6 Einschrittverfahren

Größe: px
Ab Seite anzeigen:

Download "6 Einschrittverfahren"

Transkript

1 6 Einscrittverfaren 6.1 Herleitung von Einscrittverfaren In diesem und den folgenden Abscnitten betracten wir Verfaren zur numeriscen Approximation von Anfangswertproblemen für Systeme von Differentialgleicungen der Form (6.1) y = f(x,y), y(x 0 ) = y 0. Wie setzen f und damit y als genügend glatt voraus. Nac Abscnitt 5.5 ist damit y zumindest lokal, also in einer Umgebung von x 0, eindeutig bestimmt. Für eine (kleine) Scrittweite > 0 gilt aufgrund der Definition der ersten Ableitung oder y(x+) y(x) f(x,y(x)), y(x+) y(x)+f(x,y(x)). Hieraus können wir leict ein Verfaren ableiten, das Näerungslösungen η i von y i = y(x i ), x i = x 0 +i, liefert: η 0 = y 0, (6.) η i+1 = η i +f(x i,η i ), x i+1 = x i + für i = 0,1,,... y (x 3, η3) (x, η) (x 0, η0) (x 1, η1) x 0 x 1 x x 3 x Dieses Verfaren wird nac seinem Erfinder Eulersces Polygonzugverfaren genannt. Natürlic ängen die diskreten Approximationen auc von der gewälten Scrittweite ab. Wir screiben daer auc η(x; ), wobei natürlic nur die Werte x eingesetzt werden können, die auf dem Gitter mit Mascenweite liegen. Das Eulersce Polygonzugverfaren ist ein typisces Einscrittverfaren, weil auf der recten Seite der Verfarensvorscrift nur auf η i, nict aber auf noc ältere η j mit j < i zugegriffen wird. Das allgemeine Einscrittverfaren besitzt die Form η 0 = y 0, (6.3) η i+1 = η i +Φ(x i,η i ;), x i+1 = x i + für i = 0,1,,... mit einer Verfarensfunktion Φ. Bei der Ersetzung von y durc den Differenzenquotient wie im Eulerscen Polygonzugverfaren mact man für y C einen relativ großen Feler der Größenordnung O(). Man kann diesen Feler zu verbessern sucen, indem man andere Verfarensfunktionen als Φ = f(x i,η i ) suct. Die Qualität einer Verfarensfunktion bestimmt man durc folgende Überlegung. Angenommen, wir aben für einen Punkt x = x i eine diskrete Lösung y = η i eralten. Auc 58

2 wenn dieses y nict die exakte Lösung der Differentialgleicung ist, können wir fragen, welcer Feler im näcsten Scritt des Verfarens inzukommt. Wir scauen daer, inwieweit die Lösung von y = f(x,y) mit dem Anfangswert y(x) = y die Verfarensgleicung erfüllt und nennen (6.4) τ(x,y;) = 1 (y(x+) y(x)) Φ(x,y;) den lokalen Diskretisierungsfeler. Die anscaulice Vorstellung über den Feler in einem Einscrittverfaren ist doc, dass η 1 y 1 durc den ersten lokalen Diskretisierungsfeer gegeben ist, die späteren Feler auc durc früere Feler bestimmt sind. Den letzten Aspekt berücksictigt der lokale Diskretisierungsfeler nict, daer der Name lokal. Wenn wir annemen, dass das Einscrittverfaren für 0 gegen die exakte Lösung konvergiert, so können wir in (6.4) den Grenzübergang 0 durcfüren und eralten lim Φ(x,y;) = f(x,y), 0 was man als notwendige Bedingung für eine Verfarensfunktion anseen kann. Für teoretisce Zwecke setzen wir daer Φ(x,y;0) = f(x,y). Beispiel Im Eulerscen Polygonzugverfaren gilt Φ(x, y; ) = f(x, y). Um den lokalen Diskretisierungsfeler (6.4) für diesen Fall bestimmen zu können, verwenden wir Taylorentwicklung für die Lösung von y = f(x,y), y(x+) = y(x)+y (x)+ y (x)+o( 3 ) und eralten = y(x)+f(x,y)+ (f x(x,y)+f y (x,y)f(x,y))+o( 3 ) τ(x,y;) = 1 (y(x+) y(x)) f(x,y) (6.5) = (f x(x,y)+f y (x,y)f(x,y))+o( ) = O() Allgemein sprecen wir von einem Verfaren der Ordnung p, wenn τ(x,y;) = O( p ), für alle x und alle genügend oft differenzierbaren f(x,y) erfüllt ist. In diesem Fall sagt man auc: Das Verfaren ist von der Ordnung p konsistent. Das Eulersce Polygonzugverfaren ist demnac von erster Ordnung konsistent. Damit ist allerdings nict gesagt, dass das Verfaren auc von der Ordnung p konvergent ist, dass also y( ) η( ;) = O( p ) erfüllt ist, wobei eine für Gitterfunktionen definierte Norm ist. In der Numeriscen Matematik lassen sic genügend Beispiele finden, in denen konsistente Verfaren nict konvergieren oder umgekert eine bessere Konvergenzordnung besitzen als von der Konsistenzordnung vorergesagt. Im Falle der Einscrittverfaren können solce ungewönlicen Dinge nict passieren, wie wir später seen werden. Aus der Konsistenzüberlegung im obigen Beispiel get ervor, dass die Verfarensfunktion Φ(x,y;) = f(x,y)+ ( fx (x,y)+f y (x,y)f(x,y) ) 59

3 ein Verfaren zweiter Ordnung liefert, weil in (6.5) die Terme der Größenordnung O() verscwinden. Man kann dieses Argument auf die Terme noc öerer Ordnung anwenden und so Verfaren beliebig oer Ordnung bekommen. Allerdings benötigen diese Verfaren viele Auswertungen von f und der partiellen Ableitungen von f. Einfacere Verfaren öerer Ordnung erält man durc den Ansatz Φ(x,y;) = a 1 f(x,y)+a f(x+p 1,y +p f(x,y)). Man versuct die Konstanten a 1,a,p 1,p so zu bestimmen, dass eine möglicst oe Konsistenzordnung erzielt wird. Aus eralten wir f(x+p 1,y +p f(x,y)) = f(x,y)+f x (x,y)p 1 +f y (x,y)p f(x,y)+o( ) Φ(x,y;) = (a 1 +a )f(x,y)+a ( p 1 f x (x,y)+p f y (x,y)f(x,y) ) +O( ). Um ein Verfaren zweiter Ordnung zu bekommen, müssen nac obigem Beispiel die Terme f(x,y), ( fx (x,y)+f y (x,y)f(x,y) ) durc die Verfarensfunktion erzeugt werden. Dies fürt auf das Gleicungssystem Lösungen sind das Verfaren von Heun (1900) a 1 +a = 1, a p 1 = 1, a p = 1. a 1 = 1, a = 1, p 1 = 1, p = 1, also Φ(x,y;) = 1 ( f(x,y)+f(x+,y +f(x,y)) ), und das modifizierte Euler-Verfaren von Collatz (1960) a 1 = 0, a = 1, p 1 = 1, p = 1, also Φ(x,y;) = f ( x+ 1,y + 1 f(x,y))). Beide Verfaren benötigen zwei Auswertungen von f in jedem Scritt. Eine allgemeinere Vorgeensweise gestatten die s-stufigen Runge-Kutta Verfaren, mit denen man Einscrittverfaren ser oer Ordnung erzeugen kann. Wir bescränken uns ier auf den Fall s = 4, was dem Originalverfaren von Runge und Kutta entsprict. Die Verfarensfunktion ist dann von der Form (6.6) Φ(x,y;) = 1 6 (k 1 +k +k 3 +k 4 ) mit k 1 = f(x,y), k = f(x+ 1,y + 1 k 1), k 3 = f(x+ 1,y + 1 k, k 4 = f(x+,y +k 3 ). 60

