Lernfragen für Angewandte Numerik Sommersemester 2010
|
|
- Ulrich Frank Fertig
- vor 5 Jahren
- Abrufe
Transkript
1 Lernfragen für Angewandte Numerik Sommersemester Für Ω = (0, 1) definiere das folge Funktional auf einer Menge von hinreich glatten Funktionen u: J(u) = u v + µ u ]dx Die notwige Optimalitätsbedingung ist: { µu + u = v, Ω u = 0, Ω Approximiere das obige Funktional mit: Ω N N J h (u) = h (u i v i ) + µh (u i u i 1 ]/h) i=0 i=1 wobei u = u 0,...,u N T, u i u(x i ), v = v 0,...,v N T, v i v(x i ), x i = ih, i = 0,...,N, h = 1/N. Zeige dass das für J h minimiere u notwigerweise erfüllen muss: 0 = u J h (u) = h u v µ ] h DT Du für die N (N + 1) Matrix D = Zeige für eine hinreich glatte Funktion u(x), es gilt: u (x) = u(x + h) u(x) + u(x h) h + O(h ) 3. Für Ω = (0, 1) und p 1, ] definiere das folge Funktional auf einer Menge von hinreich glatten Funktionen u, die u Ω = 0 erfüllen müssen: J(u) = u v + µ u p ]dx Leite die folge Optimalitätsbedingung her: { µ( u p u ) + u = v, Ω u = 0, Ω Ω unter der Annahme, dass u C ( Ω) und v C 0 ( Ω) gelten. Schreibe eine Diskretisierung für das Randwertproblems. Hinweis: Berechne die Richtungsableitung an der Stelle der gesuchten Funktion u und in die Richtung einer beliebigen Störung ū (die auch ū Ω = 0 erfüllen muss), und schreibe das Ergebnis um, δj J(u + ǫū) J(u) (u; ū) = lim δu ǫ 0 ǫ 0 = δj δu Ω (u; ū) =... ]ūdx +... ]ū Ω sodass die Störung ū strategisch ausgewählt werden kann, um eine punktweise Bedingung (Differentialgleichung) für u zu bekommen. Schreibe eine Diskretisierung durch eine Approximation der Ableitung u oder durch eine Approximation der Integrale in J. 1
2 4. (Für dieses Beispiel wird das IBM-Gleitkommazahlmodell der Vorlesung gemeint.) Schreibe die binäre Darstellungen der Zahlen: 0.1 hex und 0.B hex. Schreibe die binäre Darstellung der Zahl 0.7 dez. Schreibe die single precision Darstellung der Zahl 0.7 dez. Bestimme den relativen Fehler in der single precision Darstellung für die Zahl x = und für die Zahl y = Die Gleitkommazahl der Vorlesung und des Lehrbuchs ist eine IBM Gleitkommazahl. Für weitere Details siehe Die IEEE single precision Gleitkommazahl hat das Format: σ e }{{} 7 e 6 e 1 e 0 m 1 m m 7 m 8 m 9 m 10 m 15 m 16 m 17 m 18 m 3 }{{}}{{} V E M ( 1) σ (1 + 3 k=1 m k k ) l=0 e l l wobei m 0 = 1 implizit gilt, ausser gilt e l = 0, l = 0,...,7. Für weitere Details und die Sonderfälle siehe Für die IEEE single precision Gleitkommazahl bestimme: a. den größten relativen Fehler der Darstellung, b. die kleinste darstellbare (positive) Zahl, und c. die größte darstellbare (positive) Zahl. Führe folge Rechnung in der IBM und in der IEEE Darstellungsform aus: ( ) ( ) Wiederhole das letzte Beispiel mit dem IEEE Gleitkommazahlmodell. Für Details über double precision siehe für die IBM Darstellungsform und für die IEEE Darstellungsform. 6. Die Funktion f(x) ist steig und hat die Nullstelle x 0 = p, p = 3. Finde x 1 und x, die x 0 (x 1, x ) erfüllen, und die in IBM single precision Genauigkeit am nächsten zu x 0 liegen. Bestimme die kleinsten δ, η, ǫ sodass die folgen Abbruchskriterien funktionieren können: x k+1 x k δ, x k+1 x k η x k, f(x k ) ǫ wobei die Folge {x k } mit einem Verfahren berechnet wird, die zur Approximation einer Nullstelle geeignet ist. 7. Gib ein Beispiel einer Rechnung eines Skalarproduktes, in der Verlust von signifanten Ziffern stattfindet. 8. Gib ein explizites Beispiel von einem Abbruchsfehler und ein explizites Beispiel von einem Rundungsfehler. 9. Bestimme die Konvergenzgeschwindigkeit von {α n = (n + 3)/n 3 }, und beweise das Ergebnis. 10. Zeige für den folgen Algorithmus der Gaußschen Elimination,
3 for k=1,,...,n-1 for i=k+1,...,n A_ik = A_ik / A_kk for j=k+1,...,n+1 A_ij = A_ij - A_ik * A_kj es gibt O(n 3 ) Multiplikationen (und Subtraktionen). Bemerke, es gibt aber nur O(n ) Divisionen. Zeige für die Rückwärts-Substitution, x_n = A_n,n+1 / A_nn for i=n-1,...,1 sum = 0 for j=i+1,...,n sum = sum + A_ij * x_j x_i = A_i,n+1 - sum] / A_ii es gibt O(n ) Multiplikationen (und Subtraktionen). Bemerke, es gibt aber nur O(n) Divisionen. Zeige für die Vorwärts-Substitution, x_1 = A_1,n+1 / A_11 for i=,...,n sum = 0 for j=1,...,i-1 sum = sum + A_ij * x_j x_i = A_i,n+1 - sum] / A_ii es gibt O(n ) Multiplikationen (und Subtraktionen). Bemerke, es gibt aber nur O(n) Divisionen. 11. Schätze die Anzahl der Operationen ab, die notwig wären, um die klassische Formel für ein Determinante zu implementieren. 1. Wie viele Operationen kostet die Matrix-Multiplikation AB, wobei A R l m und B R m n? Wie viele Operationen kostet die Zerlegung A = LU (nicht die Lösung von Ax = b), wenn A R n n voll besetzt ist? Wie viele Operationen kostet die Zerlegung A = LU wenn A R n n die Bandbreite m hat? 13. Sei {A (k) } die Folge von Matrizen, die durch Gaußsche Elimination berechnet werden, d.h. A (1) = A, A () = M (1) A (1),..., A (k+1) = M (k) A (k), wobei jede Matrix M (k) durch die Multiplikatoren gegeben ist: 1 0 M (1) m 1 =. m n1 I n 1 M() = m 3.. I n 0 m n 3
