Allgemeine Hinweise zur Klausur
|
|
- Mathilde Engel
- vor 5 Jahren
- Abrufe
Transkript
1 Semestralklausur Numerisches Programmieren, WS 2009/10, Name, Vorname, Matrikelnummer: Seite 1/17 Unterschrift: Bearbeitungszeit: 110 Minuten. Allgemeine Hinweise zur Klausur Hilfsmittel: Ein DIN-A4 Blatt, beidseitig handschriftlich beschrieben (keine Kopie!). ggf. Fremdsprachenwörterbuch (Deutsch-.../...-Deutsch) ohne handschriftliche Eintragungen! Punkteverteilung: Für die 5 Klausuraufgaben werden insgesamt 43 Punkte vergeben. Die ungefähre Punkteverteilung innerhalb einer Aufgabe ist als Orientierungshilfe jeweils zu Beginn der Aufgabe angegeben. Die einzelnen Teilaufgaben sind bis auf wenige Ausnahmen unabhängig voneinander lösbar. Sollten Sie zu einer Teilaufgabe keine Lösung finden, so können Sie diese Teilaufgabe also einfach überspringen. Trennen Sie unter keinen Umständen die Heftung der Blätter auf! Falls der Platz zur Bearbeitung einer Teilaufgabe nicht ausreicht, markieren Sie dies bitte und benutzen die Rückseite des vorhergehenden Blattes. Beschriften Sie den Kopf jedes Blattes mit Ihrem Namen! Die letzte Seite stellt ein leeres Zusatzblatt dar. Viel Erfolg! /10 /11 /7 /6 /9 /43 Seite 1/17
2 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 2/17 1 Gleitkomma-Arithmetik (ca = 10 Punkte) a) Bei der Lösung mathematischer Probleme im Computer lassen sich Diskretisierungsfehler nicht vermeiden. Dies beginnt schon beim Übergang in ein diskretes Zahlensystem wie das der Gleitkommazahlen. In dieser Aufgabe gehen wir von einer Darstellung durch Gleitkommazahlen F B,t der folgenden Form aus: Sei B = 10 die Basis der Darstellung Sei M die Mantisse zur Basis B mit t = 4 Stellen Sei E der Exponent (in beliebiger Darstellung) Die Umrechnung eines Tupels (M, E) in die reellen Zahlen erfolgt dann über die Formel (M, E) (F10,4 ) = (0, m 0 m 1 m 2 m 3 10 E ) (10), wobei die Eindeutigkeit der Darstellung durch die implizite 0 vor der Mantisse sowie die Forderung m 0 0 sichergestellt wird. (i) Stellen Sie die Hexadezimalzahl (40a) (16) im F 10,4 -System dar. Ist diese Darstellung exakt? (ii) Beschreiben Sie kurz das Phänomen der Auslöschung. Führen Sie ein Zahlenbeispiel an, bei dem dieser Effekt unter Verwendung des F 10,4 -Systems auftritt. (i) (40a) (16) = (1034) (10) = (1034, 4) (F10,4 ). Die Darstellung ist exakt. 1 Pkt. (ii) Tritt bei Addition zweier betragsmäßig ähnlicher Zahlen unterschiedlichen Vorzeichens auf. Hat einen Verlust der Genauigkeit zur Folge. 1 Pkt. Bsp.: 1, , = (0, ) (F10,4 ) Seite 2/17
3 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 3/17 b) Rechnen Sie die reelle Zahl 43 8 in eine Festkommazahl mit den folgenden Spezifikationen um! Die Darstellung erfolgt bezüglich der Basis 2. Das Vorzeichen wird explizit als + oder angegeben. Die Darstellung besitzt genau eine Nachkommastelle. Es wird möglichst genau gerundet. Im uneindeutigen Fall wird abgerundet. (43) (10) = (101011) (2), (8) (10) = (1000) (2) : 1000 = 101, Es muss nun aufgerundet werden auf 101, 1. c) Gegeben ist die Funktion f : ]0, [ IR, definiert durch 1 Pkt. f(x) := (x 1) ln(x). (1) Bestimmen Sie zuerst allgemein den Betrag der relativen Konditionszahl cond f (x) = x f (x) f(x) (2) für die Auswertung von f an der Stelle x ]0, [! Berechnen Sie dann cond f (1) durch Einsetzen! f (x) cond f (x) cond f (1) P roduktregel = Definition = (3) = lim (zeilenweise) 1 + 0,5 + 1,5 Pkt. x 1 + (ln x) x x f (x) (3) f(x) = x 1 + x(ln x) (ln x)(x 1) x 1 + x(ln x) x 1 (ln x)(x 1) = lim 1 x 1 ln x + x x 1 Seite 3/17 = Einsetzen
