Algorithmen in Zellularautomaten
|
|
- Edwina Rosenberg
- vor 5 Jahren
- Abrufe
Transkript
1 Algorithmen in Zellularautomaten 12. Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018
2 Ziele Diffusion weitere Beispiele: Wellen, BZ-Reaktion, Reaktions-Diffusions-Systeme Einsparung von Zuständen bei stochastischen ZA 2 / 36
3 Taylorentwicklung Überblick Taylorentwicklung Von Taylor zu ZA ZA für Diffusion ZA für Wellenausbreitung Rundungsfehler und probabilistische ZA 3 / 36
4 Taylorentwicklung Satz von Taylor Es sei f eine reelle Funktion einer Veränderlichen, die auf einem Intervall I α =]x 0 α; x 0 + α[ mindestens (n + 1) mal stetig differenzierbar ist. Dann gibt es für jedes x I α ein θ [0; 1], so dass f (x) = n k=0 f (k) (x 0 ) (x x 0 ) k + R n (x, x 0, θ) k! mit R n (x, x 0, θ) = f (n+1) (x 0 + θ(x x 0 )) (x x 0 ) n+1. (n + 1)! 4 / 36
5 Taylorentwicklung Taylorentwicklung (eine Veränderliche) Ist f auf einem Intervall I α =]x 0 α; x 0 + α[ unendlich oft stetig differenzierbar, und gilt für alle x I α und alle θ [0; 1] dann gilt für alle x = x 0 + x I α : lim R n(x, x 0, θ) = 0, n f (x 0 + x) = f (x 0 ) + x f (x 0 ) + ( x)2 f (x 0 ) + 2 ( x) k = f (k) (x 0 ) k! k=0 ( ( 1 = x d ) ) k f (x 0 ). k! dx k=0 5 / 36
6 Taylorentwicklung Taylorentwicklung (zwei Veränderliche) Ist f (x,y) auf I α = { (x,y) (x x 0 ) 2 + (y y 0 ) 2 < α } unendlich oft stetig differenzierbar, und ist lim n R n (..., θ) = 0, dann gilt für alle ( x, y) mit ( x) 2 + ( y) 2 < α: f (x 0 + x,y 0 + y) = = r,s 0 k=0 1 k! ( x) r ( y) s r +s f x r y s (x 0,y 0 ) r!s! ( ( x x + y y ) k f ) (x 0,y 0 ). 6 / 36
7 Taylorentwicklung Nablaoperator Nützliche Skalarprodukte: := ( x ) y 2 = = 2 x y 2 x = ( x y) ( x ) = x y x + y y 7 / 36
8 Taylorentwicklung Bemerkung Mit dem lässt sich die Taylorentwicklung schreiben als: f (x + x) = k=0 1 ( ) ( x ) k f (x) k! 8 / 36
9 Taylorentwicklung Abkürzungen Es seien t, x und y festgelegt. (T f )(t, x,y) := f (t + t, x,y) (T f )(t, x,y) := f (t t, x,y) (X f )(t, x,y) := f (t, x + x,y) (X f )(t, x,y) := f (t, x x,y) (Y f )(t, x,y) := f (t, x,y + y) (Y f )(t, x,y) := f (t, x,y y) (I f )(t, x,y) := f (t, x,y) 9 / 36
10 Von Taylor zu ZA Überblick Taylorentwicklung Von Taylor zu ZA ZA für Diffusion ZA für Wellenausbreitung Rundungsfehler und probabilistische ZA 10 / 36
11 Von Taylor zu ZA Bezug zu Zellularautomaten Diskretisierung: Bringe Werte f (t, x,y) mit den Zuständen von Zellen in Verbindung: Fixiere Werte t 0, x 0, y 0, t, x und y und definiere: д : N 0 Z Z R (t, i, j) f (t 0 + t t, x 0 + i x,y 0 + j y) Speichere Näherung von д(t, i, j) in Zelle (i, j). Aufgabe: Finde Überführungsfunktion, so dass nach einmaliger Anwendung in Zelle (i, j) Wert д(t + 1, i, j) gespeichert. Probleme: Warum soll das überhaupt gehen? Fehler durch Näherungen 11 / 36
12 Von Taylor zu ZA Bezug zu Zellularautomaten Diskretisierung: Bringe Werte f (t, x,y) mit den Zuständen von Zellen in Verbindung: Fixiere Werte t 0, x 0, y 0, t, x und y und definiere: д : N 0 Z Z R (t, i, j) f (t 0 + t t, x 0 + i x,y 0 + j y) Speichere Näherung von д(t, i, j) in Zelle (i, j). Aufgabe: Finde Überführungsfunktion, so dass nach einmaliger Anwendung in Zelle (i, j) Wert д(t + 1, i, j) gespeichert. Probleme: Warum soll das überhaupt gehen? Fehler durch Näherungen 11 / 36
13 Von Taylor zu ZA Bezug zu Zellularautomaten Diskretisierung: Bringe Werte f (t, x,y) mit den Zuständen von Zellen in Verbindung: Fixiere Werte t 0, x 0, y 0, t, x und y und definiere: д : N 0 Z Z R (t, i, j) f (t 0 + t t, x 0 + i x,y 0 + j y) Speichere Näherung von д(t, i, j) in Zelle (i, j). Aufgabe: Finde Überführungsfunktion, so dass nach einmaliger Anwendung in Zelle (i, j) Wert д(t + 1, i, j) gespeichert. Probleme: Warum soll das überhaupt gehen? Fehler durch Näherungen 11 / 36
