Numerik stochastischer Differentialgleichungen. Frühjahrsemester 2014 Prof. Dr. H. Harbrecht, M. Peters, M. Siebenmorgen
|
|
- Caroline Fleischer
- vor 5 Jahren
- Abrufe
Transkript
1 Numerik stochastischer Differentialgleichungen Frühjahrsemester 2014 Prof. Dr. H. Harbrecht, M. Peters, M. Siebenmorgen Projekt Abgabe bis Problemstellung In diesem Projekt betrachten wir das elliptische, stochastische Diffusionsproblem div ( α(x,y) u(x,y) ) } = f(x) x D y (1) u(x,y) = 0 x Γ := D mit variablem Diffusionskoeffizienten a(,y) C(D) für fast alle y = [y 1,...,y M ] := [ 1,1] M. Für die Diskretisierung des Diffusionskoeffizienten nehmen wir an, dass dieser als orthogonale Entwicklung gemäss α(x,y) = α(x)+ M ψ k (x)y k gegeben ist. Die Diskretisierung bezüglich der Ortsvariable x D soll mit linearen Finiten Elementen erfolgen. Ist der Parameterbereich mit dem M-dimensionalen (normierten) Lebesgue-Mass λ M versehen, d.h. 2 M λ M ( ) = 1, lassen sich der Erwartungswert und die Varianz der Lösung u von (1) als hochdimensionale Integrale schreiben: E[u](x) = 2 M u(x,y)dx bzw. V[u](x) = 2 M u 2 (x,y)dx ( E[u](x) ) 2. Ziel dieses Projekts ist es, den Erwartungswert und die Varianz mit Hilfe der Dünngitter- Quadratur zu approximieren. Wir werden hierbei die zusammengesetzte Trapezregel, die Gauss-Legendre-Quadratur und die Clenshaw-Curtis-Quadratur zugrundelegen. Die zusammengesetzte Trapezregel unterscheidet sich von den anderen beiden Quadraturformeln dadurch, dass sie eine höhere Genauigkeit durch Verfeinerung erzielt (h- Konvergenz), während die anderen beiden Formeln eine höhere Genauigkeit durch Erhöhung des Polynomgrades erzielen (p-konvergenz). k=1
2 Eindimensionale Quadraturformeln Zusammengesetzte Trapezregel Sei n = 2 l und h = 2 l+2 für ein l N >1. Wir setzen ξ k = (k 1)h 1 für k = 1,...,n und definieren die zugehörigen Gewichte { h, falls 1 < k < n, w k = h/2, sonst. Für l = 1 setzen wir immer die Mittelpunktsregel ξ 1 = 0 und w 1 = 2. Gauß-Legendre-Quadratur Die Stützstellen ξ k und Gewichte w k zur Gauß-Quadraturformel auf dem Intervall I ergeben sich aus der Dreitermrekursion β n+1 u n+1 (x) = (x α n )u n (x) β n u n 1 (x) der zugehörigen Orthonormalpolynome. Denn sind {(λ k,v k )} n k=1 die Eigenpaare der Jacobi-Matrix α 1 β 1. J n = β 1 α βn 1, so gilt ξ k = λ k β n 1 und w k = v k,1 I α n ρ(x) dx. Konkret ergibt sich für die orthonormierten Legendre-Polynome auf I = [ 1,1] die Dreitermrekursion u 1 (x) = 0, u 0 (x) = 1 2, (n+1)u n+1 (x) 4(n+1) 2 1 = xu n(x) nu n 1(x) 4n 2 1, n 0. Insbesondere sind in diesem Fall die Gewichte gegeben durch w k = 2v k,1. Bekanntermassen ist die Exaktheit der Gauss-Legendre-Quadratur mit n Punkten vom Grad 2n 1. Clenshaw-Curtis-Quadratur Die Stützstellen der Clenshaw-Curtis-Quadraturformeln sind gegeben durch die Extrema der Tschebyscheff-Polynome T n 1 (x) = cos ( n 1)arccos(x) ) zuzüglich der Randpunkte, das heisst ( ) (k 1)π ξ k = cos n 1 für k = 1,...,n. Die Bestimmung der zugehörigen Gewichte ist etwas aufwendiger als bei der Gauß- Legendre-Quadratur. Für die Gewichte der inneren Stützstellen gilt mit θ k = kπ/(n 1) die Beziehung w k = 1 n 3 2sin(θ k 1 ) 1 ξk 2 sin n 1 s=0 ( (s+1)(k 1)π n 1 ) λ s für k = 2,3,...,n 1.