4 Durc eine einface, aber langwierige Recnung kann man zeigen, dass dieses Verfaren von vierter Ordnung ist. Hängt die recte Seite nict von y ab, so ist die Lösung von y = f(x), y(x 0 ) = y 0 das Integral y(x) = y 0 + x x 0 f(t)dt. Die Metode von Heun entsprict dann der Trapezregel und das obige Runge-Kutta-Verfaren der Simpson-Regel. 6. Konvergenz von Einscrittverfaren Sei x 0 < b. Wir betracten das Anfangswertproblem (6.7) y = f(x,y), y(x 0 ) = y 0, für ein genügend glattes f : [x 0,b] Ê n Ê n mit Lösung y : [x 0,b] Ê n. Zur Approximation dieses Problems verwenden wir das Einscrittverfaren η 0 = y 0, (6.8) η i+1 = η i +Φ(x i,η i ;), x i+1 = x i + für i = 0,1,,..., mit einer Verfarensfunktion Φ(x,y;). Für ein x 0 < x b betracten wir die Scrittweiten, mit denen wir den Punkt x erreicen können, nämlic n = (x x 0 )/n. Wir sagen, dass das Einscrittverfaren konvergent ist, wenn e(x; n ) = η(x; n ) y(x) 0 für n für alle x (x 0,b] erfüllt ist. Als Vorbereitung für den entsprecenden Konvergenzsatz zeigen wir das folgende Lemma Seien ξ i Zalen, die für δ > 0 und B 0 einer Abscätzung der Form genügen. Dann gilt ξ i+1 (1+δ) ξ i +B, i = 0,1,,... ξ n e nδ ξ 0 + enδ 1 B. δ Beweis: Wir wenden sukzessiv die vorausgesetzte Rekursion an, ξ 1 (1+δ) ξ 0 +B, ξ (1+δ) ξ 0 +B(1+δ)+B,. ξ n (1+δ) n ξ 0 +B ( 1+(1+δ)+(1+δ) +...+(1+δ) n 1) = (1+δ) n ξ 0 +B (1+δ)n 1 δ e nδ ξ 0 +B enδ 1 δ wegen 0 < 1+δ e δ. Satz Das Anfangswertproblem (6.7) werde durc das Einscrittverfaren (6.8) approximiert. Die Verfarensfunktion Φ(x, y; ) sei stetig auf G = {(x,y,) : x 0 x b, y y(x) γ, 0 0 }, 0 > 0, γ > 0. 61

5 Weiter erfülle Φ auf G eine Lipscitzbedingung bezüglic y, also Φ(x,y;) Φ(x,z;) M y z für alle (x,y,),(x,z,) G. Ferner sei das Verfaren konsistent von der Ordnung p > 0, τ(x,y(x);) = 1 (y(x+) y(x)) Φ(x,y(x);) Np für alle (x,y(x),) G. Dann gibt es ein mit 0 < 0, so dass für alle x (x 0,b]. e(x; n ) p nn em(x x 0) 1 M, n = x x 0, n n Bemerkung Lässt man aus den Voraussetzungen dieses Satzes die Luft eraus, so kann man etwas vereinfact sagen: Konsistente Einscrittverfaren sind bei glatten f konvergent und die Konvergenzordnung stimmt mit der Konsistenzordnung überein. Scränkt man nämlic ein glattes f auf eine kompakte Menge ein, so ist dort f auc lipscitz bezüglic y. Zumindest die von uns als Beispiele angegebenen Einscrittverfaren waren glatte Funktionen in f. Auf G sind die Verfarensfunktionen daer Kompositionen von Lipscitzfunktionen und daer selber lipscitz in y. Dass wir die Konvergenz nur für genügend kleine beweisen können, liegt daran, dass für zu grobe Scrittweiten die diskreten Werte aus der Menge G erauslaufen können. Beweis: Für den Beweis nemen wir zunäcst an, dass die diskrete Lösung inneralb von G verläuft. Später erfüllen wir diese Voraussetzung, indem wir genügend klein wälen. Sei x i = x 0 + i, i Æ, und y i = y(x i ) die exakte Lösung Wir subtraieren die beiden Gleicungen η i+1 = η i +Φ(x i,η i ;), y i+1 = y i + y i+1 y i und eralten für den Feler e i = η i y i e i+1 = e i + ( Φ(x i,η i ;) Φ(x i,y i ;) ) + ( Φ(x i,y i ;) y i+1 y i ). Auf der recten Seite wenden wir die Lipscitzbedingung von Φ bezüglic y sowie die Konsistenzbedingung an, Damit eralten wir die Rekursion Φ(x 1,η i ;) Φ(x i,y i ;) M η i y i = M e i, Φ(x i,y i ;) y i+1 y i N p. e i+1 (1+M) e i +N p+1, e 0 = 0, und nac dem letzten Lemma e n N penm 1 M. Für x (x 0,b] und n = (x x 0 )/n ist dann n n = x x 0, wir eralten also genau die beauptete Felerabscätzung. Aus dieser Felerabscätzung und x x 0 b x 0 können wir das bestimmen: Es ist die größte Zal, so dass N pem(b x 0) 1 γ. M Für 0 < verbleiben dann alle η i in G. 6

6 Vernaclässigen wir alle irrelevanten Terme, so lässt sic der Feler im Punkt x durc N p ne M(x x 0) abscätzen. Für die skalare Differentialgleicung y = My ist der Feler auc genau in dieser Größenordnung, die Abscätzung ist daer im Wesentlicen scarf. Änlic wie bei der stetigen Abängigkeit der Lösungen von den Anfangswerten get auc ier die Lipscitzkonstante mit der Intervallänge eine uneilige Allianz ein. Man beacte, dass die Ordnungseröung, die sic aus dieser Abscätzung anbietet, wenn man den Feler verkleinern will, eventuell auc nict viel bringt, weil die Konstante N ebenfalls von p abängt. 6.3 Asymptotisce Entwicklungen des globalen Diskretisierungsfelers In diesem Abscnitt beandeln wir wieder das Verfaren (6.8) zur Approximation des Anfangswertproblems (6.7). Es wird vorausgesetzt, die Lösung y auf dem Intervall [x 0,b] existiert. Satz Sei f C N+1 ([x 0,b] Ê n ) n und Φ C ([x 0,b] Ê n [0, )) n. Das Verfaren (6.8) besitze die Konsistenzordnung p > 0 und für den Konsistenzfeler gelte (6.9) y(x+) y(x) Φ(x,y(x);) = d p+1 (x) p d N+1 (x) N+1 +O( N+ ). Dann besitzen die Aproximierenden η(x; ) eine asymptotisce Entwicklung in : Es gibt differenzierbare und -unabängige Funktionen e p (x),...,e N (x) mit e k (x 0 ) = 0 und η(x;) = y(x)+e p (x) p +e p+1 (x) p e N (x) N +E N (x;) N+1 für alle x [x 0,b] und alle = n = (x x 0 )/n, n Æ. Das Restglied ist bescränkt für jedes x und alle n = (x x 0 )/n, sup n Æ E N+1(x, n ) <. Beweis: Im ersten Scritt des Beweises verwenden wir von (6.9) lediglic Wir betracten y(x+) y(x) Φ(x,y(x);) = d p+1 (x) p+1 +O( p+ ). ˆη(x;) = η(x;) e p (x) p, wobei e p später gewält wird. ˆη erfüllt die Gleicung eines Einscrittverfarens ˆη(x+;) = ˆη(x;)+ˆΦ(x,ˆη(x;);) mit ˆΦ(x,y;) = Φ(x,y +e p (x) p ;) (e p (x+) e p (x)) p 1 wegen ˆη(x;)+ˆΦ(x,ˆη(x;);) = ˆη(x;)+e p (x) p +Φ(x,η(x;);) e p (x+) p = η(x;)+(η(x+;) η(x;)) e p (x+) p = ˆη(x+;). Aus Φ(x,y,0) = f(x,y) folgt Φ y (x,y;0) = f y (x,y) und damit wegen Φ C nac Taylor Φ y (x,y;) = f y (x,y)+o(). Mit dieser Bezieung folgt y(x+) y(x) ˆΦ(x,y(x);) = y(x+) y(x) Φ(x,y +e p (x) p ;) (e p (x+) e p (x)) p = y(x+) y(x) Φ(x,y(x);) f y (x,y(x))e p (x) p+1 +O( p+ ) (e p (x+) e p (x)) p = ( d p+1 (x) f y (x,y(x))e p (x) e p(x) ) p+1 +O( p+ ). 63