4 Hier ist I k die k-dimensionale Einheitsmatrix. Zeige: 1 0 M (1) 1 m 1 =. m n1 I n 1 M() 1 = m 3.. I n 0 m n und deswegen für U = A (n) = M (n 1) M (1) A gilt LU = A für eine Oberedreicksmatrix U und eine Unteredreiecksmatrix L = M (1) 1 M (n 1) Zeige für das lineare System ] x1 x ] = ] wenn die Zeilen getauscht werden, bekommt man mit 4-Ziffer Arithmetik die Lösung: x 1 = 10.00, x = Gib ein Beispiel eines lösbaren linearen Gleichungssystems an, für das eine pivoting Strategie notwig ist; ansonsten funktioniert Gaußsche Elimination nicht. Für dieses Beispiel schreibe die Zerlegung PA = LU, wobei P eine Permuationsmatrix ist, und L und U sind wie im letzten Beispiel. 16. Konstruiere ein Beispiel in dem eine totale Pivotsuche vorteilhaft wäre. 17. Die Matrix A heisst banded wenn die Bandbreite Bandbreite(A) = max{i j : a ij 0, 1 j < i N} + max{j i : a ij 0, 1 i < j N} + 1 wesentlich kleiner als ihr Maximum ist. Ein banded Speicherformat für A = {a ij } N i,j=1 ist: a 11 a 1 a 13 a 1,1+m 0 0 a 1 a a 3 a 4 a,+m 0 a 31 a 3 a 33 a 34 a 35 a 3,3+m a m+1,1 a m+1, a m+1,m+1 a m+1,m+1+m A b = a N m,n m a N m,n m a N m,n a N,N m a N,N m 1. a N,N a N,N 1 a N,N. 0 a N 1,N m 1 a N 1,N m. a N 1,N 1 a N 1,N.. 0 a N,N m a N,N m+1. a NN wobei Bandbreite(A) = m + 1. Schreibe den Gauß-Elimination Algorithmus bezüglich A b so um, dass Operationen minimiert werden. 18. Gib ein (anwungsorientiertes) Beispiel einer Matrix an, die streng diagonal dominant ist. Zeige dass sie streng diagonal dominant ist. Welches Verfahren ist geeignet, um Systeme mit dieser Matrix zu lösen? 4
5 19. Gib ein (anwungsorientiertes) Beispiel einer Matrix an, die symmetrisch positiv definit ist. Zeige dass sie symmetrisch positiv definit ist. Welches Verfahren ist geeignet, um Systeme mit dieser Matrix zu lösen? 0. Zeige dass die Matrix in Formel (19) vom Skriptum SPD ist. 1. Zeige dass die l 1 Norm und die l -Norm in R n äquivalent sind.. Zeige dass eine induzierte Matrixnorm eine echte Matrixnorm ist. 3. Zeige dass die Frobenius-Matrixnorm eine echte Matrixnorm ist. Zeige dass sie mit der l Vektornorm kompatibel ist. 4. Mit der Äquivalenz von Normen beweise dass lim k x k = x R n gilt genau dann wenn lim k (x k ) i = x i gilt. 5. Gegeben sei eine Diskretisierung Au = v A = µ h + 1 µ h 0 µ h µ h + 1 µ h µ h µ h + 1 µ h 0 µ h µ h + 1, u = u 0 u 1. u N 1 u N, v = v 0 v 1. v N 1 v N u i u(x i ), v i v(x i ), x i = i/n, i = 0, 1,...,N, zum Problem { µu (x) + u(x) = v(x), x (0, 1) u (x) = 0, x {0, 1} Sei T J die Iterationsmatrix für die Jacobi Methode. Zeige dass ρ(t J ) < 1 gilt. 6. Erkläre den Einfluss von p (besonders p = 1 und p = ) in der Schätzung der Parameter q = q 1,...,q m durch Minimierung von E(q) = n i=1 f(x i ; q) f i p für gegebene Daten {(x i, f i )} n i=1 und ein empirisches Modell f(x; q). 7. Zeige dass die Frobenius-Matrixnorm mit der l -Vektornorm kompatibel ist. 8. Zeige, dass der Spektralradius einer Matrix nie größer als der Wert einer induzierten Norm dieser Matrix ist. 9. Gib ein Beispiel einer Matrix A an, für die die Folge x k+1 = Ax k konvergiert. Gib ein Beispiel einer Matrix B an, für die die Folge y k+1 = By k nicht konvergiert. Welche Eigenschaft von A garantiert Konvergenz, und welche Eigenschaft von B verhindert Konvergenz? 30. Finde die Iterationsmatrix T SGS für das symmetrische Gauß-Seidel Verfahren. 31. Seien B J, B GS und B SGS die approximierten Inversen für die Jacobi, Gauß-Seidel und Symmetrisch Gauß-Seidel Methoden beziehungsweise. Leite diese explizit her, und zeige dass B J und B SGS symmetrisch sind währ B GS nicht symmetrisch ist. 3. Für das Beispiel, A = 1 1 ǫ 1 ǫ 1 ], x = ], b = Ax, 5