4 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 4/17 d) Ist eine computergestützte Berechnung anhand von Formel (1) stabil? Bestimmen Sie dazu den Betrag des relativen Fehlers, der durch die Gleitkomma-Arithmetik für exakte Eingangswerte hervorgerufen wird! Gehen Sie dabei davon aus, dass die Berechnung des Wertes ln(x) einen Fehler in der Größenordnung des Maschinengenauigkeit ε m verursacht! Hinweise: Es kann angenommen werden, dass Potenzen von ε vernachlässigbar klein sind. Relativer Rundungsfehler: err rel = rd(x) x x (3) rd(f(x)) = ((ln x)(1 + ε 1 )(x 1)(1 + ε 2 )) (1 + ε 3 ) = f(x)(1 + ε 1 )(1 + ε 2 )(1 + ε 3 ). = f(x)(1 + ε 1 + ε 2 + ε 3 ) err rel Definition = rd(f(x)) f(x) f(x) Ungl. ε 1 + ε 2 + ε 3 (4). = f(x)(1 + ε 1 + ε 2 + ε 3 ) f(x) f(x) Rechnung 1 Pkt., Abschätzung bzw. Ergebnis Stabil! Seite 4/17
5 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 5/17 2 Numerische Differenziation und Integration (ca = 11 Punkte) a) In einer Testfahrt wurde bei einem Fahrzeug die Geschwindigkeit v ermittelt und mit den zugehörigen Zeitstempeln (Annahme: äquidistante Zeitschritte) gespeichert. Ihre Aufgabe ist es nun, eine Funktion zu schreiben, welche durch Ableitung der Geschwindigkeit nach der Zeit die Beschleunigung ermittelt. Gegeben sind: Geschwindigkeit im Vektor v = (v 0, v 1,..., v n 1 ) Zeit im Vektor t = (t 0, t 1,..., t n 1 ) Länge n der Vektoren t und v Das Ergebnis soll ein Beschleunigungsvektor a sein, der approximierte Ableitungswerte der Geschwindigkeit zu allen Zeitstempeln enthält. Berechnen Sie den Vektor a unter Verwendung der in der Vorlesung und den Programmierübungen behandelten finiten Differenzen. Versuchen Sie die Genauigkeit der lokalen Approximation möglichst hoch zu halten, während Sie zur Berechnung der Ableitungswerte jeweils nur auf die Messwerte der Geschwindigkeit zum momentanen Zeitpunkt sowie den direkten Nachbarzeitpunkten zugreifen. Ergänzen Sie den folgenden Programmrumpf um die entsprechende Methode! p u b l i c s t a t i c double [ ] d i f f ( double [ ] v, double [ ] t, i n t n ){ double [ ] a = new double [ n ] ; a [ 0 ] = ( v [1] v [ 0 ] ) / ( t [1] t [ 0 ] ) ; / / f o r w a r d d e r i v f o r ( i n t i =1; i <n 1; i ++){ a [ i ] = ( v [ i +1] v [ i 1 ] ) / ( t [ i +1] t [ i 1 ] ) ; / / c e n t r a l d e r i v } a [ n 1] = ( v [ n 1] v [ n 2 ] ) / ( t [ n 1] t [ n 2 ] ) ; / / b a c k w a r d d e r i v richtiges Erkennen jedes Verfahrens: richtige Implementierung jedes Verfahrens: nichtbehandelte Stützstelle (Unvollständigkeit): 1 Pkt. 1 Pkt. -1 Pkt. return a ; } / end d i f f / Seite 5/17
6 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 6/17 b) Numerische Quadratur hoher Ordnung Gegeben sei der folgende Code: p u b l i c s t a t i c double i n t e g r a t e ( F u n k t i o n func, double a, double b, i n t s t a r t n, i n t m){ i n t n = s t a r t n ; double h [ ] = new double [m] ; double T [ ] = new double [m] ; f o r ( i n t i =0; i <m; i ++){ h [ i ] = ( b a ) / ( double ) n ; T [ i ] = trapezsumme ( func, a, b, n ) ; f o r ( i n t k= i 1; k >=0; k ){ } T [ k ] = T [ k +1]+(T [ k+1] T [ k ] ) / ( ( h [ k ] h [ k ] ) / ( h [ i ] h [ i ] ) 1 ) ; } n = n 2 ; } return T [ 0 ] ; p u b l i c s t a t i c double trapezsumme ( F u n k t i o n func, double a, double b, i n t n ){ double x = a ; double summe = 0 ; double h = ( b a ) / n ; } summe += f unc. e v a l ( a ) / 2. 0 ; f o r ( i n t i =1; i <n ; i ++){ x = x+h ; summe += f unc. e v a l ( x ) ; } summe += f unc. e v a l ( b ) / 2. 0 ; return summe h ; (i) Die Funktion integrate implementiert ein Quadraturverfahren hoher Ordnung. Welches? (ii) Beide Funktionen arbeiten fehlerfrei, vor allem trapezsumme ist jedoch hinsichtlich Effizienz nicht optimal. Erklären Sie knapp, wo Sie unmittelbare Verbesserungsmöglichkeiten sehen. Seite 6/17
