Beispiel für eine periodische Spline-Interpolationsfunktion: Wir betrachten f(x) = sin(πx) und geben die folgenden Stützstellen und Stützwerte vor:
|
|
- Käthe Hermann
- vor 5 Jahren
- Abrufe
Transkript
1 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 : Mit Q () h Q n () h Q () 6f + 6f 4hf hf Q n () 6f n 6f n + hf n + 4hf n, Division durch h und Benutzen, dass f n f und f n f gilt, ist die Forderung äquivalent zu 8f + f + f n 6 h (f f n ) Fügt man diese Gleichung oben bei (5) an, erhält man das lineare Gleichungssystem Dieses besitzt die Lösung 3 f 3 f f f 3 f Die 'exakten' Ableitungen von f(x) an diesen Stützstellen sind π,, π, Auswertung bei x 4 : Es ist i und mit h /4 ist t / Damit erhalten wir 74
2 53 Trigonometrische Interpolation und α α g β 3 β β γ γ δ ( ) [ ( Q (t) + 4 ) ( )] als Approximation für sin ( π 4) 77, dh die erste Zier ist korrekt 53 Trigonometrische Interpolation Die in diesem Abschnitt behandelte Diskrete Fourier-Transformation (DFT) und schnelle oder Fast Fourier Transformation (FFT) spielen eine wichtige Rolle bei der Signalverarbeitung und Bildverarbeitung, insbesondere bei der Daten-Kompression (ezientes Speichern und Auswerten) Problemstellung: Von einer reellen π-periodischen Funktion f, dh f(x + π) f(x) für x R, seien an einer (geraden) Anzahl N Stützstellen x k : kπ N, k,,,n, die Stützwerte f k : f(x k ), k,,,n, gegeben Gesucht ist ein trigonometrisches Polynom p(x) a N/ + [a j cos(jx) + b j sin(jx)] + a N/ j so dass p(x k ) f(x k ), k,,,n ( ) N cos x, (53) Lösung der Aufgabe mit Diskreter Fourier-Transformation (komplex geschrieben): 75
3 53 Trigonometrische Interpolation Fourier-Reihe von f: f(x) j Fourier-Koezienten: c j : π π c j e ijx, c j C f(x) e ijx dx Wir approximieren das Integral durch die Trapeznäherung: b a g(x)dx h N [g(a) + g(b)] + h l g(a + lh) + O(h ) g(x) h a b l : N N x Auf diese Weise erhalten wir die approximativen Fourier-Koezienten c j : N N l f(x l )e ijx l, x l : lπ N (54) Wir denieren die folgenden Vektoren in C N : f c f (N) :, c(n) : f N c N Bemerkung: Wir lassen den oberen Index (N), der die Dimension der Vektoren angibt, bei den Komponenten weg, um die Notation zu vereinfachen 76
4 53 Trigonometrische Interpolation Die Formel (54) ist damit äquivalent zu wobei c (N) N Wf(N) (Analyse) (55) (W) jl w jl lπ ij e N, j, l,,n, w : e iπ N (N-te Einheitswurzel), bzw w w w N W w w 4 w (N ) w N w (N ) w (N ) Die N N-Matrix W ist symmetrisch Die Abbildung f (N) C N N Wf(N) C N heisst Diskrete Fourier-Transformation Da W N W ist (W ist das Konjugiert-Komplexe von W ), gilt f (N) W c (N) (Synthese) (56) Da die zu approximierende Funktion f periodisch ist, macht es Sinn, die f k und c k als periodische Folge zu betrachten für k Z: f k±n f k, c k±n c k Zudem gilt: jπ i e N (k±n) kjπ i e N e ±ijπ }{{} Die Synthese (56) lässt sich also wie folgt schreiben: f k f(x k ) f ( ) kπ N N j N/ j kπ ij c j e N N/ j N/+ kπ ij c j e N + cn/ }{{} e ikπ + cos kπ ( ) c j e ijx k N + c N/ cos x k N kπ ij c j e N jn/+ }{{} P i(l+n) kπ ec l N/+ l+n e N 77
