Polynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):

Größe: px
Ab Seite anzeigen:

Download "Polynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):"

Transkript

1 . Großübung Polynominterpolation Allgemeines Problem: Aufgrund gegebener Messwerte (Paare aus Werten i und Funktionswerten f( i )) soll ein Funktionsverlauf rekonstruiert bzw. zumeist angenähert werden. Aufgabe: Lege Polynom durch gegebene Messwerte. (Lagrange-)Interpolationsaufgabe: Finde ein Polynom, sodass die Funktionswerte eakt angenommen werden. gegeben: Daten,,,.., n und f( ), f( ),.., f( n ). gesucht: Polynom p Π n ( Raum aller Polynome bis zum Grad n ), sodass p( j ) = f( j ), j =,.., n. Der Raum aller Polynome bis zum Grad n ist z.b. wie folgt definiert: Π n := {v : v() = a + a a n n, a i R beliebig} D.h. ein Polynom aus Π n hat n+ Parameter (Freiheitsgrade). In der Monomdarstellung (p() = a +a +..+a n n ) sind die Paramter gerade a, a,.., a n. Beispiel (Teil ): Es sind folgende Messpunkte gegeben. i f( i )

2 f() Abbildung : Messpunkte zu Beispiel. Ansatz (Lagrange-Fundamentalpolynome) I: Zerlege Problem in Teilprobleme, bei denen jeweils alle Funktionswerte Null sind außer einem. Beispiel (Teil ): Teilprobleme: i f ( i ) f ( i ) f ( i ) f ( i ) Ansatz (Lagrange-Fundamentalpolynome) II: Das (weiter vereinfachte) Problem i... j j j+... n q( i )......

3 kann mit dem Lagrange-Fundamentalpolynom gelöst werden. Dieses ist q() = n k=,k j k j k =: l jn () und ist eins bei j und an allen anderen Stützstellen Null, l jn ( k ) = δ jk. Der Grad von l jn ist n. Demnach löst f( j ) q() = f( j ) l jn () das Problem mit den folgenden Messwerten: i... j j j+... n q( i )... f( j )... Durch Addition solcher Polynome bekommt man eine Lösung des Gesamtproblems. f() l() f() l() f() l() f() l() Abbildung : Skalierte Lagrange-Funktionen zu Punkt,, und.

4 f() Abbildung : Das Interpolationspolynom zu Beispiel. Beispiel (Teil ): Die Lagrange-Fundamentalpolynome zu diesem Beispiel sind: ( ) ( ) ( ) l () = = ( ) ( ) ( ) ( ) l () = ( ) ( ) ( ( ) ) = + + ( ) l () = ( ) ( ) ( ( ) ) = ( ) l () = ( ) ( ) ( ( ) ) = In Abbildung sind die skalierten Fundamentalpolynome f( ) l i, i =,.. abgebildet. Beachte das diese gerade die Interpolationspolynome für die Teilproblemfunktionen f i () sind. Summiert man diese Terme auf, so erhält man das gesamte Interpolationspolynom: p() = f( i ) l i () = i=

5 Aufwand Interpolation mit Lagrange-Fundamentalpolynomen: Der Aufwand zum Auswerten eines Lagrange-Fundamentalpolynoms beträgt: ( }{{} n + n }{{ } ) Divisionen Multiplikationen Das Auswerten des Interpolationspolynoms an einer Stelle in der Form p() = n f( i ) l in () i= demnach ( }{{} n + n }{{ } + }{{} ) (n + ) = n(n + ) = O(n ). }{{} Divisionen Multiplikationen f( j ) Stützstellen Man beachte, dass der Aufwand dabei stark von der Darstellung von Polynomen abhängt. Der hier dargestellte Aufwand bezieht sich auf die Darstellung des Polynoms in der LagrangeBasis. Unterschiedliche Basen von Polynomen werden im nächsten Abschnitt behandelt. Basen von Polynomen Es eistieren verschiedene Darstellungsformen für Polynome: monomiale Basis: Lagrangesche Basis:,,,..., j,..., n p() = l jn = p() = n n a j j j= k=,k j k j k n b j l jn () j= Newtonsche Basis: j, ( ), ( ) ( ),.., ( k ),.. 5 k=