14 Von Taylor zu ZA Rechnung Für q {t, x,y}, q { t, x, y} und Q {T, X, Y } liefert die Taylorentwicklung: Q f = f + q f q + ( q)2 2 f 2 q 2 + ( q)3 3 f 3! q 3 + Q f = f q f q + ( q)2 2 f 2 q 2 ( q)3 3 f 3! q 3 ± 12 / 36
15 Von Taylor zu ZA Näherung für erste Ableitung (1) Also: Q f = f + q f q + ( q)2 2 f 2 q 2 + ( q)3 3 f 3! q 3 + O(( q)4 ) Q f f + q f q f q Q I q f ( Fehler: O( q) ) 13 / 36
16 Von Taylor zu ZA Näherung für erste Ableitung (2) Oder: Q f = f + q f q + ( q)2 2 f 2 q 2 + ( q)3 3 f 3! q 3 + O(( q)4 ) Q f = f q f q + ( q)2 2 f 2 q 2 ( q)3 3 f 3! q 3 + O(( q)4 ) Q f Q f = 2 q f + O(( q) 3 ) f q q Q Q 2 q f ( Fehler: O(( q) 2 ) ) 14 / 36
17 Von Taylor zu ZA Näherung für zweite Ableitung Analog: Q f + Q f = 2f + ( q) 2 2 f q 2 + O(( q)4 ) 2 f q 2 Q 2I + Q ( q) 2 f ( Fehler: O(( q) 2 ) ) Q I q I Q q q f 15 / 36
18 ZA für Diffusion Überblick Taylorentwicklung Von Taylor zu ZA ZA für Diffusion ZA für Wellenausbreitung Rundungsfehler und probabilistische ZA 16 / 36
19 ZA für Diffusion Beispiel (Diffusion) Es sei f eine Funktion mit f = D 2 f, also ( f 2 ) t = D f x f y 2 Einsetzen der Näherungen für die Ableitungen ergibt: T I t Auflösen nach T f... f D X 2I + X ( x) 2 f + D Y 2I + Y ( y) 2 f 17 / 36
20 ZA für Diffusion Beispiel (Diffusion) Es sei f eine Funktion mit f = D 2 f, also ( f 2 ) t = D f x f y 2 Einsetzen der Näherungen für die Ableitungen ergibt: T I t Auflösen nach T f... f D X 2I + X ( x) 2 f + D Y 2I + Y ( y) 2 f 17 / 36
21 ZA für Diffusion Auflösen nach T f liefert die Näherung f (t + t, x,y) f (t, x,y) +D t +D t (f (t, x + x,y) f (t, x,y)) (f (t, x,y) f (t, x x,y)) ( x) 2 (f (t, x,y + y) f (t, x,y)) (f (t, x,y) f (t, x,y y)) ( y) 2 18 / 36
22 ZA für Diffusion Weniger fehlerträchtig: also: f (t + t, x,y) T T 2 t f (t t, x,y) f D X 2I + X ( x) 2 f + D Y 2I + Y ( y) 2 f +2D t +2D t (f (t, x + x,y) f (t, x,y)) (f (t, x,y) f (t, x x,y)) ( x) 2 (f (t, x,y + y) f (t, x,y)) (f (t, x,y) f (t, x,y y)) ( y) 2 19 / 36
23 ZA für Diffusion Diffusion durch Mittelwertbildung Es sei N = M r (2), insbesondere also n N = n N. Es sei x = y. Betrachte f (x) und f (x) := 1 N f (x + xn). n N Taylorentwicklung für die f (x + xn) liefert f (x) = = 1 N k=0 n N k=0 1 1 N k! 1 ( ) ( xn ) k f (x) k! n N ( ) ( xn ) k f (x) Terme für ungerades k fallen weg. 20 / 36
24 ZA für Diffusion Wegen der Symmetrie von N erhält man näherungsweise f (x) f (x) N = f (x) + ( x)2 2 N ( ( xn ) 2 f ) (x) n N ( (n ) 2 f ) (x) n N Nach einiger Rechnung ergibt sich wegen N = M (2) r : (n ) 2 = n N (4r + 2)r(r + 1)(2r + 1) / 36
25 ZA für Diffusion Somit: f (x) f (x) + ( x)2 2(2r + 1) 2 r(r + 1) ( 2 2(2r + 1) 2 f ) (x) 6 = f (x) + ( x) 2r(r + 1) ( 2 f )(x) 6 beziehungsweise ( 2 f )(x) 6 ( x) 2 r(r + 1) ( f (x) f (x)) 22 / 36
26 ZA für Diffusion Folglich: Für T f f + t f t = f + td 2 f ( ) 6D t 6D t 1 ( x) 2 f + r(r + 1) ( x) 2 f r(r + 1) 6D t ( x) 2 = 1 ergibt sich T f f. r(r + 1) Mittelwertbildung approximiert Diffusion mit D = ( x)2 t r(r + 1) / 36
27 ZA für Diffusion Algorithmus (effiziente Berechnung von Mittelwerten) f beliebig; д = N f Im Eindimensionalen: Also: д(x) д(x 1) = = i=r i= r i=r f (x + i) f (x + i) i= r i=r i= r i=r 1 i= r 1 = f (x + r) f (x r 1) f (x 1 + i) f (x + i) д(x) = д(x 1) + f (x + r) f (x r 1) Bei sequenzieller Berechnung im Mittel nur 2 Additionen statt 2r 24 / 36