5 53 Trigonometrische Interpolation Also gilt: Das (komplex geschriebene) trigonometrische Polynom p(x) : N/ j N/+ ( ) N c j e ijx + c N/ cos x (57) erfüllt p(x k ) f(x k ), k Z, und ist damit die eindeutige Lösung unserer Interpolationsaufgabe Da die Ausgangsfunktion f reell ist, wollen wir p(x) auch reell schreiben, nämlich in der Form (53) Da e ±ijx cos(jx) ± isin(jx), ist c j e ijx + c j e ijx ( c j + c j ) cos(jx) + (i c j i c j ) sin(jx), }{{}}{{} :a j :b j und wir erhalten damit p(x) a N/ + [a j cos(jx) + b j sin(jx)] + a N/ j ( ) N cos x Für f reell sind alle Koezienten a j, b j reell, da nach (54) gilt: c j c j (58) Zum Beispiel folgt aus c α + iβ, c α iβ mit (58), dass β ist Die (theoretische) Lösung der Interpolationsaufgabe sieht also wie folgt aus: Diskrete Fourier-Analyse (55) (ergibt c j, j,,n, bzw a j, b j, j,,n/) Auswertung von p(x) (53) Eziente Durchführung der Diskreten Fourier-Transformation mit Fast Fourier Transformation (im Komplexen) Der Aufwand für die Anaylse (55) oder die Synthese (56) ist N komplexe Multiplikationen Wir nehmen an, N sei gerade, dh N n Für w e iπ N gilt w N und w n Wir denieren γ (N) : Wf (N), was bedeutet, dass γ (N) N c (N) 78
6 53 Trigonometrische Interpolation Wir betrachten zuerst die geraden approximativen Fourier-Koezienten Es gilt: γ k N j j w kj f j n n w kj f j + w kj f j n w kj f j + j jn n j +nn w k(j +n) f j +n Mit w k(j +n) w kj w}{{} kn ergibt sich daraus γ k n (w ) kj (f j + f j+n ) j Dies ist eine diskrete Fourier-Transformation der Ordnung n N f j + f j+n angewandt auf Für die ungeraden approximativen Fourier-Koezienten gilt analog: γ k+ n (w ) kj (f j f j+n )w j j Dies bedeutet, dass die diskrete Fourier-Transformation der Ordnung n in zwei diskrete Fourier-Transformationen der Ordnung n zerlegt werden kann Für N m lässt sich das Verfahren iterieren Es gilt: Die Anzahl komplexer Multiplikationen für eine diskrete Fourier- Transformation der Ordnung N m (unter der Annahme, dass die Elemente der Matrix W schon berechnet und abgespeichert wurden) beträgt N log N Beweis: (mit vollständiger Induktion) Sei µ(n) die Anzahl komplexer Multiplikationen für die diskrete Fourier-Transformation der Ordnung n Induktionsverankerung: Für N ist n und W mit w w Also ist µ() Induktionsvoraussetzung: Die Aussage gilt für N 79
7 53 Trigonometrische Interpolation Induktionsschritt von N auf N: µ(n) µ(n) + N Nach der Induktionsvoraussetzung gilt also: µ(n) N log N + N N N log + }{{} log N log N Was wir komponentenweise durchgeführt haben, kann auch in Matrix-Vektor- Schreibweise vereinfacht dargestellt werden Wir betrachten als Beispiel den Fall N 8 3, n 4 Dann gilt für w e iπ N, dass w 8 und w 4 Wir bilden γ (N) W (N) f (N) mit W (N) ( w kl), k, l < N, und denieren den Vektor γ (N), indem wir zuerst die Komponenten mit geradem Index von γ (N) nehmen, dann die mit ungeradem Index Dann gilt: γ γ w w 4 w 6 w w 4 w 6 γ 4 w 4 w 4 w 4 w 4 γ (N) γ 6 w 6 w 4 w w 6 w 4 w f (N) : Ŵ (N) f (N) γ w w w 3 w 4 w 5 w 6 w 7 γ 3 w 3 w 6 w w 4 w 7 w w 5 γ 5 w 5 w w 7 w 4 w w 6 w 3 γ7 w 7 w 6 w 5 w 4 w 3 w w 8
