Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
|
|
- Lieselotte Beck
- vor 5 Jahren
- Abrufe
Transkript
1 Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011
2 Kapitel 4 Numerische Differentiation und Integration Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/2
3 Integration und Differentiation Probleme bei der Integration und Differentiation von Funktionen Explizite Stammfunktionen existieren nicht immer, oder... Stammfunktion schwierig/aufwendig auszuwerten Beispiel: Funktion f(x) = cos(4x) cos(3 sin(x)), bestimmtes Integral über das Intervall [0, π] π 0 f(x)dx = π ( 3 2 ) 4 k=0 ( 9/4) k k!(k + 4)! Funktion ist nur an einigen Punkten bekannt (Messungen) Numerische Verfahren zur Näherung von Integralen und Ableitungen notwendig Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/3
4 Beispiel 1: Hydraulik Messgröße: Flüssigkeitsstand z(t) in einem Trichter gemessen zu verschiedenen Zeiten t t z(t) Gesucht: Ausflussgeschwindigkeit z (t) ermittelt aus Messwerten z(t i ) Vergleich mit exaktem Verlauf: z (t) = 0.6 πr z(t) A(z) mit A(z) Querschnitt des Trichters in Höhe z, Radius des Ausflusses r = 0.01m, Öffnungswinkel des Trichters 90 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/4
5 Beispiel 2: Optik Berechnung der Energie eines schwarzen Strahlers im Infraroten Wellenlängenbereich 3µm bis 14µm Strahlungsleistung wird beschrieben durch Plank-Gleichung führt auf das Integral E(T ) = dx x 5 (e 1.432/(T x) 1) mit Temperatur T (in Kelvin), Wellenlänge x (in cm) Integral hat keine analytische Lösung Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/5
6 [ Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/6
7 Ableitungen]Approximation der Ableitung Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/7
8 Approximation der Ableitung Betrachte Funktion f : [a, b] R, f stetig differenzierbar Aufgabe: Approximiere erste Ableitung von f in einem beliebigen Punkt x [a, b] Erinnerung: Ableitung = Grenzwert des Differenzenquotienten f f(x + h) f(x) (x) = lim h 0 h Approximation von f durch finite Vorwärtsdifferenzen f(x + h) f(x) (δ + f)(x) = h Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/7
9 Finite Vorwärtsdifferenzen Abschätzung des Fehlers: Betrachte Taylor-Entwicklung von f um x. Es gilt: f(x + h) = f(x) + hf (x) + h2 2 f (ξ) für ein bestimmtes (i.d.r. unbekanntes) ξ (x, x + h) Daher gilt: (δ + f)(x) = f (x) + h 2 f (ξ) Fehlerordnung: δ + f approximiert f mit erster Ordnung bezüglich h Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/8
10 Finite Rückwärtsdifferenzen Analog gilt in die andere Richtung: f(x h) = f(x) hf (x) + h2 2 f (η) für ein bestimmtes η (x h, x) Daraus erhalten wir die finiten Rückwärtsdifferenzen f(x) f(x h) (δ f)(x) = h mit der Fehlerabschätzung (δ f)(x) = f (x) + h 2 f (η) Ebenfalls erster Ordnung bezüglich h Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/9
11 Zentrale Differenzen Höhere Ordnung möglich mit zentralen finiten Differenzen f(x + h) f(x h) (δf)(x) = 2h Fehlerabschätzung liefert (δf)(x) f (x) = h2 12 (f (ξ) + f (η)) Approximation ist von zweiter Ordnung in h Kann gesehen werden als Mittelwert von Vorwärts- und Rückwärtsdifferenzen Fehler erster Ordnung mittelt sich heraus Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/10
12 Finite Differenzen Quelle: A. Quarteroni, F. Saleri Vergleich verschiedener Finite-Differenzen-Approximation: Rückwärtsdifferenzen (durchgehend), Vorwärtsdifferenzen (punktiert) und zentrale Differenzen (unterbrochen) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/11