28 ZA für Diffusion Algorithmus (effiziente Berechnung von Mittelwerten) f beliebig; д = N f Im Eindimensionalen: Also: д(x) д(x 1) = = i=r i= r i=r f (x + i) f (x + i) i= r i=r i= r i=r 1 i= r 1 = f (x + r) f (x r 1) f (x 1 + i) f (x + i) д(x) = д(x 1) + f (x + r) f (x r 1) Bei sequenzieller Berechnung im Mittel nur 2 Additionen statt 2r 24 / 36
29 ZA für Diffusion Effiziente Berechnung von Mittelwerten 2 Im Zweidimensionalen: h(x, y) = д(x, y) = r f (x,y + j) j= r r h(x + i,y) i= r Dann ist д = N f. Im Durchschnitt nur 4 Additionen statt (2r + 1) / 36
30 ZA für Wellenausbreitung Überblick Taylorentwicklung Von Taylor zu ZA ZA für Diffusion ZA für Wellenausbreitung Rundungsfehler und probabilistische ZA 26 / 36
31 ZA für Wellenausbreitung Beispiel (Wellenausbreitung) Es sei f eine Funktion mit f = c 2 2 f, also 2 f t 2 = c2 ( 2 ) f x f y 2 Wie kommt man von 2 f t 2 zu einem Näherungswert für T f? 27 / 36
32 Tд д + t д t = д + t 2 f t 2 28 / 36 ZA für Wellenausbreitung Beispiel (Wellenausbreitung 2) Mögliche Approximierungen: Oder mit д = f t : T f 2f T f + ( t) 2 2 f t 2 T f f + t f t f + tд Tд д + t д t = д + t 2 f t 2 Oder:
33 ZA für Wellenausbreitung Beispiel (Belousov-Zhabotinski-Reaktion) chemische Uhr, räumliche Strukturen (z.b. Spiralen) Oregonator -Beschreibung: du dt dv dt dw dt = k 1 av k 2 uv + k 3 au k 4 u 2 = k 1 av k 2 uv + f k 5 w = 2k 3 au k 5 w siehe auch (ab Minute 18) 29 / 36
34 ZA für Wellenausbreitung Beispiel (Reaktions-Diffusions-Systeme) Allgemeines Schema: f 1 t f 2 t f k t = F 1 (f 1, f 2,..., f k ) + D 1 2 f 1 = F 2 (f 1, f 2,..., f k ) + D 2 2 f 2. = F k (f 1, f 2,..., f k ) + D k 2 f k Beispiel (RDS von Turing) F 1 (f 1, f 2 ) = f 1 f 2 f 1 12 F 2 (f 1, f 2 ) = f 1 f / 36
35 Rundungsfehler und probabilistische ZA Überblick Taylorentwicklung Von Taylor zu ZA ZA für Diffusion ZA für Wellenausbreitung Rundungsfehler und probabilistische ZA 31 / 36
36 Rundungsfehler und probabilistische ZA Rundungsfehler Durchschnittsbildung in H (1) 1 -Nachbarschaft mit Abrunden: / 36
37 Rundungsfehler und probabilistische ZA Rundungsfehler 2 kaufmännisches Runden hilft nicht: Ausweg Manchmal hilft geschicktes zufälliges Runden (Weimar und Boon, 1994) 33 / 36
38 Rundungsfehler und probabilistische ZA Rundungsfehler 2 kaufmännisches Runden hilft nicht: Ausweg Manchmal hilft geschicktes zufälliges Runden (Weimar und Boon, 1994) 33 / 36
39 Rundungsfehler und probabilistische ZA Probabilistisches Runden Es sei k N und ε [0; 1[. Einfache Variante des probabilistischen Rundens von k + ε: mit Wahrscheinlichkeit ε runde auf k + 1 mit Wahrscheinlichkeit 1 ε runde auf k Es ist ε(k + 1) + (1 ε)k = k + ε. Aufwendige Variante: Wähle Zahlen k i und Wahrscheinlichkeiten p i (ε), so dass i p i (ε) = 1 ist und i k i p i (ε) = k + ε. Runde mit Wahrscheinlichkeit p i (ε) auf k i. 34 / 36
40 Rundungsfehler und probabilistische ZA Definition (probabilistischer/stochastischer ZA) lokale Überführungsfunktion von der Form δ : Q N [0; 1] Q δ(l)(q) ist die Wahrscheinlichkeit, dass eine Zelle mit lokaler Konfiguration l in Zustand q übergeht. Für alle l Q N muss gelten: δ(l)(q) = 1 q Q Verschiedene Zellen mit gleicher lokaler Konfiguration können in einem Schritt in verschiedene Nachfolgezustände übergehen. 35 / 36
41 Zusammenfassung Geeignete Diskretisierung partieller Differentialgleichungen liefert manchmal Zellularautomaten, die gute Näherungen sind. Manchmal reichen abgebrochenen Taylorentwicklungen. Rundungsfehler kann man manchmal durch probabilistisches Runden (in entsprechenden Zellularautomaten) verkleinern. 36 / 36
Algorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 13. ZA-Modelle mit wenigen Zuständen Thomas Worsch Fakultät für Informatik Institut für Theoretische Informatik Sommersemester 2018 Ziele einige (sehr) einfache ZA als
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
MehrÜbungen zur Analysis 2
Mathematisches Institut der Universität München Prof. Dr. Franz Merkl Sommersemester 2013 Blatt 10 21.06.2013 Übungen zur Analysis 2 10.1 Betrachten Sie die Funktion f : R 2 R, f(x, y) =x 2 + y 2, den
MehrAlgorithmen in Zellularautomaten. Thomas Worsch Institut für Theoretische Informatik Karlsruher Institut für Technologie
Algorithmen in Zellularautomaten Thomas Worsch Institut für Theoretische Informatik Karlsruher Institut für Technologie Sommersemester 08 Grundlegende Definitionen. Beispiel. Betrachten wir die folgende
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 9. Sortieren in zweidimensionalen ZA Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2017 Ziele Problemstellung: Sortieren von
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten Algorithmen in Zellularautomaten 2. Berechnungsmächtigkeit von Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester
MehrTaylorentwicklung von Funktionen einer Veränderlichen
Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der
MehrProbeklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 21717 Fakultät 4 - Mathematik und Naturwissenschaften Prof N V Shcherbina Dr T P Pawlaschyk wwwkanauni-wuppertalde Probeklausur zur Analysis 2, SoSe 217 Hinweis Die Lösungen
MehrM U = {x U f 1 =... = f n k (x) = 0}, (1)
Aufgabe 11. a) Es sei M = {(x, y, z) R 3 f 1 = xy = 0; f = yz = 0}. Der Tangentialraum T x M muss in jedem Punkt x M ein R-Vektorraum sein und die Dimension 1 besitzen, damit diese Menge M eine Untermannigfaltigkeit
Mehr1 Definition und Konstruktion vektorwertiger Funktionen und Funktionen mehrerer Variabler
Zusammenfassung Kapitel IV: Funktionen mehrerer Veränderlicher und vektorwertige Funktionen 1 Definition und Konstruktion vektorwertiger Funktionen und Funktionen mehrerer Variabler Definition vektorwertige
MehrDer Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
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
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
MehrKapitel 9. Schätzverfahren und Konfidenzintervalle. 9.1 Grundlagen zu Schätzverfahren
Kapitel 9 Schätzverfahren und Konfidenzintervalle 9.1 Grundlagen zu Schätzverfahren Für eine Messreihe x 1,...,x n wird im Folgenden angenommen, dass sie durch n gleiche Zufallsexperimente unabhängig voneinander
MehrAM3: Differenzial- und Integralrechnung im R n. 1 Begriffe. 2 Norm, Konvergenz und Stetigkeit. x 1. x 2. f : x n. aus Platzgründen schreibt man:
AM3: Differenzial- und Integralrechnung im R n 1 Begriffe f : x 1 f 1 x 1, x 2,..., x n ) x 2... f 2 x 1, x 2,..., x n )... x n f m x 1, x 2,..., x n ) }{{}}{{} R n R m aus Platzgründen schreibt man: f
Mehr4.4 Taylorentwicklung
4.4. TAYLORENTWICKLUNG 83 4.4 Taylorentwicklung. Definitionen f sei eine reellwertige m + -mal stetig differenzierbare Funktion der n Variablen x bis x n auf einem Gebiet M R n. Die Verbindungsgerade der
Mehrbekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-
3.. Jetzt: Eliminiere 1. und 2. wie folgt u 2 + 2u 1 = h 2 f 1 + α }{{} bekannt Nun: Au = b mit A R n,n, b R n, u R n und A hat die Gestalt 2 1 1 2 1 A =......... =: tridiag( 1, 2, 1)...... 1 1 2 Analog
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 2. Teil 2-1 1) Welche Garantie
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
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.