8 53 Trigonometrische Interpolation Die Matrix Ŵ (N) lässt sich wie folgt faktorisieren: w w 4 w 6 w 4 w 4 Ŵ (N) w 6 w 4 w w w 4 w 6 w 4 w 4 w 6 w 4 w w w w 3 w 4 w 5 w 6 w 7 bzw Ŵ (N) : W (n) W (n) D (N) Die Matrixmultiplikation D (N) f (N) : z (N) kann einfach durchgeführt werden: z y + y 4 z 4 (y y 4 )w z y + y 5 z 5 (y y 5 )w z y + y 6 z 6 (y y 6 )w z 3 y 3 + y 7 z 7 (y 3 y 7 )w 3 Damit ist γ (N) W (n) W (n) z (N) auf zwei diskrete Fourier-Transformationen der Ordnung N n 4 zurückgeführt Diese zwei Fourier-Transformationen der Ordnung n 4 können analog auf 4 Fourier- Transformationen der Ordnung und diese dann auf 8 Fourier-Transformationen der Ordnung zurückgeführt werden, womit man fertig ist Die richtige Zuordnung der Daten der Fourier-Tranformationen der Ordnung zu den γ j (bzw c j ) lässt sich einfach und ezient mit Binärdarstellung der Indizes j und ihrer Bitumkehr durchführen Für diese algorithmische Durchführung der Fast Fourier Transformation sei auf H R Schwarz [], Absch 4, verwiesen Dort ndet sich auch ein Beispiel für N 6 Bemerkung: Eine eziente Realisierung der diskreten Fourier-Transformation ist auch für eine allgemeinere Ordnung N möglich (siehe auch H R Schwarz [], Absch 4) 8
9 53 Trigonometrische Interpolation Bemerkungen: In MATLAB gibt es für die Fast Fourier Transformation die Funktion fft für die Analyse und die Funktion ifft für die Synthese Der Zusammenhang zu dem, was wir in diesem Abschnitt hergeleitet haben ist der folgende: Nach (55) ist die Analyse gegeben als Wf (N) γ (N) N c (N) bzw N Wf(N) c (N) ; in MATLAB wird dies realisiert als t ( f (N)) ( ) γ (N) bzw t N f(n) c (N) Nach (56) ist die Synthese gegeben als N Wγ(N) f(n) bzw W c (N) f (N) ; in MATLAB wird dies realisiert als it(γ (N) ) f (N) bzw N it ( c (N)) f (N) Wichtige Feststellung: Während das trigonometrische Interpolationspolynom (57) (komplex geschrieben) eine Approximation der (komplex geschriebenen) Fourierreihe von f(x) zwischen j N + und j N darstellt, ist die Anordnung in MATLAB ein Vektor mit Indizes j,,n Für glatte Funktionen f klingen die Fourier-Koezienten nach aussen schnell ab Die diskreten approximativen Fourier-Koezienten c j haben also, da c j c j gilt, das folgende Verhalten: c j N N 8
10 53 Trigonometrische Interpolation In MATLAB ist die Anordnung die folgende: c j 3 N N N + Schnelle Daten-Kompression mit Fast Fourier Transformation in der Signal- und Bildverarbeitung Gegeben sei ein (periodisches) Signal Die Fourier-Analyse (55) ergibt die ersten N (komplexen) approximativen Fourier-Koezienten c (N) Da wir am wesentlichen Spektrum intressiert sind, speichern wir die vordersten Fourier-Koezienten und lassen die hinteren, kleinen weg (Rauschen) Mit diesen M N Koezienten haben wir eine Daten-Kompression erreicht, da man daraus die Ausgangsdaten f,,f N wieder schnell (Aufwand O(N log N)) approximieren kann mit der Fourier-Synthese (56) wie folgt: Wir denieren den N-Vektor c (N) : c, c,,,,,, c }{{} M N M wo wir in der Mitte der M gespeicherten Koezienten (N M) Nullen einfügen, und erhalten so ) (N) N it ( c f (N) 3 Die Interpolations-Aufgabe Gegeben sei die