6 skizziere die Menge von x R die erfüllen: für die Werte ǫ = 1, 1 10, x x x = κ(a) b A x b 33. Konstruiere ein lineares System Ax = b und ein x x, wobei Gleichheit in der obigen Fehlerabschätzung gilt. 34. Bestimme eine Matrix für die (a) Jacobi, (b) Gauß-Seidel und (c) symmetrisch Gauß-Seidel Verfahren, die einen Spektralradius kleiner als 1 haben muss, um Konvergenz der Iterationen zu garantieren. 35. Gib ein (anwungsorientiertes) Beispiel einer Matrix an, für die die SOR-Methode für jedes ω (0, ) konvergiert. Zeige dass die Konvergenz garantiert ist. 36. Gib ein Beispiel einer extrem großen Matrix A an, und berechne eine beschränkte Menge in der sich die Eigenwerte von A befinden, (notwigerweise) ohne die Eigenwerte explizit auszurechnen. 37. Berechne die Konditionszahlen κ 1 (A), κ (A), und κ (A) für die Matrix, A = 1 1 Sei b = 7/, 5/ T b mit Messfehler gegeben, wobei b = Ax und x unbekannt sind, aber die Normen sind so geschätzt worden: b 3, x. Wie weit weg von der genauen Lösung x könnte x = 3/, 1/ T liegen? 38. Gib ein Beispiel einer Matrix A an, für die die Vektoriteration zum Spektralradius von A konvergiert. Welche Eigenschaften von A garantieren diese Konvergenz? 39. Zeige dass Vektoriteration angewet auf (A qi) 1 liefert µ = (λ k q) 1 wobei λ k q < λ i q, i k. 40. Zeige, es gilt θ = 1 u im Householder Algorithmus. Gib ein explizites Beispiel an, in dem mit τ = sign(v 1 ) v ein großer Verlust von Ziffern stattfindet. 41. Zeige für den QR-Algorithmus, A k = Q k R k, A k+1 = R k Q k, A 1 = A, dass jede Matrix A k zu A ähnlich ist. 4. Für einen gegebenen Vektor x R n, n > m > 1, kontruiere eine Matrix H, wobei y = Hx erfüllt y i = 0, i = m,..., n. 43. Für einen gegebenen Vektor x R n, n > m > 1, mit x i = 0, i = m + 1,...,n, kontruiere eine Matrix R, wobei y = Hx erfüllt y i = 0, i = m,..., n. 44. Zeige für den QR-Algorithmus, A k = Q k R k, A k+1 = R k Q k, A 1 = A, wenn A k tridiagonal ist, ist A k+1 auch tridiagonal. 45. Für A R m n, b R m und x R n soll Ax b minimiert werden. Die notwige Optimalitätsbedingung ist durch die normalen Gleichungen A T Ax = A T b gegeben. Leite diese her. 46. Seien A R m n, P O(m) und q O(n). Zeige dass A und PAQ die selben Singulärwerte haben. ] 6
7 47. Seien die Daten {(x i, y i )} n i=1 gegeben. Zeige dass die Gerade y = a x + b, die die Summe der quadrierten Abstände zu den Daten minimimert, durch a = (xy xy)/(x x ) und b = y a x gegeben ist. 48. Seien die Daten {( 1, 1), (0, 0), (1, 1)} gegeben. Finde die quadratische Funktion, die die Summe der quadrierten Abstände zu den Daten minimimert. Wiederhole die Rechnung für die Daten {(, 0), ( 1, 1), (0, 0), (1, 1), (, 0)}. 49. Sei A R m n, m, n > 1, eine Matrix mit nur einem positiven Singulärwert. Für b R m schreibe die Lösung x = argmin Ax b l mit minimaler l -Norm. 50. Im Algorithmus zur Berechung der Singulärwerte der Matrix A R m n, m n, sei B eine obere bidiagonale Matrix, wobei B 0 ] = PAQ, P O(m), Q O(n) und setzt B 1 = B. Sei B T l B l = Q l B l eine QR-Zerlegung. Zeige dass jede Matrix B l eine obere bidiagonale Matrix ist. 51. Die 3 Eckpunkte eines Dreiecks {(1, 1, 0), (, 1, 0), (1, 1, 1)} = {x i } 3 i=1 sollen zu den 3 Eckpunkten des Dreiecks {(5, 1, 5), (7, 8, 9), (6, 5, 10)} = {y i } 3 i=1 durch eine affine Transformation abgebildet werden. Definiere die Matrizen X = x 1, x, x 3 ], x = (x 1 + x + x 3 )/3, X = x,x,x], Y = y 1, y, y 3 ], y = (y 1 + y + y 3 )/3 und Y = y, y, y]. Für die affine Transformation y = y + A (x x) bestimme die Matrix A sodass A (X X) (Y Y ) l = min. Hinweis: Mit der Singulärwertzerlegung (X X) = USV T berechne A = (Y Y )V S + U T. 5. Mit Hilfe der Lagranschen Polynome schreibe ein Polynom P(x) dritten Grades, das erfüllt: P( 4) = 3, P( ) = 101, P(1) = 73, P(5) = Mit Hilfe der dividierten Differenzen schreibe ein Polynom P(x) dritten Grades, das erfüllt: P( 4) = 3, P( ) = 101, P(1) = 73, P(5) = Zeige dass die Hermiteschen Funktionen H nj und Ĥnj erfüllen: H nj (x i ) = δ ij, H nj (x i) = 0, erfüllen: Ĥ nj (x i ) = 0 und H nj (x i) = δ ij. Zeige dass die Hermitesche interpoliere Funktion H n+1 (x) = n j=0 f j H nj (x) + g j Ĥ nj (x) erfüllt: H n+1 (x i ) = f i, H n+1 (x i) = g i. 55. Die (unbekannte) Funktion f(x) = x /(1+0x ) soll von einer verfügbaren Abtastung geschätzt werden. In den folgen seien n = 10 und m = 100. (a) Bestimme ein Polynom P nten Grades, das erfüllt P(x k ) = f(x k ), x k = 1 + k/n, k = 0,...,n unter der Annahme dass die Werte f(x k ) in den gleichmäßig verteilten Stutzstellen x k verfügbar sind. (b) Bestimme ein Polynom Q nten Grades, das erfüllt Q(t j ) = f(t j ), t j = cos((j + 1/) π/(n + 1)), j = 0,...,n unter der Annahme dass die Werte f(t j ) in den Nullstellen t j des Tchebyshev chen Polynoms T n (t) = cos(n cos 1 (t)) verfügbar sind. (c) Bestimme ein Polynom R nten Grades, das das Funktional minimiert: m R(y i ) f(y i ), y i = 1 + i/m, i = 0,...,m i=0 unter der Annahme dass die Werte f(y i ) in den gleichmäßig verteilten Stutzstellen y i verfügbar sind. 7