3 Ferner ist das Gewicht der ersten Stützstelle gegeben durch und das der letzten durch Hierbei gilt ( n 2 1 ) w 1 = γ 0 +2 γ s +γ n 1 2(n 1) s=1 ( n 1 1 w n = 2 ( 1) j γ s γ 0 +( 1) n γ n 1 ). 2(n 1) γ s = 1+cos(πs) 1 s 2 s=0 und λ s = 2cos(πs)+2 s 3 3s 2 +s+3. Für eine Herleitung der Formeln sei auf [3] verwiesen. Die Formeln können in Matlab effizient mit der Diskreten Sinustransformation dst implementiert werden. Der Vorteil der Clenshaw-Curtis-Quadratur ist, dass die Quadraturpunkte geschachtelt sind, was in hohen Dimensionen M zu wesentlich weniger Quadraturpunkten führt. Dies geht allerdings zu Lasten der polynomialen Exaktheit. So ist die Clenshaw-Curtis- Quadratur mit n Punkten nur exakt vom Grad n 1. Dünngitterquadratur Im Folgenden bezeichne Q l den Quadraturoperator einer beliebigen Quadraturformel mit n l Punkten. Dies bedeutet n l Q l : C([ 1,1]) R, Q l f = w k f(ξ k ). (2) Dabei gilt für die zusammengesetzte Trapezregel und für die Clenshaw-Curtis- Quadraturformel n l = 2 l 1 +1 für l 2 und n l = 1 für l = 1. Für die Gauß-Legendre- Quadratur gilt hingegen stets n l = l. Via Tensorproduktbildung lässt sich nun einfach eine Quadraturformel für Funktionen in C( ) konstruieren gemäss Q l : C( ) R, Q l f = (Q l Q l )f = Führen wir nun die Differenz-Quadraturformeln n l k 1 =1 k=1 n l k M =1 l f := (Q l Q l 1 )f mit Q 0 = 0 ein, so lässt sich die Tensorprodukt-Quadraturformel schreiben als Q l f = ( k1 km )f k l w k1 w km f(ξ k1,...,ξ km ). mit dem Multiindex k N M 1. Die zugehörige Dünngitter-Quadraturformel ergibt sich nun durch Ausdünnung der Tensorproduktformel: l f = k 1 l+m 1 ( k1 km )f. (3)
4 Implementierung Für die Implementierung der Dünngitter-Quadraturformel (3) wird eine sinnvolle Numerierung der Multiindizes benötigt. Hierzu sortieren wir die Formel (3) gemäss l f = l s=1 k 1 =s+m 1 ( k1 km )f. Eine Auflistung aller Multiindizes mit k 1 = s+m 1 liefert nun der Tröpchenalgorithmus, siehe [2]: Input : Dimension M und Level s Output : Matrix K mit allen zulässigen Indizes k = [k 1,...,k M ] setze k = [1,...,1]; setze j = 1; while k M s do if k 1 > s+m 1 then setze k j = 1; setze j = j +1; else speichere k in K; setze j = 1; end setze k j = k j +1; end Die effiziente Implementierung der Dünngitterquadratur hängt massgeblich von der Anzahl der benötigten Funktionsauswertungen ab. Im Falle der nicht geschachtelten Gauss- Legendre-Quadratur kann die Kombinationstechnik verwendet werden, um die Quadraturformel (3) auszuwerten. Hierzu werden nur die eindimensionalen Quadraturformeln (2) benötigt, die entsprechend der folgenden Formel kombiniert werden: ( ) l f = ( 1) l+m k 1 1 M 1 (Q k1 Q km )f. (4) k 1 1 l k 1 l+m 1 Bei dieser Formel wird nur der Funktionswert im Nullpunkt mehrfach berechnet. Für die geschachtelten Quadraturformeln ist die Auswertung etwas komplizierter. In diesem Fall gilt, vgl. [1], l f = n k1 k 1 l+m 1j 1 =n k1 m k1 +1 n km j M =n km m km +1 w k,j f(ξ k,j ). (5) Die Zahlen m l entsprechen hierbei der Anzahl der neuen Quadraturpunkte auf Level l, das heisst m l = n l n l 1, wobei wir von einer hierarchischen Numerierung der Quadraturpunkte ausgehen. Ferner ist ξ k,j der Punkt mit Index j aus der Quadraturformel auf Level k. Die zugehörigen Quadraturgewichte lauten dann w k,j = v k1 +q 1,j 1 v km +q M,j M (6) k+q 1 l+2m 1 mit q N M 1 und v (k+q),j := { w k,j, falls q = 1, w k+q 1,j w k+q 2,j, sonst.