13 Beispiel finite Differenzen Hydraulik-Problem Berechnung der Austrittsgeschwindigkeit der Flüssigkeit mit der exakten Formel, sowie mit Vorwärts-, Rückwärts- und zentralen Differenzen (mit h = 5). t z (t) δ + z δ z δz Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/12
14 Finite Differenzen an Randpunkten Zentrale Differenzen können nur an Punkten x 1,..., x n 1 angewandt werden Nicht an Randpunkten x 0 und x n verwendbar Lösung: berechne Interpolationspolynom f vom Grad 2 durch die Punkte x 0, x 1, x 2 bzw x n 2, x n 1, x n Ableitung von f in x 0 bzw. x n liefert: 1 2h [ 3f(x 0) + 4f(x 1 ) f(x 2 )] 1 2h [3f(x n) 4f(x n 1 ) + f(x n 2 )] Genauigkeit zweiter Ordnung Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/13
15 Numerische Integration Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/14
16 Numerische Integration Gesucht: Approximation des Integrals f beliebige Funktion auf [a, b] I(f) = b a f(x)dx Approximation durch Quadraturformel n Ĩ(f) = w i f(x i ) i=1 mit Knoten x i und Gewichten w i für i = 1,..., n Exaktheitsgrad einer Quadraturformel: Grad des höchsten Polynoms, dass noch exakt integriert wird. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/15
17 Mittelpunktsformel Idee: unterteile das Intervall [a, b] in M Teilintervalle I k = [x k 1, x k ] Länge der Teilintervalle H = (b a)/m, Endpunkte x k = a + kh Approximiere f auf jedem Teilintervall durch das konstante Polynom f mit Interpolationsknoten x k = x k 1+x k 2 Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/16
18 Fehler der Mittelpunktsformel Damit erhält man die zusammengesetzte Mittelpunktsformel M Imp(f) z = H f( x k ) k=1 (mp für Mittelpunkt, z für zusammengesetzt) Mittelpunktsformel hat Genauigkeitsordnung 2 und Exaktheitsgrad 1 Wenn f zweimal stetig differenzierbar I(f) I z mp(f) = b a 24 H2 f (ξ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/17
19 Klassische Mittelpunktsformel Klassische Mittelpunktsformel für M = 1 d.h. Mittelpunktsformel angewandt auf das ganze Intervall I mp (f) = (b a)f((a + b)/2) Fehler der klassischen Mittelpunktsformel (b a)3 I(f) I mp (f) = f (ξ) 24 Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/18
20 Fehler der Mittelpunktsformel Herleitung der Fehlerabschätzung I(f) I mp (f) = = b a b η(x) Punkt zwischen x und x a (f(x) f( x))dx f (x)(x x)dx Benutze b a (x x) = 0 und Mittelwertsatz b a f (η(x))(x x) 2 dx = f (ɛ) = b a b a (b a)3 f (ɛ) 24 f (η(x))(x x) 2 dx (x x) 2 dx Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/19
21 Implementierung der Mittelpunktsformel function Imp = midpointc (a,b,m,fun ) % MIDPOINTC Composite midpoint numerical integration. % IMP = MIDPOINTC (A,B,M,FUN ) computes an approxi - % mation of the integral of the function FUN via % the midpoint method ( with M equispaced intervals ). H=(b-a)/M; x = linspace (a+h/2,b-h/2,m); fmp = feval (fun,x); Imp =H* sum ( fmp ); Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/20
22 Die Trapezformel Verwende zur Approximation des Integrals das stückweise lineare Interpolationspolynom Π H 1 ersetze auf jedem Teilintervall I k = (x k 1, x k ) die Funktion f durch die interpolierende Gerade Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/21
23 Die Trapezformel Zusammengesetzte Trapezformel It z (f) = H M (f(x k 1 ) + f(x k )) 2 k=1 = H M 1 2 (f(a) + f(b)) + H f(x k ) k=1 Fehlerabschätzung (ξ (a, b) und f C 2 (a, b)) I(f) I z t (f) = b a 12 H2 f (ξ) Genauigkeitsordnung 2 bezüglich H und Exaktheitsgrad 1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/22
24 Klassische Trapezformel Klassische Trapezformel Fehlerabschätzung I t (f) = b a (f(b) + f(a)) 2 I(f) I t (f) = (b a)3 f (ξ) 12 Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/23
