Computerorientierte Mathematik I WiSe
|
|
|
- Lucas Baumgartner
- vor 7 Jahren
- Abrufe
Transkript
1 Fachbereich Mathematik & Informatik Freie Universität Berlin Prof. Dr. Ralf Kornhuber, Tobias Kies 12. Übung zur Vorlesung Computerorientierte Mathematik I WiSe Abgabe: Keine. Bei den folgenden Aufgaben handelt es sich nicht um Aufgaben im klassischen Sinne, sondern vielmehr um Anregungen, die Ihnen beim Wiederholen der Vorlesungsinhalte behilflich sein sollen. Zum Teil lassen sich aus diesen Aufgaben direkt typische Klausuraufgaben ableiten, es handelt sich aber zu einem Großteil auch schlichtweg um grundlegende Fragen, die versuchen, die Begriffsfestigkeit und das Verständnis wesentlicher Konzepte sicherzustellen. Dieses Dokument ist inhaltlich keineswegs allumfassend, weswegen Sie sich zur Klausurvorbereitung auch auf das Studium Ihrer eigenen Aufzeichnungen und des Skripts stützen sollten. Sie dürfen sich beim Bearbeiten natürlich beliebiger Unterlagen bedienen, allerdings sollten Sie dennoch versuchen, die Fragen zunächst möglichst ohne die Verwendung jeglicher Hilfsmittel zu beantworten. Zahlendarstellungen 1) Ganzzahlen, Zweierkomplement a) Sei (a n... a 0 ) q eine q-adische Zahlendarstellung. Welchem Element in N ist diese Zahlendarstellung zugeordnet? (Gemeint ist: Was ist die Formel, mit der man aus solch einer Zahlendarstellung den dazugehörenden Zahlenwert ermitteln kann?) b) Wählen Sie ein beliebiges Element x N und eine beliebige Basis q. Stellen Sie x bezüglich der Basis q dar. c) Umgekehrt: Geben Sie sich eine beliebige Zahlendarstellung a = (a n... a 0 ) q vor. Stellen Sie a bezüglich des Dezimalsystems dar. d) Wir betrachten nun eine Speicherstelle im Computer mit n N Bits. Wie viele verschiedene Zahlenwerte können in dieser Stelle gespeichert werden? e) Wählen Sie beliebige n, x N. Stellen Sie x als n-bit-zahl dar, indem Sie Vorzeichenbits verwenden. Wie groß darf x höchstens sein, damit diese Darstellung ohne Informationsverlust möglich ist? f) Stellen Sie diese Zahl anschließend auch bezüglich des Zweierkomplements dar. g) Was sind Vorteile des Zweierkomplements gegenüber dem Abspeichern mit Vorzeichenbit? Anmerkung: Sollten Sie sich beim Ausdenken neuer Zahlenkombinationen etwas unkreativ fühlen, so können sie beispielsweise in Matlab mittels des Befehls randi([0 q-1], 1, n) einen Vektor von Zufallszahlen erstellen, der äquivalent auch als eine Zahl der Länge n in Basis q aufgefasst werden kann.