7 Also besitzt das Einscrittverfaren mit Verfarensfunktion ˆΦ die Konsistenzordnung p+1, wenn wir e p als Lösung des linearen Anfangswertproblems e p(x) = d p+1 (x) f y (x,y(x))e p (x), e p (x 0 ) = 0 definieren. Mit dieser Wal von e p eralten wir aus dem Konvergenzsatz in Abscnitt 6. ˆη(x;) y(x) = η(x;) y(x) e p (x) p = O( p+1 ). Eine Wiederolung dieses Arguments mit ˆΦ an Stelle von Φ liefert die Beauptung. Als Anwendung dieser asymptotiscen Entwicklung scätzen wir den globalen Diskretisierungsfeler ab. Dazu setzt man für ein Verfaren der Ordnung p in erster Näerung η(x;) y(x). = e p (x) p, vernaclässigt also den Term der Größenordnung O( p+1 ). Hieraus erält man (6.10) η(x; ( ) y(x) =. ) p. e p (x) Subtraktion der beiden letzten Gleicungen liefert η(x;) η(x; ( ) =. ) p( e p (x) p 1), und durc Einsetzen in (6.10) ( p. e p (x) = ) η(x;) η(x; ) p, 1 (6.11) η(x; ) y(x) =. η(x;) η(x; ) p. 1 Insbesondere erält man für das Runge-Kutta-Verfaren in (6.6) wegen p = 4, dass η(x; ) y(x) =. η(x;) η(x; ) Scrittweitensteuerung Alle Felerabscätzungen des letzten Abscnitts bleiben rictig, wenn man statt der Scrittweite im i-ten Scritt eine Scrittweite i wält, die Scrittweite also variabel lässt. Nac der Herleitung der Konsistenzbedingung ängt der Konsistenzfeler bei einem Verfaren der Ordnung p von y (p+1) ab. Es ist daer sicerlic eine gute Idee, in den Bereicen, in denen diese Ableitung groß ist, mit einer kleineren Scrittweite zu recnen. Wir leiten einen Felerscätzer er, mit dessen Hilfe die aktuelle Scrittweite bestimmt werden kann. Dazu nemen wir an, dass in einem Einscrittverfaren der Ordnung p im Punkt x 0 die Näerung exakt ist. Für eine Zal ε > 0, die in Abängigkeit der Mascinengenauigkeit nict zu klein gewält werden darf, soll eine Scrittweite bestimmt werden mit e(x 0 +;) ε. Nac Satz 6.3 gilt in erster Näerung e(x;). = e p (x) p und wegen e p (x 0 ) = 0 ebenfalls in erster Näerung (6.1) e(x;). = (x x 0 )e p(x 0 ) p. Damit gilt e(x 0 +;) ε, wenn (6.13) ε. = p+1 e p(x 0 ). 64

8 Um zu bestimmen, wälen wir zunäcst eine provisorisce Scrittweite H, die später in der praktiscen Umsetzung aus dem vorigen Zeitscritt bestimmt wird, berecnen η(x + H; H) und η(x+h;h/) sowie nac (6.11) (6.14) e(x 0 +H; H ) =. η(x 0 +H;H) η(x 0 +H; H ) p. 1 Andererseits ist nac (6.13) e(x 0 +H; H ( ) =. H ) p. e p(x 0 )H Wir können (6.14) und die letzte Gleicung nac e p(x 0 ) auflösen und eralten Gleicung (6.13) liefert daer (6.15) e p(x 0 ) =. 1 p ( H p+1 p η(x 0 +H;H) η ( x 0 +H; H ) ). 1 H (. p = p 1 Dies kann in folgender Weise umgesetzt werden: η(x 0 +H;H) η(x 0 +H;H/) ) 1/(p+1) ε Parameter: a=nictakzeptanzfaktor, v=vergröberungsfaktor 1) Seien x 0,y 0,H vorgegeben. ) Bestimme η(x 0 +H;H), η(x 0 +H,H/) sowie H/ nac (6.15). Ist H a, setze H = und gee nac ) 3) Setze und gee nac 1) x 0 = x 0 +H y 0 = η(x 0 +H; H ) H = v In Scritt ) wird die Scrittweite bestimmt. Je größer H/ ist, desto weiter ist die rictige Scrittweite von H entfernt. Dennoc sollte man nict päpstlicer als der Papst sein. Da die Scrittweitensteuerung sowieso nict wirklic funktioniert, wie gleic gezeigt wird, sollte man H möglicst akzeptieren und a 3 wälen. In Scritt 3) wird versuct, die Scrittweite für den folgenden Scritt etwas zu vergrößern. Wenn man davon ausgeen kann, dass die Scrittweite sic nur wenig ändert, sollte man v > nae bei wälen. In der Implentierung felt noc das genaue Treffen des Endwerts b und die Festlegung einer minimalen Scrittweite, um zu verindern, dass sic die Scrittweitensteuerung festfrisst. Beispiel Wir betracten das skalare Anfangswertproblem y = 00xy, y( 3) = mit exakter Lösung y(x) = 1/( x ). Es soll eine Approximation η für y(0) = 1 gefunden werden. Die Ableitungen von y sind klein am Anfangswert und wacsen dann an. Mit dem Runge- Kutta-Verfaren aus Abscnitt 6.1 eralten wir mit Scrittweitensteuerung η y(0) Zal der Scritte Kleinste Scrittweite H

9 Wir vergleicen dieses Ergebnis mit zwei Recnungen mit konstanter Scrittweite, nämlic = 1/1476, was der gleicen Scrittzal wie beim adaptiven Verfaren entsprict, sowie = , also die kleinste Scrittweite im adaptiven Verfaren: η y(0) Zal der Scritte = Es gibt natürlic noc andere Möglickeiten, einen Felerscätzer erzuleiten und eine Scrittweitensteuerung zu implementieren. Das folgende Beispiel zeigt jedoc, dass eine korrekte Lösung dieses Problems wol nict existiert. Beispiel Wir betracten y = y, y(0) = 1, mit Lösung y(x) = e x. Im Intervall [0,1] diskretisieren wir dieses Problem mit dem Eulerscen Polygonzugverfaren η i+1 = η i + i+1 η i = (1+ i+1 )η i, i = 0,...,n 1 unter der Bedingung, dass n i=1 i = 1. Dann stet auf η n eine Approximation von y(1) = e. Aus der Verfarensvorscrift eralten wir η n = n (1+ i ). i=1 Es ist bemerkenswert, dass es bei einer linearen omogenen Differentialgleicung mit konstanten Koeffizienten auf die Reienfolge der i nict ankommt. Von der Ungleicung des geometriscen und aritmetiscen Mittels wissen wir, dass in n i=1 a 1/n i 1 n n i=1 a i genau dann Gleiceit errsct, wenn die a i alle gleic sind. Daer η n = n (1+ i ) ( 1+ n) 1 n < e. i=1 Damit eralten wir die beste Approximation bei Vorgabe der Scrittzal n, wenn wir die Scrittweiten äquidistant wälen. Bei jeder Scrittweitensteuerung können wir davon ausgeen, das am Ende des Intervalls verfeinert wird, einfac desalb, weil dort die Werte größer sind. 66

Vorlesung für Schüler

Vorlesung für Schüler Universität Siegen Facbereic Matematik Vorlesung für Scüler 1.12.2 Emmy-Noeter-Campus Prof. Dr. H. J. Reinardt Computerlösungen dynamiscer Probleme Zusammenfassung Es werden zunäcst einface dynamisce Probleme

Mehr

Numerik I. Gewöhnliche Differentialgleichungen. Prof.Dr.G.Wittum. Teil I:

Numerik I. Gewöhnliche Differentialgleichungen. Prof.Dr.G.Wittum. Teil I: Numerik I Prof.Dr.G.Wittum Teil I: Gewönlice Differentialgleicungen Sommersemester 2005 INHALTSVERZEICHNIS 1 Inaltsverzeicnis 1 Numerik gewönlicer Differentialgleicungen 2 1.1 Einleitung....................................