25 Gauß-Quadratur Verwende Interpolationspolynom vom Grad 1 in sogenannten Gauß-Knoten ( γ k 1 = x k ) H ( 3 2 γ k = x k ) H 3 2 Gauß-Quadraturformel IGauss(f) z = H M (f(γ k 1 ) + f(γ k )) 2 k=1 Genauigkeitsordnung 4, da für f C 4 (a, b) I(f) I z Gauss = b a 4320 H4 f (4) (ξ) Exaktheitsgrad 3 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/24
26 Implementierung Trapez- und Gaußregel function [ Itpc ]= trapc (a,b,m,f,choice, varargin ) H=(b-a)/M; switch choice case trapez x= linspace (a,b,m +1); fpm = feval (f,x, varargin {:}); fpm (2: end -1)=2* fpm (2: end -1); Itpc =0.5* H* sum ( fpm ); case gauss z= linspace (a,b,m +1); x=z (1: end -1)+ H /2*(1-1/ sqrt (3)); x=[x, x+h/ sqrt (3)]; fpm = feval (f,x, varargin {:}); Itpc =0.5* H* sum ( fpm ); end Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/25
27 Vergleich der Quadraturregeln Beispiel: Approximation von I(f) = 2π Exakter Wert: Definition der Funktion in Matlab 0 xe x cos(2x)dx definiert anonyme Funktion mit einem Argument x, Multiplikation mit erfolgt.* komponentenweise Berechnung der Quadraturformeln mit verschiedenen Schrittweiten H Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/26
28 Vergleich der Quadraturregeln Quelle: A. Quarteroni, F. Saleri Horizontal: Schrittweite h, vertikal: Fehler I(f) I h (f) Zusammengesetzte Gaußregel (durchgezogen mit Kreisen), Mittelpunktsregel (durchgezogen) und Trapezregel (unterbrochen) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/27
29 Die Simpson-Regel Gesucht: Quadraturregel mit höherer Genauigkeit als O(H 2 ) Ansatz 1: Kombiniere die Trapez- und die Mittelpunktsregel so, dass im Fehler Terme zweiter Ordnung in H wegfallen Ansatz 2: Benutze Interpolationspolynom f durch beide Randpunkte x k 1, x k und den Mittelpunkt x k, berechne x k x k 1 fdx Aus beiden Ansätzen folgt: Is z (f) = H M (f(x k 1 ) + 4f( x k ) + f(x k )), 6 k=1 die sogenannte zusammengesetzte Simpson-Regel Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/28
30 Die Simpson-Regel Für den Quadraturfehler gilt: I(f) Is z (f) = b a H f (4) (ξ) mit geeignetem ξ (a, b) Genauigkeitsordnung 4, Exaktheitsgrad 3 Einfache Simpson-Regel I s (f) = b a (f(a) + 4f((a + b)/2) + f(b)) 6 Fehler der einfachen Simpson-Regel I(f) Is z (f) = 1 (b a) 5 f (4) (ξ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/29
31 Implementierung der Simpson-Regel function [ Isic ]= simpsonc (a,b,m,f, varargin ) % SIMPSONC Composite Simpson numerical integration. % ISIC = SIMPSONC (A,B,M,FUN ) computes an approxi - % mation of the integral of the function FUN via % the Simpson method ( with M equispaced intervals ). H=(b-a)/M; x= linspace (a,b,m +1); fpm = feval (f,x, varargin {:}); fpm (2: end -1) = 2* fpm (2: end -1); Isic =H* sum ( fpm )/6; x= linspace (a+h/2,b-h/2,m); fpm = feval (f,x, varargin {:}); Isic = Isic +2* H* sum ( fpm )/3; Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/30
32 Interpolationsformeln Bisherige Interpolationsformeln alle Interpolationsformeln Knoten x i gegeben; Wie bestimmt man die Gewichte w i? Sei f Interpolationspolynom in Lagrange-Form b a f(x)dx = = = b a b a i=0 f(x)dx n f(x i )ϕ i (x)dx i=0 b n f(x i ) ϕ i (x)dx a } {{ } =w i Gewichte = Integral über Lagrange-Basispolynome ϕ i Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/31
33 Interpolationsformeln Newton-Cotes-Formeln: Interpolationsformeln mit äquidistanten Knoten Geschlossene Newton-Cotes-Formeln: enthalten die Randknoten x i = a + i(b a)/n, i = 0,..., n Beispiel: Trapezregel (n = 1), Simpsonregel (n = 2) Offene Newton-Cotes-Formeln: enthalten die Randknoten nicht x i = a + i(b a)/n, i = 1,..., n 1 Beispiel: Mittelpunktsregel (n = 2) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/32