8 Stelle P, Q, R und f gemeinsam grafisch dar. 56. Seien die Daten {(x i, f i )} i=0 = {( 1, 1), (0, 0), (1, 1)} gegeben. Verwe Neville s Algorithmus, um P 01 (x) in x = 0.5 auszuwerten. Berechne das Polynom P (x) = a 0 + a 1 (x x 0 ) + a (x x 0 )(x x 1 ), das erfüllt P (x i ) = f i, i = 0, 1,. 57. Für gegebene Knoten {(x i } N i=0 seien L N,i(x) die Lagrange interpolieren Polynome, die erfüllen L N,i (x j ) = δ ij, 0 i, j N. Definiere H N,i (x) = 1 (x x i )L N,i (x i)]l N,i (x) und ĤN,i(x) = (x x i )L N,i (x). Zeige H N,i(x j ) = δ ij, H N,i (x j) = 0, Ĥ N,i (x j ) = 0 und Ĥ N,i (x j) = δ ij. Zeige, H N+1 (x) = N i=0 f i H N,i (x) + ˆf i Ĥ N,i (x)] erfüllt H N+1 (x j ) = f j und H N+1 (x j) = ˆf j. 58. Gegeben seien Knoten {x i } n i=0. Konstruiere Funktionen {φ i} und {ψ i }, die in jedem Teilintervall {x i, x i+1 ]} i=0 n 1 kubisch sind und erfüllen: φ i(x j ) = δ ij, φ i (x j) = 0, ψ i (x j ) = 0 und ψ i (x j) = δ ij. Zeige dass die Hermitesche interpoliere Funktion H(x) = n j=0 f j φ j (x) + ˆf j ψ j (x) erfüllt: H(x i ) = f i, H (x i ) = ˆf i. 59. Definiere die kanonische spline Funktion nullten Grades: π 0 (x) = 1, 0 x 1, π 0 (x) = 0, sonst. Konstruiere die kanonische spline Funktion π 1 (x) ersten Grades durch die Faltung π k+1 (x) = π 0 (x y)π k (y)dy für k = 0. Konstruiere die kanonische spline Funktion π (x) zweiten Grades durch die obige Faltung für k = Die Funktion u(x) soll mit den Werten {u(x i ) : i = 0,...,N}, x i = ih, h = 1/N, durch die Spline-Basis {s i (x) : i = 0,...,N}, s i (x) = π 1 (x/h i + 1), stückweise linear interpoliert werden: N u(x) a i s i (x) Bestimme die Koeffizienten {a i : i = 0,...,N}. 61. Gegeben seien Daten {(x i, f i )} N i=0. Seien {s i} i= 3 N 1 die kubischen Spline Funktionen, s i C (R), s i (x j ) = 0, j < i + 1, s i (x i+1 ) 0, s i (x i+ ) = 1, s i (x i+3 ) 0, s i (x j ) = 0, j > i + 3. Die Koeffizienten {α i } N i= 3 sollen bestimmt werden, sodass die Spline Funktion S(x) = N 1 i= 3 α is i (x) erfüllt f j = S(x j ), j = 1,...,N + 1, wobei f 1 = f 0 f 1 und f N+1 = f N f N 1. Zeige dass die Matrix des zu lösen Systems tridiagonal ist. 6. Gib ein physikalisches Beispiel einer Funktion f(x), die erfüllt f(a) < y < f(b), a < b, obwohl es kein x (a, b) gibt, in dem gilt f(x) = y. 63. Sei f eine Funktion, die erfüllt f Ca, b], f(a) f(b) < 0 und f(p) = 0 für p (a, b). Zeige dass die Iterierten {p n } des Bisektionsverfahren erfüllen: p n p (b a)/ n. 64. Gib ein Beispiel einer Funktion f an, die f(a) f(b) < 0 erfüllt, aber das Bisektionsverfahren findet keine Nullstelle für diese Funktion. 65. Gib ein Beispiel einer Funktion g : R R an, für die die Iteration x k+1 = g(x k ) nicht konvergiert. Gib ein Beispiel einer Funktion g : R R an, für die die Iteration x k+1 = g(x k ) nicht konvergiert. 66. Sei g eine Funktion die erfüllt g C 1 a, b], g(a, b]) a, b], k sodass g (x) k < 1, x a, b]. Definiere die Iterierten p n+1 = g(p n ). Zeige dass die Iterierten erfüllen: p n p p 0 p 1 k n /(1 k), wobei p = g(p). i=0 8
9 67. Um die einzige Nullstelle von der Funktion f(x) = x(1 e r(1 x ), r 1, ], zu finden, verwe (a) das Bisektionsverfahren, (b) eine Fixpunktiteration x k+1 = g(x k ) mit g(x) = xe r(1 x), (c) das Newtonsche Verfahren und (d) das Sekant-Verfahren. Vergleiche die Schnelligkeit der Verfahren in Abhängigkeit von r. 68. Erkläre warum das Newtonsche Verfahren garantiert ist, lokal zu konvergieren. 69. Erkläre warum die Konvergenzgeschwindigkeit des Newtonschen Verfahrens quadratisch ist. 70. Sei f eine glatte Funktion mit einer Nullstelle mit Multiplizität m > 1. Zeige dass das modifizierte Newtonsche Verfahren, x k+1 = g m (x k ), g m (x) = x mf(x)/f (x), mit Konvergenz-Ordnung konvergiert. (Die Rechnung für den Fall m = reicht, aber ein allgemeiner Beweis wäre viel schöner.) 71. Definiere J(u) = 1 N N (ui ) ]1 (u i v i ) u i 1 + µ + ǫ h i=0 i=1 wobei u = u 0,...,u N T and v = v 0,...,v N T. Mit δ k = ((u k u k 1 )/h) + ǫ ] 1 Definiere δ 1 δ 1 δ 1 δ 1 + δ δ G(u) = v µ ha(u)u, A(u) = Zeige dass ein Fixpunkt für G ein kritischer Punkt für J ist. δ N 1 δ N 1 δ N δ N δ N δ N 7. Sei G durch das letzte Beispiel definiert. Für D = B (v, µ/h) zeige es gilt G(D) D. Zeige, es gilt G (u) 4µ, u D. Für 4µ < ǫh ǫh schreibe eine Fehlerabschätzung der Iteration u l = G(u l 1 ). 73. Sei F(u) = J(u) für das obige J. Zeige dass F (u) SPD ist. 74. Für das Abstiegsverfahren u l+1 = u l α J(u l ) = (1 α)u l + v αµ/h A(u l )u l =: G α (u l ) mit α (0, 1), zeige dass G α (D) D für D = B (v, µ/h). Für 1+ µ ǫh < 1/α zeige G α(u) 1 α < 1, u D. Für 1 + µ ǫh < 1/α zeige dass der Spektralradius von G α kleiner als 1 ist. 75. Sei F(u) = J(u) für das obige J. Welche Eigenschaft der Funktion N(u) = u F (u)] 1 F(u) garantiert quadratische Konvergenz der Fixpunktiteration u l = N(u l 1 )? 