6 z.b.: p() = n c j j j= k= ( k ) p() = + ( ) + ( )( ) + ( )( )( ) Das (Lagrange-)Interpolationsproblem ist eindeutig lösbar. Der Hinweis in Klammern (Lagrange-) bedeutet, dass nur die Funktionswerte verwendet werden und nicht andere Informationen zur Interpolation herangezogen werden. Alternativen sind z.b. die Hermit-Interpolation bei der auch Ableitungsinformationen bei der Interpolation verwendet werden (in dieser Veranstaltung nicht betrachtet). Alle Polynomdarstellungen können ineinander umgeformt werden. Es gibt also verschiedene Darstellungen für das gleiche Polynom. Das Horner-Schema: Das Horner-Scheme erlaubt eine schnelle Auswertung von Polynomen in monomialer Darstellung oder in der Darstellung der Newton-Basis. Dabei wird geschickt geklammert: monomiale Basis: p() = n a j j = a + (a + (a (a n + a n )...)) j= Newtonsche Basis: p() = n j= ( k ) c j j k= = c + ( )(c + ( )(c ( n )(c n + ( n )c n )...)) Der Aufwand zur Auswertung beträgt nur n Multiplikationen. In Potenzform (naive Auswertung) und bei der Lagrangeschen Basis ist der Aufwand O(n ). Neville-Aitken Idee Man betrachtet zwei Interpolationspolynome. f () sei das Interpolationspolynom zu der Funktion f an den Punkten,.. n, wir schreiben auch f () = P (f,.., n ) und f () sei das Interpolationspolynom zu der Funktion f an den Punkten,.. n, also auch f () = P (f,.., n ). f und 6

7 f stimmen somit an allen inneren Punkten (,.. n ) überein. Für die Interpolation an allen Punkten gibt bei die Funktion f den richtigen Wert, am Punkt n die Funktion f. Deswegen kann man das Interpolationspolynom für alle Punkte p() = P (f,.., n )() wie folgt konstruieren: Man (konve-)kombiniert die beiden Funktionen f und f zu p() = α() f () + ( α()) f (). An allen inneren Punkten sind f und f gleich und damit hat p() dort auch den gleichen Wert. Nun wählen wir α() so, dass f am Punkt voll gewichtet wird und f gar nicht. Im Punkt n umgekehrt. Da p() ein Polynom vom Grad n sein soll, darf α() nur vom Grad eins sein. α Π, α( ) =, α( n ) = Damit ergibt sich dann die Aitken-Formel: P (f,.., n ) = n n P (f,.., n ) + n P (f,.., n ) Beispiel (Teil ): Die entsprechenden Terme der Aitken-Komposition sind in Abbildung abgebildet. Neville-Aitken Schema Mit der Idee Interpolationspolynome als Konvekombination von anderen (einfacheren) Interpolationspolynomen aufzuschreiben, ergibt sich eine Vorschrift Interpolationspolynome rekursiv zu bestimmen. Wenn man nur Auswertungen an konkreten Stellen benötigt (und nicht das komplette Polynom), so kann das Neville-Aitken Schema angewandt werden. Siehe hierzu auch Folie 8.6, Folie 8.7 : Beispiel (Teil 5), Neville-Aitken: Wir wollen nun das Neville-Aitken-Schema anwenden, um das Interpolationspolynom an der Stelle = =.5 auszuwerten. P (f,,.., )(.5) =?. Das Neville-Aitken-Tableau hat die folgende Form, dabei kann man direkt die Werte aus der Tabelle übertragen, da die Funktionswerte gleichzeitig die Interpolationspolynome nullter Ordnung an den entsprechenden Stellen sind. 7

8 P (f,,, ) P (f,,, ) P (f,,, ) P (f,,, ) f () = P (f,,, ) f () = P (f,,, ) f () + f () Abbildung : Zu Beispiel : (gewichtete) Interpolationspolynome mit drei Punkten und deren Addition. i P i, P i, P i, P i, - P, P, P, P, P, P, Hierbei ist P k,j = P (f k j,.., k )( = ). Zunächst berechnen wir P,. Dies können wir machen indem wir die Konvekombination aufschreiben: P, = P, + P, 8