34 Interpolationsformeln Weitere Interpolationsformeln Gauß-Regeln: Wahl der Knoten und der Gewichte, so dass höchste Genauigkeitsordnung erreicht wird Gaußregel mit n Knoten hat Genauigkeitsordnung 2n (Exaktheitsgrad 2n 1) Höherer Exaktheitsgrad ( 2n) nicht erreichbar mit n Knoten Clenshaw-Curtis-Regeln: Knoten auf den Chebyshev-Knoten niedrigere Genauigkeitsordnung als Gauß-Regeln aber Konvergenz vergleichbar Vorteil: Knoten von Regeln höherer Ordnung sind geschachtelt in denen niedriger Ordnung: gut für adaptive Verfahren Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/33
35 Zusammenfassung Quadraturformel approximiert das Integral einer stetigen Funktion f auf einem Intervall (a, b) Linearkombination der Werte von f in bestimmten Knoten, multipliziert mit geeigneten Gewichten Exaktheitsgrad: höchste Grad von Polynomen, die von der Formel exakt integriert werden. Für Mittelpunkts- und die Trapezformel gleich 1, für die Simpsonund (2-Punkt-) Gauß-Formel gleich 3 Zusammengesetzte Quadraturformel hat Genauigkeitsordnung p, falls der Fehler wie H p gegen 0 strebt (für H 0) Für zusammengesetzte Mittelpunkts- und Trapezformel gleich 2, für die zusammengesetzten Simpson- und Gauß-Formeln gleich 4 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/34
36 Adaptive Verfahren Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/35
37 Adaptive Verfahren Gesucht: Schrittweite H, so dass Fehler der Quadraturformel kleiner als vorgegebene Toleranz ɛ Beispiel Simpson-Regel: Ungleichung zwischen Fehler und Toleranz b a H max f (4) (x) ɛ x [a,b] muss erfüllt sein Problem: H muss sehr klein gewählt werden, wenn f (4) (auch in einem sehr kleinen Abschnitt) sehr groß ist Außerdem: f (4) meist unbekannt Besser: adaptives Verfahren wähle Schrittweite nur da klein, wo der Fehler groß ist Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/36
38 Adaptive Quadraturverfahren Grobe Idee des adaptiven Verfahrens: 1 Starte mit dem gesamten Intervall 2 Berechne Approximation auf diesem Intervall und schätze den Fehler 3 Wenn Fehler klein genug (Fall I), füge Wert dem gesamten Integral hinzu 4 Wenn Fehler zu groß (Fall II), halbiere das Intervall und wende die gleiche Idee auf beiden Teilintervallen an (d.h. fange wieder bei Punkt 4 an) Aufgabe: Idee konkretisieren (d.h. in exakten Algorithmus umsetzen) und geeigneten Fehlerschätzer für Punkt 2 finden Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/37
39 Adaptive Verfahren Für adaptives Verfahren wird also gebraucht: Zuverlässiger Fehlerschätzer Automatismus zur Anpassung der Schrittweite H Idee des Verfahrens: Setze H = b a und berechne Approximation I s (f) auf (a, b) Wenn Fehler kleiner als Toleranz (Fall I), stoppe das Verfahren Andernfalls, halbiere H solange bis der Fehler auf (a, a + H) klein genug ist Wiederhole die Prozedur auf dem restlichen Intervall (a + H, b) Achtung: die Toleranz auf den Teilintervallen muss natürlich kleiner sein als auf dem gesamten Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/38
40 Adaptive Verfahren Notation und Bezeichnungen zur Beschreibung des Algorithmus Zerlegung des Intervalls (a, b) in Teilintervalle S bereits untersuchtes Intervall (anfangs ) A aktives Intervall (anfangs (a, b)) N noch zu untersuchendes Intervall (anfangs ) Es gilt immer: S A N = (a, b) Grenzen des aktiven Intervalls A = (α, β) J s Approximation des Integrals auf dem untersuchten Intervall S, J A = I S (f; α, β) Approximation auf dem aktiven Intervall A Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/39
41 Adaptive Quadraturverfahren Fall I: Fehler im Intervall ist klein genug Folge: Intervall A kommt zu dem bereits untersuchten Intervall S und N wird das neue aktive Intervall Verändere die Intervalle: Summiere: J S J S + J A S S A, A N, N Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/40