76. Zeige, Vorwärts- und Rückwärts-Differenzen bilden eine O(h)-Approximation der ersten Ableitung, währ Zentrierte Differenzen eine O(h )-Approximation bildet. 77. Verwe Lagrangsche Polynome und die Werte {f(x 0 ), f(x 0 + h), f(x 0 + h)}, um eine O(h )- Approximation zur ersten Ableitung f (x 0 ) herzuleiten. 78. Verwe die Werte {f(x 0 h), f(x 0 h), f(x 0 ), f(x 0 + h), f(x 0 + h)}, um eine O(h 4 )- Approximation zur zweiten Ableitung f (x 0 ) herzuleiten. 79. Angenommen gilt M = N 1 (0) = N 1 (h)+a n h n +O(h m ). Zeige dass die Richardson Extrapolation Formel N (h) = N 1 (h/) + N 1 (h/) N 1 (h)]/ n 1] erfüllt N (h) = M + O(h m ). 80. Was ist der wichtigste Unterschied zwischen einer Newton-Cotes und einer Gauß-Newton Integrationsformel? Mit welcher Formel werden die Gewichte {α i } b f(x)dx α i f i a i in den beiden Fällen bestimmt? 9
10 81. Zeige dass die Mittelpunktregel erfüllt: x0 +h f(x)dx = hf(x 0 ) + O(h 3 ). x 0 h Zeige den Genauigkeitsgrad der Mittelpunktregel. 8. Zeige dass die Trapezregel erfüllt: x0 +h f(x)dx = f(x 0) + f(x 0 + h) h + O(h 3 ). x 0 Zeige den Genauigkeitsgrad der Trapezregel. 83. Zeige dass die Simpson-Regel erfüllt: x0 +h x 0 f(x)dx = h 3 f(x 0) + 4f(x 0 + h) + f(x 0 + h)] + O(h 5 ). Zeige den Genauigkeitsgrad der Simpson-Regel. 84. Die letzten 3 Beispiele demonstieren ein allgemeines Resultat über die Parität der Anzahl der verweten Funktionswerte in einer Newton-Cotes Formel. Welches Resultat ist das? 85. Leite die zusammengesetzte Trapez-Formel her: b wobei x j = a + jh, h = (b a)/m. a f(x)dx = h f(a) + m 1 j=1 f(x j ) + f(b) + O(h ) 86. Leite die zusammengesetzte Mittelpunkt-Formel her: b m f(x)dx = h f(x j ) + O(h ) a j=0 wobei x j = a + (j + 1)h, h = (b a)/(m + ). 87. Verwe Romberg Integration für ein einfaches Beispiel, um die Konvergenz der letzten zusammengesetzten Regeln zu beschleunigen. 88. Wie werden die Legre und die Tchebyschev Polynome definiert? 89. Was ist der Genauigkeitsgrad einer Gauß-Legre Integrationsformel? 90. Gib ein explizites Verfahren zur Lösung eines Anfangwertsproblems an. Gib ein implizites Verfahren zur Lösung eines Anfangwertsproblems an. 91. Schreibe das Vorwärts-Euler Verfahren zur Lösung des Anfangwertsproblems, y = µy, y(0) = y 0, und zeige für dieses triviale Beispiel dass das Verfahren zur exakten Lösung konvergiert. 9. Zeige für das Anfangswertproblem, { u = Au, t > 0 u(0) = u 0 A = κ h D, D = die Iterierten u k = 1 κτ h D]u k 1 des Vorwärts-Eulerschen Verfahren erfüllen u k u k 1 wenn τ h /(κ). 10
11 93. Zeige für das obige Anfangswertproblem, die Iterierten 1 + κτ h D]u k = u k 1 des Rückwärts- Eulerschen Verfahren erfüllen unbedingt u k u k Schreibe das Crank-Nicholson Verfahren als Runge-Kutta Verfahren um. 95. Schreibe ein lineares System Au = f, sodass u = {u i } und f = {f i } erfüllen: u i u(x i ), f i f(x i ), x i = ih, h = 1/N, i = 0,...,N und die Funktionen u und f erfüllen das folge Randwertproblem: { µu + u = f, 0 < x < 1 u = 0, x = 0, 1 11
Lernfragen für Numerik für LAK Wintersemester 2009/10
Lernfragen für Numerik für LAK Wintersemester 2009/10 1. Zeige für eine hinreich glatte Funktion u(x), es gilt: u (x) = u(x + h) 2u(x) + u(x h) h 2 + O(h 2 ) 2. Gib ein explizites Beispiel von einem Abbruchsfehler
VF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
Kurztest 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!)
2. 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.
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
Institut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =
1. (a) i. Wann besitzt A R n n eine eindeutige LR-Zerlegung mit R invertierbar? ii. Definieren Sie die Konditionszahl κ(a) einer Matrix A bzgl. einer Norm.! iii. Welche Eigenschaften benötigt eine Matrix
KLAUSUR 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
Klausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016
Verständnisfragen-Teil ( Punkte) Jeder der Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte.
Institut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
eps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
KAPITEL 1. Einleitung
KAPITEL 1 Einleitung Wir beschäftigen uns in dieser Vorlesung mit Verfahren aus der Numerischen linearen Algebra und insbesondere dem sogenannten Mehrgitterverfahren zur Lösung linearer Gleichungssysteme
VF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Aussagen Diese sind mit wahr bzw falsch zu kennzeichnen (hinschreiben) Es müssen alle Fragen mit wahr