Mehr

Numerische Differenziation

Numerische Differenziation In vielen Anwendungen ist es notwendig, Funktionen näerungsweise mit Hilfe eines numeriscen Verfarens zu differenzieren: Die analytisce Berecnung der Ableitung ist zum Beispiel unmöglic, wenn die zu differenzierende

Mehr

r 11 r 12 r 13 0 r 22 r r 33 l ik r kj die Gleichungen: k= (II) 2 (I) = 3 2 1

r 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

Mehr

2. ELLIPTISCHE GLEICHUNGEN 57

2. ELLIPTISCHE GLEICHUNGEN 57 2 ELLIPTISCHE GLEICHUNGEN 57 2 Finite Differenzen für elliptisce Gleicungen Im Gegensatz zu yperboliscen Gleicungen aben elliptisce Gleicungen einen Glättungseffekt, d im Allgemeinen besitzen solce Gleicungen

Mehr

Mathematik und Nanotechnologie: Warum werden Computer immer kleiner?

Mathematik und Nanotechnologie: Warum werden Computer immer kleiner? 1 Matematik und Nanotecnologie: Warum werden Computer immer kleiner? Ansgar Jüngel Institut für Analysis und Scientific Computing www.juengel.at.vu Einleitung: vom Computer zum Halbleiterbauteil Herleitung

Mehr

Explizite, eingebettete und implizite RK-Verfahren

Explizite, eingebettete und implizite RK-Verfahren Kutta-Teorie: Explizite, eingebettete und implizite RK-Verfaren Lukas Klic Kutta-Teorie: : Explizite, eingebettete und implizite RK- Verfaren Lukas Klic Seite: Gliederung -Verfaren - Explizite Verfaren

Mehr

Funktionentheorie A. K. Hulek

Funktionentheorie A. K. Hulek Funktionenteorie A K. Hulek 1 Holomorpe Funktionen Die wictigsten Objekte dieser Vorlesung sind die olomorpen Funktionen. Es sei U C offen, f : U C eine Abbildung und z 0 U ein Punkt. Definition (i Die

Mehr

Anwendungen der Potenzreihenentwicklung: Approximation, Grenzwerte; Wachstum

Anwendungen der Potenzreihenentwicklung: Approximation, Grenzwerte; Wachstum Anwendungen der Potenzreienentwicklung: Approximation, Grenzwerte; Wacstum Lokale Näerung einer Funktion durc ganzrationale Funktionen Ganzrationale Funktionen aben viele angeneme Eigenscaften. Man weiß

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Tecnisce Universität Müncen SoSe 2013 Institut für Informatik Prof. Dr. Tomas Huckle Dipl.-Inf. Cristop Riesinger Dipl.-Mat. Jürgen Bräckle Numerisces Programmieren, Übungen 2. Übungsblatt: Kondition,

Mehr

Repetitorium Analysis I für Physiker

Repetitorium Analysis I für Physiker Micael Scrapp Ubungsblatt 3 Lösungen Tecnisce Universität Müncen Repetitorium Analysis I für Pysiker Analysis I Aufgabe Wir definieren zunäcst die Funktion g(t) = 2 0 f(t)t 2 dt Die Menge B = g (], 5[)ist

Mehr

Numerische Simulation von Differential-Gleichungen der Himmelsmechanik

Numerische Simulation von Differential-Gleichungen der Himmelsmechanik Numerisce Simulation von Differential-Gleicungen der Himmelsmecanik Teilnemer: Max Dubiel (Andreas-Oberscule) Frank Essenberger (Herder-Oberscule) Constantin Krüger (Andreas-Oberscule) Gabriel Preuß (Heinric-Hertz-Oberscule)

Mehr

8. Differentiation. f(x) f(x 0 ) =: f,x0 (x) lim

8. Differentiation. f(x) f(x 0 ) =: f,x0 (x) lim 8. Differentiation Sei I R ein Intervall. Eine Funktion f : I R eißt in x 0 I differenzierbar (Steno: diffbar), wenn der für x I, x x 0 erklärte Differenzenquotient f(x) f(x 0 ) =: f,x0 (x) nac x 0 stetig

Mehr

Anleitung zur Berechnung von Ableitungsfunktionen

Anleitung zur Berechnung von Ableitungsfunktionen Matematik 11d 7..009 Stefan Krissel Anleitung zur Berecnung von Ableitungsfunktionen Prolog Es gibt nict das Verfaren zur Berecnung der Ableitungsfunktion, genausowenig wie es das Verfaren zum Screiben

Mehr

Geometrisch ergibt sich deren Graph als Schnitt von G mit der senkrechten Ebene y = b bzw. x = a:

Geometrisch ergibt sich deren Graph als Schnitt von G mit der senkrechten Ebene y = b bzw. x = a: Fläcen im Raum Grap und Scnittkurven Im ganzen Artikel bezeicnet D eine Teilmenge des R 2 und eine skalarwertige Funktion in zwei Veränderlicen. Der Grap f : D R 2 R : (x, y) z = f(x, y) G = { (x, y, z)

Mehr

Mathematik für Chemiker I

Mathematik für Chemiker I Universität D U I S B U R G E S S E N Campus Essen, Matematik PD Dr. L. Strüngmann WS 007/08 Übungsmaterial sowie andere Informationen zur Veranstaltung unter: ttp://www.uni-due.de/algebra-logic/struengmann.stml

Mehr

Geometrische Mehrgitterverfahren. Annabell Schlüter

Geometrische Mehrgitterverfahren. Annabell Schlüter Geometrisce Mergitterverfaren Annabell Sclüter 13.07.2010 Inaltsverzeicnis 1 Einleitung 2 2 Das Mergitterverfaren für lineare Probleme 3 2.1 Dämpfungseigenscaften des Jacobiverfarens............ 3 2.2

Mehr

Vorkurs Mathematik Herbst Skript Teil VI

Vorkurs Mathematik Herbst Skript Teil VI Vorkurs Matematik Herbst 2009 M. Carl E. Bönecke Skript Teil VI. Stetigkeit Definition. Eine Funktion f : R R eißt stetig im Punkt p, wenn für alle konvergente Folgen x : N R, n x n mit gleicen Grenzwert

Mehr

1 Differentiation im Komplexen

1 Differentiation im Komplexen 1 Differentiation im Komplexen 1.1 Definition und einface Eigenscaften Die folgende Definition der komplexen Differenzierbarkeit mittels der komplexen Division ist eine folgenreice Verscärfung der Differentiation

Mehr

Differenzierbarkeit. Wir betrachten zuerst die Differenzierbarkeit reellwertiger Funktionen.