9 Formen wir dies weiter um, so erhalten wir die geläufigere Form P, = P, + ( ) P, P, = + ( ) ( ) = Analog fahren wir fort: P, = P, + ( ) P, P, = + ( ) = P, = P, + ( ) P, P, = + ( ) = Jetzt bildet man die Konvekombination bzgl. der äußeren Punkte, da alle ïnneren Punkte für die entsprechenden Terme gleich sind. Hierbei ist es nicht wichtig, dass die i sortiert sind. P, = P, + ( ) P, P, = + ( ) ( ) = 5 8 P, = P, + ( ) P, P, = + ( ) = 8 P, = P, + ( ) P, P, = 8 + ( ) ( ) = 8 Das Ergebnis ist also P (f,.., )( ) = 8. i P i, P i, P i, P i, - / 5/8 - /8 /8 Eigenschaften Neville-Aitken-Schema: Effiziente Auswertung an (nur!) einer Stelle, Aufwand n. weitere Stützstellen können leicht hinzugefügt werden. Stützstellen müssen nicht sortiert sein. 9

10 Newton Schema Mit der Notation δ n = f(n) P n ( n) ( ) ( n n ) =: [,.., n ]f (s. Folie 8. ) gilt die Horner-artige Darstellung: P (f,.., n )() = [ ]f + ( )[, ]f und die Beziehung +( )( )[,, ]f ( ) ( n )[,..., n ]f. [,.., n ]f = [,.., n ]f [,.., n ]f n (siehe auch Folie 8., Folie 8. ). Mit Hilfe dieser Beziehung kann man nun ähnlich dem Neville-Aitken-Schema die Koeffizienten in einer Tabelle berechnen, wo [ i ]f = f( i ) gegeben ist: [ i ]f [ i, i+ ]f [ i, i+, i+ ]f [ i, i+, i+, i+ ]f [ ]f > [, ]f [ ]f > [,, ]f > [, ]f > [,,, ]f [ ]f... > [,, ]f.. Aus den Koeffizienten der obersten Zeile angeben. lässt sich das Polynom eplizit Beispiel (Teil 6), Newton Schema / Dividierte Differenzen: [ i ]f [ i, i+ ]f [ i, i+, i+ ]f [ i, i+, i+, i+ ]f > [, ]f > [,, ]f > [, ]f > [,,, ]f > [,, ]f > [, ]f

11 Die Berechnung mit dividierten Differenzen liefert jetzt: [, ]f = [ ]f [ ]f = ( ) = [, ]f = [ ]f [ ]f = = [, ]f = [ ]f [ ]f = = [,, ]f = [, ]f [, ]f = ( ) = [,, ]f = [, ]f [, ]f = ( ) = [,,, ]f = [,, ]f [,, ]f = ( ) ( ) = [ i ]f [ i, i+ ]f [ i, i+, i+ ]f [ i, i+, i+, i+ ]f > > > > > > Hier lässt sich das Interpolationspolynom ablesen: P (f,,, ) = + ( + ) ( + ) + ( + )( ) Zur effizienteren Auswertung sollte man das Polynom direkt horner-artig Aufschreiben: ( ( P (f,,, ) = + ( + ) + + ( ) )) Zur Kontrolle rechnen wir die Potenzform aus und erhalten P (f,,, ) = Eigenschaften Newton-Schema: Aufwand allgemein: n um die Koeffizienten [,... j ]f zu berechnen. Zusätzlich n Multiplikationen für jede Auswertung.

12 weitere Stützstellen können leicht hinzugefügt werden. Stützstellen müssen nicht sortiert sein. Fehlerabschätzung: Wir möchten den Fehler f( ) P (f,.., n )( ) (a priori) abschätzen für beliebige R. Herleitung Fehler in : Hierzu betrachten wir das Interpolationspolynom p () = P (f,.., n, )(). Dann kann man den Fehler auch wie folgt charakterisieren: f( ) P (f,.., n )( ) = p ( ) P (f }{{},.., n )( ) =f( ) Jetzt setzen wir die Newton-Darstellung ein und erhalten: f( ) P (f,.., n )( ) = ( )( ) ( n ) [ }{{},.., n, ]f }{{} =A =B Die beiden Terme A und B können getrennt voneinander betrachtet werden. A hängt nicht von der Funktion, sondern lediglich von der Wahl der Stützstellen ab. B kann weiter charakterisiert werden (s. Folie 8.6 ): wobei ξ [min{ i, }, ma{ i, }] Abschätzungen B = [,..., n, ]f = f (n+) (ξ) (n + )! Bei Auswertung im Interval [c, d] Typischerweise ist man an dem maimalen Fehler innerhalb eines Intervals [c, d] interessiert. Das Interval [a, b] ist dabei durch die Stützstellen mit a = min{ i } und b = ma{ i } definiert. Dann gilt (mit [c, d] [a, b] oder [a, b] [c, d]): ma f() P (f n,.., n )() ma ( j ) [c,d] [c,d] j= ma ξ [a,b] [c,d] f (n+) (ξ) (n + )!