D-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2
D-MAVT NUMERISCHE MATHEMATIK FS 4 K Nipp, A Hiltebrand Lösung vom Test Sei A ( 3 3 ) a) Bestimmen Sie κ(a), die Kondition von A (in der -Norm): κ(a) b) Berechnen Sie den Spektralradius von A: ρ(a) 4 c)
Institut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
Musterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt
TU ILMENAU Institut für Mathematik Numerische Mathematik PD Dr. W. Neundorf Musterlösungen zur Leistungsnachweisklausur vom.0.006 Studiengang Informatik, Ingenieurinformatik, Lehramt 1. Lineare Algebra
5 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)
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
Diplom VP Numerik 27. August 2007
Diplom VP Numerik 27. August 2007 Multiple-Choice-Test 30 Punkte Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese
Lösungsvorschlag 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
Lösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 2016/2017
Lösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 01/017 Peter Philip, Sabine Bögli. Januar 017 1. 10 Punkte) a) Betrachten Sie R mit der Maximumsnorm. Berechnen Sie die
19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .
Universität Erlangen-Nürnberg Department Mathematik PD Dr Markus Bause Numerik I 9 Januar A Gegeben sei die Matrix A = a Führen Sie eine Zeilenskalierung der Matrix durch Klausur b Bestimmen Sie mit Hilfe
Begleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 2016/17
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden - Wintersemester 6/7 837 Aufgabe Punkte): Gegeben sei das lineare Gleichungssystem Ax = b mit A = 6 3 und
Einführung in die Numerik
Institut für Angewandte Mathematik Universität Heidelberg http://www.numerik.uni-hd.de/ lehre/ss10/numerik0/ Zahldarstellung Normalisierte Gleitkommazahl: x = ±[m 1 b 1 + + m r b r ] b ±[es 1bs 1 + +e
UE Numerische Mathematik für LA
06.986 UE Numerische Mathematik für LA Übungsbeispiele zur VO 06.942 Numerische Math für LA G. Schranz-Kirlinger Kapitel : Fehlerbetrachtungen. Berechnen Sie sinx dx mit Hilfe der Trapezregel für verschiedene
H.J. Oberle Analysis II SoSe Interpolation
HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,
PS Numerische Mathematik für LAK WS 08/09, LV-Nr.: , HS Übungsblatt (bis )
. Übungsblatt (bis 5.0.2008). Aufgabe. Skizzieren Sie die Einheitskugeln K (0,) im R 2 für die Normen, 2 und. 2. Aufgabe. Beweisen Sie x x 2 n x für alle x R n. 3. Aufgabe. Bestimmen Sie die relative Konditionszahl
Teil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
Institut 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
2. 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;
Begleitmaterial 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
KAPITEL 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
(x x j ) x [a,b] n! j=0
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (4 Punkte Es gibt zu jeder der 1 Aufgaben vier Aussagen. Diese sind mit bzw. zu kennzeichnen (hinschreiben. Es müssen alle Fragen mit oder gekennzeichnet
Übungen für Angewandte Numerik I Sommersemester eines Polynoms nten Grades: p(x) =
Übungen für Angewandte Numerik I Sommersemester 2011 1 Gegeben seien die Koeffizienten{a k } n k=0 eines Polynoms nten Grades: p(x) = n a k x k k=0 Schreibe einen Matlab-Code zur Auswertung des Polynoms
6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
Klassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
Numerische 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
Grundlagen der Numerischen Mathematik
Grundlagen der Numerischen Mathematik a.o.univ.prof. Mag.Dr. Stephen Keeling http://math.uni-graz.at/keeling/ Literatur: Numerical Analysis von R.L. Burden und J.D. Faires Unterlagen: http://math.uni-graz.at/keeling/teaching.html
ZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE FELIX LIEDER DR. GEORG JANSING.9.7 ZWEITE KLAUSUR zur Numerik I mit Lösungen Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
(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
Nachklausur 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:
5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
ÜBUNGSAUFGABEN ZUR NUMERIK 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 http://www.mat.univie.ac.at/ huyer/matlab.pdf
I 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,...,
Interpolation, numerische Integration, Eigenwerte
Neunte Vorlesung, 29. Mai 2008, Inhalt Interpolation, numerische Integration, Eigenwerte Polynomiale Interpolation (Lagrange, Newton, Neville) Splines und weitere Interpolationsverfahren numerische Integration