7 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 7/17 (iii) Wenden Sie das in integrate implementierte Quadraturverfahren zur Berechnung einer Näherung für das folgende Integral an. Sie dürfen dabei die Formel aus der Vorlesung verwenden, um das entstehende Dreiecksschema zu füllen. I(f) = b=2 a= 2 3 x 2 (x 2 9) dx (4) }{{} f(x) Verwenden Sie die Trapezsumme Q T S (f; h) zur Ermittlung der benötigten Sequenz von Integralen für n = 1, 2, 4 Teilintervalle. Hinweis: Erinnern Sie sich an Aufgabenteil (ii), und nutzen Sie bestimmte Eigenschaften des Integranden. Auf Grund der Achsensymmetrie von f kommt man mit insgesamt 3 Funktionsauswertungen aus: f( 2) = f(2) = 60 f( 1) = f(1) = 24 f(0) = 0 (i) Romberg-Quadratur bzw. Extrapolation (ii) Wiederholte Auswertung des Integranden kann vermieden werden. Für die 3 Trapezsummen gilt damit (unter Ausnutzung der Achsensymmetrie): jeweils Q T S (f, 4) = Q T S (f, 2) = Q T S (f, 1) = ( ) = 240 (60 + 0) = 120 Tragen Sie Ihre Zwischenergebnisse in folgende Tabelle ein: ( ) = 108 i h i O(h 2 ) O(h 4 ) O(h 6 ) Seite 7/17
8 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 8/17 3 Gewöhnliche Differenzialgleichungen (ca = 7 Punkte) a) Berechnen Sie die analytische Lösung y(t) des folgenden Anfangswertproblems ẏ(t) = 2y(t), y(0) = y 0, t 0 mit Hilfe der Separation der Variablen! Fallunterscheidung: y 0 = 0: Es gilt die triviale Lösung y(t) = 0. y 0 0: y dy = 2y dt dy 2y = dt t 1 y 0 2η dη = dτ (ln y ln y 0 ) = t 0 y(t) = e2t y 0 y(t) = ±y 0 e 2t Da für t = 0 als Anfangswert y(t = 0) = y 0 gegeben ist, muss die +-Lösung y(t) = y 0 e 2t gelten. Herleitung: Einarbeitung des Anfangswerts: 1 Pkt. 1 Pkt. Seite 8/17
9 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 9/17 b) In den Abbildungen 1 und 2 ist jeweils ein Gradientenfeld zu einer Differenzialgleichung y = f(t, y) abgebildet. Die Pfeile in den Schaubildern stellen die Werte f(t, y) ausgewertet auf einem regelmäßigen Gitter dar. Die dicke schwarze Linie zeigt die exakte Lösung für den Anfangswert y 0 = 0, 1. (i) Zeichnen Sie in das Schaubild Nr. 1 vier explizite Eulerschritte ein. Vorgaben: y k+1 = y k + δt f(t k, y k ) Zeitschrittweite δt = 2 Anfangswert y 0 = 0, 1 Markieren und benennen Sie die Näherungswerte jedes Schrittes. Abbildung 1: Euler Seite 9/17
10 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 10/17 (ii) Zeichnen Sie in das Schaubild Nr. 2 einen Schritt des Verfahrens von Heun. Vorgaben: y k+1 = y k + δt 2 (f(t k, y k ) + f(t k+1, y k + δt f(t k, y k ))) Zeitschrittweite δt = 4 Anfangswert y 0 = 0, 1 Bennen Sie Zwischenergebnisse. Eventuell ist es hilfreich, Steigungsdreiecke einzuzeichnen. Abbildung 2: Heun c) Wie verändert sich der globale Diskretisierungsfehler bei Halbierung der Zeitschrittweite für i) das explizite Euler Verfahren? ii) das Verfahren von Heun? Der Fehler wird halbiert bzw. geviertelt (Ordnung 1 bzw. 2). je Seite 10/17