Differenzierbarkeit. Wir betrachten zuerst die Differenzierbarkeit reellwertiger Funktionen. Differenzierbarkeit Wir betracten zuerst die Differenzierbarkeit reellwertiger Funktionen. Definition. Sei f : R n R und x 0 D(f) ein innerer Punkt. Dann eißt f differenzierbar an x 0, wenn es einen Vektor

Mehr

Rudolphs Schlitten. Aufgabe. Autor: Jochen Ricker

Rudolphs Schlitten. Aufgabe. Autor: Jochen Ricker Rudolps Sclitten Autor: Jocen Ricker Aufgabe Endlic ist es wieder soweit: Weinacten stet vor der Tür! Diesmal at der Weinactsmann sic ein ganz besonderes Gescenk für seine Rentiere einfallen lassen. Sie

Mehr

Differentialrechnung. Kapitel 7. Differenzenquotient. Graphische Interpretation des Differentialquotienten. Differentialquotient

Differentialrechnung. Kapitel 7. Differenzenquotient. Graphische Interpretation des Differentialquotienten. Differentialquotient Differenzenquotient Sei f : R R eine Funktion. Der Quotient Kapitel 7 Differentialrecnung f f 0 + f 0 f f 0 0 eißt Differenzenquotient an der Stelle 0. f, f Sekante 0, f 0 f 0 Josef Leydold Matematik für

Mehr

TU Dresden Fakultät Mathematik Institut für Numerische Mathematik 1

TU Dresden Fakultät Mathematik Institut für Numerische Mathematik 1 TU Dresden Fakultät Matematik Institut für Numerisce Matematik Lösung zur Aufgabe 4 (a) des 9. Übungsblattes größtmöglicer Definitionsbereic: Die Funktion ist überall definiert, außer an der Stelle = 3

Mehr

VORKURS MATHEMATIK DRAISMA JAN, ÜBERARBEITET VON BÜHLER IRMGARD UND TURI LUCA

VORKURS MATHEMATIK DRAISMA JAN, ÜBERARBEITET VON BÜHLER IRMGARD UND TURI LUCA VORKURS MATHEMATIK DRAISMA JAN, ÜBERARBEITET VON BÜHLER IRMGARD UND TURI LUCA Mittwoc: Ableiten, Kurvendiskussionen, Optimieren, Folgen und Reien Betracte auf einem Hügel einen Weg, dessen Seitenansict

Mehr

3.2 Polarkoordinaten und exponentielle Darstellung

3.2 Polarkoordinaten und exponentielle Darstellung 42 3.2 Polarkoordinaten und exponentielle Darstellung Ein Punkt z = a + bi der Gaußscen Zalenebene ist durc seine kartesiscen Koordinaten a und b eindeutig festgelegt. Man kann jedoc auc zwei andere Grössen

Mehr

Das Matrizenexponential

Das Matrizenexponential Das Matrizenexponential Tobias Fleckenstein 18 Mai 215 Das Matrizenexponential Seminar im Sommersemester 215 HCM Bonn Einleitung Bei der Untersucung von Differentialgleicung kommt man ser scnell in die

Mehr

Analysis 1. Torsten Wedhorn. f(x) f( x) x x. (2) Die Funktion f heißt auf D differenzierbar, falls f in jedem Punkt x D differenzierbar ist.

Analysis 1. Torsten Wedhorn. f(x) f( x) x x. (2) Die Funktion f heißt auf D differenzierbar, falls f in jedem Punkt x D differenzierbar ist. Analysis Torsten Wedorn 8 Differentiation (A) Differenzierbare Funktionen (B) Recenregeln für die Ableitung (C) Lokale Extrema und Mittelwertsatz (D) Ableitung und Monotonie (E) Der Satz von l Hospital

Mehr

5. Übungsblatt zur Analysis II

5. Übungsblatt zur Analysis II Facbereic Matematik Prof. Dr. R. Farwig C. Komo J. Prasiswa R. Sculz SS 009 8.05.009 5. Übungsblatt zur Analysis II Gruppenübung Aufgabe G (Differenzierbarkeit Gegeben sei die Funktion f : R R mit f(x,

Mehr

Analysis I. Vorlesung 18. Differenzierbare Funktionen. f: D K

Analysis I. Vorlesung 18. Differenzierbare Funktionen. f: D K Prof. Dr. H. Brenner Osnabrück WS 2013/2014 Analysis I Vorlesung 18 Differenzierbare Funktionen In dieser Vorlesung betracten wir Funktionen, wobei D K eine offene Menge in K ist. Das ist eine Menge derart,

Mehr

122 KAPITEL 7. POTENZREIHEN

122 KAPITEL 7. POTENZREIHEN Kapitel 7 Potenzreien 7.1 Der Konvergenzradius Definition 7.1: (Komplexe Potenzreien) Eine Potenzreie um den Punt z 0 C ist eine Reie der Form a (z z 0 ), a, z, z 0 C. Dort, wo die Reie onvergiert, definiert

Mehr

VII. Numerische Behandlung von Differentialgleichungen

VII. Numerische Behandlung von Differentialgleichungen VII. Numerisce Beandlung von Differentialgleicungen 7.. Gewönlice Diff gleicungen erster Ordnung Aufgabe: Funtion nur implizit gegeben durc Bedingungen an die Ableitung????? Ableitung von nac in jedem

Mehr

5 Differenzialrechnung für Funktionen einer Variablen

5 Differenzialrechnung für Funktionen einer Variablen 5 Differenzialrecnung für Funktionen einer Variablen Ist f eine ökonomisce Funktion, so ist oft wictig zu wissen, wie sic die Funktion bei kleinen Änderungen verält. Bescreibt etwa f einen Wacstumsprozess,

Mehr

Übungsblatt 2 Musterlösung

Übungsblatt 2 Musterlösung MSE SoSe Übungsblatt Musterlösung Lösung 4 Einfluß von Randbedingungen) a) Durc Integration erälten wir: u x) = ux) = x x fy)dy +c = x π sinπz)+c b) Seien nun u) = u) = Daraus folgt: cosπy)dy +c = π sinπx)+c.

Mehr

0.1. Lösung der Aufgabe 1. Nehme an, wir ( hätten ) die Aufgabe, n Personen aus 2n

0.1. Lösung der Aufgabe 1. Nehme an, wir ( hätten ) die Aufgabe, n Personen aus 2n .. Lösung der Aufgabe. Neme an, wir ätten die Aufgabe, n Personen aus n n Personen auszuwälen. Dafür gibt es natürlic Möglickeiten. Wir können aber n auc wie folgt verfaren. Teilen wir die n Personen auf

Mehr

5.2. ABLEITUNGEN BEKANNTER FUNKTIONEN 105. f(x) = O(g(x)) für x x 0, f(x) < M g(x). f(x) g(x)

5.2. ABLEITUNGEN BEKANNTER FUNKTIONEN 105. f(x) = O(g(x)) für x x 0, f(x) < M g(x). f(x) g(x) 5.2. ABLEITUNGEN BEKANNTER FUNKTIONEN 105 Definition 5.2.4 (Landau Symbole (Fortsetzung)) Wir sagen f(x) = O(g(x)) für x falls es ein K > a ein M R + gibt, so dass für alle x > K gilt f(x) < M g(x), f(x)

Mehr

Institut für Angewandte und Numerische Mathematik Prof. Dr. Christian Wieners, Dipl.-Math. techn. Daniel Maurer

Institut für Angewandte und Numerische Mathematik Prof. Dr. Christian Wieners, Dipl.-Math. techn. Daniel Maurer Institut für Angewandte und Numerisce Matematik Prof. Dr. Cristian Wieners, Dipl.-Mat. tecn. Daniel Maurer Numerisce Matematik für die Facrictungen Informatik und Ingenieurwesen Lösungen zur Klausurvorbereitung

Mehr

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I

Aufgaben und Lösungen Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Aufgaben und en Ausarbeitung der Übungsstunde zur Vorlesung Analysis I Wintersemester 008/009 Anweseneitsaufgaben Übung 4 Einleitung Es soll darauf ingewiesen werden, daß es in der Woce vor der Klausur

Mehr

Linear. Halbkreis. Parabel

Linear. Halbkreis. Parabel Vom Parabolspiegel zur Ableitungsfunktion Im Folgenden get es darum erauszufinden, was ein Parabolspiegel ist und wie er funktioniert. Das fürt uns auf wictige Fragen eines Teilgebietes der Matematik,

Mehr

Ferienkurs Theoretische Mechanik SS 2011

Ferienkurs Theoretische Mechanik SS 2011 Ferienkurs Teoretisce Mecanik SS Lösungen Freitag Aufgabe : Rotation eines Quaders um die Raumdiagonale Die Hauptacsen verlaufen durc den Scwerpunkt des Quaders parallel zu den Kanten. Die Kante der Länge