5 Aufgabe 1.Implementieren Sie die eindimensionalen Quadraturformeln. Schreiben Sie hierzu die Matlab-Funktionen function [Q] = Trapeziodal(l), function [Q] = GaussLegendre(l), function [Q] = ClenshawCurtis(l), die jeweils alle oben eingeführten Quadraturformeln auf allen Leveln 1,..., l aufstellen und in dem cell-array Q speichern. Aufgabe 2. Schreiben Sie eine Matlab-Funktion function [K,flag] = droplet(dim,lmax), die den Tröpfchenalgorithmus numerisch umsetzt. Hierbei ist es hinsichtlich der Kombinationstechnik sinnvoll, direkt die Variable flag mit auszugeben, die angibt, ob ( 1) l+m k 1 1 = 1 gilt, vgl. (4). Weiterhin benötigen wir noch die Funktion function [Kq] = q_droplet(dim,lmax,k,k), die den Multiindex q zur Berechnung der Gewichte gemäss (6) bestimmt. Wie man sich überlegt, ergeben sich für q dieselben Möglichkeiten wie für k (setze k = 1). Die zulässigen q erfüllen somit genau k i +k 1 l+2m 1. Aufgabe 3. Implementieren Sie schliesslich die Funktionen function [val] = CombinationQuadrature (f,l,q), function [val] = SparseGridQuadrature (f,l,q), welche die Dünngitterquadratur basierend auf der Kombinationstechnik (4) beziehungsweise die Dünngitterquadratur für geschachtelte Punkte aus Formel (5) numerisch umsetzen. Die Funktionen erhalten als Argumente einen function handle f, ein Level l und die gewünschten eindimensionalen Quadraturformeln Q bis zum Level l. Beispiele Testen Sie Ihre Implementierung anhand der folgenden Beispiele. Beispiel 1. Gegeben sei das Integral [0,1] M (1+1/M) M M k=1 x 1/M k dessen exakte Wert 1 ist. Transformieren Sie das Integral auf das Gebiet und approximieren Sie den Wert mit Hilfe der implementierten Dünngitterquadratur für M = 5 und l = 1,2,...,7. Als Referenz sollen dabei die numerischen Resultate aus [1] herangezogen werden. Ein Mass für den Aufwand ist hierbei die Anzahl der benötigten Funktionsauswertungen. Plotten Sie den Fehler der einzelnen Quadraturformeln in einen gemeinsamen loglog-plot gegen die Anzahl der benötigten Funktionsauswertungen. Aufgabe 2. Es sei D = [0,1] 2. Approximieren Sie den Erwartungswert und die Varianz des Poisson-Problems (1) durch N = 10 5 Samples mit der Quasi-Monte-Carlo- Quadratur. Hierbei seien ψ k (x) = 2 k sin(πkx 1 )sin(πkx 2 ) und die rechte Seite f(x) = 1 vorgegeben. Ferner setzen wir α(x) 1. Die stochastische Dimension des Parameterbereichs sei M = 8. Das räumliche Grobgitter auf dem Einheitsquadrat soll 6 mal verfeinert werden (Level 6). Verwenden Sie die Lösung der Quasi-Monte-Carlo-Approximation als dx,
6 Referenz (evtl. in einer Datei abspeichern). Bestimmen Sie nun approximativ den Erwartungswert und die Varianz der Lösung von (1) mit der implementierten Dünngitterquadratur. Die benötigten Funktionsauswertungen entsprechen dabei jeweils der Lösung einer partiellen Differentialgleichung. Visualisieren Sie die L 2 -Fehler des Erwartungswerts und der Varianz gegen die Anzahl der gelösten Differentialgleichungen bezüglich der Quasi-Monte-Carlo-Lösung in einen loglog-plot für l = 1,...,7. Literatur [1] Thomas Gerstner and Michael Griebel. Numerical integration using sparse grids. Numer. Algorithms, 18(3 4): , [2] Astrid Meyer (geb. Fischer). Diplomarbeit: Interpolation von vektorwertigen Funktionen mit adaptiven dünnen Gittern. Institut für Numerische Simulation, Universität Bonn, [3] Alvise Sommariva. Fast construction of Fejér and Clenshaw-Curtis rules for general weight functions. Comput. Math. Appl., 65(4): , 2013.