11 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 11/17 4 Iterative Lösungsverfahren (ca = 6 Punkte) Zur Lösung des Problems Ax = b haben wir in der Vorlesung zwei Klassen von iterativen Verfahren kennen gelernt, die Relaxationsverfahren und die Abstiegsverfahren. a) Die Iterationsvorschrift eines Relaxationsverfahrens hat die allgemeine Form x (k+1) = x (k) + M 1 (b Ax (k) ). Nennen Sie zwei Beispiele solcher Verfahren. Welche Form hat die Matrix M jeweils? Richardson: M = I Jacobi: M = D A Gauß-Seidel: M = L A + D A pro Name bzw. Matrix: 4 0,5 = 2 Pkt. b) Bei der Konvergenzanalyse der Relaxationsverfahren spielt die sogenannte Iterationsmatrix C C = M 1 (A M) die entscheidende Rolle. Sie wird in jeder Iteration auf den Fehler e (k) = x (k) x angewendet, wobei x die exakte Lösung ist. Welche Eigenschaft muss die Matrix C erfüllen, damit die Konvergenz des jeweiligen Verfahrens gewährleistet ist? Erklären Sie kurz und anschaulich, indem Sie den Fehler e (k) als Linearkombination von Eigenvektoren v i der Matrix C betrachten: e (k) = n α i v i i=0 Der Spektralradius ϱ(c) muss kleiner als 1 sein. Damit sind alle Eigenwerte betragsmäßig kleiner 1 und bei Anwendung von C auf den Fehler e (k) werden alle Eigenvektoranteile verkleinert. ϱ(c) < 1 oder λ i < 1, Bedeutung (z.b. Skalierung) Seite 11/17
12 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 12/17 c) In einer Iteration des Verfahrens des steilsten Abstiegs werden die Werte α (k), r (k) sowie die neue Näherung x (k+1) berechnet. Benennen Sie die ersten beiden Werte samt ihrer Bedeutung. Wie wird x (k+1) gewählt? r (k) : Das Residuum r (k) = b Ax (k) dient als neue Suchrichtung. α (k) : Die Schrittweite (in Richtung des Residuums) 0,5 + 0,5 = 1 Pkt. x (k+1) = x (k) + α (k) r (k) (Linearkombination aus alter Näherung und neuer Suchrichtung) d) Unter der unrealistischen Annahme exakter Arithmetik sollen das Verfahren des steilsten Abstiegs und das Verfahren der konjugierten Gradienten hinsichtlich Konvergenzgeschwindigkeit verglichen werden. Nach wie vielen Iterationen beider Verfahren stimmt die Näherung x (k) im Regelfall spätestens mit der Lösung x des Problems überein? Steilster Abstieg: Im Normalfall wird die exakte Lösung selbst nach unendlich vielen Schritten nicht erreicht. Konjugierte Gradienten: Nach spätestens n Schritten (Dimension der Matrix A) wird die Lösung erreicht. Seite 12/17
13 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 13/17 5 Eigenwertberechnung (ca = 9 Punkte) In dieser Aufgabe widmen wir uns der analytischen sowie der numerischen Berechnung von Eigenwerten und Eigenvektoren. Im Mittelpunkt steht dabei die Gleichung λv = Av, (5) die jeweils für Paare von Eigenwerten λ und Eigenvektoren v einer n n Matrix A gilt. a) Sei M eine reelle, symmetrische Matrix M = i) Was wissen Sie über die Eigenvektoren der Matrix M? ( ) 3/5 4/5. (6) 4/5 3/5 Zu einer symmetrischen Matrix lässt sich eine Basis orthogonaler bzw. orthonormaler Eigenvektoren konstruieren. ii) Berechnen Sie die Eigenvektoren und Eigenwerten der Matrix auf analytischem Weg. λ 1 = 1 λ 2 = 1 ( ) 1 v 1 = 2 ( ) 2 v 2 = 1 charakt. Polynom, jeder EW, jeder EV jew. 0,5 = 2,5 Pkt. Seite 13/17
14 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 14/17 b) In diesem Aufgabenteil soll das Konvergenzverhalten des aus der Vorlesung bekannten Power Iteration Algorithmus untersucht werden. Dazu vergleichen wir in Tabelle (9) die Näherungen, die sich für drei Kombinationen von Startvektoren x (0) und Parametern µ zu Beginn des Algorithmus ergeben. Betrachtet wird die Matrix A, die in Gleichung (7) mitsamt Eigenwerten und -vektoren gegeben ist. Der Algorithmus ist zur Erinnerung in Abbildung (8) noch einmal abgedruckt. A = ( 3 0 3/4 4 ) λ 1 = 4 v 1 = λ 2 = 3 v 2 = ( ) 0 1 ( ) 4 3 (7) 1 Wähle Startvektor x (0) R n mit x (0) = 1 2 for k = 0, 1, 2,... : 3 w (k) := (A µi)x (k) 4 λ (k) := (x (k) ) T w (k) 5 x (k+1) := w(k) w (k) 6 # Abbruchbedingung 7 if w (k) λ (k) x (k) ε w (k) : 8 break 9 end if 10 end loop (8) Seite 14/17