13 [a, b] : Hier wird interpoliert [c, d] : Hier wird ausgewertet / Polynom betrachtet Die Unterscheidung zwischen den Intervallen ist nicht notwendig, kann aber schärfere (d.h. weniger pessimistische) Abschätzungen liefern, als wenn man bloß das größere Interval für beide Terme (A und B) betrachtet. Gröbere (und einfachere) Abschätzung erhält man für den A-Term, wenn man einzeln abschätzt: n n ma ( j ) [c,d] ma j [c,d] j= Bei Auswertung im Punkt Im Falle einer Punktauswertung fällt das Intervall [c, d] zu dem Punkt zusammen und man erhält: n f() P (f,.., n )( ) ( j ) ma f (n+) (ξ) ξ [ā, b] (n + )! wobei das Interval [a, b] ggf. soweit vergrößert wird, dass es beinhaltet: ā = min{a, } und b = ma{b, } Zusätzliches Beispiel: Aufgabe aus Klausur Herbst. Verwendete VF: VF- Herbst. j= j=

1 2 x x x x x x2 + 83

1 2 x x x x x x2 + 83 Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die

Mehr

6 Polynominterpolation

6 Polynominterpolation Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}

Mehr

8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.

8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n. 8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis

Mehr

(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)

(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4) 33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen

Mehr

H.J. Oberle Analysis II SoSe Interpolation

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,

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Technische Universität München WiSe 07 / 08 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen Musterlösung 3 Übungsblatt:

Mehr

KAPITEL 8. Interpolation

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

Mehr

Übungsblatt 1 Musterlösung

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

Mehr

5 Interpolation und Approximation

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)

Mehr

Polynominterpolation

Polynominterpolation Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses

Mehr

Klassische Polynom Interpolation.

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

Mehr

6. Polynom-Interpolation

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

Mehr

Die Interpolationsformel von Lagrange

Die Interpolationsformel von Lagrange Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an

Mehr

Inhalt Kapitel IV: Interpolation

Inhalt Kapitel IV: Interpolation Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten

Mehr

8 Polynominterpolation

8 Polynominterpolation 8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum

Mehr

1/26. Integration. Numerische Mathematik 1 WS 2011/12

1/26. Integration. Numerische Mathematik 1 WS 2011/12 1/26 Integration Numerische Mathematik 1 WS 2011/12 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Technische Universität München WiSe 06 / 07 Institut für Informatik Prof. Dr. Daniel Cremers Dr. Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen Musterlösung 5. Übungsblatt:

Mehr

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 214 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis

Mehr

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen

Mehr

Nachklausur am Donnerstag, den 7. August 2008

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:

Mehr

Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV Aufgabe N1 (LR-Zerlegung mit Pivotisierung) Gegeben seien R 3.

Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV Aufgabe N1 (LR-Zerlegung mit Pivotisierung) Gegeben seien R 3. Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV 7.7.6 Aufgabe N (LR-Zerlegung mit Pivotisierung) Gegeben seien 6 8 A = 8 6 R und b = 6 R. a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung.

Mehr

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester

Mehr

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.

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

Mehr

KAPITEL 9 Splinefunktionen

KAPITEL 9 Splinefunktionen KAPITEL 9 Splinefunktionen 9.1 Splineräume und Approximationsgüte Bei der Behandlung von Splines ist es bequemer, statt mit dem Grad von Polynomen, mit der Ordnung k := Grad + 1 zu arbeiten. Für eine Knotenmenge

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

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

Mehr

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1. KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die

Mehr

Klausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016

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.

Mehr

Interpolation. Heinrich Voss. TUHH Heinrich Voss Kapitel / 49.