Mehr

Mathematik GK 11 m3, AB 06 Klausurvorbereitung Differentialq. Lsg x 3 9x 4 2x 2 x 4. 4x 3 9x 4 : 2x 2 x 4 =2x 1 x 3 2x 2 8x

Mathematik GK 11 m3, AB 06 Klausurvorbereitung Differentialq. Lsg x 3 9x 4 2x 2 x 4. 4x 3 9x 4 : 2x 2 x 4 =2x 1 x 3 2x 2 8x Aufgabe : Berecne a) 4x 5x 5x 4x b) 4x 9x 4 x x 4 4x 5x 5x : 4x x x 4x x 4x 5x 4x x 4x 4x 4x 9x 4 : x x 4 x x x 8x x x 4 x x 4 c) 4x 4 x 8x 4x 4 x 4x 4 x 4 x 4x x : x x x x 4 4x 4x x x x x Aufgabe : Bestimme

Mehr

Ableitung und Mittelwertsätze

Ableitung und Mittelwertsätze Ableitung und Mittelwertsätze Definition. Sei I R ein Intervall und f : I R. ) f eißt differenzierbar an 0 I, wenn der Grenzwert eistiert. f() f( 0 ) lim 0 0 = f ( 0 ) = lim 0 f( 0 + ) f( 0 ) Ist dabei

Mehr

Ein immer wiederkehrendes Konzept in der Mathematik ist die Zurückführung auf Bekanntes, beziehungsweise auf besonders

Ein immer wiederkehrendes Konzept in der Mathematik ist die Zurückführung auf Bekanntes, beziehungsweise auf besonders Vorlesung 14 Differentialrecnung Ein immer wiedererendes Konzept in der Matemati ist die Zurücfürung auf Beanntes, bezieungsweise auf besonders einface Fälle. Besonders einfac sind lineare Funtionen in

Mehr

Lösung - Serie 3. D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. 1. MC-Aufgaben (Online-Abgabe)

Lösung - Serie 3. D-MAVT/D-MATL Analysis I HS 2017 Dr. Andreas Steiger. 1. MC-Aufgaben (Online-Abgabe) D-MAVT/D-MATL Analysis I HS 07 Dr. Anreas Steiger Lösung - Serie 3. MC-Aufgaben (Online-Abgabe). Es sei ie Funktion f : [0, ) [0, ) efiniert urc f() = ln( + ), wobei er Logaritmus ln zur Basis e ist. Welce

Mehr

Exakte Differenzialgleichungen

Exakte Differenzialgleichungen Exakte Differenzialleicunen In der nacfolenden Diskussion benötien wir die so. symmetrisce Darstellun einer Dl 1. Ordnun. Diese lautet (x, y) + (x, y)dy = 0. Dies entsprict im Falle (x, y) 0 der Dl y (x)

Mehr

Höhere Mathematik II für die Fachrichtung Physik. 13. Übungsblatt

Höhere Mathematik II für die Fachrichtung Physik. 13. Übungsblatt Institut für Analysis SS07 PD Dr. Peer Cristian Kunstmann.07.07 Dipl.-Mat. Leonid Caicenets, Joanna Ricter, M.Sc., Tobias Ried, M.Sc., Tobias Scmid, M.Sc. Höere Matematik II für die Facrictung Pysik 3.

Mehr

10. Elliptische Regularitätstheorie.

10. Elliptische Regularitätstheorie. 10. Elliptisce Regularitätsteorie. Wir disutieren zunäcst die Fragestellung, um die es in diesem Paragrapen get. Sei u 0 scwace Lsg. des elliptiscen RWPs { Lu = f in, u = 0 auf, 10.1) d.., es sei u 0 H

Mehr

Einstiegsphase Analysis (Jg. 11)

Einstiegsphase Analysis (Jg. 11) Einstiegspase Analysis (Jg. 11) Ac Geradengleicungen: Eine Gerade g verlaufe durc P(-3/-2) und Q(4/3). Eine Gerade gee durc R(1/y) und stee senkrect auf g. Zeicne diese Geraden und stelle ire Gleicungen

Mehr

4.3.2 Ableitungsregeln

4.3.2 Ableitungsregeln Vorbereitungskurs auf die Aufnameprüfung der ETH: Matematik 4.3.2 Ableitungsregeln Der Differentialquotient [s. 43] zur Definition der Ableitung beinaltet eine Grenzwertbildung Limes), welce meist dadurc

Mehr

7 Das Eulersche Polygonzugverfahren

7 Das Eulersche Polygonzugverfahren 35 7 Das Eulersche Polygonzugverfahren Lösungen von Differentialgleichungen sind nur in speziellen Fällen explizit angebbar; oft können nur Approximationen an Lösungen numerisch berechnet werden. In diesem

Mehr

Numerische Simulation in der Luft- und Raumfahrttechnik

Numerische Simulation in der Luft- und Raumfahrttechnik Numerisce Simulation in der Luft- und Raumfarttecnik Dr. Felix Jägle, Prof. Dr. Claus-Dieter Munz (IAG) Universität Stuttgart Pfaffenwaldring, 70569 Stuttgart Email: felix.jaegle@iag.uni-stuttgart.de Inalt

Mehr

Vertauschen von Limiten

Vertauschen von Limiten Vertauscen von Limiten W. Herfort December 28, 25 Contents Die Mutter aller Sclacten 2 2 Anwendungen in Beispielen 2 2. Vertauscen von GW in ANA 2................... 2 2.. Aufgabe............................

Mehr

Der Hauptsatz der Differential und Integralrechnung

Der Hauptsatz der Differential und Integralrechnung Der Hauptsatz der Differential und Integralrecnung Micael Karkulik, Stepan Scmeissl Präsentation für Logik als Arbeitssprace ê Präsentationstecnik 2 Inalt: 1.0 Zusammenfassung 2.0 Einleitung 3.0 Der Hauptsatz

Mehr

Institut für Analysis SS 2014 Prof. Dr. Roland Schnaubelt Dipl.-Math. Leonid Chaichenets. Höhere Mathematik II für die Fachrichtung Physik

Institut für Analysis SS 2014 Prof. Dr. Roland Schnaubelt Dipl.-Math. Leonid Chaichenets. Höhere Mathematik II für die Fachrichtung Physik Institut für Analysis SS 4 Prof. Dr. Roland Scnaubelt 8.7.4 Dipl.-Mat. Leonid Caicenets Höere Matematik II für die Facrictung Pysik Lösungsvorscläge zum 3. Übungsblatt Aufgabe 68: Wir arbeiten den Folgenden

Mehr

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 3. Übungsblatt

Höhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 3. Übungsblatt KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Cristop Scmoeger Heiko Hoffmann SS 24 Höere Matematik II für die Facrictung Informatik Lösungsvorscläge zum 3. Übungsblatt Aufgabe 9 a) Bestimmen

Mehr

Musterlösung zu Übungsblatt 1

Musterlösung zu Übungsblatt 1 Prof. R. Pandaripande J. Scmitt, C. Scießl Funktionenteorie 23. September 16 HS 2016 Musterlösung zu Übungsblatt 1 Aufgabe 1. Sei F ein Körper, der R als einen Unterkörper entält. Das eisst R ist eine

Mehr

7.2. Ableitungen und lineare Approximation

7.2. Ableitungen und lineare Approximation 7.. Ableitungen und lineare Approximation Eindimensionale Ableitungen und Differentialquotienten einer Funktion bekommt man bekanntlic als Limes von Differenzenquotienten f ( a) = f ( a + ) f( a ) = x

Mehr

Die Ableitung einer Funktion

Die Ableitung einer Funktion Die Ableitung einer Funktion I. Definition der Ableitung Definition. Sei I R ein Intervall und f : I R. 1) f eißt differenzierbar an x 0 I, wenn der Grenzwert f(x) f(x 0 ) lim = f (x 0 ) x x 0 x x 0 existiert.

