 Aufgabe Gegeben sei das lineare Gleichungssystem Ax = b mit A = 3 3 4 8 und b = 4 5.5 6. ( Punkte) a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung. Geben Sie
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
Mehr1 Fehleranalyse, Kondition, Stabilität
Fehleranalyse, Kondition, Stabilität Fehlerquellen: Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren. Juli Sie haben Minuten Zeit zum Bearbeiten der Klausur. Bitte
MehrMathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12
Mathematik für Wirtschaftswissenschaftler im WS /3 Lösungen zu den Übungsaufgaben Blatt Aufgabe 5 Welche der folgenden Matrizen sind positiv bzw negativ definit? A 8, B 3 7 7 8 9 3, C 7 4 3 3 8 3 3 π 3
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrMultiplikationen und Divisionen Hauptarbeit des Algorithmus liegt somit in der Berechnung der LR-Zerlegung. (n 1)n(2n 1) 6. = n3 3 n2.
KAPITEL LINEARE GLEICHUNGSSYSTEME 7 Rechenaufwand der LR-Zerlegung: A A : n Divisionen, n 2 Multiplikationen und Additionen A L, R: Also insgesamt n j= j2 + j = n3 3 n 3 Multiplikationen und Divisionen
MehrA 1 A 2 A 3 A 4 A 5 A 6 A 7
Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
MehrModulprüfung Numerische Mathematik 1
Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel
MehrBegleitmaterial zur Vorlesung Numerik I
Begleitmaterial zur Vorlesung Numerik I Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik I 1 / 49 Inhalte der Numerik
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
MehrApproximation durch Polynome
durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
MehrNumerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)
Lehrstuhl für Angewandte Mathematik Montanuniversität Leoben 70 004 Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan. 207 2:00-4:00 (20 min) Name Matrikelnummer Mündliche Prüfung: Bitte markieren
MehrNumerische Mathematik - Aufgaben Serie 1
Serie. Gesucht sei die Lösung des linearen Gleichungssystems (LGS) Ax = b mit ( ) ( ).78.563.7 A = und b =..93.659.54 Um einfach festzustellen, ob ein Vektor x Lösung des Systems ist, prüft man, ob der
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 214 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
MehrI f AM. 2. Übung zur Numerischen Mathematik I. Hausübung. Hannover, den
Hannover, den 14.10.2002 1. Übung zur Numerischen Mathematik I Aufgabe 1.1 Man nde das Interpolationspolynom p 2 P 2, das die Funktion f(x) = cos(x) in den Punkten x k := π 2 + π k n, h = 1 n, k = 0,...,
MehrKAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrProbe-Klausur 1 Mathematik f. Bau-Ing + Chem. Modul1
Probe-Klausur 1 Mathematik f. Bau-Ing + Chem. Modul1 1. (a) Lösen Sie das lineare Gleichungssystem für die Werte a = 1, b = 2. x + 3y + 2z = 0 2x + ay + 3z = 1 3x + 4y + z = b (b) Für welche Werte von
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 20.12.13 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
MehrNumerische Mathematik
Michael Knorrenschild Mathematik-Studienhilfen Numerische Mathematik Eine beispielorientierte Einführung 5., aktualisierte Auflage Inhaltsverzeichnis 1 Rechnerarithmetik und Gleitpunktzahlen 9 1.1 Grundbegriffe
MehrInterpolation. Kapitel 3
Kapitel 3 Interpolation Die Interpolation von Funktionen oder Daten ist ein häufig auftretendes Problem sowohl in der Mathematik als auch in vielen Anwendungen Das allgemeine Problem, die sogenannte Dateninterpolation,
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
MehrNumerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaben Frühjahr 08
Numerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaen Frühjahr 08 Hier einige Hinweise zu den MC-Aufgaen. Die Lösungen sollten nicht auswendig gelernt werden. Man sollte verstehen, warum
MehrNachklausur am Donnerstag, den 7. August 2008
Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrMathematische Grundlagen II (CES) WS 2015/2016 Klausur am Informationen zur Klausur
Prof. Dr. Mike Espig Prof. Dr. Manuel Torrilhon Klausur: Bearbeitungszeit: Erlaubte Hilfsmittel: Mathematische Grundlagen II (CES) WS 2015/2016 Klausur am 18.03.2016 Informationen zur Klausur 18.03.2016,
Mehr1. Beschreiben Sie folgende Zahlenmengen durch Markierung auf der Zahlengeraden, der Zahlenebene bzw. durch Aufzählen der Elemente:
Lösung 1. Übung Elemente der Algebra WS017/18 1. Beschreiben Sie folgende Zahlenmengen durch Markierung auf der Zahlengeraden, der Zahlenebene bzw. durch Aufzählen der Elemente: (e) {(x,y) IR 3x+4y 1}.