2 Falls Sie Ihre Ergebnisse auf Richtigkeit gegenprüfen möchten, können Sie beispielsweise online nach einem Base Number Converter suchen oder Sie implementieren die entsprechenden Routinen einfach selbst. Für die Umwandlung von Binär- in Dezimalzahlen und umgekehrt sei hier an die Matlab-Routinen dec2bin und bin2dec erinnert. 2) Festkommazahlen, Periodische Brüche a) Sei (a n... a 0.a 1... a m ) q ein q-adischer Bruch. Wie lautet die Formel, um hieraus das dadurch beschriebene Element in Q zu bestimmen? b) Machen Sie sich anschaulich bewusst: Was ist für festes n und m die Menge aller Zahlen, die so dargestellt werden können? Allgemeiner: Welche Zahlen können als endlicher q-adischer Bruch dargestelt werden? c) Wählen Sie nun x Q und q N, von denen Sie eine endliche Darstellung erwarten und berechnen sie diese. d) Umgekehrt, geben Sie sich einen beliebigen q-adischen Bruch vor und rechnen sie das dazugehörige Element in Q aus, indem Sie die Darstellung als Dezimalbruch angeben. e) Wie lautet die Formel, um aus einem periodischen q-adischen Bruch den äquivalenten (möglicherweise periodischen) Dezimalbruch zu ermitteln? Erinnern Sie sich an die geometrische Reihe. f) Was ist die Menge aller Zahlen, die als periodischer q-adischer Bruch dargestellt werden können? Warum? g) Wählen Sie nun Kombinationen, bei denen keine endliche Darstellung mehr möglich ist. Stellen Sie diese Zahlen als periodische q-adische Brüche dar. Geben Sie sich auch wieder umgekehrt einen periodischen q-adischen Bruch vor und rechnen Sie diesen in einen (ggf. periodischen) Dezimalbruch um. Anmerkung: Indem Sie den Zusammenhang (a n... a 0.a 1... a m ) q = q m (a n... a m ) q verwenden, können Sie auch hier Ihre Ergebnisse leicht überprüfen, indem Sie einen geeigneten Basis-Umrechner für Ganzzahlen verwenden. 3) Gleitkommazahlen a) Wie ist die Menge G(q, n) definiert? b) Machen Sie sich den Unterschied zwischen Gleitkommazahl und (normalisierter) Gleitkommadarstellung bewusst. Was ist die normalisierte Gleitkommadarstellung? c) Versuchen Sie, sich die Menge aller darstellbaren Zahlen in G(q, n) zu veranschaulichen. d) Wie ist die Funktion rd: R G(q, n) definiert, die reelle Zahlen als Gleitkommazahlen (mit kaufmännischem Runden) approximiert? e) Suchen Sie sich auch hier wieder geeignete Beispielwerte x R, q, n N, für die Sie rd(x) G(q, n) bestimmen. f) Umgekehrt, geben Sie sich eine Zahl in Gleitkommadarstellung vor und stellen Sie diese als Dezimalbruch dar. g) Was sind Vorteile von Gleitkommazahlen gegenüber Festkommazahlen?
3 h) Wie werden Gleitkommazahlen auf dem Computer abgespeichert? Wie verändert sich dadurch die Menger aller darstellbaren Zahlen? i) Allgemein: Wann können Gleichheitsabfragen auf dem Computer sinnvoll durchgeführt werden? Was sind mögliche Probleme? j) Welche Auswirkung hat das Runden auf grundlegende algebraische Eigenschaften, wie etwa Assoziativität und Distributivität. Welche Konsequenz hat dies für die Durchführung von Berechnungen an Computern? Zahlen und Fehler 1) Absoluter Fehler a) Seien x, y R, wobei y eine Approximation von x sein soll. Wie ist der absolute Fehler von y zu x definiert? b) Ist der absolute Fehler von y zu x das gleiche wie der absolute Fehler von x zu y? c) Wie verhält sich der absolute Fehler bei Approximation reeller Zahlen durch Festkommazahlen? d) Wie verhält sich der absolute Fehler bei Approximation reeller Zahlen durch Gleitkommazahlen? 2) Relativer Fehler Kondition a) Seien x, y R, wobei y eine Approximation von x sein soll. Wie ist der relative Fehler von y zu x definiert? b) Ist der relative Fehler von y zu x das gleiche wie der absolute Fehler von x zu y? c) Wie verhält sich der relative Fehler bei Approximation reeller Zahlen durch Festkommazahlen? d) Wie verhält sich der relative Fehler bei Approximation reeller Zahlen durch Gleitkommazahlen? e) Erklären Sie, was es mit dem Begriff der Maschinengenauigkeit auf sich hat. Wie ist die Maschinengenauigkeit definiert und in welchem Zusammenhang steht sie zu den obigen Fehlerbegriffen? f) Allgemein: In welchen Situationen würden Sie eher absolute Fehler betrachten und in welchen eher relative Fehler? 1) Absolute Kondition a) Wie ist die absolute Kondition κ abs (f, x) einer Funktion f im Punkt x definiert? (Auch, wenn f nicht differenzierbar ist.) b) Wie kann κ abs (f, x) berechnet werden, wenn f in x differenzierbar ist? c) Wenn κ abs (f, x) existiert, ist dieses dann eindeutig? Warum (nicht)? d) Was ist die Bedeutung bzw. der Sinn der absoluten Kondition? Was wird hierdurch beschrieben und wieso ist die Kondition ein zentrales Konzept in der numerischen Mathematik?