Mehr

1 Analytische Geometrie und Grundlagen

1 Analytische Geometrie und Grundlagen $Id: vektor.tex,v 1.41 2018/05/08 15:50:54 k Exp $ 1 Analytisce Geometrie und Grundlagen 1.5 Abstände und Winkel Am Ende der letzten Sitzung atten wir eine metrisce Form des Stralensatzes ergeleiten, gegeben

Mehr

Produktregel (Ableitung von f g)

Produktregel (Ableitung von f g) Produktregel (Ableitung von f g) f f g 0 f 0 g g 0 Wir aben die Hoffnung, dass die Ableitung von f g mit Hilfe der Ableitungen von f und g ermittelt werden kann. f ( 0 ) = lim 0 f( 0 +) f( 0 ) g ( 0 )

Mehr

1 Berechnung einer Geschwindigkeitskonstanten mit der Theorie des Übergangszustandes

1 Berechnung einer Geschwindigkeitskonstanten mit der Theorie des Übergangszustandes Pysikalisce Cemie II Lösung 11 4. Dezember 215 1 Berecnung einer Gescwindigkeitskonstanten mit der eorie des Übergangszustandes Mit Gl. 4.97 1. Eyringsce Gleicung ergibt sic für die termiscen Gescwindigkeitskonstanten

Mehr

Á 5. Differenzierbarkeit

Á 5. Differenzierbarkeit Á. Differenzierbarkeit Materialien zur Vorlesung Elementare Analysis, Wintersemester 3 4 Materialien zur Vorlesung Elementare Analysis, Wintersemester 3 4 . Differenzierbarkeit Zur Berecnung der Steigung

Mehr

Numerisches Programmieren (IN0019) 9. Symmetrisches Eigenwertproblem. Eigenwert-Problem. Verallgemeinerte Fourier-Reihe

Numerisches Programmieren (IN0019) 9. Symmetrisches Eigenwertproblem. Eigenwert-Problem. Verallgemeinerte Fourier-Reihe Numerisces Programmieren (IN009) Frank R. Scmidt 9. Symmetrisces Eigenwertproblem Winter Semester 06/07 Verallgemeinerte Fourier-Reie Das Berecnen von Eigenwerten wird bei viele praktisce Anwendungen vorausgesetzt,

Mehr

3.2 Spline Interpolation

3.2 Spline Interpolation 3.2 Spline Interpolation 3.2 Spline Interpolation Ein wesentlicer Defekt der globalen Interpolation aus dem vorerigen Abscnitt ist, dass die interpolierenden Polynome starke Oszillationen zwiscen den Stützstellen

Mehr

8 Nichtlineare Probleme

8 Nichtlineare Probleme 8 Nictlineare Probleme 8.1 Beispiele nictlinearer elliptiscer Differentialgleicungen Nictlineare elliptisce Differentialgleicungen gewinnen durc scnellere Recner und bessere Diskretisierungsmetoden zunemend

Mehr

Grundlagen der Differentialrechnung

Grundlagen der Differentialrechnung Grundlagen der Differentialrecnung Wolfgang Kippels 26. Oktober 2018 Inaltsverzeicnis 1 Vorwort 2 2 Grundprinzip der Differenzialrecnung 3 3 Ableiten von Funktionen 7 3.1 Ableitungen wictiger Grundfunktionen:..................

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare 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

Mehr

Musterlösung Klausur zu Analysis II. Verständnisteil

Musterlösung Klausur zu Analysis II. Verständnisteil Technische Universität Berlin SS 2009 Institut für Mathematik 20.07.2009 Prof. Dr. R. Schneider Fritz Krüger Sebastian Holtz Musterlösung Klausur zu Analysis II Verständnisteil 1. (a) Sei D R n konvex

Mehr

6. Die Exponentialfunktionen (und Logarithmen).

6. Die Exponentialfunktionen (und Logarithmen). 6- Funktionen 6 Die Eponentialfunktionen (und Logaritmen) Eine ganz wictige Klasse von Funktionen f : R R bilden die Eponentialfunktionen f() = c ep( ) = c e, ier sind, c feste reelle Zalen (um Trivialfälle

Mehr

2.3.1 Explizite Runge-Kutta-Verfahren

2.3.1 Explizite Runge-Kutta-Verfahren Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung

Mehr

Übungsaufgaben zu Analysis 2 Lösungen von Blatt V vom 07.05.15. f(x, y) = 2(x + y) + xy + 3x 2, g(x, y) = xy + e xy.

Übungsaufgaben zu Analysis 2 Lösungen von Blatt V vom 07.05.15. f(x, y) = 2(x + y) + xy + 3x 2, g(x, y) = xy + e xy. Prof. Dr. Moritz Kaßmann Fakultät für Matematik Sommersemester 015 Universität Bielefeld Übungsaufgaben zu Analysis Lösungen von Blatt V vom 07.05.15 Aufgabe V.1 + Punkte) Gegeben seien die Funktionen

Mehr

Numerik partieller Differentialgleichungen

Numerik partieller Differentialgleichungen Sriptum zur Vorlesung Numeri partieller Differentialgleicungen Wintersemester 26/7 Martin Burger Institut für Numerisce und Angewandte Matemati martin.burger@uni-muenster.de ttp://www.mat.uni-muenster.de/u/burger/

Mehr

D-MAVT/D-MATL Analysis I HS 2018 Dr. Andreas Steiger. Lösung - Serie 5

D-MAVT/D-MATL Analysis I HS 2018 Dr. Andreas Steiger. Lösung - Serie 5 D-MAVT/D-MATL Analysis I HS 08 Dr. Anreas Steiger Lösung - Serie 5 MC-Aufgaben (Online-Abgabe). Es sei f : [a, b] R eine Funktion. Welce er folgenen Aussagen ist rictig? (a) (b) f ist stetig f ist ifferenzierbar.

Mehr

1 Holomorphe Funktionen

1 Holomorphe Funktionen $Id: olo.tex,v 1.2 2013/04/09 17:01:23 k Exp k $ 1 Holomorpe Funktionen In den ersten Kapiteln dieser Vorlesung werden wir uns mit der sogenannten Funktionenteorie bescäftigen, dies ist die Teorie der

Mehr

Das Delta-Potential. Gruppe PLANCK. Anton Hörl Thomas Kloiber Bernd Kollmann Miriam Mutici Jakob Schwarz. Quantenmechanik Projekt 2

Das Delta-Potential. Gruppe PLANCK. Anton Hörl Thomas Kloiber Bernd Kollmann Miriam Mutici Jakob Schwarz. Quantenmechanik Projekt 2 Das Delta-Potential Quantenmecanik Projekt Gruppe PLANCK Anton Hörl Tomas Kloiber Bernd Kollmann Miriam Mutici Jakob Scwarz Max Planck (1858 1947) 4.4 Delta-Potential Ist die räumlice Ausdenung eines Potentials

Mehr

Übungsaufgaben zur Kursarbeit

Übungsaufgaben zur Kursarbeit Übungsaufgaben zur Kursarbeit I) Tema Funktionen. Gib jeweils die maximale Definitionsmenge der Funktion an f(x) = (x ) D f = R (x) = x D = {x R /x } g(x) = (x ) D = {x R /x } g k(x) = x D = {x R /x >

Mehr

Das Mehrgitterverfahren

Das Mehrgitterverfahren KAPITEL 3 Das Mergitterverfaren Mergitterverfaren kombinieren ein iteratives Lösungsverfaren mit einer Hierarcie untersciedlicer Diskretisierungsgitter. Ausgeend von einer Näerungslösung auf einem feinen

Mehr

Jgst. 11/I 1.Klausur

Jgst. 11/I 1.Klausur Jgst. /I.Klausur..00 A. Bestimme den Scnittpunkt und den Scnittwinkel der beiden folgenden Geraden: g : x y = 5 : + y = 5x Zunäcst müssen die beiden Geraden auf Normalform gebract werden: x y = 5 y = x