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Mehr(a), für i = 1,..., n.
.4 Extremwerte Definition Sei M R n eine Teilmenge, f : M R stetig, a M ein Punkt. f hat in a auf M ein relatives (oder lokales) Maximum bzw. ein relatives (oder lokales) Minimum, wenn es eine offene Umgebung
MehrAnwendungen der Differentialrechnung
KAPITEL 7 Anwendungen der Differentialrechnung 7.1 Maxima und Minima einer Funktion................. 141 7.2 Mittelwertsatz............................ 144 7.3 Kurvendiskussion..........................
Mehrf(x) = x f 1 (x) = x. Aufgabe 2. Welche der folgenden Funktionen sind injektiv, surjektiv, bijektiv?
Umkehrfunktionen Aufgabe 1. Sei A = {1, 2, 3, 4}. Definieren Sie eine bijektive Funktion f A A und geben Sie ihre Umkehrfunktion f 1 an. Lösung von Aufgabe 1. Zum Beispiel f, f 1 A A mit f(x) = x f 1 (x)
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
MehrDifferentialrechnung im R n
Kapitel 9 Differentialrechnung im R n Bisher haben wir uns mit Funtionen beschäftigt, deren Verhalten durch eine einzelne Variable beschrieben wird. In der Praxis reichen solche Funtionen in der Regel
MehrÜbungen zu Differentialgleichungen (WiSe 12/13)
Übungen zu Differentialgleichungen WiSe 2/) Blatt 6 22 November 202 Gruppenübung Aufgabe G Sei f t, p) := p 5, t, p) R 2 Gegeben sei das Anfangswertproblem ẋ = f t,x), x0) = ) Bestimmen sie das maximale
MehrBemerkungen. f (x 1,..., x i + x i,..., x n ) f (x 1,..., x n ) lim. f xi (x 1,..., x n ) =
Bemerkungen Die Erweiterung der Definition von partiellen Ableitungen 1. Ordnung für Funktionen u = f (x 1,..., x n ) mit n > 2 Veränderlichen ist offensichtlich: f xi (x 1,..., x n ) = f (x 1,..., x i
MehrKlausur Höhere Mathematik I für die Fachrichtung Physik
Karlsruher Institut für Technologie (KIT Institut für Analysis Prof. Dr. Tobias Lamm Dr. Patrick Breuning WS /3 4.3.3 Klausur Höhere Mathematik I für die Fachrichtung Physik Aufgabe ((4+3+3 Punkte a Welche
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 2. Teil 2-1 1) Welche Garantie
Mehr2.8 Kurvenscharen, Orthogonaltrajektorien und Einhüllende. Bei den trennbaren Dgln fanden wir die Lösung in impliziter Gestalt:
2.8 Kurvenscharen, Orthogonaltrajektorien und Einhüllende Erinnerung: Bei den trennbaren Dgln fanden wir die Lösung in impliziter Gestalt: h(x, y, c) = 0. Für jedes feste c R war das die Gleichung einer
Mehr55.3 Die zentralen Begriffe zur totalen Differenzierbarkeit
Abschnitt 55 Totale Differenzierbarkeit R Plato 35 sind all diejenigen Punkte E Q Randpunkte, für die k D oder k D für mindestens einen Inde k gilt Für all solche Punkte E enthält nämlich die enge BE;
Mehr4.7 Der Taylorsche Satz
288 4 Differenziation 4.7 Der Taylorsche Satz Die Differenzierbarkeit, also die Existenz der ersten Ableitung einer Funktion, erlaubt bekanntlich, diese Funktion lokal durch eine affine Funktion näherungsweise
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
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema
Vorlesung: Analysis II für Ingenieure Wintersemester 09/10 Michael Karow Themen: Taylor-Entwicklung und lokale Extrema Motivierendes Beispiel: die Funktion f(x, y) = x(x 1) 2 2 y 2. Dieselbe Funktion von
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
MehrVorlesung: Analysis I für Ingenieure
Vorlesung: Analysis I für Ingenieure Michael Karow Thema: Satz von Taylor Die Taylor-Entwicklung I Satz von Taylor. Sei f : R D R an der Stelle x n-mal differenzierbar. Dann gilt für x D, n f (k) (x )
MehrBemerkung Als Folge von Satz 6.2 kann man jede ganze Funktion schreiben als Potenzreihe. α m z m. f(z) = m=0. 2πi. re it t [0,2π] 2πi
Funktionentheorie, Woche 7 Eigenschaften holomorpher Funktionen 7.1 Ganze Funktionen Definition 7.1 Eine Funktion f : C C, die holomorph ist auf C, nennt man eine ganze Funktion. Bemerkung 7.1.1 Als Folge
MehrProbestudium der Physik 2011/12
Probestudium der Physik 2011/12 1 Schwingungen und Wellen: Einführung in die mathematischen Grundlagen 1.1 Die Sinus- und die Kosinusfunktion Die Sinusfunktion lässt sich genauso wie die Kosinusfunktion