Technische Numerik Numerische Integration
W I S S E N T E C H N I K L E I D E N S C H A F T Technische Numerik Numerische Integration Peter Gangl Institut für Numerische Mathematik, Technische Universität Graz c Alle Rechte vorbehalten. Nachdruck
Numerik für Ingenieure I Wintersemester 2008
1 / 32 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 23.1.2009 2 / 32 Wiederholung Stückweise Polynominterpolation Stückweise lineare Interpolierende
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
12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = g i f(x i ) I[f] = f(x) dx
12.2 Gauß-Quadratur Erinnerung: Mit der Newton-Cotes Quadratur I n [f] = n g i f(x i ) I[f] = i=0 b a f(x) dx werden Polynome vom Grad n exakt integriert. Dabei sind die Knoten x i, 0 i n, äquidistant
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
Numerik 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-
Übungsblatt 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
Orthogonalpolynome Einführung, Eigenschaften und Anwendungen
Anna Weller Orthogonalpolynome Einführung, Eigenschaften und Anwendungen 1 Orthogonalpolynome Einführung, Eigenschaften und Anwendungen Anna Weller Seminar zur Numerik im SS 2018, Universität zu Köln 10.
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
Einführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 014 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
Numerische 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
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
Übungen zur Ingenieur-Mathematik II SS 2017 Blatt Aufgabe 13: Betrachten Sie die Funktion. f(x) =
Übungen zur Ingenieur-Mathematik II SS 2017 Blatt 6 2.5.2017 Aufgabe 1: Betrachten Sie die Funktion Lösung: f(x) = 1, x [, 1]. 1 + 25x2 a) Bestimmen Sie die Interpolationspolynome vom Grad m p m (x) =
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)
T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
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
Interpolation, numerische Integration
Interpolation, numerische Integration 8. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 8. Mai 2014 Gliederung 1 Interpolation polynomial Spline 2 Numerische
8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.
8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis
19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .
Universität Erlangen-Nürnberg Department Mathematik PD Dr Markus Bause Numerik I 9 Januar A Gegeben sei die Matrix A = a Führen Sie eine Zeilenskalierung der Matrix durch Klausur b Bestimmen Sie mit Hilfe
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
Numerik 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
DIE METHODE DER DÜNNEN GITTER (SPARSE GRID METHOD)
DIE METHODE DER DÜNNEN GITTER (SPARSE GRID METHOD) SEMINAR NUMERISCHE MATHEMATIK DR. BERNS-MÜLLER VORTRAG: MARK KRUEGER Zusammenfassung. Die vorliegende Ausarbeitung basiert auf Gerstner und Griebel [5].