π-periodische Funktion f(x) an den N Stützstellen x j, j,,,n Gesucht sei der Funktionswert an einer Zwischenstelle x x Auch diese Aufgabe kann einfach mit diskreter Fourier-Transformation und damit ezient mit Fast Fourier Transformation gelöst werden: i) Analyse (55) mit Fast Fourier Transformation ergibt c (N) ii) Synthese (56) von M N Daten c (N) (Einfügen von M N Nullen in c (N) ) mit Fast Fourier Transformation (dh M-te nicht N-te Einheitswurzel) Wählt man M m N, erhält man je m Zwischenpunkte in den ursprünglichen N Teilintervallen iii) Lineare Interpolation im Intervall, das x enthält T, 83
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)
Mehr8 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
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 2
D-MAVT NUMERISCHE MATHEMATIK FS 4 K Nipp, A Hiltebrand Lösung vom Test Sei A ( 3 3 ) a) Bestimmen Sie κ(a), die Kondition von A (in der -Norm): κ(a) b) Berechnen Sie den Spektralradius von A: ρ(a) 4 c)
MehrDiskrete und Schnelle Fourier Transformation. Patrick Arenz
Diskrete und Schnelle Fourier Transformation Patrick Arenz 7. Januar 005 1 Diskrete Fourier Transformation Dieses Kapitel erläutert einige Merkmale der Diskreten Fourier Transformation DFT), der Schnellen
Mehr5 Interpolation und numerische Approximation
Numerik I 194 5 Interpolation und numerische Approximation 5.1 Polynominterpolation 5.2 Spline-Interpolation 5.3 Diskrete Fourier-Transformation 5.4 Schnelle Fourier-Transformation (FFT) 5.5 Eine Anwendung
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
Mehrc) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. 8n 3 max i,j,k a (k) ij ε.
Matrix unverändert: A = QR cond 2 (R) = cond 2 (A). c) Realisierung des Gauß Algorithmus in Gleitpunktarithmetik: Fehlerschranke hängt linear ab von max i,k l ik. Spaltenpivotisierung: l ik 1 kleine Fehlerschranke
MehrT 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
MehrKlassische Polynom Interpolation.
Klassische Polynom Interpolation. Bestimme ein Polynom (höchstens) n ten Grades p n (x) = a 0 + a 1 x + a 2 x 2 +... + a n x n, das die gegebenen Daten interpoliert, d.h. p n (x i ) = f i, 0 i n. Erster
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrModulprüfung 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
MehrÜbungsblatt 10 Musterlösung
Übungsblatt 0 Musterlösung Numerik gewöhnlicher Differentialgleichungen MA2304 - SS6 Aufgabe 45 Fehlerkonstante von MSV Betrachten Sie ein allgemeines lineares q Schrittverfahren α q j y i+ j = h β q j
MehrSatz 142 (Partialbruchzerlegung)
Satz 142 (Partialbruchzerlegung) Seien f, g K[x] (K = Q, R, C) Polynome mit grad(g) < grad(f), und es gelte f(x) = (x α 1 ) m1 (x α r ) mr mit N m i 1 und paarweise verschiedenen α i K (i = 1,, r) Dann
Mehr[5], [0] v 4 = + λ 3
Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span
MehrDie Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,
Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht
Mehr19. Januar Universität Erlangen-Nürnberg Department Mathematik PD Dr. Markus Bause. . Danach liefert die Gauss-Elinination. .