42 Adaptive Quadraturverfahren Fall II: Fehler im Intervall ist noch zu groß Folge: Intervall A wird weiter unterteilt: der linke Teil A wird das neue aktive Intervall, der rechte Teil A kommt zum noch zu untersuchenden Intervall N hinzu Verändere die Intervalle: S S, A A, N A N mit A = A A J S wird nicht verändert Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/41
43 Implementierung der adaptiven Simpson-Formel function [ JSf ]= simpadpt (f,a,b,tol, hmin ) A=[a,b]; N =[]; S =[]; JSf = 0; L = b - a; while ~ isempty (A), [ deltai, ISc ]= CalcDeltaI (A,f); if abs ( deltai ) <= 15* tol *(A(2) -A (1))/ L... A(2) -A(1) < hmin JSf = JSf + ISc ; S = [S(1), A (2)]; A = N; N = []; else x = (A (1)+ A (2))*0.5; A = [A (1) x]; N = [x, b]; end end Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/42
44 Fehlerschätzer Gesucht: geeigneter Fehlerschätzer Betrachte: I S (f; (α, β)) auf Teilintervall (α, β) Fehler sollte auf Teilintervall proportional weniger betragen als auf dem gesamten Intervall Toleranz auf (α, β) kleiner gleich: ɛ(β α)/(b a) Für den Fehler der Simpson-Formel gilt: (β α)5 I(f; α, β) I s (f; α, β) = 2880 f (4) (ξ) = E s (f; α, β) Forderung: E s (f; α, β) ɛ(β α)/(b a) Problem: ξ unbekannt Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/43
45 Fehlerschätzer Idee: Abschätzung durch Berechnung der Approximation mit verschiedenen Schrittweiten Für das zusammengesetzte Verfahren mit M = 2 gilt I(f; α, β) Is(f; c (β α)5 α, β) = f (4) (η) Annahme: f (4) annähernd konstant auf dem Intervall Dann gilt mit I = I c s(f; α, β) I s (f; α, β) I(f; α, β) I c s(f; α, β) 1 15 I Akzeptiere I c s(f; α, β) als Approximation für I(f; α, β) nur, wenn I < 15ɛ(β α)/(b a) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/44
46 Implementierung der adaptiven Simpson-Formel function [ deltai, ISc ]= CalcDeltaI (A,f) L=A(2) -A (1); t =[0; 0.25; 0.5; 0.5; 0.75; 1]; x=l*t+a (1); L=L /6; w =[1; 4; 1]; fx= feval (f,x); IS=L* sum (fx ([1 3 6]).* w); ISc =0.5* L* sum (fx.*[ w;w ]); deltai =IS - ISc ; Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/45
47 Beispiel adaptive Simpson-Formel Berechne I(f) = Ausführen des Programms mit 1 1 e 10(x 1)2 dx >> fun =@(x)( exp ( -10*(x -1).^2)); >> tol = 1.e -04; hmin = 1.e -03; >> JSf = simpadpt2 (,-1,1,tol, hmin ) Erhaltener Wert: Exakter Wert: Differenz ca. 10 5, kleiner als Toleranz ɛ = Teilintervalle ausreichend (Dagegen: zusammengesetzte Simpson-Formel für gleiche Genauigkeit: 22 Teilintervalle) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/46
Kapitel 4. Numerische Differentiation und Integration
Kapitel 4 Numerische Differentiation und Integration Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/2 Integration und Differentiation Probleme bei der Integration und Differentiation
Mehr5. 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
Mehr5. 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
MehrKAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 15.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren Numerische
MehrVF-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
Mehr1/26. Integration. Numerische Mathematik 1 WS 2011/12
1/26 Integration Numerische Mathematik 1 WS 2011/12 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren
MehrNumerische 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 / 21 Quadraturverfahren R. Steuding
Mehr6. 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
MehrÜbungsblatt 4 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Übungsblatt 4 Musterlösung Aufgabe 7 (Nullstellen als Eigenwerte) Die Polynome {S n } n=0,,2,, S n P n, mit führem Koeffizienten eins, heißen Orthogonalpolynome