15 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 15/17 (1) (2) (3) µ 0 2, 75 = x (0) 1 w (0) ( ) ( ) 4 15 ( ( ) 1 12 ) ( ) 4/5 3/5 λ (0) 3, 675 0, ( ) 4/5 3/5 (9) x (1) 1 w (1) 1 ( ) ( ) ( ( ) ( ) 4/5 12 3/5 57 ) λ (1) 3, 747 1, 181 (i) Gegen welche Werte konvergieren die Sequenzen der λ (k), x (k) jeweils? Begründen Sie für jeden der drei Rechenläufe stichwortartig. Orientieren Sie sich dabei an den gegebenen Eigenwerten und -vektoren der Matrix A. (ii) Geben Sie die Konvergenzraten der Eigenwertberechnungen für die Fälle (1) und (2) an. Interpretieren Sie die Ergebnisse kurz. Seite 15/17
16 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 16/17 (i) (1) λ (k) 4, x (k) v 1, da der betragsmäßig größte Eigenwert bei wiederholter Anwendung der Matrix dominiert. Standardfall: (2) λ (k) 5 4 = 1, 25, x(k) v 1. Durch das Shifting der Eigenwerte mit dem Parameter µ = 11 4 = 2, 75 werden nur die Eigenwerte beeinflusst. Sonderfall durch Shifting anderer EW: 0,5 + 0,5 = 1 Pkt. (3) λ (k) 3, x (k) v 2, da x (0) = v 2 gilt. Bei Anwendung von A auf x (0) läuft man direkt in die Abbruchbedingung und hat wegen der Definition des Rayleigh-Quotienten ebenfalls den exakten Eigenwert λ 2 = λ (0) berechnet. EW, EV, Erklärung: (ii) Für die Konvergenzraten gilt λ 2 λ 1 jew. 0,5 = 1,5 Pkt. = 3 4 bzw. λ2 λ 1 = λ 2 µ λ 1 µ = 1 5. Durch das Shifting der Eigenwerte um µ = 2, 75 verstärkt sich die Dominanz des größten Eigenwerts die Konvergenrate verbessert sich. Konvergenzraten:, Schlussfolgerung: Seite 16/17
17 Semestralklausur Numerisches Programmieren, WS 2009/10, Seite 17/17 c) Seien λ i die Eigenwerte einer Matrix A und seien λ i die Eigenwerte von A µ = A µi für ein µ R. Zeigen Sie, dass A und A µ dieselben Eigenvektoren besitzen. Hinweis: Gehen Sie von einem gegebenen Eigenwert λ der Matrix A aus, und berechnen Sie den zugehörigen Eigenvektor v. Schreiben Sie dazu Gleichung (5) von Seite 13 zur Ermittlung von v in geeigneter Weise um. Führen Sie dies nun analog für einen Eigenwert λ der Matrix A µ durch, und überlegen Sie, wie die Eigenwerte beider Matrizen zusammenhängen. λv = Av (A λi)v = 0 Ebenso gilt für Ansatz λṽ = A µ ṽ (A µi λi)ṽ = 0 (A (µ }{{ + λ } )I)ṽ = 0 =λ v =! ṽ Erkennung λ = λ + µ: 1 Pkt., v = ṽ: Seite 17/17
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
Numerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dr.-Ing. Markus Kowarschik Numerisches Programmieren,
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
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
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
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
(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
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
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
Numerische Mathematik I: Grundlagen
Numerische Mathematik I: Grundlagen 09.10.2017 Inhalt der Lehrveranstaltung Inhaltlich sollen Sie in der Lehrveranstaltung Numerische Mathematik I insbesondere vertraut gemacht werden mit der Numerik linearer
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
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
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).