MehrLR Zerlegung. Michael Sagraloff
LR Zerlegung Michael Sagraloff Beispiel eines linearen Gleichungssystems in der Ökonomie (Input-Output Analyse Wir nehmen an, dass es 3 Güter G, G, und G 3 gibt Dann entspricht der Eintrag a i,j der sogenannten
MehrNumerische Mathematik für Ingenieure (SoSe 2013)
Numerische Mathematik für Ingenieure (SoSe 2013) PD Dr(USA) Maria Charina Auszüge aus Vorlesungsfolien von Prof Joachim Stöckler werden verwendet Für die Bereitstellung dieses Materials und der Tex-Files
MehrAufgabe 1 Zeigen Sie mittels vollständiger Induktion, dass für alle n N. n(n + 1)(2n + 1) 6. j 2 = gilt.
Aufgabe Zeigen Sie mittels vollständiger Induktion, dass für alle n N j 2 j n(n + )(2n + ) gilt. Der Beweis wird mit Hilfe vollständiger Induktion geführt. Wir verifizieren daher zunächst den Induktionsanfang,
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 7 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. Juli 7 Sie haben 9 Minuten Zeit zum Bearbeiten
Mehr1/26. Integration. Numerische Mathematik 1 WS 2011/12
1/26 Integration Numerische Mathematik 1 WS 2011/12 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren
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
MehrMathematik für Ingenieure 1
A. Hoffmann B. Marx W. Vogt Mathematik für Ingenieure 1 Lineare Algebra, Analysts Theorie und Numerik PEARSON Studium ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehry (k) (0) = y (k) y(z) = c 1 e αz + c 2 e βz. c 1 + c 2 = y 0 k=1 k=1,...,m y k f k (x)
9 Ausgleichsrechnung 9.1 Problemstelllung Eine Reihe von Experimenten soll durchgeführt werden unter bekannten Versuchsbedingungen z Ê m. Es sollen Größen x Ê n bestimmt werden, für die ein Gesetz gelten
MehrNumerische Mathematik
Numerische Mathematik Von Martin Hermann 2., überarbeitete und erweiterte Auflage Oldenbourg Verlag München Wien Vorwort zur ersten Auflage Vorwort zur zweiten Auflage V VII 1 Wichtige Phänomene des numerischen
MehrFragenkatalog 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
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
MehrNEXTLEVEL im WiSe 2011/12
Fachbereich Mathematik der Universität Hamburg Dr. H. P. Kiani NEXTLEVEL im WiSe 2011/12 Vorlesung 5, Teil 2 Linearisierung, einige Eigenschaften differenzierbarer Funktionen Die ins Netz gestellten Kopien
MehrFinite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 34 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 7.1.2009 2 / 34 Technisches Vorlesungswebsite: http://www.am.uni-erlangen.de/am3/de/lehre/ws08/numing1/
MehrSerie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
MehrRegression, Interpolation, numerische. Integration
,, numerische 9. Vorlesung 170004 Methoden I Clemens Brand 20. Mai 2010 Gliederung : Aufgabenstellung Gesucht ist ein Polynom, das die Datenpunkte möglichst gut approximiert Gegeben m+1 Wertepaare (x i,
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
MehrNumerik I Einführung in die Numerik
Numerik I Einführung in die Numerik M. Gutting 18. Oktober 2016 Termine Termine Vorlesung: dienstags von 12:15 Uhr bis 13:45 Uhr in ENC-D 201 und freitags von 14:15 Uhr bis 15:45 Uhr in ENC-D 223, Übung:
MehrErweiterungen der LR-Zerlegung
Prof. Thomas Richter 6. Juli 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 06.07.2017 Erweiterungen
MehrInhaltsverzeichnis. 1 Einleitung... 1
Inhaltsverzeichnis 1 Einleitung................................................. 1 2 Fehleranalyse: Kondition, Rundungsfehler, Stabilität...... 11 2.1 Kondition eines Problems................................
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 25. Februar 2010 Newton- Gliederung Newton-, ng Newton- , Fragenliste Nichtlineare Gleichungen
MehrKAPITEL 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Beispiel: Feder Masse System festes Ende Feder k 1 Masse m 1 k 2 m 2 k 3 m 3 k 4 festes Ende u 0 = 0 Federkraft y 1 Verschiebung u 1 y 2 u 2 y 3 u 3 y 4 u 4 = 0 Grundlagen der
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
Mehr1 Grundlagen der Numerik
1 Grundlagen der Numerik 1.1 Gleitpunkt-Arithmetik Es gibt nur endlich viele Zahlen auf dem Computer. Gleitpunktzahl: x = σmb E σ: Vorzeichen B: Basis (feste Zahl >1); M: Mantisse E: Exponent B = 2 : Dualzahl
MehrMathematik für Ingenieure 1
A. Hoff mann B. Marx W. Vogt Mathematik für Ingenieure 1 Lineare Algebra, Analysis Theorie und Numerik PEARSON btudiurn. ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don
MehrMathematik für Ingenieure
A. Hoffmann B. Marx W. Vogt Mathematik für Ingenieure Lineare Algebra, Analysis Theorie und Numerik 1. Auflage ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills,
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 5. April 2018 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrZwischenprüfung Winter 2016 Analysis I D-BAUG
ETH Zürich Zwischenprüfung Winter 216 Analysis I D-BAUG Dr. Meike Akveld Wichtige Hinweise Prüfungsdauer: 9 Minuten. Zugelassene Hilfsmittel: Keine, ausser das verteilte Blatt mit Standardintegralen. Es
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrAlgorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester
MehrHTL Kapfenberg SPLINE Interpolation Seite 1 von 7.