MehrNumerische Integration
Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 3 2010 1 / 87 In vielen Fällen ist es nicht möglich, ein gegebenes Integral
MehrNumerik 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
MehrTechnische 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
MehrÜbungsblatt 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
MehrNumerische Integration
Numerische Integration Fakultät Grundlagen Januar 0 Fakultät Grundlagen Numerische Integration Übersicht Grundsätzliches Grundsätzliches Trapezregel Simpsonformel 3 Fakultät Grundlagen Numerische Integration
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 8 Partielle
MehrNumerische Analysis - Matlab-Blatt 5
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Sommersemester 05 Numerische Analysis - Matlab-Blatt 5 Lösung (Besprechung
MehrNumerische Integration
Numerische Integration home/lehre/vl-mhs-1/folien/uebung/num_integration/cover_sheet_5a.tex Seite 1 von 12. p.1/12 Inhaltsverzeichnis 1. Einführung 2. Newton-Cotes Formeln Rechteckformel Trapezformel Simpsonsche
MehrDiplom 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
Mehreps 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
MehrKlassische 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
MehrInstitut 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
MehrInstitut 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
MehrZweite Prüfung zur Vorlesung
Prof O Scherzer P Elbau, L Mindrinos Numerische Mathematik Fakultät für Mathematik Universität Wien 4 Oktober 23 Zweite Prüfung zur Vorlesung Numerische Mathematik Erlaubte Hilfsmittel: Schriftliche Unterlagen
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
MehrVF-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
MehrVF-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
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrMusterlösungen 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
MehrD-MATH Numerische Methoden FS 2017 Dr. Vasile Gradinaru Luc Grosheintz. Serie 4. 1 f i (x)dx
D-MATH Numerische Methoden FS 217 Dr. Vasile Gradinaru Luc Grosheintz Serie 4 Abgabedatum: Di./Mi. 2.3/21.3 in den Übungsgruppen oder im HG J68 Koordinatoren: Luc Grosheintz, HG J 46, luc.grosheintz@sam.ethz.ch
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrEinführung und Beispiele
Kapitel 7 Gewöhnliche Differentialgleichungen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 7/2 Einführung und Beispiele Prof. R. Leithner, E. Zander Einführung in numerische
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 7 Gewöhnliche
MehrEinführung 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
MehrGMA. 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,?
Mehr7 Integralrechnung für Funktionen einer Variablen
7 Integralrechnung für Funktionen einer Variablen In diesem Kapitel sei stets D R, und I R ein Intervall. 7. Das unbestimmte Integral (Stammfunktion) Es sei f : I R eine Funktion. Eine differenzierbare
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrInterpolation, 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
MehrInstitut 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).
MehrNumerik SS Übungsblatt 3
PROF. DR. BERND SIMEON CHRISTIAN GOBERT THOMAS MÄRZ Numerik SS 9 Übungsblatt 3 Aufgabe 1 Clenshaw-Curtis-Quadratur Wie bereits bei der Polynominterpolation bietet es sich auch zur Quadratur an Tschebysheff-
MehrZuname: 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
Mehr(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
MehrName: 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.