Interpolation. Heinrich Voss. TUHH Heinrich Voss Kapitel / 49. Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 2 2010 1 / 49 Interpolationsproblem Gegeben seien eine Funktion Φ (x; a 1,...,

Mehr

Diplom VP Numerik 27. August 2007

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

Mehr

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?

Mehr

Numerische Verfahren

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

Mehr

19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .

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

Mehr

VF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und

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

Mehr

Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV 6.8.005 1 Aufgabe N1 Gegeben seien A = 5-10 -5-10 8-10 -5-10 13 R 3 3 und b = a) Überprüfen Sie, ob die Matrix A positiv definit ist. b) Bestimmen

Mehr

Institut für Geometrie und Praktische Mathematik

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).

Mehr

Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:

Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: 5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung

Mehr

Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems

Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik Institut für Mathematik

Mehr

Institut für Geometrie und Praktische Mathematik

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)

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 20 Wiederholung: Fehlerbetrachtung.

Mehr

Name: Matrikel-Nr.: 1

Name: Matrikel-Nr.: 1 Name: Matrikel-Nr.: 1 2 Name: Matrikel-Nr.: 3 Aufgabe 1. Zeigen Sie per vollständiger Induktion, dass für alle n N gilt: n k=1 k(k + 1) 2 = n(n + 1)(n + 2). 6 3 Punkte 4 Name: Matrikel-Nr.: 5 Aufgabe 2.

Mehr

Klausur,,Algorithmische Mathematik II

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

Mehr

Übungen zu Splines Lösungen zu Übung 20

Übungen zu Splines Lösungen zu Übung 20 Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)

Mehr

Numerische Integration und Differentiation

Numerische Integration und Differentiation Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische

Mehr

Diplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y.

Diplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y. Diplom VP Informatik/Numerik 9 September 2000 / Seite 1 1 Pivotisierung : 2 L-R-Zerlegung von A: 3 Vorwärtseinsetzen: (pivotisierung) Aufgabe 1: L-R-Zerlegung, Nachiteration A A = 4 2 10 2 6 9 2 1 6 L

Mehr

Spline-Interpolation

Spline-Interpolation Spline-Interpolation Tim Schmölzer 20 November 2009 Tim Schmölzer Spline-Interpolation 20 November 2009 1 / 38 Übersicht 1 Vorbemerkungen 2 Lösbarkeit des Interpolationsproblems 3 Stabilität der Interpolation

Mehr

3 Interpolation und Approximation

3 Interpolation und Approximation In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion

Mehr

Wiederholungsklausur Numerisches Rechnen ( ) (Musterlösung)

Wiederholungsklausur Numerisches Rechnen ( ) (Musterlösung) Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 2010/2011 Prof. Dr. Martin Grepl Jens Berger, Jörn Thies Frings Wiederholungsklausur

Mehr

Nichtlineare Ausgleichsrechnung

Nichtlineare Ausgleichsrechnung 10. Großübung Nichtlineare Ausgleichsrechnung Allgemeines Problem: Wir betrachten ein nichtlineares System F : R n R m mit (m > n, d.h. das System ist überbestimmt und F i (x g(t i ; x g i! 0 i 1,.., m.

Mehr

Institut für Geometrie und Praktische Mathematik

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

Mehr

Approximation durch Polynome

Approximation durch Polynome durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz

Mehr

Numerik für Ingenieure I Wintersemester 2008

Numerik für Ingenieure I Wintersemester 2008 1 / 32 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 23.1.2009 2 / 32 Wiederholung Stückweise Polynominterpolation Stückweise lineare Interpolierende

Mehr

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 014 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis

Mehr

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.

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

Mehr

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden, Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht

Mehr

5 Interpolation und numerische Approximation

5 Interpolation und numerische Approximation Numerik I 194 5 Interpolation und numerische Approximation 5.1 Polynominterpolation 5.2 Spline-Interpolation 5.3 Diskrete Fourier-Transformation 5.4 Schnelle Fourier-Transformation (FFT) 5.5 Eine Anwendung

Mehr

Mathe f. Info 2 (1152) HK07 der FernUni Hagen (auf der Basis von Notizen)

Mathe f. Info 2 (1152) HK07 der FernUni Hagen (auf der Basis von Notizen) Mathe f. Info 2 (1152) HK07 der FernUni Hagen (auf der Basis von Notizen) 1) (1) Die Folge a n ist konvergent. (2) Die Folge a n ist beschränkt. (3) Die Folge a n ist monoton und beschränkt. a) Welche

Mehr

Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.

Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]

Mehr

(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =

(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

Mehr

Institut für Geometrie und Praktische Mathematik

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

Mehr

Interpolation, numerische Integration

Interpolation, numerische Integration Interpolation, numerische Integration 8. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 8. Mai 2014 Gliederung 1 Interpolation polynomial Spline 2 Numerische

Mehr

(x x j ) x [a,b] n! j=0

(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

Mehr

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe 5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad

Mehr

KAPITEL 10. Numerische Integration

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

Mehr

eps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.

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

Mehr

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

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!)

Mehr

Kapitel 6: Das quadratische Reziprozitätsgesetz

Kapitel 6: Das quadratische Reziprozitätsgesetz Kapitel 6: Das quadratische Reziprozitätsgesetz Ziel dieses Kapitels: die Untersuchung der Lösbarkeit der Kongruenzgleichung X also die Frage, ob die ganze Zahl Z eine Quadratwurzel modulo P besitzt. Im

Mehr

Numerische Mathematik

Numerische Mathematik Numerische Mathematik SS 999 Augabe 6 Punkte Das Integral I ln d soll numerisch bis au eine Genauigkeit von mindestens - approimiert werden. a Wie groß muss die Anzahl N der Teilintervalle sein damit mit

Mehr

Interpolation, numerische Integration, Eigenwerte

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

Mehr

Interpolation und Integration mit Polynomen

Interpolation und Integration mit Polynomen Interpolation und Integration mit Polynomen Philipp Andrea Zardo Universität Kassel 23. Februar 2006 / Kassel Outline 1 Einleitung Was ist numerische Mathematik? Die eulersche e-funktion Ein Wurzelalgorithmus

Mehr

Übungsblatt 10 Musterlösung

Übungsblatt 10 Musterlösung Übungsblatt 0 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Aufgabe 45 Fehlerkonstante von MSV Betrachten Sie ein allgemeines lineares q Schrittverfahren α q j y i+ j = h β q j

Mehr

KLAUSUR. Mathematik IV Wolfram Koepf. Name: Vorname: Matr. Nr.:

KLAUSUR. Mathematik IV Wolfram Koepf. Name: Vorname: Matr. Nr.: KLAUSUR Mathematik IV 5. 3. 2007 Wolfram Koepf Name: Vorname: Matr. Nr.: Bitte lassen Sie genügend Platz zwischen den Aufgaben und beschreiben Sie nur die Vorderseite der Blätter! Zum Bestehen der Klausur

Mehr

Bruchterme. Klasse 8

Bruchterme. Klasse 8 ALGEBRA Terme Bruchterme Teil Noch ohne Korrekturlesung! Klasse Datei Nr. Friedrich W. Buckel November 00 Geändert: Oktober 00 Internatsgymnasium Schloß Torgelow Inhalt DATEI. Werte berechnen. Definitionsbereiche

Mehr

Adaptive Mehrschrittverfahren

Adaptive Mehrschrittverfahren Adaptive Mehrschrittverfahren Moritz Neumann 21. März 2011 1 Inhaltsverzeichnis 1 Vorwort 3 2 Einführung 3 3 Adaptive Seuerung der Schrittweite und Ordnung 5 3.1 Adams-Verfahren................................

Mehr

1 Lambert-Beersches Gesetz

1 Lambert-Beersches Gesetz Physikalische Chemie II Lösung 6 23. Oktober 205 Lambert-Beersches Gesetz Anhand des idealen Gasgesetzes lässt sich die Teilchenkonzentration C wie folgt ausrechnen: C = N V = n N A V pv =nrt = N A p R

Mehr

Schaltalgebra. Franz Pauer, Florian Stampfer. Institut für Fachdidaktik und Institut für Mathematik. Universität Innsbruck

Schaltalgebra. Franz Pauer, Florian Stampfer. Institut für Fachdidaktik und Institut für Mathematik. Universität Innsbruck Schaltalgebra Franz Pauer, Florian Stampfer Institut für Fachdidaktik und Institut für Mathematik Universität Innsbruck Lehrer/innen/fortbildungstag Wien 2019 26. April 2019 Eine Lampe mit drei Schaltern