4 e) Wann ist ein Problem gut konditioniert, wann schlecht konditioniert? f) Angenommen, Sie haben ein schlecht konditioniertes Problem vorliegen. Ist es möglich, ein solches Problem in ein gut konditioniertes umzuwandeln? Wenn ja, wie? Überlegen Sie sich ein Beispiel. g) Überlegen Sie sich einige Beispiele, für die Sie die absolute Kondition berechnen. Wie berechnen Sie die Kondition, wenn f in x nicht differenzierbar ist? Welche Abschätzungen kennen Sie? h) Sei g eine Funktion. Wodurch ist die (absolute) Kondition der Nullstellenauswertung von g gegeben? Wann ist dies ein wohlgestelltes Problem? 2) Relative Kondition Stabilität a) Wie ist die relative Kondition κ rel (f, x) definiert? Unter welchen Bedingungen ist stets κ rel (f, x) =? b) Wie kann κ rel (f, x) dargestellt werden, wenn f in x differenzierbar ist? c) Überlegen Sie sich einige Beispiele, für die Sie κ rel (f, x) ausrechnen. d) Wie hängen κ abs und κ rel zusammen? Wie hängen sie nicht zusammen? e) Seien a, b R und {+,,, /}. Wie lässt sich die relative Kondition zur Berechnung von a b abschätzen? Ist Ihre Abschätzung scharf? f) Erklären Sie den Begriff der Stellenauslöschung für die Subtraktion zweier fast gleich großer Zahlen. Kommt es bei der Subtraktion zweier fast gleich großer Zahlen zwangsläufig zur Stellenauslöschung? 1) Was ist die Definition von (relativer) Stabilität? 2) Was ist eine Elementaroperation? Was ist die Stabilität einer Elementaroperation? 3) Was ist ein Algorithmus (im mathematischen Sinne)? 4) Wieso ist die Stabilität ein weiteres grundlegendes Konzept in der numerischen Mathematik? Gehen Sie dabei auch auf den Unterschied zur Kondition ein. 5) Wann ist ein Algorithmus stabil bzw. instabil? Was sind Strategien, um ggf. auftretende Instabilitäten zu beheben, oder zumindest zu reduzieren? 6) Welche Abschätzungen für die Stabilität kennen Sie? Denken Sie insbesondere an Algorithmen der Form f = g n g 1 und f = (g n g 1 ) (h m h 1 ) mit Elementaroperationen g i, h i und {+,,, /}. 7) Welche Fehlerabschätzungen können Sie aus der Stabilität ableiten? 8) Überlegen Sie sich verschiedene Algorithmen, deren Stabilität sie anschließend abschätzen. Sie müssen dabei nicht zwangsläufig nur arithmetische Operationen als Elementaroperatoren zulassen. Schaffen Sie es auch, für ein Beispiel eines einfachen Algorithmus (also etwa f = g 2 g 1 oder f = g 3 g 2 g 1 ) die exakte Stabilität zu bestimmen?
5 Komplexität 1) Landau-Symbole a) Sei g eine Funktion. Wie sind jeweils O(g) und o(g) für x x 0 (bzw. für x ) definiert? Welche äquivalenten Definitionen kennen Sie? b) Warum ist das x x 0 wichtig? Geben Sie ein Beispiel an, für das f O(g) für x gilt, aber f / O(g) für x x 0. c) Welche Rechenregeln sind im Umgang mit diesen Landau-Symbolen zu beachten? Insbesondere: Seien f 1 O(g 1 ) und f 2 O(g 2 ) für x x 0 (bzw. f i o(g i )). Was lässt sich dann über f 1 ± f 2, f 1 f 2, f 1 /f 2, f 1 f 2 (nicht) aussagen? Überlegen Sie sich ggf. geeignete Gegenbeispiele. d) Prüfen Sie die folgende Argumentation auf Richtigkeit und erklären Sie ggf. die Fehler und passen Sie die Umformungen entsprechend an. x 2 + x = x + x 3 + f(x) = O(x) + x = x + O(x) + f(x) für x 0 = f(x) = 0 2) Rechenaufwand spezifischer Algorithmen a) Was ist der Rechenaufwand für das Addieren von n Zahlen? b) Welche Algorithmen zum Sortieren kennen Sie und wodurch ist deren Rechenaufwand gegeben? c) Welche Algorithmen zur Bestimmung des ggt s kennen Sie und wodurch ist deren Rechenaufwand gegeben? Soweit bekannt, geben Sie auch jeweils den Aufwand für den best case und den worst case an. Wann treten diese Fälle jeweils ein? d) Der Wert von cos(x) kann durch cos(x) N n=0 ( 1) n x 2n (2n)! =: f(n) mit N N approximiert werden. Überlegen Sie sich einen Algorithmus für f(n) als Pseudo-Code und bestimmen Sie dessen Komplexität in Abhängigkeit von N. Lineare Gleichungssysteme 1) Normen a) Welche Eigenschaften muss eine Norm allgemein erfüllen? b) Wie ist die p-norm p für p [1, ) auf R n definiert? Was ist die euklidische Norm und was ist die Maximumsnorm? c) Warum ist die p-norm nicht für p < 1 definiert? d) Was ist die Äquivalenz von Normen (im Endlichdimensionalen)? Wovon hängen die darin vorkommenden Konstanten ab und wovon nicht?