Universität Erlangen-Nürnberg Department Mathematik PD Dr Markus Bause Numerik I 9 Januar A Gegeben sei die Matrix A = a Führen Sie eine Zeilenskalierung der Matrix durch Klausur b Bestimmen Sie mit Hilfe
Mehr3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen
KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an
MehrNumerik SS Übungsblatt 3
PROF. DR. BERND SIMEON CHRISTIAN GOBERT THOMAS MÄRZ Numerik SS 9 Übungsblatt 3 Aufgabe 1 Clenshaw-Curtis-Quadratur Wie bereits bei der Polynominterpolation bietet es sich auch zur Quadratur an Tschebysheff-
MehrPolynominterpolation mit Matlab.
Polynominterpolation mit Matlab. Die Matlab-Funktion polyfit a = polyfit(x,f,n-1); berechnet die Koeffizienten a = (a(1),a(2),...,a(n)); des Interpolationspolynoms p(x) = a(1)*x^(n-1) + a(2)*x^(n-2) +...
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrFourierreihen. Definition. Eine Funktion f(x) heißt periodisch mit der Periode T, wenn f(x + T ) = f(x)
Fourierreihen Einer auf dem Intervall [, ] definierten Funtion f(x) ann ein (approximierendes) trigonometrisches Polynom (Fourier-Polynom) der Gestalt S n (x) = a + n a cos x + n b sin x zugeordnet werden.
MehrPolynominterpolation. Allgemeines Problem: Beispiel 1 (Teil 1):
. Großübung Polynominterpolation Allgemeines Problem: Aufgrund gegebener Messwerte (Paare aus Werten i und Funktionswerten f( i )) soll ein Funktionsverlauf rekonstruiert bzw. zumeist angenähert werden.
MehrÜbungsblatt 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
MehrOrthogonalität von Kosinus und Sinus
Orthogonalität von Kosinus und Sinus Die Funktionen 1, cos(kx), sin(kx), k >, bilden ein Orthogonalsystem im Raum der quadratintegrierbaren π-periodischen Funktionen: cos(jx) cos(kx) dx = cos(jx) sin(lx)
Mehr6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
Mehr2 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:
Mehr3.5 Schnelle Fouriertransformation (FFT, DFT)
3.5 Schnelle Fouriertransformation (FFT, DFT) 3.5.1 Grundlagen Ein Polynom P = i a ix i C[x] vom Grad n ist eindeutig durch seine Koeffizienten a i bestimmt, d.h. man hat eine Bijektion {Polynome C[x]
MehrDiplom 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
MehrMODULPRÜFUNG MODUL MA 1302 Einführung in die Numerik
................ Note Name Vorname 1 I II Matrikelnummer Studiengang (Hauptfach) Fachrichtung (Nebenfach) 2 Obige Angaben sind richtig: Unterschrift der Kandidatin/des Kandidaten 3 TECHNISCHE UNIVERSITÄT
Mehr6 Interpolation und numerische Approximation
Numerische Mathematik 248 6 Interpolation und numerische Approximation 6.1 Polynominterpolation Das (allgemeine) Interpolationsproblem: Zu gegebener Funktion f : [a, b] C und gegebenen Stützstellen (Knoten)
Mehr4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen
196 KAPITEL 4. VEKTORRÄUME MIT SKALARPRODUKT 4. Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen In diesem Abschnitt betrachten wir Vektorräume über IR und über C. Ziel ist es, in solchen Vektorräumen
MehrANALYSIS 2 VERSION 26. Juni 2018
ANALYSIS VERSION 6 Juni 018 LISIBACH ANDRÉ 6 Potenzreihenentwicklung 61 Einleitung Die Linearisierung einer Funktion f(x an der Stelle x ist die Funktion L(x f( + df dx ((x Die Linearisierung ist ein Polynom
Mehrε δ Definition der Stetigkeit.
ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x
MehrFinite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrInterpolation. Heinrich Voss. TUHH Heinrich Voss Kapitel / 49.
Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 2 2010 1 / 49 Interpolationsproblem Gegeben seien eine Funktion Φ (x; a 1,...,
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
MehrKapitel 3 Trigonometrische Interpolation
Kapitel 3 Trigonometrische Interpolation Einführung in die Fourier-Reihen Trigonometrische Interpolation Schnelle Fourier-Transformation (FFT) Zusammenfassung Numerische Mathematik II Herbsttrimester 212
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
MehrMathematischer Vorkurs
Mathematischer Vorkurs Dr. Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 170 Vollständige Induktion Kapitel 13 Vollständige Induktion Mathematischer Vorkurs TU Dortmund Seite 117 / 170 Vollständige
MehrKapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b.
Kapitel 4: Interpolation Sei U eine Klasse von einfach strukturierten Funktionen, z.b. - Polynome, - rationale Funktionen, - trigonometrische Polynome, - Splines. Interpolationsproblem 4: Sei f : [a,b]
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2017 / 2018 Institut für Informatik Univ-Prof Dr Hans-Joachim Bungartz Michael Obersteiner Philipp Samfass Numerisches Programmieren, Übungen 5 Übungsblatt: Diskrete
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 2016 / 2017 Institut für Informatik Prof Dr Daniel Cremers Dr Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen 7 Übungsblatt: Diskrete Fourier-Transformation,
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
MehrEinführung in die lineare Algebra und GeometrieWS 2018/19 October 30, 2018
1 Beweisen Sie folgende Aussage: Das Produkt zweier ungeraden Zahlen ist ungerade Beweisen Sie folgende Aussage: Es gibt keine ganzen Zahlen n, m mit 8m + 4n = 100 [Hinweis: Beweisen Sie indirekt Nehmen
MehrKAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
MehrFür die Matrikelnummer M = Dann sind durch A =
Musterlösung zum. Blatt 9. Aufgabe: Gegeben seien m 3 + 2 m m 3 m 2 m 4 + m 7 m 3 A := m m 2 m 2 + 2 m 2 m 4 + m 5 und b := m 6 m 4 + a) Finden Sie eine Lösung x R 7 für die Gleichung Ax =. b) Finden Sie
MehrZuname: Vorname: KennNr: Matr.Nr: PRÜFUNG AUS MATHEMATIK 3. 1)(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation.
(8 P.) Lösen Sie das folgende AWP mit Hilfe der Laplacetransformation. y 7y + 10y = sin(2x), y(0) = 1, y (0) = 3. x ( ) Bemerkung: Für festes a gilt L(e ax ) = 1 und L sin(ax) = arctan a. s a x s Die auftretenden
Mehr(x x j ) 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
MehrDie Wärmeleitungsgleichung
Die Wärmeleitungsgleichung In einem Stab der Länge 1 wird die Temperaturverteilung gegeben durch die Funktion u : ([0,1] [0, )) R, u(x,t) ist die Temperatur am Punkt x zum Zeitpunkt t. Die Funktion erfüllt
MehrKlausur HM I H 2005 HM I : 1
Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k
MehrKAPITEL 9 Splinefunktionen
KAPITEL 9 Splinefunktionen 9.1 Splineräume und Approximationsgüte Bei der Behandlung von Splines ist es bequemer, statt mit dem Grad von Polynomen, mit der Ordnung k := Grad + 1 zu arbeiten. Für eine Knotenmenge
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrGrundlagen der Mathematik (BSc Maschinenbau)
Prof. Dr. J. Ruppenthal Wuppertal, 3.8.8 Dr. T. Pawlaschyk Grundlagen der Mathematik (BSc Maschinenbau) Aufgabe. (5+5+5+5 Punkte) a) Geben Sie für jede der folgenden Aussagen an, ob sie WAHR oder FALSCH
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 014 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrD-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrHTWD, FB Informatik/Mathematik. Mathematik für Bauingenieure. Wiederholungsaufgaben: Mathematik I
HTWD, FB Informatik/Mathematik Prof. Dr. M. Voigt Mathematik I Wiederholung Mathematik für Bauingenieure Wiederholungsaufgaben: Mathematik I Aufgabe : Für die Aussagenverbindung T = (A B) ( A) gebe man
Mehr12.2 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
MehrSkalarprodukt. Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind. und v := reelle n-tupel, dann ist
Orthogonalität p. 1 Skalarprodukt Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind u := u 1 u 2. u n reelle n-tupel, dann ist und v := v 1 v 2. v n u v := u 1 v 1 + u 2
Mehr15 Integration (gebrochen) rationaler Funktionen
5 Integration (gebrochen) rationaler Funktionen Wir werden im folgenden sehen, daß sich die Integration gebrochen rationaler Funktionen auf die folgenden drei einfachen Fälle zurückführen läßt (für komplexe
MehrFourier-Integrale: Ausgangsdaten und Transformierte sind jeweils Funktionen über der ganzen reellen Achse.