Klausur Numerische Mathematik (für Elektrotechniker), Samstag, 19. August 2017
Verständnisfragen-Teil (5 Punkte) Jeder der 5 Verständnisfragenblöcke besteht aus 5 Verständnisfragen. Werden alle 5 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block
7. 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
Übungsblatt 1 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA234 - SS6 Übungsblatt Musterlösung Aufgabe (Interpolationspolynom) a) Bestimmen Sie die Hilfspolynome L i, i =,,2, für x =, x = 2 und x 2 = 3 nach der Formel
5. Numerische Differentiation. und Integration
5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen
Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung
Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das
Aufgabe 1. Berechnen Sie die absolute und die relative Kondition des Problems x f(x) für die Abbildung. x = x 2 e x 1.
Name: Matrikel-Nr.: 1 Aufgabe 1. Berechnen Sie die absolute und die relative Kondition des Problems x f(x) für die Abbildung R 3 R 2, x 1 f : x 1 + e x2 2 sin(x3 ) x = x 2 e x 1 (1 + x 2 1 + x, 2x 3 )
u(x, 0) = g(x) : 0 x 1 u(0, t) = u(1, t) = 0 : 0 t T
8.1 Die Methode der Finiten Differenzen Wir beschränken uns auf eindimensionale Probleme und die folgenden Anfangs und Anfangsrandwertprobleme 1) Cauchy Probleme für skalare Erhaltungsgleichungen, also
Numerische 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
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
KAPITEL 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
Wiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
Lösung Semesterendprüfung
MNUM Mathematik: Numerische Methoden Herbstsemester 17 Dr Christoph Kirsch ZHAW Winterthur Aufgabe 1 : Lösung Semesterendprüfung Wir schreiben zuerst die Gleichungen f(x i ; a, a 1, a y i, i 1,,, 1, als
Lineare 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
NUMERISCHE MATHEMATIK I
D-MATH ETH Zürich, 22. August 2011 Prof. Ch. Schwab NUMERISCHE MATHEMATIK I 1. Interpolation und Quadratur (25 P.) a) Sei [a, b] R 1 mit a < b ein beschränktes Intervall, und f C 2 ([a, b]). Zeigen Sie,
Übungsblatt 3 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA4 - SS6 Übungsblatt Musterlösung Sei M,N N und f C M+N+ (B) eine komplexe Funktion, B eine kompakte Menge. Die Padé Approximation PN M (f)(x) ist die rationale
Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
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
Modulprüfung 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
Technische Numerik Numerische Integration
W I S S E N T E C H N I K L E I D E N S C H A F T Technische Numerik Numerische Integration Peter Gangl Institut für Numerische Mathematik, Technische Universität Graz c Alle Rechte vorbehalten. Nachdruck
Klausur,,Algorithmische Mathematik II
Institut für angewandte Mathematik Sommersemester 017 Andreas Eberle, Matthias Erbar / Behrend Heeren Klausur,,Algorithmische Mathematik II Musterlösung 1 (Unabhängige Zufallsvariablen) a) Wir bezeichnen
Fortgeschrittene Mathematik Raum und Funktionen
Fortgeschrittene Mathematik Raum und Funktionen Thomas Zehrt Universität Basel WWZ Thomas Zehrt (Universität Basel WWZ) R n und Funktionen 1 / 33 Outline 1 Der n-dimensionale Raum 2 R 2 und die komplexen
Topologie und Differentialrechnung mehrerer Veränderlicher, SS 2009 Modulprüfung/Abschlussklausur. Aufgabe Punkte
Universität München 22. Juli 29 Topologie und Differentialrechnung mehrerer Veränderlicher, SS 29 Modulprüfung/Abschlussklausur Name: Aufgabe 2 3 4 Punkte Gesamtpunktzahl: Gesamturteil: Schreiben Sie unbedingt
Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
Klausur 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
Institut 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)
Klausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg WS 28/29 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 3. Februar 29 Sie haben 9 Minuten Zeit zum
3. Lineare Gleichungssysteme
3. Lineare Gleichungssysteme 1 3.1. Problemstellung 2 3.2. Direkte Verfahren 3 3.3. Normen und Fehleranalyse 4 3.4. Iterative Verfahren 5 3.5. Konvergenz von linearen Iterationsverfahren 6 3.6. Gradienten-Verfahren
5 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
2. Klausur zu,,algorithmische Mathematik II
IAM/INS Sommersemester 2017 Andreas Eberle, André Uschmajew 2. Klausur zu,,algorithmische Mathematik II Bitte diese Felder in Druckschrift ausfüllen Name: Matrikelnr.: Vorname: Studiengang: Wichtige Hinweise:
Prof. 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