Numerik gewöhnlicher Differentialgleichungen (MA2304) Modulprüfung F. Bornemann, C. Ludwig 14. August 2017
Numerik gewöhnlicher Differentialgleichungen (MA234) Modulprüfung F. Bornemann, C. Ludwig 4. August 27 Aufgabe ( min) (a) Implementiere in Julia mit den Eingaben a, b, f und n die summatorische Trapez-Regel
1/26. Integration. Numerische Mathematik 1 WS 2011/12
1/26 Integration Numerische Mathematik 1 WS 2011/12 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren
Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
5 Splineinterpolation Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) sin(πx) und geben die folgenden Stützstellen und Stützwerte vor: x i 3 f i Damit ist n 5, h Forderung
Übungsblatt 3 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA4 - SS6 Übungsblatt Musterlösung Sei M,N N und f C M+N+ (B) eine komplexe Funktion, B eine kompakte Menge. Die Padé Approximation PN M (f)(x) ist die rationale
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
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
Einführung 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 4 Numerische
Übungsblatt 1 Musterlösung
Numerik gewöhnlicher Differentialgleichungen MA234 - SS6 Übungsblatt Musterlösung Aufgabe (Interpolationspolynom) a) Bestimmen Sie die Hilfspolynome L i, i =,,2, für x =, x = 2 und x 2 = 3 nach der Formel
Nachklausur am Donnerstag, den 7. August 2008
Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:
6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
Approximationstheorie und Approximationspraxis
Approximationstheorie und Approximationspraxis Martin Wagner Bergische Universität Wuppertal Fachbereich C - Mathematik und Naturwissenschaften AG Optmierung und Approximation 3. Februar 2010 1 / 20 Motivation
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
Numerische 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
u(x, 0) = g(x) : 0 x 1 u(0, t) = u(1, t) = 0 : 0 t T
8.1 Die Methode der Finiten Differenzen Wir beschränken uns auf eindimensionale Probleme und die folgenden Anfangs und Anfangsrandwertprobleme 1) Cauchy Probleme für skalare Erhaltungsgleichungen, also
ZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE FELIX LIEDER DR. GEORG JANSING.9.7 ZWEITE KLAUSUR zur Numerik I mit Lösungen Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
Master Seminar Mathematik Monte-Carlo Integration. Stephan Napierala 06. Juli 2017
Master Seminar Mathematik Stephan Napierala 12 Inhaltsverzeichnis 1. Geschichtlicher Hintergrund 2. Stochastische Grundbegriffe 3. 4. Vorteile gegenüber anderen Verfahren 5. Konvergenzbeschleunigung Geschichtlicher
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
Numerische 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
Finite 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
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).
Interpolation, numerische Integration, Eigenwerte
Neunte Vorlesung, 29. Mai 2008, Inhalt Interpolation, numerische Integration, Eigenwerte Polynomiale Interpolation (Lagrange, Newton, Neville) Splines und weitere Interpolationsverfahren numerische Integration
H.J. Oberle Analysis II SoSe Interpolation
HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,
Finite Elemente Methoden (aus der Sicht des Mathematikers)
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht: Partielle Differentialgleichungen, Approximation der Lösung, Finite Elemente, lineare und höhere Ansatzfunktionen, Dünn
NUMERISCHE MATHEMATIK I
D-MATH ETH Zürich, 22. August 2011 Prof. Ch. Schwab NUMERISCHE MATHEMATIK I 1. Interpolation und Quadratur (25 P.) a) Sei [a, b] R 1 mit a < b ein beschränktes Intervall, und f C 2 ([a, b]). Zeigen Sie,
Mathematische Modellierung am Rechner I. Frank Fischer Institut für Informatik Sommersemester 2018
Mathematische Modellierung am Rechner I Frank Fischer Institut für Informatik Sommersemester 2018 Wiederholung: Algebraische Strukturen Mathematik Eine algebraische Struktur ist ein Tupel (X,,,... ) mit
Skalarprodukte 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
Übungsblatt 2 Musterlösung
MSE SS17 Übungsblatt Musterlösung Lösung 5 (Transformation von Variablen) Zur Transformation gehen wir analog zur Vorlesung vor. Zunächst bestimmen wir die durch die PDGL definierte Matrix A und deren