MehrAlgorithmen in Zellularautomaten
Algorithmen in Zellularautomaten 1. Grundlegende Definitionen 2. Berechnungsmächtigkeit von ZA 3. Endliche Muster und Konfigurationen 4. Selbstreproduktion 5. Sortieren in eindimensionalen ZA 6. Einfache
MehrI. Verfahren mit gebrochen rationalen Funktionen:
I. Verfahren mit gebrochen rationalen Funktionen: 1. Definitionslücken bestimmen: Nenner wird gleich 0 gesetzt! 2. Prüfung ob eine hebbare Definitionslücke vorliegt: Eine hebbare Definitionslücke liegt
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
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
MehrSimulationstechnik V
Simulationstechnik V Vorlesung/Praktikum an der RWTH Aachen Numerische Simulation von Strömungsvorgängen B. Binninger Institut für Technische Verbrennung Templergraben 64 2. Teil 2-1 1) Welche Garantie
MehrModelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten
Modelle der Parallelverarbeitung Modelle der Parallelverarbeitung 7. Baumförmige Zellularautomaten Thomas Worsch Fakultät für Informatik Karlsruher Institut für Technologie Sommersemester 2016 1 / 29 Überblick
MehrUmkehrfunktion. g (y) = f (x) 1, x = g(y), Umkehrfunktion 1-1
Umkehrfunktion Ist für eine stetig differenzierbare n-variate Funktion f : D R n die Jacobi-Matrix f (x ) für einen Punkt x im Innern des Definitionsbereiches D R n nicht singulär, so ist f lokal invertierbar,
MehrApl. Prof. Dr. N. Knarr Höhere Mathematik III Musterlösung , 120min
Aufgabe 1 8 Punkte Es seien eine Kurve K R mit Parametrisierung C : [ π, π] R und ein Vektorfeld g : R R gegeben durch cos t 4y Ct :, gx, y : sin t 1 05 K 05 05 1 15 05 a 3 Punkte Berechnen Sie die Zirkulation
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
MehrAnalysis I. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching
Analysis I 7. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching April 26, 207 Erinnerung Satz. (Zwischenwertsatz) Sei f : [a, b] R stetig mit f(a) f(b). Dann gibt es zu jedem
MehrParseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: Parseval-Identität. Speziell:
Parseval-Identität: Seien zwei Funktionen v. mit Fourier-Reihen: dann gilt: (kühnes Vertauschen von Integral und Summe!) Parseval-Identität Speziell: Anmerkung: beide Seiten kann man als Skalarprodukt
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 11. Juli 2016 Ableitungen im Höherdimensionalen Im Eindimensionalen war die Ableitung f (x 0 ) einer Funktion f : R R die
MehrComputer-orientierte Mathematik
Computer-orientierte Mathematik 6. Vorlesung - Christof Schuette 30.11.18 Memo: Relative und Absolute Kondition Relative Kondition der Grundrechenarten: Addition, Multiplikation und Division liefern beruhigende
MehrDefinition: Differenzierbare Funktionen
Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ
MehrHöhere Mathematik II für die Fachrichtung Physik. Lösungsvorschläge zum 11. Übungsblatt
Institut für Analysis SS17 PD Dr. Peer Christian Kunstmann 7.7.17 Dipl.-Math. Leonid Chaichenets, Johanna Richter, M.Sc. Tobias Ried, M.Sc., Tobias Schmid, M.Sc. Höhere Mathematik II für die Fachrichtung
MehrDas heißt, Γ ist der Graph einer Funktion von d 1 Veränderlichen.
Kapitel 2 Der Gaußsche Satz Partielle Differentialgleichung sind typischerweise auf beschränkten Gebieten des R d, d 1, zu lösen. Dabei sind die Eigenschaften dieser Gebiete von Bedeutung, insbesondere
MehrStatistik I für Betriebswirte Vorlesung 3
Statistik I für Betriebswirte Vorlesung 3 Dr. Andreas Wünsche TU Bergakademie Freiberg Institut für Stochastik 15. April 2019 Dr. Andreas Wünsche Statistik I für Betriebswirte Vorlesung 3 Version: 1. April
MehrAnalysis für Informatiker und Statistiker Modulprüfung
Prof. Dr. Peter Otte Wintersemester 2013/14 Tom Bachmann, Sebastian Gottwald 18.02.2014 Analysis für Informatiker und Statistiker Modulprüfung Lösungsvorschlag Name:.......................................................