6 e) Wie ist die induzierte Matrixnorm (bezüglich einer Vektornorm ) definiert? Welche äquivalenten Definitionen kennen Sie? Welche Eigenschaften folgen aus dieser Definition? Ist jede Matrix-Norm von einer Vektornorm induziert? f) Wie sind die Zeilensummennorm bzw. die Spaltensummennorm definiert? Welchen Zusammenhang gibt es zu den p-normen? g) Wählen Sie eine beliebige Matrix und berechnen Sie anschließend deren Zeilensummennorm und Spaltensummennorm. Schaffen Sie es für einfache Matrizen auch, die 2 -Norm der Matrix zu berechnen? 2) Matrixkondition a) Wie ist die Kondition einer Matrix definiert? Wie hängt diese Definition von den verwendeten Normen ab? b) Welche Fehlerabschätzungen lassen sich aus der Kondition ableiten? Wenden Sie diese Abschätzungen ggf. zur Illustration auch anhand eines konkreten Beispiels an. c) Wählen Sie beliebige/geeignte Matrizen A R n n und berechnen Sie deren Kondition bezüglich Zeilen- oder Spaltensummennorm. 3) Gauß-Elimination a) Wie ist der Gauß-Eliminationsalgorithmus definiert? Was ist die Rücksubstitution? b) Überlegen Sie sich eine geeignete Beispielmatrix A, für die Sie die LR-Zerlegung mittels Gauß-Algorithmus ohne Zeilen- oder Spaltenvertauschen berechnen. Wählenn Sie anschließend eine eine rechte Seite b, für die Sie mittels Rücksubstitution das Gleichungssystem Ax = b lösen. Geben Sie die Matrizen L und R an und überprüfen Sie, ob LR = A und Ax = b tatsächlich erfüllt ist. Achtung: Falls Sie trotzdem Zeilen bzw. Spalten vertauschen möchten, dann müssen Sie sich auch noch die dazugehörigen Permutationsmatrizen merken. c) Was ist Zeilenpivotisierung und wozu ist diese gut? d) Was ist der Rechenaufwand der LR-Zerlegung? Was ist der Rechenaufwand der Rücksubstitution? e) Sei A R n n invertierbar und B R n m. Wie kann mittels Gauß-Algorithmus (also LR-Zerlegung von A und Rücksubstitution für Vektoren) ein X R n m bestimmt werden, sodass AX = B gilt? Mit welchem Rechenaufwand ist dies verbunden? f) Gibt es Algorithmen mit weniger Rechenaufwand als die Gauß-Elimination? Wenn ja, welche sind dies und unter welchen Bedingungen sind diese anwendbar? g) Was wissen Sie über die Stabilität des Gauß-Algorithmus?
Computer-orientierte Mathematik
Computer-orientierte Mathematik 3. Vorlesung - Christof Schuette 11.11.16 Memo: Rationale und reelle Zahlen Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische
Darstellung rationaler und reeller Zahlen Vorlesung vom
Darstellung rationaler und reeller Zahlen Vorlesung vom 30.10.15 Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische Brüche. Beispiele. Satz: Jede rationale
Computer-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
Aufwand und Komplexität Vorlesung vom Komplexität und Effizienz
Aufwand und Komplexität Vorlesung vom 15.12.17 Komplexität und Effizienz Aufwand: Anzahl dominanter Operationen (worst-case). Beispiel. Landau-Symbol O(n). Beispiel. Definition: Aufwand eines Algorithmus.
Stabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom
Stabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom 26.1.18 Auswirkung von Auswertungsfehlern: Beispiel und Definition der Stabilität. Stabilitätsanalyse in drei verschiedenen Auflösungen. Einfachster
Kapitel 1: Fehleranalyse, Kondition, Stabilität
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 1: Fehleranalyse, Kondition, Stabilität Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik
Computergestützte Mathematik zur Linearen Algebra
Computergestützte Mathematik zur Linearen Algebra Pivotwahl und Gleitkommaarithmetik Achim Schädle 3. und 20. Dezember 208 Achim Schaedle (HHU) CompLinA 3. und 20. Dezember 208 Instabilitäten bei Gauß-Elimination
Computerorientierte Mathematik II
Computerorientierte Mathematik II Vorlesungen: Christoph Wehmeyer, Frank Noé Übungszettel: Christoph Wehmeyer Tutorien: Anna Dittus, Felix Mann, Dominik Otto 1. Anmeldung im KVV und im Campus Management!
1 Fehleranalyse, Kondition, Stabilität
Fehleranalyse, Kondition, Stabilität Fehlerquellen: Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor
Numerik für Informatiker
Numerik für Informatiker Lars Grüne Lehrstuhl für Angewandte Mathematik Mathematisches Institut Universität Bayreuth 95440 Bayreuth [email protected] www.math.uni-bayreuth.de/ lgruene/ Karl Worthmann
Vektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
Vektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 20.12.13 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
4.2.5 Das Cholesky-Verfahren
S. Ulbrich: Mathematik IV für Elektrotechnik, Mathematik III für Informatik 34 4.2.5 Das Cholesky-Verfahren Für allgemeine invertierbare Matrizen kann das Gauß-Verfahren ohne Pivotsuche zusammenbrechen
TU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG2.TEX
TU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG2.TEX Übungsaufgaben zum Lehrgebiet Numerische Mathematik - Serie 2 Beweise Sie folgende
Übungsklausur Computerorientierte Mathematik I
Prof. Dr. Frank Noé Dr. Christoph Wehmeyer Tutoren: Katharina Colditz; Anna Dittus; Felix Mann; Christopher Pütz Übungsklausur Computerorientierte Mathematik I Aufgabe 1 (Matlab-Code, 7P): Welcher Algorithmus
1. Rechnerzahlen, Kondition, Stabilität
1. Rechnerzahlen, Kondition, Stabilität 1 1.1. Rechnerzahlen 2 1.2. Kondition 3 1.3. Stabilität 1. Rechnerzahlen, Kondition, Stabilität 1 / 18 1.1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis
3 Numerisches Rechnen
E Luik: Numerisches Rechnen 65 3 Numerisches Rechnen 31 Zahlen und ihre Darstellung Grundlage der Analysis bilden die reellen Zahlen Wir sind heute daran gewöhnt, eine reelle Zahl im Dezimalsystem als
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
Serie 8: Online-Test
D-MAVT Lineare Algebra I HS 018 Prof Dr N Hungerbühler Serie 8: Online-Test Schicken Sie Ihre Lösung bis spätestens Freitag, den 3 November um 14:00 Uhr ab Diese Serie besteht nur aus Multiple-Choice-Aufgaben
Serie 8: Online-Test
D-MAVT Lineare Algebra I HS 017 Prof Dr N Hungerbühler Serie 8: Online-Test Einsendeschluss: Freitag, der 4 November um 14:00 Uhr Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen
Institut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 2017 Dr. Meike Akveld Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung 1. In dieser Aufgabe beweisen wir die Existenz der LR-Zerlegung einer quadratischen
Numerische Mathematik I: Grundlagen
Numerische Mathematik I: Grundlagen 09.10.2017 Inhalt der Lehrveranstaltung Inhaltlich sollen Sie in der Lehrveranstaltung Numerische Mathematik I insbesondere vertraut gemacht werden mit der Numerik linearer
Lösung Semesterendprüfung
MNUM Mathematik: Numerische Methoden Herbstsemester 17 Dr Christoph Kirsch ZHAW Winterthur Aufgabe 1 : Lösung Semesterendprüfung Wir schreiben zuerst die Gleichungen f(x i ; a, a 1, a y i, i 1,,, 1, als
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
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
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!)