Tutorial: Numerisch Differenzieren
(basierend auf dem Skript Numerik für Ingenieure von R. Axthelm) Aufgabenstellung: Von ihrem GPS-Gerät bekommen sie alle 12 Sekunden ihre aktuelle Position zugeschickt. Daraus können sie das unten dargestellte
Finite Elemente I Konvergenzaussagen
Finite Elemente I 195 5 onvergenzaussagen 5 onvergenzaussagen TU Bergakademie Freiberg, SoS 2006 Finite Elemente I 196 5.1 Interpolation in Sobolev-Räumen Wesentlicher Baustein der FE-onvergenzanalyse
Inhaltsverzeichnis. 4 Statistik Einleitung Wahrscheinlichkeit Verteilungen Grundbegriffe 98
Inhaltsverzeichnis 1 Datenbehandlung und Programmierung 11 1.1 Information 11 1.2 Codierung 13 1.3 Informationsübertragung 17 1.4 Analogsignale - Abtasttheorem 18 1.5 Repräsentation numerischer Daten 20
Seminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken
Seminar Stochastische Unternehmensmodelle Varianzreduzierende Techniken 25. Juni 2015 1 / 37 Übersicht 1. Ziel des Vortrags 2. Einleitung 3. Varianzreduzierende Techniken Bedingtes Monte Carlo Importance
Die Programmieraufgaben
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Die Programmieraufgaben Jan Mayer 18. Mai 2006 Lösung zur ersten Aufgabe Tschebyscheff Stuetzstellen.m function xs = Tschebyscheff Stuetzstellen(n);
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
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
MATLAB Einführung. Numerische Methoden für ITET und MATL Dr. S. May, D. Devaud. ETH Zürich, Seminar for Applied Mathematics
Numerische Methoden für ITET und MATL 2016 ETH Zürich, Seminar for Applied Mathematics Dr. S. May, D. Devaud Frame 2 MATLAB Auf ETH Computer vorinstalliert Auf Heim PC: von www.ides.ethz.ch herunterladen
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
(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
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!)
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
A1: Diplomvorprüfung HM II/III WS 2007/
A: Diplomvorprüfung HM II/III WS 7/8 6..8 Aufgabe. (+68 Punkte) a) Ist die Reihe k+ k k 5k konvergent oder divergent? Begründen Sie ihre Aussage! b) Führen Sie eine Partialbruchzerlegung für n+ durch und
Projekt zur Vorlesung Numerik der partiellen Differentialgleichungen Herbstsemester 2017
Prof. Dr. H. Harbrecht Projekt zur Vorlesung Numerik der partiellen Differentialgleichungen Herbstsemester 2017 Bearbeiten bis: 31.01.2018 Problemstellung Im Rahmen des Projektes wollen wir für ein gegebenes
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;
Kardinalfunktionen. Florian Badt. 2. Juni Universität des Saarlandes, Saarbrücken
Florian Badt 2. Juni 2015 Gliederung Grundlegende Problemstellung Ausgangspunkt: Lu = f Approximation der unbekannten Funktion: u(x) u N (x) = N n=0 a nφ n Minimierung des Residuums R(x; a 0, a 1,...,
MA 2302: Numerik. Technische Universität München, SS Vorlesung: Caroline Lasser Tutorien: Ilja Klebanov, Thomas Satzger, David Sattlegger
MA 2302: Numerik Technische Universität München, SS 2011 Vorlesung: Caroline Lasser Tutorien: Ilja Klebanov, Thomas Satzger, David Sattlegger (aktualisiert am 22. Juli 2011) Inhaltsverzeichnis 1 Symmetrische
Klassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
Explizite 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
Mehrdimensionale Interpolation Aniello Esposito
Mehrdimensionale Interpolation Aniello Esposito 30.04.2004 Mehrdimensionale Interpolation p.1 Überblick Galerkin Diskretisierung Zusammenfassung Interpolation Degenerierte Approximation Tensorprodukt Interpolation
7 Numerische Integration
Numerik 337 7 Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefere Messwerte x i = x i + ε i. Angenommen, die Messfehler
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
(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
2 Tschebyscheff-Approximation durch Polynome
Approximationstheorie 71 2 Tschebyscheff-Approximation durch Polynome 2.1 Tschebyscheff-Polynome In diesem Abschnitt: explizit lösbare Tschebyscheff-Approximationsprobleme durch Polynome. Bezeichnungen:
Name: 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
Tutorial: Numerisch Differenzieren