MehrAbbildung 10.1: Das Bild zu Beispiel 10.1
Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,
MehrMIA Analysis einer reellen Veränderlichen WS 06/07. Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen
Version 01.02. Januar 2007 MIA Analysis einer reellen Veränderlichen WS 06/07 Kurzfassung Martin Schottenloher Kapitel VI. Differenzierbare Funktionen in einer Veränderlichen In diesem Kapitel werden differenzierbare
MehrTaylor-Entwicklungen und Taylor-Polynome.
Taylor-Entwicklungen und Taylor-Polynome. Ausgangsfrage: Wie kann manf(x) in der Nähe vonx 0 approximieren? 0. Antwort:f(x) f(x 0 ) fürx x 0. 1. Antwort: Ist f differenzierbar, so gilt f(x) = f(x 0 )+f
MehrC. Eicher Analysis Study Center ETH Zürich HS Extremwerte
C. Eicher Analysis Study Center ETH Zürich HS 05 Extremwerte Gelöste Aufgabenbeispiele:. Bestimme die lokalen und globalen Extrema der Funktion f(x) = x x + x auf dem Intervall [ 4, ]. a. Bestimmung der
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrPräsenzübungen zur Analysis I Lehramt
Technische Universität Dortmund 12. Oktober 217 Matthias Schulte Blatt, WiSe 17/18 Aufgabe.1 (Elementare Beweistechniken). a) Zeige, dass 2 Q gilt! b) Es seien A,B Mengen. Zeige: A B = B \A = B. Aufgabe.2
MehrGrundlagen der Theoretischen Informatik
Grundlagen der Theoretischen Informatik Sommersemester 2015 29.04.2015 Viorica Sofronie-Stokkermans e-mail: sofronie@uni-koblenz.de 1 Bis jetzt 1. Motivation 2. Terminologie 3. Endliche Automaten und reguläre
MehrSkalarprodukte im Funktionenraum und orthogonale Funktionen
1 Skalarprodukte im Funktionenraum und orthogonale Funktionen Im Allgemeinen muss ein reelles Skalarprodukt (, ) (wir betrachten reelle Funktionen) folgende Eigenschaften ausweisen: Bilinearität (Linearität
MehrHöhere Mathematik II für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann SS 4 Höhere Mathematik II für die Fachrichtung Informatik Lösungsvorschläge zum. Übungsblatt Aufgabe 37
MehrTopologische Grundbegriffe I. 1 Offene und Abgeschlossene Mengen
Topologische Grundbegriffe I Vortrag zum Proseminar Analysis, 26.04.2010 Nina Neidhardt und Simon Langer Im Folgenden soll gezeigt werden, dass topologische Konzepte, die uns schon für die Reellen Zahlen
Mehr2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n
2. VEKTORANALYSIS 2.1 Kurven Definition: Ein Weg ist eine stetige Abbildung aus einem Intervall I = [a; b] R in den R n : f : I R n f ist in dem Fall ein Weg in R n. Das Bild f(t) des Weges wird als Kurve
MehrHeinrich-Hertz-Oberschule, Berlin
Reellwertige Funktionen mehrerer Variabler Teilnehmer: Maximilian Ringleb Jakob Napiontek Kay Makowsky Mallku Schlagowski Trung Duc Nguyen Alexander Reinecke Herder-Oberschule, Berlin Heinrich-Hertz-Oberschule,
Mehr3. Potenzreihen. Definition 7.5. Eine unendliche Reihe der Form. a k x k. Es handelt sich also um eine Funktionenreihe mit f k (x) = a k x k.
3. Potenzreihen Definition 7.5. Eine unendliche Reihe der Form a x mit x R (veranderlich und a R (onstant heit Potenzreihe, die Zahlen a ( heien Koezienten der Potenzreihe. Es handelt sich also um eine
Mehrstreng monoton steigend. streng monoton fallend. Ist f eine in einem Intervall stetige und im Innern des Intervalls differenzierbare Funktion mit
3. Anwendungen ================================================================= 3.1 Monotonie Eine Funktion f heißt in ihrem Definitionsbereich D monoton steigend, wenn für alle x 1, x 2 D mit x 1 < x
MehrKapitel 1. Holomorphe Funktionen
Kapitel 1 Holomorphe Funktionen Zur Erinnerung: I IR sei ein offenes Intervall, und sei z 0 I. Eine Funktion f : I IR heißt differenzierbar in z 0, falls der Limes fz fz 0 lim =: f z 0 z z 0 z z 0 existiert.
Mehr68 Abschätzungen für Abweichungen vom Erwartungswert
68 Abschätzungen für Abweichungen vom Erwartungswert 68.1 Motivation Mit der Varianz bzw. Standardabweichungen kennen wir bereits ein Maß für die Fluktuation einer Zufallsvariablen um ihren Erwartungswert.