Mehr

31 Polynomringe Motivation Definition: Polynomringe

31 Polynomringe Motivation Definition: Polynomringe 31 Polynomringe 31.1 Motivation Polynome spielen eine wichtige Rolle in vielen Berechnungen, einerseits weil oftmals funktionale Zusammenhänge durch Polynome beschrieben werden, andererseits weil Polynome

Mehr

D-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn

D-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

Spline-Räume - B-Spline-Basen

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

Mehr

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,... sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt

Mehr

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16

Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 Mathematik I für Studierende der Informatik und Wirtschaftsinformatik (Diskrete Mathematik) im Wintersemester 2015/16 21. Januar 2016 Definition 8.1 Eine Menge R zusammen mit zwei binären Operationen

Mehr

9. Parametrische Kurven und Flächen

9. Parametrische Kurven und Flächen 9. Parametrische Kurven und Flächen Polylinien bzw. Polygone sind stückweise lineare Approximationen für Kurven bzw. Flächen Nachteile: hohe Zahl von Eckpunkten für genaue Repräsentation erforderlich interaktive

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

Numerische Verfahren Übungen und Lösungen, Blatt 1

Numerische Verfahren Übungen und Lösungen, Blatt 1 Technische Universität Hamburg-Harburg Institut für Numerische Simulation, E-0 Dr. Jens-Peter M. Zemke Sommersemester 2008 Numerische Verfahren Übungen und Lösungen, Blatt Aufgabe : (Thema: relativer und

Mehr

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form 3. Polynome 3.1 Definition und Grundlagen Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0,

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Technische Universität München SoSe 20 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 6 Übungsblatt:

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen Inhaltsverzeichnis Teil II: Gruppen 2 3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen.................. 2 3.1.1 Gruppen.......................................... 2 3.1.2 Untergruppen.......................................

Mehr

Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 2013/2014. Klausur Numerisches Rechnen ( ) (Musterlösung)

Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 2013/2014. Klausur Numerisches Rechnen ( ) (Musterlösung) Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 03/0 Prof. Dr. Martin Grepl Dipl.-Math. Jens Berger Dr. Jochen Schütz Klausur

Mehr

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen

3.1 Gruppen, Untergruppen und Gruppen-Homomorphismen TEIL II: GRUPPEN In der modernen Algebra versucht man die Zahlen (Z, Q, R, ) durch die Konzentration auf Rechenoperationen (+,,... ), oder allgemeiner auf strukturelle Eigenschaften dieser Operationen,

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

Kardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken

Kardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken Florian Badt 2. Juni 2015 Gliederung Grundlegende Problemstellung Ausgangspunkt: Lu = f Approximation der unbekannten Funktion: u(x) u N (x) = N n=0 a nφ n Minimierung des Residuums R(x; a 0, a 1,...,

Mehr

Diplom VP Numerik 21. März 2005

Diplom VP Numerik 21. März 2005 Diplom VP Numerik. März 5 Aufgabe Gegeben sei das lineare Gleichungssystem Ax = b mit A = 3 3 4 8 und b = 4 5.5 6. ( Punkte) a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung. Geben Sie

Mehr

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min) Lehrstuhl für Angewandte Mathematik Montanuniversität Leoben 70 004 Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan. 207 2:00-4:00 (20 min) Name Matrikelnummer Mündliche Prüfung: Bitte markieren

Mehr

Institut für Geometrie und Praktische Mathematik

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

Mehr

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen = A 4 3 6

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen = A 4 3 6 D-MAVT Lineare Algebra I HS 28 Prof. Dr. N. Hungerbühler Lösungen. Gegeben seien die Matrizen A := ( 2 3 3 ), B := Welche der folgenden Aussagen sind richtig? (a) (AB) T = A T B T. 5 3 2 6 Die Formel (AB)

Mehr

Numerik für Ingenieure I Wintersemester 2008

Numerik für Ingenieure I Wintersemester 2008 1 / 33 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 16.1.2009 2 / 33 Wiederholung Polynom Interpolation Vandermonde Ansatz Newton Interpolation: Beispiel

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch

Mehr

5. Numerische Differentiation. und Integration

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

Mehr

Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013

Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013 Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche

Mehr