1. Rechnerarithmetik und. Rundungsfehler
1. Rechnerarithmetik und Rundungsfehler 1 Rundung (1) Die natürlichen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwerk, L. Kronecker Ohne Zahlendarstellung auf einem Rechner wiederholen
ÜBUNGSAUFGABEN ZUR NUMERIK 1
ÜBUNGSAUFGABEN ZUR NUMERIK 1 MARTIN EHLER, WS 2015/16 Teil 1. Matlab,... Aufgabe 1. Arbeiten Sie die Matlab Einführung von Waltraud Huyer durch, die unter dem Link http://www.mat.univie.ac.at/ huyer/matlab.pdf
Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
Lineare Algebra I 3. Tutorium Inverse Matrizen und Gruppen
Lineare Algebra I Tutorium Inverse Matrizen und Gruppen Fachbereich Mathematik WS / Prof Dr Kollross November Dr Le Roux Dipl-Math Susanne Kürsten Aufgaben Aufgabe G (Die zweite Variante des Gauß-Algorithmus)
Aufgabe 1 (a) Bestimmen Sie die Schnittgerade der beiden Ebenen gegeben durch 3x y 2z 5 = 0 und x y 4z 3 = 0.
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 22.11.18 Übung 10 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 26. November 2018 in den Übungsstunden Aufgabe 1 (a) Bestimmen Sie die
Lineare Algebra und Geometrie II, Übungen
Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm
Darstellung natürlicher und ganzer Zahlen Vorlesung vom
Darstellung natürlicher und ganzer Zahlen Vorlesung vom 23.10.2015 Ziffernsysteme: Axiomatische Charakterisierung der natürlichen Zahlen. Ziffernsysteme: Definition und Beispiele. Satz: Die Menge aller
Serie 8: Fakultativer Online-Test
Prof Norbert Hungerbühler Lineare Algebra I Serie 8: Fakultativer Online-Test ETH Zürich - D-MAVT HS 215 1 Diese Serie besteht nur aus Multiple-Choice-Aufgaben und wird nicht vorbesprochen Die Nachbesprechung
Formelsammlung Numerik
Formelsammlung Numerik Fachbereich Design und Informatik Fachhochschule Trier University of Applied Sciences - 1-1 Grundlagen 1. Festlegungen: x - exakter Wert x - Näherungswert 2. Wahrer Fehler: 3. Absoluter
Numerische Verfahren
Numerische Verfahren 1. Kapitel: Prof. Dr.-Ing. K. Warendorf Hochschule für Angewandte Wissenschaften München Fakultät 03 WS 13/14 Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14
Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
Einführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 204 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
Klausur Numerische Mathematik (für Elektrotechniker), Samstag, 19. August 2017
Verständnisfragen-Teil (5 Punkte) Jeder der 5 Verständnisfragenblöcke besteht aus 5 Verständnisfragen. Werden alle 5 Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block
Der Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 17114 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus Achtung: Durchführbarkeit nur bei nichtverschwindenden
$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
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).
Rundungsfehler-Problematik bei Gleitpunktzahlen
Rundungsfehler-Problematik bei Gleitpunktzahlen 1 Rechnerzahlen 2 Die Rundung 3 Fehlerverstärkung bei der Addition Rundungsfehler-Problematik 1 1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis b
Universität Tübingen Tübingen, den Mathematisches Institut D. Mansour, J. Seyrich
Universität Tübingen Tübingen, den 03.07.2013 Mathematisches Institut D. Mansour, J. Seyrich Probeklausur zu Algorithmen der Numerischen Mathematik SS 2013 ID Nummer: 1 Name:.........................................
Der Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 15.1.16 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus. Achtung: Durchführbarkeit nur bei
Lineare Algebra I 5. Tutorium Die Restklassenringe /n
Lineare Algebra I 5. Tutorium Die Restklassenringe /n Fachbereich Mathematik WS 2010/2011 Prof. Dr. Kollross 19. November 2010 Dr. Le Roux Dipl.-Math. Susanne Kürsten Aufgaben In diesem Tutrorium soll
4. Großübung. Lösung linearer Gleichungssysteme
4. Großübung Lösung linearer Gleichungssysteme Gesucht x, x, x 3, x 4 R, sodass gilt. mit A R 4 4, x R 4, b R 4 x x + 3x 3 + x 4 = 5 6x 3x 7x x 4 = 5 4x + 4x + 5x 3 5x 4 = 3 8x + x + x 3 + x 4 = 8 3 x
Der Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 19.1.18 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus. Achtung: Durchführbarkeit nur bei
Lineare Gleichungssystem
Lineare Gleichungssystem 8. Juli 07 Inhaltsverzeichnis Einleitung Der Gauß-Algorithmus 4 3 Lösbarkeit von Gleichungssystemen 6 Einleitung Wir haben uns bisher hauptsächlich mit dem Finden von Nullstellen
Lineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-
Lineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 26 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 2 Aufgabe 2 Welche der folgenden Aussagen sind korrekt? (i) Jedes
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
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.
Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
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
Kapitel 16. Invertierbare Matrizen
Kapitel 16. Invertierbare Matrizen Die drei Schritte des Gauß-Algorithmus Bringe erweiterte Matrix [A b] des Gleichungssystems A x auf Zeilenstufenform [A b ]. Das System A x = b ist genau dann lösbar,
Inhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen Darstellung ganzer Zahlen
3 Zahlendarstellung - Zahlensysteme - b-adische Darstellung natürlicher Zahlen - Komplementbildung - Darstellung ganzer und reeller Zahlen Inhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen......
Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung
D-MATH/D-PHYS Lineare Algebra I HS 06 Dr. Meike Akveld Lösung Serie : Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung. Um zu zeigen, dass es sich bei den gegebenen Vektoren um Basen handelt,
Rechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
EINFÜHRUNG IN DIE NUMERIK - ÜBUNGSBLATT 3 Sommersemester 2010
Prof. Dr. O. Junge, P. Koltai, K. Tichmann Zentrum Mathematik - M3 Technische Universität München EINFÜHRUNG IN DIE NUMERIK - ÜBUNGSBLATT 3 Sommersemester 2 Tutorübungen T6 (Schur-Komplement) (a) Es sei
Mathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme
9 Lineare Gleichungssysteme Eine der häufigsten mathematischen Aufgaben ist die Lösung linearer Gleichungssysteme In diesem Abschnitt beschäftigen wir uns zunächst mit Lösbarkeitsbedingungen und mit der
1. Tutorium Digitaltechnik und Entwurfsverfahren
1. Tutorium Digitaltechnik und Entwurfsverfahren Tutorium Nr. 25 Alexis Tobias Bernhard Fakultät für Informatik, KIT Universität des Landes Baden-Württemberg und nationales Forschungszentrum in der Helmholtz-Gemeinschaft
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn Verfasst von Patrick Schneider E-Mail: [email protected] Universität Ulm Institut für Numerische Mathematik Sommersemester
Lineare Gleichungssysteme
Kapitel 6 Lineare Gleichungssysteme 6. Gaußalgorithmus Aufgabe 6. : Untersuchen Sie die folgenden linearen Gleichungssysteme mit dem Gaußalgorithmus auf Lösbarkeit und bestimmen Sie jeweils die Lösungsmenge.
3 Rechnerarithmetik und Rundungsfehler
Neuronales Netz (Ein Schicht Modell, linear) Verhalten des Netzes bestimmt durch Gewichte w 1,..., w n Training des Netzes Wähle w 1,..., w n so, dass eine große Zahl von Tests mit vorgegebenen Eingangsdaten
(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
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
Technische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=
Fachhochschule München Fachbereich 03 FA WS 2006/07. Diplomvorprüfung in Mathematik I (Lineare Algebra) Fahrzeugtechnik
1 Fachhochschule München Fachbereich 03 FA WS 006/07 Diplomvorprüfung in Mathematik I (Lineare Algebra) Fahrzeugtechnik Arbeitszeit: Hilfsmittel: Aufgabensteller: 90 Minuten Formelsammlung, Skripten, Bücher,
Mathematik für Anwender. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 4. Januar 0 Prof. Dr. H. Brenner Mathematik für Anwender Testklausur mit en Dauer: Zwei volle Stunden + 0 Minuten Orientierung, in denen noch nicht geschrieben werden
Lineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
Übungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
Kapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
Numerisches Programmieren
Informatics V - Scientific Computing Numerisches Programmieren Tutorübung 3 Jürgen Bräckle, Christoph Riesinger 16. Mai 2013 Tutorübung 3, 16. Mai 2013 1 Gauß-Elimination und Pivotsuche LR-Zerlegung QR-Zerlegung