MehrInterpolation 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
Mehre x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1
Aufgabe a Hier kann man die Regel von de l Hospital zweimal anwenden (jeweils und die Ableitung des Nenners ist für hinreichend große x ungleich. Dies führt auf e x e x e x + e x e x + e x e x e x e x
MehrKLAUSUR. 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
MehrAnalysis II. Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg
Analysis II Michael Hinze (zusammen mit Peywand Kiani) Department Mathematik Schwerpunkt Optimierung und Approximation, Universität Hamburg 2. Juni 2008 Beachtenswertes Die Veranstaltung ist eng angelehnt
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 2. Juli 2018 1/1 Wir geben einige wesentliche Sätze über bestimmte Integrale an, deren Beweise man in den Standardlehrbüchern der Analysis findet.
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
MehrKlausur im Fach Numerische Methoden II Universität Siegen; Fachbereich Maschinenbau,
Aufgabe 1 (Polynominterpolation) Abb. 1: Roboter für Positionierungsaufgaben Industrieroboter erledigen oft Positionierungsaufgaben, indem sie einen vorgegebenen Pfad abfahren. Diese Trajektorie entspricht
MehrNumerische Methoden 7. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 01 Institut für Analysis Prof Dr Michael Plum Dipl-Mathtechn Rainer Mandel Numerische Methoden 7 Übungsblatt Aufgabe 17: Quadratur II Die Menge aller Polynome
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrKapitel 18 Numerisches Differenzieren und Integrieren
Kapitel 8 Numerisches Differenzieren und Integrieren 8 8 8 Numerisches Differenzieren und Integrieren.......... 43 8. Numerische Differenziation... 43 8.. Differenzenformeln für die erste Ableitung...
MehrUE 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
Mehr(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrFinite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht Partielle Differentialgleichungen, Approximation der Lösung Finite Elemente, lineare und höhere Ansatzfunktionen Dünn
MehrBegleitmaterial 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
MehrÜbungen 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) =
MehrA 1 A 2 A 3 A 4 A 5 A 6 A 7
Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
MehrÜbungsaufgaben 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
MehrNachklausur Analysis 2
Nachklausur Analysis 2. a) Wie ist der Grenzwert einer Folge in einem metrischen Raum definiert? Antwort: Se (a n ) n N eine Folge in dem metrischen Raum (M, d). Diese Folge besitzt den Grenzwert g M,
MehrProbe-Klausur 1 Mathematik f. Bau-Ing + Chem. Modul1
Probe-Klausur 1 Mathematik f. Bau-Ing + Chem. Modul1 1. (a) Lösen Sie das lineare Gleichungssystem für die Werte a = 1, b = 2. x + 3y + 2z = 0 2x + ay + 3z = 1 3x + 4y + z = b (b) Für welche Werte von
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrIntegraldarstellung 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
MehrD-ITET, D-MATL Numerische Methoden FS 2018 Dr. R. Käppeli P. Bansal. Lösung 3. j j + 1 P j 1(x), j 1. 2(1 x 2 k ) 2. ((j + 1)P j (x k ))
D-ITET, D-MATL umerische Methoden FS 2018 Dr. R. Käppeli P. Bansal Lösung 3 1. 3-Punkte Gauss Quadraturregel a) Um das Polynom P 3 (x) zu berechnen, benutzen wir die Formel P j+1 (x) 2j + 1 j + 1 xp j(x)
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei die Matrix
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei die Matrix 1 1 1 A = 3 3 3 2 2 2 (a) Bestimmen Sie Rang(A), Kern(A) und Bild(A). Ist A invertierbar? Geben Sie zwei verschiedene rechte Seiten b 1, b 2 an, so
MehrH.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,
MehrUniversität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung. Lösungen zur Probeklausur 2.