Fourier-Reihen Fourier-Transformation Die Fourier-Transformation ist eines der wichtigsten Instrumente zur Behandlung linearer Systeme, seien es gewöhnliche oder partielle lineare Differentialgleichungen
MehrMathematik für Sicherheitsingenieure I A
Prof. Dr. J. Ruppenthal Wuppertal, 3.8.8 Dr. T. Pawlaschyk Mathematik für Sicherheitsingenieure I A Aufgabe. (5+5+5+5 Punkte) a) Geben Sie für jede der folgenden Aussagen an, ob sie WAHR oder FALSCH ist.
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrKlausur 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.
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
MehrH.J. Oberle Analysis II SoSe Interpolation
HJ Oberle Analysis II SoSe 2012 7 Interpolation 71 Allgemeine Problemstellung Interpolation ist die Kunst, zwischen den Zeilen einer Tabelle zu lesen (Rutishauser) Von f : R R seien Funktionswerte (x j,
Mehr(c) Gegeben sei der zweidimensionale Raum L mit den Basisfunktionen. [ φ i, φ j ] 3 i,j=1 =
1. (a) i. Wann besitzt A R n n eine eindeutige LR-Zerlegung mit R invertierbar? ii. Definieren Sie die Konditionszahl κ(a) einer Matrix A bzgl. einer Norm.! iii. Welche Eigenschaften benötigt eine Matrix
MehrK. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom
Übungsaufgaben 11. Übung: Woche vom 9. 1.-13. 1. 2017 (Numerik): Heft Ü 1: 12.28.a,b; 12.29.b,c (jeweils mit Fehlerabschätzung); 6.26; 6.27.a (auch mit Lagrange-Interpolationspolynom); 6.25; 6.28 (auch
Mehr( 1) k k 2. k=0. n n(n + 1) ( 1) k k 2 + ( 1) n+1 (n + 1) 2. k=0. + ( 1) n+1 (n + 1) 2 n(n + 1) + (n + 1) 2 )
Musterlösung zum 9. Blatt 8. Aufgabe: Sei n eine natürliche Zahl. Vermuten Sie eine Formel für ( ) k k und beweisen Sie diese durch vollständige Induktion. Lösung: Für jede natürliche Zahl n sei a n =
Mehr7 Integralrechnung für Funktionen einer Variablen
7 Integralrechnung für Funktionen einer Variablen In diesem Kapitel sei stets D R, und I R ein Intervall. 7. Das unbestimmte Integral (Stammfunktion) Es sei f : I R eine Funktion. Eine differenzierbare
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrInterpolation und Approximation von Funktionen
Kapitel 6 Interpolation und Approximation von Funktionen Bei ökonomischen Anwendungen tritt oft das Problem auf, dass eine analytisch nicht verwendbare (oder auch unbekannte) Funktion f durch eine numerisch
MehrAufgabe 1 Zeigen Sie mittels vollständiger Induktion, dass für alle n N. n(n + 1)(2n + 1) 6. j 2 = gilt.