MehrApproximation von Funktionen
von Funktionen Fakultät Grundlagen Februar 6 Fakultät Grundlagen von Funktionen Übersicht Problemstellung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktionen 3 Fakultät
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
MehrDer Taylorsche Satz Herleitung und Anwendungen
Der Taylorsche Satz Herleitung und Anwendungen Joachim Schneider Juni 2004 Zusammenfassung Es wird ein enfacher Beweis des Taylorsche Satz über die lokale Approximierbarkeit hinreichend glatter Funktionen
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
MehrTaylor-Entwicklung der Exponentialfunktion.
Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunkt x 0 = 0 die
Mehr41 Der Satz über implizite Funktionen
41 Der Satz über implizite Funktionen 203 41 Der Satz über implizite Funktionen Lernziele: Resultate: Satz über implizite Funktionen Methode: Implizite Differentiation Kompetenzen: (Lokale) Auflösung von
MehrDie Topologie von R, C und R n
Die Topologie von R, C und R n Für R haben wir bereits eine Reihe von Strukturen kennengelernt: eine algebraische Struktur (Körper), eine Ordnungsstruktur und eine metrische Struktur (Absolutbetrag, Abstand).
MehrHöhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung
TU Bergakademie Freiberg Sommersemester Dr. Gunter Semmler Dr. Anja Kohl Höhere Mathematik II für BWIW, BNC, BAI, BGIP, GTB, Ma Hausaufgaben zum Übungsblatt 5 - Lösung Differentialrechnung für Funktionen
MehrKapitel 22. Einführung in die Funktionentheorie
Kapitel 22 Einführung in die Funktionentheorie In Kapitel 17 wurde die Differentialrechnung von Funktionen f: R m R n mehrerer Veränderlicher besprochen. Der Ableitungsbegriff war dabei nicht als Verallgemeinerung
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
MehrBeschreibungskomplexität von Grammatiken Definitionen
Beschreibungskomplexität von Grammatiken Definitionen Für eine Grammatik G = (N, T, P, S) führen wir die folgenden drei Komplexitätsmaße ein: Var(G) = #(N), Prod(G) = #(P ), Symb(G) = ( α + β + 1). α β
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
MehrLösungen zur Klausur zur Analysis 1, WiSe 2016/17
BERGISCHE UNIVERSITÄT WUPPERTAL..7 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Lösungen zur Klausur zur Analysis, WiSe 6/7 Klausureinsicht:
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
MehrÜbungen zum Ferienkurs Analysis II
Übungen zum Ferienkurs Analysis II Differenzierbarkeit und Taylor-Entwicklung Übungen, die mit einem Stern markiert sind, werden als besonders wichtig erachtet.. Jacobi-Matrix Man bestimme die Jacobi-Matrix
MehrKompetenz: Verinnerlichung des Mittelwertsatzes Daraus ergibt sich leicht der wichtige Mittelwertsatz der Differentialrechnung:
16 Mittelwertsätze und Anwendungen 71 16 Mittelwertsätze und Anwendungen Lernziele: Konzepte: Konvexität und Konkavität Resultate: Mittelwertsätze der Differentialrechnung Methoden: Regeln von de l Hospital
MehrAnmerkung: Falls f(x) nicht ganz glatt ist, sondern nur stückweise stetig differenzierbar ist (d.h. Sprünge hat), gilt (Satz v.
Fourier-Reihen für periodische Funktionen Sei periodisch, mit Periode L: Auch für diesen Fall gilt die Fourier- Reihen-Darstellung (b.3), mit : (b.3) (und stückweise stetig differenzierbar) (c.5) Integral
MehrApril (Voll-) Klausur Analysis I für Ingenieure. Rechenteil
April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten
MehrUNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz Dr P C Kunstmann Dipl-Math M Uhl Sommersemester 009 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive Komplexe
MehrMathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript
Mathematik I für Studierende der Geophysik/Ozeanographie, Meteorologie und Physik Vorlesungsskript Janko Latschev Fachbereich Mathematik Universität Hamburg www.math.uni-hamburg.de/home/latschev Hamburg,
Mehr2. Spezielle anwendungsrelevante Funktionen
2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für
MehrLösungsvorschlag zur Nachklausur zur Analysis
Prof Dr H Garcke, D Depner SS 09 NWF I - Mathematik 080009 Universität Regensburg Lösungsvorschlag zur Nachklausur zur Analysis Aufgabe Untersuchen Sie folgende Reihen auf Konvergenz und berechnen Sie
MehrHöhere Mathematik II. Variante A
Lehrstuhl II für Mathematik Prof Dr E Triesch Höhere Mathematik II SoSe 5 Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind zehn handbeschriebene DinA4-Blätter (Vorder- und Rückseite
Mehr