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
Klausur. Wir wünschen Ihnen viel Erfolg! Klausur Mathematik für Informatiker und Softwaretechniker
Apl. Prof. Dr. W.-P. Düll Fachbereich Mathematik Universität Stuttgart Klausur für Studierende der Fachrichtungen inf, swt Bitte unbedingt beachten: Bitte beschriften Sie jeden Ihrer Zettel mit Namen und
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
Allgemeine Hinweise zur Klausur
Semestralklausur Numerisches Programmieren, SS 200, 6.07.200 Seite /9 Name, Vorname, Matrikelnummer: Unterschrift: Bearbeitungszeit: 0 Minuten. Allgemeine Hinweise zur Klausur Hilfsmittel: Ein DIN-A4 Blatt,
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
Öffnen Sie den Klausurbogen erst nach Aufforderung! Mathematische Grundlagen III (CES) WS 2017/2018 Klausur 23. März 2018
Prof. Dr. Manuel Torrilhon Prof. Dr. Sebastian Noelle Öffnen Sie den Klausurbogen erst nach Aufforderung! Zugelassene Hilfsmittel: Mathematische Grundlagen III (CES) WS 2017/2018 Klausur 23. März 2018
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 / 19 Fehlerbetrachtung R. Steuding
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)
Universität Tübingen Tübingen, den Mathematisches Institut D. Mansour, J. Seyrich
Universität Tübingen Tübingen, den 03.07.2013 Mathematisches Institut D. Mansour, J. Seyrich Probeklausur zu Algorithmen der Numerischen Mathematik SS 2013 ID Nummer: 1 Name:.........................................
1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differenzialgleichungssysteme 5.1-1 1.1 Grundlagen
Klausur zum Grundkurs Höhere Mathematik I
Name, Vorname: Studiengang: Matrikelnummer: 2 4 5 6 Z Punkte Note Klausur zum Grundkurs Höhere Mathematik I für BNC, GtB, MB, EC, TeM, VT, KGB, WWT, ESM, FWK, BGi, WiW 22. Februar 2007, 8.00 -.00 Uhr Zugelassene
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
Einführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
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.
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
Prüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar 0 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 3 6 Total Vollständigkeit Bitte
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
Prüfung zur Vorlesung Mathematik I/II
Prof. W. Farkas ETH Zürich, Februar 2018 D-BIOL, D-CHAB, D-HEST Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total
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
Mathematische Grundlagen
G-CSC Goethe-Center for Scientific Computing der Universität Frankfurt 2 Übung zur Vorlesung Modellierung und Simulation 3 (WS 2013/14) Prof Dr G Queisser Markus Breit, Martin Stepniewski Abgabe: Dienstag,
Klausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
5.3.5 Abstiegs & Gradientenverfahren
5.3 Iterative Lösungsverfahren für lineare Gleichungssysteme 5.3.5 Abstiegs & Gradientenverfahren Die bisher kennengelernten Iterationsverfahren zur Approximation von linearen Gleichungssystemen haben
Lanczos Methoden. Stefan Grell Im Rahmen eines Proseminar zur Numerischen Mathematik unter der Leitung von Prof. Wolf Hofmann. 15.
Lanczos Methoden Stefan Grell Im Rahmen eines Proseminar zur Numerischen Mathematik unter der Leitung von Prof. Wolf Hofmann 15. Juni 2005 Lanczos-Methoden Lanczos-Methoden sind iterative Verfahren zur
Modulprüfung Mathematik I Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik, Wirtschaftsinformatik WS 2013/
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Michael Höding Modulprüfung Mathematik I Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik,
Numerisches Programmieren, Übungen
Technische Universität München WS 03/0 Institut für Informatik Prof Dr Hans-Joachim Bungartz Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung Übungsblatt:
51 Numerische Berechnung von Eigenwerten und Eigenvektoren