Aufgabe Zeigen Sie mittels vollständiger Induktion, dass für alle n N j 2 j n(n + )(2n + ) gilt. Der Beweis wird mit Hilfe vollständiger Induktion geführt. Wir verifizieren daher zunächst den Induktionsanfang,
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 32 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 23.1.2009 2 / 32 Wiederholung Stückweise Polynominterpolation Stückweise lineare Interpolierende
MehrGrundlagen der Mathematik (BSc Maschinenbau)
Priv.-Doz. Dr. J. Ruppenthal Wuppertal, 5.9.7 Grundlagen der Mathematik (BSc Maschinenbau) Aufgabe. (6+8+6 Punkte) a) Zeigen Sie durch Induktion nach n N: n (k ) = n k= b) Stellen Sie die folgenden Mengen
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrKardinalfunktionen. 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,...,
Mehrg(x) := (x 2 + 2x + 4) sin(x) für z 1 := 1 + 3i und z 2 := 1 + i. Geben Sie das Ergebnis jeweils
. Aufgabe Punkte a Berechnen Sie den Grenzwert n + n + 3n. b Leiten Sie die folgenden Funktionen ab. Dabei ist a R eine Konstante. fx : lnx e a, gx : x + x + 4 sinx c Berechnen Sie z z und z z in der Form
MehrVII Komplexe Zahlen. Propädeutikum Holger Wuschke. 24. September 2018
Propädeutikum 2018 24. September 2018 Darstellung Rechengesetze Erweiterung der reellen Zahlen um eine imaginäre Einheit. Ursprung: Lösung der Gleichung x 2 + 1 = 0 Komplexe Zahlen C := {a + i b a, b R}
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
Mehr1. Aufgabe 8 Punkte. f (x) = (x 2 + 1) e x2. Es gilt. f (x) = 2xe x2 + ( x ) e x2 ( 2x) = 2x 3 e x2.
1. Aufgabe 8 Punkte Geben Sie die Bereiche, auf denen die Funktion f : R R mit f (x) = (x + 1) e x monoton wachsend oder fallend ist, an, und untersuchen Sie die Funktion auf lokale und globale Extrema.
MehrKomplexe Analysis für ITET und RW/CSE. Serie 11
Prof. Dr. F. Da Lio R. Gantner Frühlingssemester 5 Komplexe Analysis für ITET und RW/CSE ETH Zürich D-MATH Serie Aufgabe. Fourierreihen (.a Sei f p die ungerade periodische Fortsetzung der Funktion f :
Mehr3 Interpolation und Approximation
In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht
MehrNumerisches Programmieren, Übungen
Technische Universität München WiSe 06 / 07 Institut für Informatik Prof. Dr. Daniel Cremers Dr. Frank Schmidt Nikola Tchipev Michael Rippl Numerisches Programmieren, Übungen Musterlösung 5. Übungsblatt:
MehrEINFÜHRUNG IN DIE MATHEMATIK 1 MA 9935, WINTERSEMESTER 2017/18. g = g 1 + g 2 = g 1 + g 2
EINFÜHRUNG IN DIE MATHEMATIK MA 9935, WINTERSEMESTER 07/8 OLIVER DEISER UND CAROLINE LASSER. Übungsaufgabe 8 aus. Gegeben ist eine Gerade g : R R und x, x R mit x x. Zeigen Sie, dass sich g eindeutig als
MehrKapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen
Kapitel 4 Interpolation 4 Allgemeines Nähere Funktion/Daten durch einfache Funktionen (eg Polynome) an Brauchbar für: - Integration - Differentiation [zb f(x) sei durch Polynom p(x) approximiert, F(x)
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 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
MehrÜbungen zur Linearen Algebra 1
Übungen zur Linearen Algebra 1 Wintersemester 2014/201 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.201, 11 Uhr Lösungen der
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2016/17. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 016/17 7. Fourier-Methoden 7.1. Periodische Funktionen In der Physik und in der Technik spielen periodische Funktionen eine
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, Januar 0 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 3 6 Total Vollständigkeit Bitte
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrHTL Kapfenberg SPLINE Interpolation Seite 1 von 7.
HTL Kapfenberg SPLINE Interpolation Seite von 7 Roland Pichler roland.pichler@htl-kapfenberg.ac.at SPLINE Interpolation Mathematische / Fachliche Inhalte in Stichworten: Polynome, Gleichungssysteme, Differenzialrechnung
MehrApproximation durch Polynome
durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
Mehr