Adµ Universität Stuttgart Fakultät Mathematik und Physik Institut für Analysis, Dynamik und Modellierung Blatt Probeklausur 2 Lösungen zur Probeklausur 2 Aufgabe 1 1. Formulieren Sie den Satz von Taylor
MehrD-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)
Mehr1. 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
MehrZWEITE 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:
MehrNumerik gewöhnlicher Differentialgleichungen. Übung 8 - Lösungsvorschlag
Technische Universität Chemnitz Chemnitz, 2. Januar 21 Prof. R. Herzog, M. Bernauer Numerik gewöhnlicher Differentialgleichungen WS29/1 Übung 8 - Lösungsvorschlag 1. Ziel dieser Aufgabe ist die Umsetzung
Mehr1. 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
Mehr(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
MehrThema 5 Differentiation
Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt
MehrNumerik stochastischer Differentialgleichungen. Frühjahrsemester 2014 Prof. Dr. H. Harbrecht, M. Peters, M. Siebenmorgen
Numerik stochastischer Differentialgleichungen Frühjahrsemester 2014 Prof. Dr. H. Harbrecht, M. Peters, M. Siebenmorgen Projekt Abgabe bis 15.8.2014 1 1 1 0.5 0.5 0.5 0 0 0 0.5 0.5 0.5 1 1 0.5 0 0.5 1
MehrMathematische Grundlagen II (CES) WS 2015/2016 Klausur am Informationen zur Klausur
Prof. Dr. Mike Espig Prof. Dr. Manuel Torrilhon Klausur: Bearbeitungszeit: Erlaubte Hilfsmittel: Mathematische Grundlagen II (CES) WS 2015/2016 Klausur am 18.03.2016 Informationen zur Klausur 18.03.2016,
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrNachklausur am Donnerstag, den 7. August 2008
Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrVon 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
Mehrg(x) := (x 2 + 2x + 4) sin(x) für z 1 := 1 + 3i und z 2 := 1 + i. Geben Sie das Ergebnis jeweils
. Aufgabe Punkte a Berechnen Sie den Grenzwert n + n + 3n. b Leiten Sie die folgenden Funktionen ab. Dabei ist a R eine Konstante. fx : lnx e a, gx : x + x + 4 sinx c Berechnen Sie z z und z z in der Form
MehrMusterlösung Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
D-ITET, D-MATL Musterlösung Prüfung umerische Methoden, Sommer 01 Dr. Lars Kielhorn 1. a) z = exp(iϕ) = dz = i exp(iϕ) dϕ = c n [f] = 1 π f(exp(iϕ)) exp( iϕn) dϕ π 0 b) Allgemeine zusammengesetzte Trapezregel
Mehru(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
Mehr19. 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
MehrLösungen der Aufgaben zu Kapitel 9
Lösungen der Aufgaben zu Kapitel 9 Abschnitt 9. Aufgabe a) Wir bestimmen die ersten Ableitungen von f, die uns dann das Aussehen der k-ten Ableitung erkennen lassen: fx) = x + e x xe x, f x) = e x e x
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 6 Eigenwerte
Mehr12 Numerische Quadratur
Numerische Qudrtur Ausgngssitution: Zu berechnen sei ein bestimmtes Integrl I = I[f] = mit einem numerischen Algorithmus. f(x) dx Verwenden Numerische Qudrtur (Qudrturformel) der Form mit I[f] I n [f]
MehrD-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
MehrSPEZIELLE KAPITEL DER MATHEMATIK TEIL 1
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik SPEZIELLE KAPITEL DER MATHEMATIK TEIL 1 13. Fourier-Reihen Prof. Dr. Gunar Matthies Wintersemester 216/17
Mehr6 Weiterer Ausbau der Differentialrechnung
6 Weiterer Ausbau der Differentialrechnung 6.1 Mittelwertsätze, Extremwerte, Satz von Taylor Motivation: Wie wählt man Höhe und Durchmesser einer Konservendose, so dass bei festem Volumen V möglichst wenig
Mehr7 Numerische Integration
Numerische Mathematik 318 7 Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefert Meßwerte x i = x i + ε i. Angenommen,
MehrPolynomiale Approximation. und. Taylor-Reihen
Polynomiale Approximation und Taylor-Reihen Heute gehts um die Approximation von glatten (d.h. beliebig oft differenzierbaren) Funktionen f nicht nur durch Gerade (sprich Polynome vom Grade 1) und Polynome
MehrExplizite Runge-Kutta-Verfahren
Explizite Runge-Kutta-Verfahren Proseminar Numerische Mathematik Leitung: Professor Dr. W. Hofmann Dominik Enseleit 06.07.2005 1 1 Einleitung Nachdem wir schon einige numerische Verfahren zur Lösung gewöhnlicher
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
Mehr