5 Numerische Berechnung von Eigenwerten und Eigenvektoren 5. Motivation Die Berechnung der Eigenwerte einer Matrix A IR n n als Lösungen der charakteristischen Gleichung (vgl. Kapitel 45) ist für n 5 unpraktikabel,
1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
Diplom VP Informatik / Numerik 2. September 2002
Diplom VP Informatik / Numerik. September 00 Aufgabe Gegeben sei das lineare Gleichungssystem A x = b mit 0 4 0 0 0 0 A = 4 0 0 0 0 0 0 0 0 und b = 4 4 8 5. Punkte a Berechnen Sie die Cholesky Zerlegung
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
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
Finite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
Numerik für Informatiker
Numerik für Informatiker Lars Grüne Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 95440 Bayreuth lars.gruene@uni-bayreuth.de www.math.uni-bayreuth.de/ lgruene/ Karl Worthmann
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
Sommersemester 2017 Blatt 1 von 6 Studiengänge: RMM Masterstudiengang Sem. 1 und Wiederholer
HOCHSCHULE ESSLINGEN Sommersemester 07 Blatt von 6 Studiengänge: RMM Masterstudiengang Sem. und Wiederholer Prüfungsfach: Hilfsmittel: Modellbildung und Simulation Literatur, Manuskript; keine Taschenrechner
Numerisches Programmieren, Übungen
Technische Universität München SS 0 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dr-Ing Markus Kowarschik Numerisches Programmieren, Übungen Musterlösung
Allgemeine Hinweise zur Klausur
Semestralklausur Numerisches Programmieren, SS 2009, 17.07.2009 Seite 1/17 Name, Vorname, Matrikelnummer: Unterschrift: Bearbeitungszeit: 110 Minuten. Allgemeine Hinweise zur Klausur Hilfsmittel: Ein DIN-A4
Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
Der CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
Lineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei
Iterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
Beispiellösung Serie 7
D-MAVT FS 2014 K. Nipp A. Hiltebrand NUMERISCHE MATHEMATIK Beispiellösung Serie 7 1. a) Exakt: 0.005 1 1 1 0.005 1 ( 1 0 200-199 L = 200 1 Rückwärts einsetzen Lz = b : z 1 = 0.5, z 2 = 1 100 = 99 Rx =
h n = (t t 0 )/n Bevor wir diesen Satz beweisen, geben wir noch einen Hilfssatz an, der eine wichtige Abschätzung liefert.
Kapitel 4 Berechnung von Lösungen 41 Die Euler sche Polygonzugmethode Die Grundlage dieser Methode ist die einfache Beobachtung, dass f(u, t) in der Nähe eines Punktes als nahezu konstant angesehen werden
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
Angewandte Mathematik am Rechner 1
Michael Wand Institut für Informatik. Angewandte Mathematik am Rechner 1 SOMMERSEMESTER 2017 Kapitel 5 Grundlagen Analysis Kontinuierliche Mengen Vollständige Mengen Folgen Iterative Berechnungen Grenzwert:
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
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)
Aufgabe Summe Note Punkte
Fachhochschule Südwestfalen - Meschede Prof. Dr. Henrik Schulze Klausur Ingenieurmathematik am. September 5 (mit Lösungen) Name Matr.-Nr. Vorname Unterschrift Aufgabe 3 5 7 Summe Note Punkte Die Klausur
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
Zuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
Musterlösung. Modulprüfung MA2302. Numerik. 8. Oktober Prüfer: Prof. Dr. Bernd Simeon. Aufgabe 1 (ca. 12 P.) Sei f C (R). Das bestimmte Integral
Modulprüfung MA2302 Numerik 8. Oktober 2009 Musterlösung Prüfer: Prof. Dr. Bernd Simeon Aufgabe 1 (ca. 12 P.) Sei f C (R). Das bestimmte Integral soll durch die Quadraturformel approximiert werden. I n
Übungen zur Mathematik Blatt 1
Blatt 1 Aufgabe 1: Bestimmen Sie die Fourier-Reihe der im Bild skizzierten periodischen Funktion, die im Periodenintervall [ π, π] durch die Gleichung f(x) = x beschrieben wird. Zeichnen Sie die ersten
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!)