Mehr

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung

Mehr

Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel;

Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel; Kapitel Der Satz von Taylor. Taylor-Formel und Taylor-Reihe (Taylor-Polynom; Restglied; Integraldarstellung des Restgliedes; Lagrangesche Restgliedformel; die Klasse C ; reell analytische Funktionen) In

Mehr

5 Potenzreihenansatz und spezielle Funktionen

5 Potenzreihenansatz und spezielle Funktionen 5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten

Mehr

Die Fourier-Transformation

Die Fourier-Transformation Die Fourier-ransformation Im Vorerigem wurde sic intensiv mit der Fourier-Reie zur Approximation periodiscer Funktionen bescäftigt. In diesem Kapitel wird die kontinuierlice Erweiterung dieser Gedanken

Mehr

Diplom VP Numerik 28. August 2006

Diplom VP Numerik 28. August 2006 Diplom VP Numerik 8. August 6 Multiple-Choice-Test Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese Aufgabe

Mehr

Differenzierbare Funktionen

Differenzierbare Funktionen Kapitel 5 Differenzierbare Funktionen In diesem Kapitel widmen wir uns dem Begriff der Differenzierbarkeit und entwickeln die Eigenscaften differenzierbarer Funktionen. Darüberinaus wollen wir auc unsere

Mehr

Mathematik 1 für Studierende der Biologie Teil II: Limes & Konvergenz

Mathematik 1 für Studierende der Biologie Teil II: Limes & Konvergenz Matematik 1 für Studierende der Biologie Teil II: Limes & Konvergenz Cristian Leibold 7. Oktober 2014 Folgen Allgemeines zu Folgen Monotonie und Bescränkteit Grenzwerte und Konvergenz Summen und Reien

Mehr

Einführung in die Differentialrechnung

Einführung in die Differentialrechnung Reiner Winter Einfürung in die Differentialrecnung. Das Tangentenproblem als ein Grundproblem der Differentialrecnung Wir betracten im folgenden die quadratisce Normalparabel, d.. den Grapen GI f der Funktionsgleicung

Mehr

Numerik partieller Differentialgleichungen

Numerik partieller Differentialgleichungen Numerik partieller Differentialgleicungen Oliver Ernst Professur Numerisce Matematik Sommersemester 2015 Inalt I Oliver Ernst (Numerisce Matematik) Numerik partieller Differentialgleicungen Sommersemester

Mehr

Andreas Platen

Andreas Platen Seminar zur Approximationsteorie im Wintersemester 2009/2010 Monge-Ampère-Gleicung Numerisce Verfaren zur Lösung der Monge-Ampère-Gleicung, Teil II Andreas Platen 29.01.2010 1 Inaltsverzeicnis Inaltsverzeicnis

Mehr

der Technischen Universitat Munchen Diskretisierung elliptischer Vollstandiger Abdruck der von der Fakultat fur Mathematik der Technischen Universitat

der Technischen Universitat Munchen Diskretisierung elliptischer Vollstandiger Abdruck der von der Fakultat fur Mathematik der Technischen Universitat Fakultat fur Matematik der Tecniscen Universitat Muncen Diskretisierung elliptiscer Dierentialgleicungen mit dunnen Gittern Cristop Paum Vollstandiger Abdruck der von der Fakultat fur Matematik der Tecniscen

Mehr

Was haben Beschleunigungs-Apps mit der Quadratur des Kreises zu tun?

Was haben Beschleunigungs-Apps mit der Quadratur des Kreises zu tun? Was aben Bescleunigungs-Apps mit der Quadratur des Kreises zu tun? Teilnemer: Jonatan Geuter Leonard Hackel Paul Hagemann Maximilian Kuc Amber Lucas Tobias Tieme Tobias Tiesse Niko Wolf Gruppenleiter:

Mehr

6 Numerische Integration (Quadratur)

6 Numerische Integration (Quadratur) 6 Numerisce Integrtion (Qudrtur) In diesem Kpitel get es um die pproximtive Berecnung des Wertes eines bestimmten Integrls Anwendungen sind zb die Berecnung von Oberfläcen, Volumin, Wrsceinlickeiten, ber

Mehr

Manfred Burghardt. Allgemeine Hochschulreife und Fachhochschulreife in den Bereichen Erziehung, Gesundheit und Soziales

Manfred Burghardt. Allgemeine Hochschulreife und Fachhochschulreife in den Bereichen Erziehung, Gesundheit und Soziales Manfred Burgardt Allgemeine Hocsculreife und Facocsculreife in den Bereicen Erzieung, Gesundeit und Soziales Version /4 Inaltsverzeicnis I Inaltsverzeicnis Inaltsverzeicnis... I Die Ableitungsfunktion

Mehr

PRÜFUNG AUS MATHEMATIK 3

PRÜFUNG AUS MATHEMATIK 3 (8 P.) Berechnen Sie das Integral tan(ln x) dx. x (8 P.) Bestimmen Sie die allgemeine Lösung der Differentialgleichung y 2y + 2y = x 2 + 5 cos x. (8 P.) Entwickeln Sie f(x) = sin(x) für x [ π/2, π/2] mit

Mehr

9 Ergänzungen zur Funktionentheorie

9 Ergänzungen zur Funktionentheorie 9 Ergänzungen zur Funktionentheorie 9. Herausziehen von Polen und Nullstellen Das folgende Lemma hatten wir an zahlreichen Stellen verwendet, ohne es jemals streng bewiesen zu haben. Lemma 9. Die Funktion

Mehr

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

Mehr

Á 4. Differenzierbarkeit, Stetigkeit

Á 4. Differenzierbarkeit, Stetigkeit Á 4. Differenzierbarkeit, Stetigkeit Historisc ist der Begriff der Differenzierbarkeit lange vor dem der Stetigkeit entwickelt worden. Untersciedlice Definitionen der Differenzierbarkeit werden von Gottfried

Mehr

Gewöhnliche Differentialgleichungen Woche 6. Existenz nach Picard-Lindelöf

Gewöhnliche Differentialgleichungen Woche 6. Existenz nach Picard-Lindelöf d Gewöhnliche Differentialgleichungen Woche 6 Existenz nach Picard-Lindelöf 6.1 Vorbereitung für den Existenzsatz 6.1.1 Stetigkeit und Lipschitz-Stetigkeit Definition 6.1 Seien (V 1, 1 und (V 2, 2 zwei

Mehr

Seminar Gewöhnliche Differentialgleichungen

Seminar Gewöhnliche Differentialgleichungen Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden

Mehr

Übungen zur Vorlesung Differential und Integralrechnung II (Unterrichtsfach) -Bearbeitungsvorschlag-

Übungen zur Vorlesung Differential und Integralrechnung II (Unterrichtsfach) -Bearbeitungsvorschlag- MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN D. Rost, M. Gebert SS 015 Blatt 9 19.6.015 Übungen zur Vorlesung Differential und Integralrecnung II (Unterrictsfac) -Bearbeitungsvorsclag- 1. Sei n N 0.

Mehr

Über Formen des konvektiven Terms in Finite-Elemente-Diskretisierungen der inkompressiblen Navier-Stokes-Gleichungen

Über Formen des konvektiven Terms in Finite-Elemente-Diskretisierungen der inkompressiblen Navier-Stokes-Gleichungen Über Formen des konvektiven Terms in Finite-Elemente-Diskretisierungen der inkompressiblen Navier-Stokes-Gleicungen Diplomarbeit zur Erlangung des akademiscen Grades Diplom-Matematikerin Freie-Universität

Mehr

2 Ein Beispiel und der Haken an der Sache

2 Ein Beispiel und der Haken an der Sache Numerik I. Version: 9.02.08 2 Ein Beispiel und der Haken an der Sace In lineare Algebra I-II wurde gezeigt, wie durc das Gaußsce Verfaren lineare Gleicungssysteme gelöst werden. Das folgende einface Beispiel

Mehr