HTL Kapfenberg SPLINE Interpolation Seite von 7 Roland Pichler roland.pichler@htl-kapfenberg.ac.at SPLINE Interpolation Mathematische / Fachliche Inhalte in Stichworten: Polynome, Gleichungssysteme, Differenzialrechnung
Mehrr 11 r 12 r 13 0 r 22 r r 33 l ik r kj die Gleichungen: k= (II) 2 (I) = 3 2 1
Tecnisce Universität Berlin Wintersemester 004/005 Fakultät II; Institut für Matematik Prof. Dr. G. Bärwolff/C. Mense.0.005 Probeklausur zur LV Numerik für Informatiker en Aufgabe a Berecnen Sie die LU-Zerlegung
MehrSommersemester 2012 W. Huyer
Übungen zu Numerische Mathematik Sommersemester 0 W. Huyer ) Bestimmen Sie mit Matlab (format short) den Wert der folgenden arithmetischen Ausdrücke und erklären Sie die Ergebnisse. Welche Klammern sind
MehrAusgleichsproblem. Definition (1.0.3)
Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst
MehrNichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
MehrNUMERISCHE MATHEMATIK. Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau
NUMERISCHE MATHEMATIK Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2011/2012 Prof Dr H Babovsky, NumMath, WS 10/11 1 Inhaltsverzeichnis 1 Die Kondition numerischer Probleme
Mehr3 Lineare Gleichungssysteme
Lineare Gleichungssysteme Wir wissen bereits, dass ein lineares Gleichungssystem genau dann eindeutig lösbar ist, wenn die zugehörige Matrix regulär ist. In diesem Kapitel lernen wir unterschiedliche Verfahren
MehrNumerik I. Aufgaben und Lösungen
Universität zu Köln SS 2009 Mathematisches Institut Prof Dr C Tischendorf Dr M Selva, mselva@mathuni-koelnde Numerik I Musterlösung Übungsblatt 4, Kondition (5 Punkte) Aufgaben Lösungen (4 Punkte) Zeigen
MehrKapitel 2: Lineare Gleichungssysteme. 2.1 Motivation: Bildverarbeitung Sei B = (B(n, m)) ein N M stochastisches Feld mit ZVen
Kapitel 2: Lineare Gleichungssysteme 2.1 Motivation: Bildverarbeitung Sei B = (B(n, m)) ein N M stochastisches Feld mit ZVen B(n, m) : Ω {0,...,255}, n = 1,...,N, m = 1,...,M. dig. Camera Realisierung
Mehr2 Direkte Lösungsverfahren für lineare Gleichungen
(2.1) Sei x = (x n ) n=1,...,n R N, A = (a m,n ) m=1,...,m, n=1,...,n R M,N. a) Sei 1 m n N. Dann ist x[m : n] = (x k ) k=m,...,n R 1+n m Teilvektor von x. b) Seien 1 m 1 m 2 M, 1 n 1 n 2 N. Dann ist A[m
MehrEinführung in die Numerische Mathematik
Einführung in die Numerische Mathematik Lars Grüne Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/
MehrAufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I
Institut für Mathematik Blatt Prof. Dr. B. Martin, H. Süß Abgabe: 0.4. Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I Aufgabe : 2 Punkte Stellen Sie die Gleichung der Ebene auf, in
MehrProf. Dr. L. Diening Dipl. Math. S. Schwarzacher Dipl. Math. C. Warmt. Klausur. Numerik WS 2010/11
Prof. Dr. L. Diening 09.02.2011 Dipl. Math. S. Schwarzacher Dipl. Math. C. Warmt Klausur Numerik WS 2010/11 Es ist erlaubt, eine selbst erstellte, einseitig per Hand beschriebene A4 Seite in der Klausur
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
MehrRechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
MehrGisela Engeln-Müllges Klaus Niederdrenk Reinhard Wodicka. Numerik-Algorithmen
Gisela Engeln-Müllges Klaus Niederdrenk Reinhard Wodicka Numerik-Algorithmen Verfahren, Beispiele, Anwendungen Neunte, vollständig überarbeitete und erweiterte Auflage mit zahlreichen Abbildungen und Beispielen
Mehr