Ferienkurs Numerik Lösungsskizze. 1 Iterative Verfahren für lineare Gleichungssysteme
Technische Universität München SoSe 1 Zentrum Mathematik Ferienkurse Dipl.-Math. Konrad Waldherr Ferienkurs Numerik Lösungsskizze 1 Iterative Verfahren für lineare Gleichungssysteme 1. Wir erhalten folgende
Klausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 01/013 Prof. Dr. M. Grepl J. Berger, P. Esser, L. Zhang Klausur Numerisches Rechnen
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 )
Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler
Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:
Klausur Mathematik I
Klausur Mathematik I (E-Techniker/Mechatroniker/Informatiker/W-Ingenieure). September 7 (Hans-Georg Rück) Aufgabe (6 Punkte): a) Berechnen Sie alle komplexen Zahlen z mit der Eigenschaft Re(z) = und (z
Einführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 204 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
Serie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 13 Dr. Ana Cannas Serie 13: Online Test Einsendeschluss: 31. Januar 214 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
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
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
Computer-orientierte Mathematik
Computer-orientierte Mathematik 3. Vorlesung - Christof Schuette 11.11.16 Memo: Rationale und reelle Zahlen Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische
Dr. R. Käppeli D-ITET, D-MATL Sommer Numerische Methoden Punkte
Dr. R. Käppeli D-ITET, D-MATL Sommer 217 Prüfung Numerische Methoden Wichtige Hinweise Die Prüfung dauert 9 Minuten. Erlaubte Hilfsmittel: 5 A4-Blätter doppelseitig (=1 Seiten) eigenhändig und handschriftlich
Dr. R. Käppeli D-ITET, D-MATL Winter Numerische Methoden Punkte
Dr. R. Käppeli D-ITET, D-MATL Winter 2018 Prüfung Numerische Methoden Wichtige Hinweise Die Prüfung dauert 90 Minuten. Erlaubte Hilfsmittel: 5 A4-Blätter doppelseitig (=10 Seiten) eigenhändig und handschriftlich
(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
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:
Lösungen zu Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar D BIOL, D CHAB Lösungen zu Mathematik I/II. ( Punkte) a) Wir benutzen L Hôpital lim x ln(x) L Hôpital x 3 = lim 3x + x L Hôpital = lim x ln(x) x 3x 3 = lim ln(x) x 3 x
Prüfung zur Vorlesung Mathematik I/II
Prof. W. Farkas ETH Zürich, August 017 D-BIOL, D-CHAB, D-HEST Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 3 4 5 6 Total Bitte
1 Fehleranalyse, Kondition, Stabilität
Fehleranalyse, Kondition, Stabilität Fehlerquellen: Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor
Schriftliche Prüfung zur Computergestützten Mathematik zur Linearen Algebra (PO 2014: Erste Klausur / PO 2008: Klausur)
MATHEMATISCHES INSTITUT PROF. DR. CHRISTIANE HELZEL PAWEL BUCHMÜLLER 18. FEBRUAR 2016 Schriftliche Prüfung zur Computergestützten Mathematik zur Linearen Algebra (PO 2014: Erste Klausur / PO 2008: Klausur)
Übungsblatt 13 Ausgabe: 11. Juli 2018
Universität Stuttgart 1. Institut für Theoretische Physik Prof. Dr. Jörg Main Übungen zur Vorlesung Physik auf dem Computer Sommersemester 218 Übungsgruppenleiter: Robin Bardakcioglu rhb@itp1.uni-stuttgart.de;
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
Klausur zur Vorlesung Höhere Mathematik I
Name: 30. Januar 200,.00-3.00 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 20 min, 2 Zeitstunden Skript, Vorlesungsmitschrift Schreiben Sie bitte auf dieses Deckblatt oben rechts
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
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
Das CG-Verfahren. Sven Wetterauer
Das CG-Verfahren Sven Wetterauer 06.07.2010 1 Inhaltsverzeichnis 1 Einführung 3 2 Die quadratische Form 3 3 Methode des steilsten Abstiegs 4 4 Methode der Konjugierten Richtungen 6 4.1 Gram-Schmidt-Konjugation.........................
Lösungsskizzen zur Klausur Mathematik II
sskizzen zur Klausur Mathematik II vom..7 Aufgabe Es sei die Ebene im R 3 gegeben. E = +λ 3 + µ λ,µ R (a) Geben Sie die Hesse-Normalform der Ebene E an. (b) Berechnen Sie die orthogonale Projektion Π E
D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13
D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys Serie 13 1. Um einen Tisch sitzen 7 Zwerge. Vor jedem steht ein Becher mit Milch. Einer der Zwerge verteilt seine Milch gleichmässig auf alle
Numerische Mathematik
Michael Knorrenschild Mathematik-Studienhilfen Numerische Mathematik Eine beispielorientierte Einführung 6., aktualisierte und erweiterte Auflage 1.1 Grundbegriffe und Gleitpunktarithmetik 15 second, also
Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker
TECHNISCHE UNIVERSITÄT BERLIN WS 2/2 Fachbereich 3 - Mathematik Seiler / Rambau Prüfungs-/Übungsschein-Klausur (Rechenteil Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................
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
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
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
Mathematische Grundlagen II (CES) WS 2015/2016 Klausur am Informationen zur Klausur
Prof. Dr. Mike Espig Prof. Dr. Manuel Torrilhon Klausur: Bearbeitungszeit: Erlaubte Hilfsmittel: Mathematische Grundlagen II (CES) WS 2015/2016 Klausur am 18.03.2016 Informationen zur Klausur 18.03.2016,
Differenzialgleichungen
Differenzialgleichungen Fakultät Grundlagen April 2011 Fakultät Grundlagen Differenzialgleichungen Übersicht Grundsätzliches 1 Grundsätzliches Problemstellung Richtungsfeld Beispiel 2 Eulerverfahren Heunverfahren