Name: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: b a 2 3a 1
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei das folgende lineare Gleichungssystem: 1 1 0 2 b 1 1 2 4 1 1 4 6 x = 1 1. 2 2 2a 2 3a 1 (a) Bringen Sie das lineare Gleichungssystem auf Treppenform. (b) Für welche
III. Iterative Löser. III.1 Direkte Löser und ihre Nachteile. III.2 Klassische lineare Iterationsverfahren
III. Iterative Löser III.1 Direkte Löser und ihre Nachteile III.2 Klassische lineare Iterationsverfahren Typeset by FoilTEX 1 Erinnerung: Lineares Gleichungssystem bei FDM Diskretisierung einer linearen
4x 1 + 2x 2 + 3x 3 = 1, x 2 + ax 3 = 1, ax 2 + x 3 = a 1. 0 a 1 1 Wir führen nun den Gauÿalgorithmus durch:
Aufgabe 8 Punkte Bestimmen Sie die Lösungsmenge in R in Abhängigkeit von a R des folgenden linearen Gleichungssystems: 4x + x + 3x 3 =, x + ax 3 =, ax + x 3 =. Lösung. Wir schreiben das lineare Gleichungssystem
Numerische 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
Klausur zu Grundlagen der Computermathematik
Prof. Dr. Klaus Höllig. März 11 Klausur zu Grundlagen der Computermathematik en Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. a Die Folge A n x/ A n
Lineare Gleichungssysteme Hierarchische Matrizen
Kompaktkurs Lineare Gleichungssysteme Hierarchische Matrizen M. Bebendorf, O. Steinbach O. Steinbach Lineare Gleichungssysteme SIMNET Kurs 24. 27.4.26 / 6 Numerische Simulation stationäre und instationäre
Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2016 Klausur
Prof. Dr. Benjamin Stamm Prof. Dr. Martin Grepl Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen II (CES) SS 2016 Klausur 29.07.2016 Dokumentenechtes
Kapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
Übungen zur Ingenieur-Mathematik II SS 2017 Blatt Aufgabe 13: Betrachten Sie die Funktion. f(x) =
Übungen zur Ingenieur-Mathematik II SS 2017 Blatt 6 2.5.2017 Aufgabe 1: Betrachten Sie die Funktion Lösung: f(x) = 1, x [, 1]. 1 + 25x2 a) Bestimmen Sie die Interpolationspolynome vom Grad m p m (x) =
Begleitmaterial 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 / 55 Studienplanung Bachelor
Numerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht
4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Lösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
Zehnte Vorlesung, 4. Juni 2009, Inhalt. Eigenwerte und Eigenvektoren (2) Gewöhnliche Differentialgleichungen
Zehnte Vorlesung, 4. Juni 2009, Inhalt Eigenwerte und Eigenvektoren (2) Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Wichtige Feststellungen zur Eigenwertaufgabe Ax = λx: Eigenwerte
NUMERIK 1. Sommersemester 2016
NUMERIK 1 Soerseester 2016 KLAUSUR LÖSUNGSVORSCHLAG Aufgabe 1 (Multiple Choice) (ca. 20 Minuten, 8 Punkte) Kreuzen Sie korrekte Aussagen an. Es können ehrere Antworten richtig sein, indestens eine ist
Übungsaufgaben zu den mathematischen Grundlagen von KM
TUM, Institut für Informatik WS 2003/2004 Prof Dr Thomas Huckle Andreas Krahnke, MSc Dipl-Inf Markus Pögl Übungsaufgaben zu den mathematischen Grundlagen von KM 1 Bestimmen Sie die Darstellung von 1 4
1 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
Lineare Gleichungssysteme
Lineare Gleichungssysteme 4. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 17. März 2016 Lineare Gleichungssysteme 1 Wiederholung: Normen, Jacobi-Matrix,
Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen II (CES) SS 2017 Klausur
Prof. Dr. Manuel Torrilhon Prof. Dr. Sebastian Noelle Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen II (CES) SS 2017 Klausur 07.08.2017 Dokumentenechtes
Original - d.h. unvertauschte Reihenfolge
NumaMB F6 Verständnisfragen-Teil (3 Punkte) Jeder der 6 Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es dafür 5
Spline-Räume - B-Spline-Basen
Spline-Räume - B-Spline-Basen René Janssens 4. November 2009 René Janssens () Spline-Räume - B-Spline-Basen 4. November 2009 1 / 56 Übersicht 1 Erster Abschnitt: Räume von Splinefunktionen Grundlegende
Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II
für zur Lösung der Monge-Ampère-Gleichung, Teil II Andreas Platen Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zur Approximationstheorie im Wintersemester 2009/2010 1 / 27 Gliederung
A 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
Stroppel Musterlösung , 180min. Aufgabe 1 (4 Punkte) Bestimmen Sie die folgenden Grenzwerte und Funktionengrenzwerte.
Stroppel Musterlösung 3908, 80min Aufgabe 4 Punkte) Bestimmen Sie die folgenden Grenzwerte und Funktionengrenzwerte a) 4n 3 9 lim b) lim n n + n) n + )5n 4) c) lim x 0 sinlnx + )) sinhx) a) Es ist lim