MAV-NUM Applied Numerics Frühlingssemester 2018 Dr. Evelyne Knapp ZHAW Winterthur Tutorial: Numerisch Differenzieren Von ihrem GPS-Gerät bekommen Sie alle 12 Minuten Ihre aktuelle Position zugeschickt
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
7. Übung zur Numerik partieller Differentialgleichungen I
MATHEMATISCHES INSTITUT Sommersemester 2018 DER UNIVERSITÄT ZU KÖLN Prof. Dr. A. Klawonn J. Knepper, M. Sc. M. Kühn, M. Sc. 29. Mai 2018 7. Übung zur Numerik partieller Differentialgleichungen I Hinweis:
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
Parametrisierung und Integralsätze
Parametrisierung und Integralsätze 2. März 2 Integration in der Ebene. Defintion: eien w,..., w n stückweise reguläre, einfach geschlossene Kurven in R 2, seien W,..., W n die von diesen Wegen umschlossene
Lösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 2016/2017
Lösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 01/017 Peter Philip, Sabine Bögli. Januar 017 1. 10 Punkte) a) Betrachten Sie R mit der Maximumsnorm. Berechnen Sie die
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)
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen
Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester
Die Interpolationsformel von Lagrange
Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n
2. Gauß-Integration. Prof. Dr. Wandinger 4. Scheibenelemente FEM 4.2-1
Die analytische Integration der Steifigkeitsmatrix für das Rechteckelement ist recht mühsam. Für Polynome gibt es eine einfachere Methode zur Berechnung von Integralen, ohne dass die Stammfunktion benötigt
Numerisches Programmieren, Übungen
Technische Universität München SoSe 20 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 6 Übungsblatt:
Numerische 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
Begleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
Optimal mollifiers for spherical deconvolution
Optimal mollifiers for spherical deconvolution TU Chemnitz, Fakultät für Mathematik Optimal mollifiers for spherical deconvolution Ralf Hielscher und Michael Quellmalz TU Chemnitz, Fakultät für Mathematik
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
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Matlab: Fortsetzung Jan Mayer 4. Mai 2006 Manipulation von Matrizen und Vektoren [M,N]=size(A); speichert die Dimension einer Matrix bzw.
Name Vorname Fachrichtg. Matrikelnr. Punkte Klausur Aufgabe max. Punkte Punkte. Bitte beachten!
Fakultät für Mathematik Institut für Algebra und Geometrie Prof. Dr. Martin Henk, Dr. Michael Höding Modulprüfung Mathematik III Fachrichtung: Computer Science in Engineering, Computervisualistik, Informatik,
Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse
Rechnernutzung in der Physik Teil 3 Statistische Methoden der Datenanalyse Karlsruher Institut für Technologie Ulrich Husemann Institut für Experimentelle Kernphysik, Karlsruher Institut für Technologie
Inhalt Kapitel IV: Interpolation
Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten
Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
Polynomiale Basisfunktionen und Quadratur (1)
Polynomiale Basisfunktionen und Quadratur (1) Christian Otto Universität des Saarlandes 10.05.2016 Gliederung 1 Polynomiale Basissysteme Einleitung Gram-Schmidt-Verfahren und Rekursionsbeziehung Gautschi-Stieltjes-Methode
10 Ableitungen höherer Ordnung
Mathematik für Ingenieure II, SS 9 Freitag 47 $Id: ntaylortex,v 3 9/7/4 8:6:56 hk Exp $ Ableitungen höherer Ordnung Partielle Ableitungen beliebiger Ordnung Nachdem wir das letzte Mal einige Beispiele
Numerische Softwareentwicklung in C und C++ Wintersemester 2016/17. Übung 9
MATHEMATISCHES INSTITUT DER UNIVERSITÄT ZU KÖLN Dr. Stephanie Friedhoff, Christian Hochmuth Aufgabe 1 Numerische Softwareentwicklung in C und C++ Wintersemester 2016/17 Übung 9 (a) Ergänzen, kompilieren
10 Stabilität und steife Systeme
Numerik II 34 Stabilität und steife Systeme Inhalt. Absolute Stabilität. Was sind steife Differentialgleichungen?.3 Weitere Stabilitätsbegriffe Stabilität und steife Systeme TU Bergakademie Freiberg, SS
Klausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016
Verständnisfragen-Teil ( Punkte) Jeder der Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte.