KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
|
|
- Karsten Rosenberg
- vor 8 Jahren
- Abrufe
Transkript
1 KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0 erfüllt (Randwertaufgabe). Gitterpunkte: x j = jh, j = 0,..., n, h = n, Dahmen-Reusken Kapitel 3
2 Ableitungen Differenzenquotienten (Taylor): u(x j + h) = u(x j ) + hu (x j ) + h2 2 u (x j ) + h3 6 u (x j ) + O(h 4 ), u(x j h) = u(x j ) hu (x j ) + h2 2 u (x j ) h3 6 u (x j ) + O(h 4 ). Daraus folgt sofort und somit u(x j + h) 2u(x j ) + u(x j h) = h 2 u (x j ) + O(h 4 ), u (x j ) = h 2[u(x j+) 2u(x j ) + u(x j )] + O(h 2 ). D. h., bis auf Terme 2. Ordnung in der Schrittweite h entspricht die 2. Ableitung einem Differenzenquotient. Dahmen-Reusken Kapitel 3 2
3 Diskretisierung: u j+ 2u j + u j h 2 + λ(x j )u j = f(x j ), j =,..., n, zusammen mit den Randbedingungen u 0 = u n = 0. Für kleines h, also großes n: u j u(x j ). Gleichungssystem in Matrixform: 2 + h 2 λ h 2 λ h 2 λ h 2 λ n u u 2. u n 2 u n = f f 2. f n 2 f n. Dahmen-Reusken Kapitel 3 3
4 Beispiel 3.3. Gesucht u(x), das die Integralgleichung u(x) cos(xt)u(t) dt = 2, x [0,] erfüllt. Gitterpunkte t j = ( j ) h, 2 j =,..., n, h = n. Annäherung des Integrals (Mittelpunktsregel): 0 f(t) dt h n j= f(t j ) t t 2 t 3 Dahmen-Reusken Kapitel 3 4
5 Es gilt: 0 f(t) dt h n j= f(t j ) h2 24 max f (x) x [0,] Weitere Annäherung: Gleichung nur in den Punkten x = t i betrachten. Gleichungssystem für u i u(t i ): u i + 2h n j= In Matrixform ergibt sich cos(t i t j )u j = 2, i =,2,..., n. 2h + cos(t t ) cos(t t 2 ) cos(t t n ) cos(t 2 t ) 2h + cos(t 2t 2 ) cos(t n t ) 2h + cos(t nt n ) u u 2. u n = h.. Dahmen-Reusken Kapitel 3 5
6 Beispiel 3.4. In der linearen Ausgleichsrechnung (siehe Kapitel 4) entsteht auf natürliche Weise ein lineares Gleichungssystem (die sogenannten Normalgleichungen). Beispiel 3.5. Zur Lösung eines nichtlinearen Gleichungssystems werden oft Linearisierungsverfahren, wie z.b. das Newton-Verfahren eingesetzt (siehe Kapitel 5). Bei so einem Verfahren ergibt sich eine Reihe von linearen Gleichungssystemen. Dahmen-Reusken Kapitel 3 6
7 Notation: R m n ist die Menge der Matrizen A = a, a,n.. a m, a m,n mit Einträgen a i,j R. In diesem Kapitel geht es um folgende zentrale Aufgabe: Zu A R n n und b = (b,..., b n ) T R n bestimme ein x = (x,..., x n ) T R n, das bzw. kurz a, x a,n x n = b... a n, x a n,n x n = b n Ax = b erfüllt. Dahmen-Reusken Kapitel 3 7
8 Bemerkung 3.6 Folgende Aussagen sind äquivalent für das System Ax = b: (i) Das System hat für jedes b R n eine eindeutige Lösung x R n. (ii) Die Matrix A hat vollen Rang n. (iii) Das homogene System Ax = 0 nur die triviale Lösung x = 0. (iv) Es gilt det A 0. A heißt regulär oder nichtsingulär, wenn det A 0. Annahme: In den Abschnitten wird stets angenommen, daß det A 0 gilt. Dahmen-Reusken Kapitel 3 8
9 3.2 Kondition und Störungssätze Wir betrachten zunächst den einfachsten Fall, daß nur die rechte Seite b gestört ist. Satz 3.7. Sei x + x die Lösung von A(x + x) = b + b. Dann gilt: x x A A b b. Der relative Fehler der Lösung läßt sich also durch das Vielfache κ(a) = κ (A) := A A des relativen Fehlers der rechten Seite (Eingabedaten) abschätzen. Die Größe κ(a) heißt (relative) Konditionszahl (bzgl. der Norm ) der Matrix A. Dahmen-Reusken Kapitel 3 9
10 κ(a) beschreibt auch maßgeblich die Störungen in den übrigen Eingabedaten. Satz 3.9. Es gelte κ(a) A A <. Sei x + x die Lösung von (A + A)(x + x) = b + b. Dann gilt: x x κ(a) κ(a) A A ( A A + b ). b Dahmen-Reusken Kapitel 3 0
11 Bemerkung 3.0. In einer Maschine mit Maschinengenauigkeit eps sind die Daten A, b mit relativen Fehlern eps behaftet. Aufgrund des Satzes 3.9 sagt man, daß es wegen der Kondition des Problems (A, b) x = A b einen für die Bestimmung von x unvermeidlichen Fehler in der Größenordnung κ(a) eps gibt. Dahmen-Reusken Kapitel 3
12 Beispiel 3.. Sei A = ( ) 3.00, b = ( ) Dann gilt A = 0.05 ( ) , A 6 3 = 600, A = 7.997, κ (A) = Für à = ( ) 3, b = ( ) Dahmen-Reusken Kapitel 3 2
13 hat man A = b = ( ) , A 0 0 = 0.00, ( ) 0.003, b = Aus Satz 3.9 ergibt sich somit x x 0.49 als Schranke für den relativen Fehler der Lösung x von à x = b. Da die exakte Lösung x = (, ) T das System Ax = b und x = (0.2229,.3333) T das System à x = b löst, ist der tatsächliche relative Fehler x x Dahmen-Reusken Kapitel 3 3
14 Residuum als Maß für Genauigkeit Gleichungssystem Ax = b. Annäherung der Lösung: x. Residuum r = b A x, ist ohne Kenntnis der Lösung x berechenbar. Beachte: r = 0 x = x. Wie aussagekräftig ist die Größe des Residuums in Bezug auf den tatsächlichen Fehler? Hängt wieder von der Kondition ab. Für die Norm des Residuums im Vergleich zu der des Fehlers gilt: κ(a) r b x x x κ(a) r b. Dahmen-Reusken Kapitel 3 4
15 Beispiel 3.2. Sei A die Matrix aus Beispiel 3. und b = (3,6) T. Exakte Lösung: x = (,0) T. Für die Annäherungen ( x = gilt ), ˆx = ( ) , r = b A x = ˆr = b Aˆx = Die Norm des Residuums für x ist also viel kleiner als für ˆx: r ˆr. Der Fehler in x ist aber viel größer als in ˆx: x x = ˆx x = Dahmen-Reusken Kapitel 3 5
16 3.2. Zeilenskalierung Eine einfache Methode, die Kondition günstig zu beeinflussen, ist die Zeilenskalierung (Zeilenäquilibrierung). Darunter versteht man die Multiplikation der i-ten Zeile mit einer Zahl d i 0 ( i n). Das Gleichungssystem Ax = b wird dadurch in ein äquivalentes System D z Ax = D z b umgeformt, wobei D z die Diagonalmatrix D z = diag(d,..., d n ) bezeichnet. Man kann nun versuchen, die Skalierung D z so zu wählen, daß die Kondition des Gleichungssystems (wesentlich) verbessert wird. Dahmen-Reusken Kapitel 3 6
17 Sei D z die Diagonalmatrix mit Diagonaleinträgen definiert durch d i = Für die skalierte Matrix gilt ( n j= a i,j ). n j= (D z A) i,j = für alle i, also sind die Betragssummen aller Zeilen gleich eins. Eine Matrix mit dieser Eigenschaft heißt zeilenweise äquilibriert. Die Skalierung mit D z hat folgende Optimalitätseigenschaft: κ (D z A) κ (DA) für jede reguläre Diagonalmatrix D, d.h., diese Zeilenskalierung liefert die minimale Konditionszahl bezüglich der Maximumnorm. Dahmen-Reusken Kapitel 3 7
18 Beispiel 3.4. Für A = ( ) erhält man κ (A) = 20.2 und ( D z A = ), κ (D z A) = , die zweite Zeile mit 0 multi- Hierbei wurde die erste Zeile mit pliziert. Dahmen-Reusken Kapitel 3 8
19 3.4 Dreiecksmatrizen, Rückwärtseinsetzen Dreiecksmatrizen ergeben leicht lösbare Systeme. Eine Matrix R = (r i,j ) n i,j= Rn n heißt obere Dreiecksmatrix, falls r i,j = 0 für i > j gilt. Die avisierte leichte Lösbarkeit läßt sich am Beispiel einer oberen Dreiecksmatrix illustrieren: r, x + r,2 x r,n x n = b r 2,2 x r 2,n x n = b r n,n x n + r n,n x n = b n r n,n x n = b n. Da bekanntlich () det R = r, r 2,2 r n,n, ist () genau dann stets eindeutig lösbar, wenn alle Diagonaleinträge r j,j, j =,..., n, von Null verschieden sind. Dahmen-Reusken Kapitel 3 9
20 Dies erlaubt folgendes Vorgehen: Aus der letzten Gleichung in () erhält man sofort x n = b n /r n,n. Einsetzen von x n in die zweitletzte Gleichung erlaubt die Auflösung nach x n : Allgemein sieht dies wie folgt aus: x n = (b n r n,n x n )/r n,n. Rückwärtseinsetzen: Für j = n, n,...,2, berechne x j = ( b j n k=j+ r j,k x k )/r j,j, wobei die für j = n leer ist und als Null interpretiert wird. Dahmen-Reusken Kapitel 3 20
21 Beispiel 3.6. R = , b = x 3 = 4/2 = 2, x 2 = 3 2 = 5, x = (0 ( )( 5) 2 2) = 3 3 Dahmen-Reusken Kapitel 3 2
22 Rechenaufwand 3.7. Für jedes j = n,...,: n j Multiplikationen / Additionen, eine Division, und für j = n eine Division. Also insgesamt n (n j) = j= n(n ) n Divisionen. 2 Additionen / Multiplikationen, Der Rechenaufwand für Rückwärtseinsetzen ist also ca. 2 n2 Operationen. Operation = Multiplikation oder Division. Dahmen-Reusken Kapitel 3 22
23 Eigenschaften 3.8. Das Produkt von oberen (unteren) Dreiecksmatrizen ist wieder eine obere (untere) Dreiecksmatrix. Die Inverse einer oberen (unteren) nichtsingulären Dreiecksmatrix ist wieder eine obere (untere) Dreiecksmatrix. Die Determinante einer Dreiecksmatrix ist gerade das Produkt aller Diagonaleinträge. Dahmen-Reusken Kapitel 3 23
24 3.5 Gauß-Elimination, LR-Zerlegung Die bekannteste Methode, das System Ax = b (det A 0) auf Dreiecksgestalt zu bringen, ist die Gauß-Elimination. A = A () A (2) 0.. Ã (2) A (3) Ã (3). 0 0 Die Einträge der Matrix A (k) werden mit a (k) i,j notiert. Der Eintrag a (k) k,k ( oben) heißt Pivotelement. In entsprechender Weise ist natürlich auch die rechte Seite b umzuformen. Dahmen-Reusken Kapitel 3 24
25 Es ergibt sich das folgende Verfahren: Gauß-Elimination Gegeben A R n n, b R n, (det A 0). Für j =,2,..., n und falls a (j) j,j 0 ist für i = j +, j + 2,..., n subtrahiere in (A b) Zeile j mit Faktor l i,j := a(j) i,j a (j) j,j von Zeile i. Das Resultat hat die Form (R c), wobei R eine obere Dreiecksmatrix ist. Der Algorithmus versagt, falls ein a (j) j,j = 0. Dahmen-Reusken Kapitel 3 25
26 Beispiel x = , (A b) = Gauß-Elimination: j = l 2, = 4 2 l 3, = 6 2 l 4, = j = 3 l 4,3 = 0 2 j = 2 l 3,2 = 4 2 l 4,2 = = (R c). Wegen Ax = b Rx = c liefert Rückwärtseinsetzen die Lösung x = ( 4 2,2, 3,)T. Dahmen-Reusken Kapitel 3 26
27 Der Prozeß Bestimme (A b) (R c) gemäß (3.37), (3.38). Löse Rx = c. heißt Gauß-Elimination ohne Pivotisierung. Letzterer Zusatz wird später erläutert. Dahmen-Reusken Kapitel 3 27
28 Andere Darstellung der Gauß-Elimination Der Übergang von A (j) A (j+), lässt sich als Multiplikation des Systems mit einer regulären Matrix interpretieren. Eine Matrix der Form L k =... l k+,k.... l n,k mit l k+,k,..., l n,k R beliebig, heißt Frobenius-Matrix. Wählt man l i,j := a(j) i,j a (j) j,j Iteriert man dies, ergibt sich (vorausgesetzt a (j) j,j L n L n 2 L A } {{ } =A (n) =:R L j A (j) = A (j+). 0), dann gilt x = L n L n 2 L b, } {{ } =:c, Dahmen-Reusken Kapitel 3 28
29 Mit e k = (0,...,0,,0,...) T gilt L k = I (0,...,0, l k+,k,..., l n,k ) T (e k ) T det L k = L k = I + (0,...,0, l k+,k,..., l n,k ) T (e k ) T. Da die L k invertierbar sind, ergibt sich A = L L 2 L n R =: LR, wobei L := L L 2 L n wieder eine untere Dreiecksmatrix ist. Mehr noch: L läßt sich sofort explizit angeben. Dazu überprüft man wiederum per Rechnung, daß L L 2... L n = l 2, l n, l n,n. Dahmen-Reusken Kapitel 3 29
30 Ein bemerkenswertes Nebenprodukt der Gauß-Elimination ist also eine Faktorisierung von A in ein Produkt einer normierten unteren Dreiecksmatrix L und einer oberen Dreiecksmatrix R. Satz 3.2. Gilt im Gauß-Algorithmus stets (3.37), dann erhält man A = LR, wobei R durch (3.39) definiert ist und L die durch (3.38) definierte normierte untere Dreiecksmatrix ist. Dahmen-Reusken Kapitel 3 30
31 Beispiel Sei A = die Matrix aus Beispiel 3.9 und L = , R = die bei der Gauß-Elimination berechneten Dreiecksmatrizen. Es gilt A = LR. Dahmen-Reusken Kapitel 3 3
32 3.5. Gauß-Elimination mit Spaltenpivotisierung Vertauschung von Zeilen ist sicherlich notwendig, wenn man ein verschwindendes Pivotelement trifft. Das folgende Beispiel zeigt, daß das Vertauschen von Zeilen sehr vorteilhaft sein kann, auch wenn die Pivotelemente nicht Null sind, wenn man Rundungsfehler mit einbezieht. Beispiel ( ) ( ) x x 2 = ( ) 3 7 Mit l 2, = / ergibt Gauß-Elimination ( (R c) = ). Bei 4-stelliger Rechnung ergibt sich daraus ( ) Dahmen-Reusken Kapitel 3 32
33 Rückwärtseinsetzen liefert dann x 6.452, x Exakte Rechnung ergibt allerdings x = , x 2 = , d.h., x ist auf keiner Stelle korrekt. Dieses Ergebnis ist unakzeptabel, weil die Kondition des Problems sehr gut ist: κ (A) = Vertauscht man die Zeilen der Matrix und führt dann einen Eliminationsschritt durch, so ergibt sich ungefähr ( ) 7 (R c) = und bei 4-stelliger Arithmetik schließlich x 4.00, x , also völlig akzeptable Werte. Dahmen-Reusken Kapitel 3 33
34 Beachte: Obwohl a, 0 gilt, ist hier offensichtlich eine Vertauschung von Zeilen angebracht. Es liegt also nahe, als Pivotelement stets das betragsgrößte Element der jeweiligen Spalte zu nehmen. Nach obigen Überlegungen ist es also nicht sinnvoll, nur dann Gleichungen (Zeilen in der Matrix) zu vertauschen. wenn ein Nulleintrag dies erzwingt. Stattdessen setzt man stets bei der Berechnung der Matrix A (j+) aus A (j) ein betragsgrößtes Element in der ersten Spalte der verbleibenden Untermatrix an die Pivotposition. Da man das j-te Pivotelement in der j-ten Spalte sucht, nennt man diesen Vertauschungsvorgang Spaltenpivotisierung. Die Matrix sollte zuvor äquilibriert werden. Dahmen-Reusken Kapitel 3 34
35 Analyse der Gauß-Elimination mit Spaltenpivotisierung S n : alle Permutationen auf der Menge {,..., n}. Beispiel: π : {,2,3} {,2,3} mit π() = 3, π(2) =, π(3) = 2 ist eine Permutation in S 3. Bezeichnet man wieder mit e i den i-ten Basisvektor, so läßt sich jeder Permutation π S n folgendermaßen eine Matrix zuordnen P π := ( e π() e π(2)... e π(n)) T. P i,k : Vertauschung der i-ten und k-ten Zeile von I. Zum Beispiel, für n = 4, i = 2, k = 4 erhält man: P 2,4 = det P i,k = für i = k, det P i,k = für i k. Dahmen-Reusken Kapitel 3 35
36 Bemerkung Für A R n m und π S n ist das Produkt P π A diejenige Matrix, die man aus A durch Vertauschen der Zeilen gemäß π erhält. Gauß-Elimination mit Spaltenpivotisierung ist für jede nichtsinguläre Matrix durchführbar und es gilt folgende Verallgemeinerung von Satz 3.2. Satz Zu jeder nichtsingulären Matrix A existiert eine Permutationsmatrix P, eine (dazu) eindeutige untere normierte Dreiecksmatrix L, deren Einträge sämtlich betragsmäßig durch eins beschränkt sind, und eine eindeutige obere Dreiecksmatrix R, so daß PA = LR. Die Matrizen P, L und R ergeben sich aus der Gauß-Elimination mit Spaltenpivotisierung. Dahmen-Reusken Kapitel 3 36
37 Beweisidee Der Beweis dieses Satzes ist konstruktiv und verläuft im Prinzip genauso wie bei Satz 3.2. Der einzige Unterschied liegt darin, daß etwa im Schritt von A (j) nach A (j+) vor der Elimination gegebenenfalls die j-te Zeile mit einer Zeile i > j vertauscht wird. Sei A (j) die sich nach j Schritten der Gauß-Elimination mit Spaltenpivotisierung ergebende Matrix (A () = A). Diese Matrix hat die Struktur A (j) =... Ã (j), Ã (j) R (n j+) (n j+) Dahmen-Reusken Kapitel 3 37
38 Insgesamt erhält man für die Gauß-Elimination mit Spaltenpivotisierung die Umformungskette L n P τn L n 2 P τ2 L P τ A } {{ } =A (n) =:R Nach Konstruktion ist eine obere Dreiecksmatrix. x = L n P τn L n 2 P τ2 L P τ b, } {{ } =:c R = L n P τn L n 2 P τn 2 P τ2 L P τ A. Es gilt: P π L k P π = P π L k P T π =... l π(k+),k.... l π(n),k =: ˆL k, Dahmen-Reusken Kapitel 3 38
39 Hieraus folgt P π L k = ˆL k P π, also kann man P π in diesem Sinne durch L k ziehen. In (3.52) kann man P τ2 durch L ziehen und erhält R = L n P τn L n 2 P τn 2 P τ3 L 2ˆL P τ2 P τ A, ˆL := P τ2 L P T τ 2 Jetzt kann man P τ3 durch L 2 und ˆL ziehen, also R = L n P τn L n 2 P τn 2 L 3ˆL 2 P τ3ˆl P τ2 P τ A = L n P τn L n 2 P τn 2 L 3ˆL 2ˆL P τ3 P τ2 P τ A mit ˆL 2 := P τ3 L 2 P T τ 3, ˆL := P τ3 P τ2 L P T τ 2 P T τ 3. Man sieht nun das Muster, wie man durch analoge Wiederholung das Produkt der Transpositionen vor A sammelt. Man erhält schließlich R = L n L P π0 A, mit L k = P πk L k P T π k, Dahmen-Reusken Kapitel 3 39
40 Hierbei ist π n = I, π k = τ n τ k+, k = 0,..., n 2. Insgesamt erhält man (! Fehler in (3.56) im Buch). L L n R = P π 0 A. Da die L k wieder Frobenius-Matrizen sind, folgt nun die behauptete Faktorisierung. Dahmen-Reusken Kapitel 3 40
41 3.5.2 Durchführung der LR-Zerlegung Skalierung und Gauß-Elimination mit Spaltenpivotisierung Bestimme die Diagonalmatrix D = diag(d,..., d n ), so daß DA zeilenweise äquilibriert ist, d.h. d i = n k= a i,k, i =,..., n. Wende Gauß-Elimination mit Spaltenpivotisierung auf DA an. Im j-ten Schritt der Gauß-Elimination wählt man diejenige Zeile als Pivotzeile, die das betragsmäßig größte Element in der ersten Spalte der (n + j) (n + j) rechten unteren Restmatrix hat. Falls diese Pivotzeile und die j-te Zeile verschieden sind, werden sie vertauscht. Dahmen-Reusken Kapitel 3 4
42 Programmentwurf LR-Zerlegung mit Skalierung und Spaltenpivotisierung Für i =,2,..., n: d i / ( ) nk= ai,k ; Für j =,2,..., n: a i,j d i a i,j ; (Skalierung) Für j =,2,..., n : Berechne p mit j p n, so daß a p,j = max j i n a i,j ; r j = p; Vertausche Zeile j mit Zeile p; (Spaltenpivotisierung) Für i = j +, j + 2,..., n: a i,j a i,j a j,j (neue Einträge in L) Für k = j +, j + 2,..., n: a i,k a i,k a i,j a j,k ; (neue Einträge in R) Dahmen-Reusken Kapitel 3 42
43 Aufwand. Zeilensummenberechnung: n(n ) Additionen; Berechnung der Skalierung: n Divisionen; Für j =,2,..., n Berechnung der neuen Einträge in L: (n j) Divisionen; Berechnung der neuen Einträge in R: (n j) 2 Multiplik./Additionen Dominierender Aufwand: n j= (n j)2 = n j= j2 n 3 /3. Rechenaufwand LR-Zerlegung über Gauß-Elimination mit Spaltenpivotisierung kostet ca. 3 n3 Operationen. Die Skalierung (falls nötig) kostet nur O(n 2 ) Operationen. Dahmen-Reusken Kapitel 3 43
44 Beispiel A = 2 2 2, dann D = und DA = Gauß-Elimination mit Spaltenpivotisierung: (Skalierun j = : j = 2 : DA V ertauschung Elimination , V ertauschung Elimination Dahmen-Reusken Kapitel 3 44
45 Also L = Man rechnet einfach nach, daß , R = gilt, wobei P = = LR = PDA Die Matrix P ist das Produkt von P,3 und P 2,3. Merke: Skalierung/Äquilibrierung verbessert die Kondition des Problems. Pivotisierung verbessert die Stabilität der Gauß- Elimination/LR-Zerlegung (vgl. Abschnitt 3.8) Dahmen-Reusken Kapitel 3 45
46 3.5.3 Einige Anwendungen der LR-Zerlegung Sei A R n n eine Matrix die schon zeilenweise äquilibriert ist. Sei für diese Matrix die LR-Zerlegung PA = LR bekannt. Lösen eines Gleichungssystems Die Lösung von Ax = b ergibt sich über die Lösung zweier Dreieckssysteme Ax = b PAx = Pb LRx = Pb Ly = Pb und Rx = y. Zuerst bestimmt man also y durch Vorwärtseinsetzen aus Ly = P b, um danach x aus Rx = y durch Rückwärtseinsetzen zu berechnen. Dahmen-Reusken Kapitel 3 46
47 Mehrere rechte Seiten Hat man mehrere Gleichungssysteme mit derselben Matrix A, aber verschiedenen rechten Seiten b, so benötigt man nur einmal den dominierenden Aufwand zur Bestimmung der LR-Zerlegung ( 3 n3 ). Für jede rechte Seite fällt dann nur die Lösung von Ly = Pb, Rx = y für die verschiedenen rechten Seiten b an. Die dazu benötigte Anzahl der Operationen ist jeweils n 2, also von geringerer Ordnung. Dahmen-Reusken Kapitel 3 47
48 Berechnung der Inversen In den meisten Fällen ist es weder notwendig noch angebracht, die Inverse einer Matrix explizit zu berechnen. Dennoch gibt es Situationen, wo dies sinnvoll ist. Man kann dann folgendermaßen vorgehen. Sei x i R n die i-te Spalte der Inverse von A: Aus AA = I folgt A = ( x x 2... x n). Ax i = e i, i =,..., n. Zur Berechnung der Inverse bietet sich folgende Strategie an: Bestimme die LR-Zerlegung P A = LR über Gauß-Elimination mit Spaltenpivotisierung, Löse die Gleichungssysteme LRx i = Pe i, i =,..., n. Gesamtaufwand: etwa 4 3 n3 Operationen. Dahmen-Reusken Kapitel 3 48
49 Berechnung von Determinanten Aus PA = LR folgt det P det A = det L det R = det R. Wegen det P = det P n,rn det P n,rn...det P,r = ( ) #Zeilenvertauschungen, folgt det A = ( ) #Zeilenvertauschungen n j= r j,j. Dahmen-Reusken Kapitel 3 49
50 Nachiteration Rechnerarithmetik: statt L und R erhält man Näherungen L, R. Entsprechend ist der aus (3.59) berechnete Vektor x nicht die exakte Lösung von Ax = b. Das Ziel der Nachiteration ist, diese Näherung iterativ zu verbessern. Sei x 0 := x, r = r 0 := b Ax 0. Der Fehler δ 0 := x x 0 ist gerade die Lösung des Defektsystems Verfahren: Aδ 0 = Ax Ax 0 = b Ax 0 = r 0. Für k = 0,,2,..., gegeben r 0, berechne: Ly k = r k, Rδ k = y k ; x k+ := x k + δ k ; r k+ := b Ax k+ ; Um eine Verbesserung zu erzielen, wird r k in der Praxis oft mit doppelter Genauigkeit berechnet. Dahmen-Reusken Kapitel 3 50
51 3.6 Cholesky-Zerlegung Definition 3.3. A R n n heißt symmetrisch positiv definit (s.p.d.), falls A T = A (Symmetrie) und x T Ax > 0 (positiv definit) für alle x R n, x 0, gilt. Dahmen-Reusken Kapitel 3 5
52 Beispiel A = I (Identität) ist s.p.d. Die Symmetrie ist trivial und x T Ix = x T x = x 2 2 > 0, falls x Sei B R m n, m n, und B habe vollen Rang. Dann ist A := B T B R n n s.p.d., denn: A T = (B T B) T = B T (B T ) T = B T B = A. Sei x R n, x 0. Dann gilt x T Ax = x T B T Bx = (Bx) T (Bx) = Bx Es gilt x T Ax = Bx 2 2 = 0 nur falls Bx = 0 gilt. Da B vollen Rang hat, muß daher x = 0 sein. Dahmen-Reusken Kapitel 3 52
53 Satz A R n n sei s.p.d. Dann gelten folgende Aussagen: (i) A ist invertierbar, und A ist s.p.d. (ii) A hat nur strikt positive (insbesondere reelle) Eigenwerte. (iii) Jede Hauptuntermatrix von A ist s.p.d. (iv) Die Determinante von A ist positiv (und damit die Determinante aller Hauptuntermatrizen von A). (v) A hat nur strikt positive Diagonaleinträge und der betragsgrößte Eintrag von A liegt auf der Diagonalen. (vi) Bei der Gauß-Elimination ohne Pivotisierung sind alle Pivotelemente strikt positiv. Dahmen-Reusken Kapitel 3 53
54 Satz 3.34 Jede s.p.d. Matrix A R n n besitzt eine eindeutige Zerlegung A = LDL T, wobei L eine normierte untere Dreiecksmatrix und D eine Diagonalmatrix mit Diagonaleinträgen d i,i > 0, i =,..., n, ist. Umgekehrt ist jede Matrix der Form LDL T, wobei D eine Diagonalmatrix ist, die d i,i > 0 erfüllt, und L eine normierte untere Dreiecksmatrix ist, symmetrisch positiv definit. Diese Zerlegung heißt Cholesky-Zerlegung. Aufgrund von Satz 3.33 (vi) ist bei s.p.d. Matrizen Gauß-Elimination ohne Pivotisierung durchführbar. Dahmen-Reusken Kapitel 3 54
55 Konstruktion der Cholesky-Zerlegung Beispiel A = Es gilt , L = LDL T = = 0 0 l 2, 0 l 3, l 3,2 0 0 l 2, 0, D = l 3, l 3,2 d, 0 0 l 2, d, d 2,2 0 l 3, d, l 3,2 d 2,2 d 3,3 d, d 2, d 3,3 l 2, l 3, 0 l 3,2 0 0 d, d 2, d 3,3 l 2, l 3, 0 l 3,2 0 0 Die elementweise Auswertung der Gleichung LDL T = A, die man aufgrund der Symmetrie auf den unteren Dreiecksteil beschränken kann, ergibt.. Dahmen-Reusken Kapitel 3 55
56 j = : (,)-Element: d, = a, = 2 = d, = 2 (2,)-Element: l 2, d, = a 2, = 6 l 2, = 6/2 l 2, = 3 (3,)-Element: l 3, d, = a 3, = 2 = l 3, = 2/2 = l 3, = j = 2: (2,2)-Element: l 2 2, d, + d 2,2 = a 2,2 = 2 d 2,2 = = d 2,2 = 3 (3,2)-Element: l 3, d, l 2, + l 3,2 d 2,2 = a 3,2 = 0 = l 3,2 = ( ) 2 3/3 l 3,2 = 2 j = 3: (3,3)-Element: l 2 3, d, + l 2 3,2 d 2,2 + d 3,3 = a 3,3 = 6 d 3,3 = 6 ( ) d 3,3 = 2 = L = , D = Dahmen-Reusken Kapitel 3 56
57 Cholesky-Verfahren Für die aufeinanderfolgenden Spalten, k =,2,..., n, hat man explizite Formeln für d k,k und l i,k (i > k): d k,k = a k,k l i,k = ( a i,k k j= k j= l 2 k,j d j,j, l i,j d j,j l k,j )/d k,k. Dahmen-Reusken Kapitel 3 57
58 Programmentwurf Cholesky-Verfahren Für k =,2,..., n: diag a k,k j<k a 2 k,j a j,j; falls diag < 0 5 a k,k Abbruch a k,k diag, für i = k +,..., n a i,k ( a i,k j<k a i,j a j,j a k,j ) /ak,k ; Rechenaufwand Man kann das Cholesky-Verfahren mit ca. 6 n 3 Multiplikationen und etwa ebenso vielen Additionen realisieren. Der Rechenaufwand beträgt also etwa die Hälfte des Aufwands der Standard-LR-Zerlegung. Dahmen-Reusken Kapitel 3 58
59 Bemerkung LDL T entspricht der LR-Zerlegung für R = DL T. Bei s.p.d. Matrizen ist Pivotisierung weder nötig noch sinnvoll. Beachte, daß Pivotisierung die Symmetrie der Matrix zerstören würde. Die Lösung des Problems Ax = b reduziert sich wieder auf Ly = b, DL T x = y, d.h. L T x = D y. In obiger Version enthält das Verfahren die Abfrage diag < 0 5 a k,k. Falls dies gilt, kann nicht mehr gewährleistet werden, daß das entsprechende Pivotelement strikt positiv ist. In diesem Sinne testet das Verfahren Positiv-Definitheit. Dahmen-Reusken Kapitel 3 59
60 Bandmatrizen A = a, a,p a q, a n p+,n a n,n q+ a n,n. Man sagt dann, A hat Bandbreite p + q. Unter gewissen Voraussetzungen erlaubt die Bandstruktur eine erhebliche Reduktion des Rechen- und Speicheraufwands: Dahmen-Reusken Kapitel 3 60
61 Bei Gauß-Elimination ohne Pivotisierung bleibt die Bandbreite erhalten. Sei L, R die entsprechende LR-Zerlegung. Dann hat L die Bandbreite q und R die Bandbreite p. Der Rechenaufwand bei der LR-Zerlegung ist von der Ordnung pqn, beim Vor- und Rückwärtseinsetzen von der Ordnung (p + q)n. Falls die Bandbreiten kleine Konstanten sind, wird der Aufwand also im wesentlichen durch n bestimmt, so daß sich insgesamt ein Rechenaufwand ergibt, der proportional zur Anzahl n der Unbekannten ist. Dahmen-Reusken Kapitel 3 6
62 Tridiagonalmatrizen Ein wichtiger Spezialfall ergibt sich mit p = q = 2. Die allgemeine Form ist a, a,2 0 0 a 2, a 2,2 a 2, a 3,2 a 3, a n,n 0 0 a n,n a n,n Algorithmus zur Bestimmung der LR-Zerlegung: Setze r, := a,. Für j = 2,3,..., n: l j,j = a j,j /r j,j r j,j = a j,j r j,j = a j,j l j,j r j,j.. Rechenaufwand Ca. 5n Operationen. Dahmen-Reusken Kapitel 3 62
63 3.8 Stabilitätsanalyse bei der LR- und Cholesky-Zerlegung Nach dem Prinzip der Rückwärtsanalyse wird das Ergebnis der Rechnung als Ergebnis exakter Rechnung zu gestörten Eingabedaten A + A interpretiert. Kann man A abschätzen, so liefert der Störungssatz 3.9 über die Kondition Abschätzungen für den Fehler x / x. Sei Ax = b mit A symmetrisch positiv definit. Das Cholesky-Verfahren wird eingesetzt. Man kann zeigen, daß die berechnete Lösung x die exakte Lösung eines gestörten Systems ist, wobei man die Störung durch (A + A) x = b abschätzen kann. A A c n eps Dahmen-Reusken Kapitel 3 63
64 Hierbei ist eps die Maschinengenauigkeit und c n eine kleine Zahl, welche nur von der Dimension n der Matrix A abhängt. Die Störung A ist in der Größenordnung der Datenrundungsfehler. Deshalb ist das Resultat x mit einem Fehler behaftet, der in der Größenordnung des durch die Kondition des Problems bedingten unvermeidbaren Fehlers bleibt: x x x κ (A) A A κ (A) A A κ (A)c n eps κ (A)c n eps κ (A)c n eps wenn κ (A)c n eps. Damit ist das Lösen eines s.p.d. Systems über das Cholesky-Verfahren stabil. Dahmen-Reusken Kapitel 3 64
65 Falls A nicht symmetrisch positiv definit ist, kann man zur Lösung des Problems Ax = b auf eine LR-Zerlegung der Matrix A zurückgreifen. Dazu wird die Gauß-Elimination eingesetzt. Falls Gauß-Elimination mit Spaltenpivotisierung angewendet wird, kann man Resultate wie beim Cholesky-Verfahren zeigen. Damit kann man die Lösung eines linearen Gleichungssystems über die Gauß-Elimination mit Spaltenpivotisierung als ein stabiles Verfahren einstufen. Die Lösung über die Gauß-Elimination ohne Pivotisierung ist im allgemeinen nicht stabil. Dahmen-Reusken Kapitel 3 65
66 Beispiel Betrachte Ax = b, wobei A R n n eine sogenannte Hilbertmatrix ist: Wir wählen b = ( n, A = 2. n n+ n+,..., 2n. n n+. n n ) T, d.h., x = (0,0,...,0,) T. A ist s.p.d. Sei n = 2. Cholesky-Verfahren auf einer Maschine mit eps 0 6. Das berechnete Resultat x ist mit einem Fehler x x x behaftet! Erklärung: κ (A) = A A Dahmen-Reusken Kapitel 3 66
67 3.9. QR-Zerlegung Eine Alternative zur LR-Zerlegung bietet die QR-Zerlegung einer Matrix. Die Matrix A wird zerlegt in eine Dreiecksmatrix und eine orthogonale matrix. Orthogonale Matrizen Eine Matrix Q R n n heißt orthogonal, falls Q T Q = I, d.h., falls die Spalten von Q eine Orthonormalbasis des R n bilden. Die Inverse einer solchen Matrix ist also einfach zu bestimmen: Q = Q T. Dahmen-Reusken Kapitel 3 67
68 Satz 3.4. Sei Q R n n orthogonal. Dann gilt: (i) Q T ist orthogonal. (ii) Qx 2 = x 2 für alle x R n. (iii) κ 2 (Q) =. (iv) Für beliebiges A R n m bzw. A R m n, m N beliebig, gilt A 2 = QA 2 = AQ 2. (v) Es gilt (für A wie vorhin) κ 2 (A) = κ 2 (QA) = κ 2 (AQ). (vi) Sei Q R n n orthogonal, dann ist Q Q orthogonal. Dahmen-Reusken Kapitel 3 68
69 Bemerkungen Grundlage ist folgende einfache Beobachtung: Gelingt es, A R n n als Produkt A = QR zu schreiben, wobei Q orthogonal und R eine obere Dreiecksmatrix ist, so gilt Ax = b QRx = b Rx = Q T b, d.h., das Problem reduziert sich wieder auf Rückwärtseinsetzen, falls R, also A, invertierbar ist. Die QR-Zerlegung kann auch für allgemeine rechteckige (m n)- Matrizen konstruiert werden. Zwei Methoden: Givens-Rotationen und Householder-Transformationen. Dahmen-Reusken Kapitel 3 69
70 3.9. Givens-Rotationen Grundaufgabe: Gegeben sei (a, b) T R 2 \ {0}. Finde c, s R mit ( ) ( ) ( ) c s a r = s c b 0 und c 2 + s 2 =. Offensichtlich ist die obige Matrix dann orthogonal. Bemerkung Man kann wegen c 2 + s 2 = c = cos φ, s = sin φ für ein φ [0,2π] setzen, d.h., die obige Matrix stellt eine Drehung im R 2 um den Winkel φ dar, vgl. Abb.3.3. Für die tatsächliche Rechnung wird φ allerdings nie benötigt. Dahmen-Reusken Kapitel 3 70
71 Da eine Drehung die Euklidische Länge eines Vektors unverändert läßt, gilt natürlich (r,0) T 2 = r = a 2 + b 2 = (a, b) T 2. (0,) (s, c) φ (,0) (c, s) Die Lösung der Grundaufgabe ist: r := ± a 2 + b 2, c := a r, s := b r. Dahmen-Reusken Kapitel 3 7
72 Givens-Rotations-Matrix G i,k = i k... i c 0 0 s k s 0 0 c... O m (R). Dahmen-Reusken Kapitel 3 72
73 für x. G i,k x m = r = ± x 2 i + x2 k, i x. k 0 x k+. x m x i r x i+. x k c = x i r, s = x k r. Dahmen-Reusken Kapitel 3 73
74 Beispiel G,2 5 0 G, mit G,2 = , G,3 = Dahmen-Reusken Kapitel 3 74
75 Reduktion auf obere Dreiecksgestalt Beispiel G,4 G, G 2,4 G, G 3,4 G 2, Mit werden die Einträge angedeutet, die bei der Anwendung von G i,k neu berechnet werden müssen. Die Reihenfolge G,2, G,3, G,4, G 2,3, G 2,4, G 3,4 wäre auch möglich.. Dahmen-Reusken Kapitel 3 75
76 Beispiel wobei G,4 = G, G 2, , G 2,4 = , Dahmen-Reusken Kapitel 3 76
77 Die obige Konstruktion mit Givens-Rotationen zeigt, daß für jede Matrix A R m n eine QR-Zerlegung existiert: Satz Sei A R m n. Dann existiert ein Q O m (R) und eine obere Dreiecksmatrix R R m n mit A = QR, wobei R im Sinne von (3.89), (3.90) zu verstehen ist. Hinsichtlich der Implementierung der QR-Zerlegung über Givens-Rotation bemerken wir, daß die Matrizen G i,k nie explizit berechnet werden. Dahmen-Reusken Kapitel 3 77
78 Zusammenfassend QR-Zerlegung über Givens-Rotationen: Das Verfahren sehr stabil (siehe auch [GL]). Pivotisierung ist nicht erforderlich. Durch Berücksichtigung von schon vorhandenen 0-Einträgen bei dünnbesetzten Matrizen läßt sich das Verfahren flexibel an die Struktur einer Matrix anpassen. Der Aufwand für die QR-Zerlegung einer vollbesetzten m n- Matrix über Givens-Rotationen beträgt etwa 4 3 n3 Operationen, falls m n, und etwa 2mn 2 Operationen, falls m n. Zu beachten ist aber, daß für dünnbesetzte Matrizen der Aufwand wesentlich niedriger ist. Bei sogenannten schnellen Givens-Rotationen wird der Aufwand etwa halbiert ( 2 3 n3, falls n m; mn 2, falls m n). Dahmen-Reusken Kapitel 3 78
79 Householder-Transformationen Zu v = (v,..., v n ) T R n, v 0, definiert man die Dyade vv T := v. v n (v,..., v n ) = v v. v n v Man definiert nun die Householder-Transformation v v n. v n v n. Eigenschaften Q v = I 2 vvt v T v. Q v = Q T v. Q 2 v = I Q αv = Q v, α R, α 0 Q v y = y y T v = 0. Q v v = v. Dahmen-Reusken Kapitel 3 79
80 Die Householder Transformation Q v ist orthogonal: Q v = Q T v. Geometrische Interpretation: Spiegelung. Sei H v = {x R n x T v = 0}. H v y v Q v y Dahmen-Reusken Kapitel 3 80
81 Grundaufgabe Zu y R n, y / span(e ), finde v R n, so daß Q v y = ± y 2 e gilt. Man erhält als Lösung der Grundaufgabe: v = y ± y 2 e. Um Auslöschung bei der Berechnung von v = (y ± y 2, y 2,..., y n ) T zu vermeiden, wählt man: v = y + sign(y ) y 2 e, mit sign(0) :=. Mit dieser Wahl erhält man insgesamt α = sign(y ) y 2 v = y + αe Q v y = αe. Dahmen-Reusken Kapitel 3 8
82 Beispiel 3.5 Zu y = (2,2,) T wird v R 3 gesucht, so daß Q v y = ± y 2 e = ±3 gilt. Aufgrund von (3.94) ergibt sich α = 3 und v = y + αe = (5,2,) T, so daß 3 Q v y = 0. 0 Beachte: zur Berechnung von Q v y die explizite Form von Q v Q v = I 2 vvt v T v = nicht benötigt wird (5,2,) (5,2,) = Dahmen-Reusken Kapitel 3 82
83 Reduktion auf obere Dreiecksform Sei a die erste Spalte der Matrix A R m n, m n. Man wendet die Grundaufgabe mit y = a an, d.h., man setzt v = a + sign(a, ) a 2 e, Q := Q v O m (R), (6) so daß sich Q A = 0. à (2) 0 = A (2) mit à (2) R (m ) (n ) ergibt. Dann erhält man Q 2 Q A = à (3) 0 0 = A (3). Q n... Q 2 Q A = R, also A = Q Q 2... Q n R = QR. Dahmen-Reusken Kapitel 3 83
84 Beispiel A = 2 0, v = 2 0 Q := Q v, Q A = Q 2 + 3e = Q Für die zwei Spalten der Matrix Q A ergibt sich Q 0 0 = 0 0 Q 2 2 = 2 (v ) T v v (v ) T 3 0 (siehe (3.94)), = v = Dahmen-Reusken Kapitel 3 84
85 Daraus folgt Q A = v 2 = Q 2 = Q v 2; Q 2 2 ( = ) = ( ( 2 3 ( + 2) ) 2 3 ) (siehe (3.94)).. Insgesamt erhält man Q 2 0 Q A = Dahmen-Reusken Kapitel 3 85
86 Zusammenfassend QR-Zerlegung über Householder-Spiegelung: Dieses Verfahren ist ebenfalls sehr stabil. Gesonderte Pivotisierung ist wiederum nicht erforderlich. Der Aufwand für die QR-Zerlegung einer vollbesetzten m n- Matrix über Householder-Transformationen ist etwa 2 3 n3 Operationen, falls m n, und etwa mn 2 Operationen, falls m n. Wichtige Anwendungen der QR-Zerlegung: Ausgleichsrechnung, Berechnung von Eigenwerten. Dahmen-Reusken Kapitel 3 86
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrLineargleichungssysteme: Additions-/ Subtraktionsverfahren
Lineargleichungssysteme: Additions-/ Subtraktionsverfahren W. Kippels 22. Februar 2014 Inhaltsverzeichnis 1 Einleitung 2 2 Lineargleichungssysteme zweiten Grades 2 3 Lineargleichungssysteme höheren als
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
Mehr4 Vorlesung: 21.11. 2005 Matrix und Determinante
4 Vorlesung: 2111 2005 Matrix und Determinante 41 Matrix und Determinante Zur Lösung von m Gleichungen mit n Unbekannten kann man alle Parameter der Gleichungen in einem rechteckigen Zahlenschema, einer
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrPrimzahlen und RSA-Verschlüsselung
Primzahlen und RSA-Verschlüsselung Michael Fütterer und Jonathan Zachhuber 1 Einiges zu Primzahlen Ein paar Definitionen: Wir bezeichnen mit Z die Menge der positiven und negativen ganzen Zahlen, also
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrLineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Mehr50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
MehrEigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrFachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
Mehr7 Rechnen mit Polynomen
7 Rechnen mit Polynomen Zu Polynomfunktionen Satz. Zwei Polynomfunktionen und f : R R, x a n x n + a n 1 x n 1 + a 1 x + a 0 g : R R, x b n x n + b n 1 x n 1 + b 1 x + b 0 sind genau dann gleich, wenn
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrLineare Gleichungssysteme I (Matrixgleichungen)
Lineare Gleichungssysteme I (Matrigleichungen) Eine lineare Gleichung mit einer Variable hat bei Zahlen a, b, die Form a b. Falls hierbei der Kehrwert von a gebildet werden darf (a 0), kann eindeutig aufgelöst
MehrEinführung in die Algebra
Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 13 Einheiten Definition 13.1. Ein Element u in einem Ring R heißt Einheit, wenn es ein Element v R gibt mit uv = vu = 1. DasElementv
Mehr13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrMathematischer Vorbereitungskurs für Ökonomen
Mathematischer Vorbereitungskurs für Ökonomen Dr. Thomas Zehrt Wirtschaftswissenschaftliches Zentrum Universität Basel Gleichungen Inhalt: 1. Grundlegendes 2. Lineare Gleichungen 3. Gleichungen mit Brüchen
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 1 Zwei Gleichungen mit zwei Unbekannten Es kommt häufig vor, dass man nicht mit einer Variablen alleine auskommt, um ein Problem zu lösen. Das folgende Beispiel soll dies verdeutlichen
Mehr6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte
Numerik I Version: 240608 40 6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte Die zwei wichtigsten Aufgaben der linearen Algebra: Lösung linearer Gleichungssysteme: Ax = b, wobei die n
MehrLösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
Mehr6.2 Scan-Konvertierung (Scan Conversion)
6.2 Scan-Konvertierung (Scan Conversion) Scan-Konvertierung ist die Rasterung von einfachen Objekten (Geraden, Kreisen, Kurven). Als Ausgabemedium dient meist der Bildschirm, der aus einem Pixelraster
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrAustausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrDie Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrDie reellen Lösungen der kubischen Gleichung
Die reellen Lösungen der kubischen Gleichung Klaus-R. Löffler Inhaltsverzeichnis 1 Einfach zu behandelnde Sonderfälle 1 2 Die ganzrationale Funktion dritten Grades 2 2.1 Reduktion...........................................
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
Mehr1 Mathematische Grundlagen
Mathematische Grundlagen - 1-1 Mathematische Grundlagen Der Begriff der Menge ist einer der grundlegenden Begriffe in der Mathematik. Mengen dienen dazu, Dinge oder Objekte zu einer Einheit zusammenzufassen.
MehrVorlesung Diskrete Strukturen Graphen: Wieviele Bäume?
Vorlesung Diskrete Strukturen Graphen: Wieviele Bäume? Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de WS 2013/14 Isomorphie Zwei Graphen (V 1, E 1 ) und (V
MehrLineare Differentialgleichungen erster Ordnung erkennen
Lineare Differentialgleichungen erster Ordnung In diesem Kapitel... Erkennen, wie Differentialgleichungen erster Ordnung aussehen en für Differentialgleichungen erster Ordnung und ohne -Terme finden Die
MehrGleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
Mehr!(0) + o 1("). Es ist damit möglich, dass mehrere Familien geschlossener Orbits gleichzeitig abzweigen.
Bifurkationen an geschlossenen Orbits 5.4 167 der Schnittabbldung konstruiert. Die Periode T (") der zugehörigen periodischen Lösungen ergibt sich aus =! + o 1 (") beziehungsweise Es ist also t 0 = T (")
MehrOECD Programme for International Student Assessment PISA 2000. Lösungen der Beispielaufgaben aus dem Mathematiktest. Deutschland
OECD Programme for International Student Assessment Deutschland PISA 2000 Lösungen der Beispielaufgaben aus dem Mathematiktest Beispielaufgaben PISA-Hauptstudie 2000 Seite 3 UNIT ÄPFEL Beispielaufgaben
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
Mehru + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
MehrWürfelt man dabei je genau 10 - mal eine 1, 2, 3, 4, 5 und 6, so beträgt die Anzahl. der verschiedenen Reihenfolgen, in denen man dies tun kann, 60!.
040304 Übung 9a Analysis, Abschnitt 4, Folie 8 Die Wahrscheinlichkeit, dass bei n - maliger Durchführung eines Zufallexperiments ein Ereignis A ( mit Wahrscheinlichkeit p p ( A ) ) für eine beliebige Anzahl
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
Mehr2 Lineare Gleichungssysteme
Vorlesungsskript HM-Numerik (SS 4): Kapitel Version: 9 Mai 4 Lineare Gleichungssysteme Gegeben: A R n n mit det(a) b R n Gesucht: x R n mit Ax = b Zeilenäquilibrierung Möchten zunächst die Kondition des
Mehr8. Quadratische Reste. Reziprozitätsgesetz
O Forster: Prizahlen 8 Quadratische Reste Rezirozitätsgesetz 81 Definition Sei eine natürliche Zahl 2 Eine ganze Zahl a heißt uadratischer Rest odulo (Abkürzung QR, falls die Kongruenz x 2 a od eine Lösung
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrLineare Funktionen. 1 Proportionale Funktionen 3 1.1 Definition... 3 1.2 Eigenschaften... 3. 2 Steigungsdreieck 3
Lineare Funktionen Inhaltsverzeichnis 1 Proportionale Funktionen 3 1.1 Definition............................... 3 1.2 Eigenschaften............................. 3 2 Steigungsdreieck 3 3 Lineare Funktionen
MehrZeichen bei Zahlen entschlüsseln
Zeichen bei Zahlen entschlüsseln In diesem Kapitel... Verwendung des Zahlenstrahls Absolut richtige Bestimmung von absoluten Werten Operationen bei Zahlen mit Vorzeichen: Addieren, Subtrahieren, Multiplizieren
MehrGleichungen und Ungleichungen
Gleichungen Ungleichungen. Lineare Gleichungen Sei die Gleichung ax = b gegeben, wobei x die Unbekannte ist a, b reelle Zahlen sind. Diese Gleichung hat als Lösung die einzige reelle Zahl x = b, falls
Mehr1 topologisches Sortieren
Wolfgang Hönig / Andreas Ecke WS 09/0 topologisches Sortieren. Überblick. Solange noch Knoten vorhanden: a) Suche Knoten v, zu dem keine Kante führt (Falls nicht vorhanden keine topologische Sortierung
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrWelche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen?
Welche Lagen können zwei Geraden (im Raum) zueinander haben? Welche Lagen können zwei Ebenen (im Raum) zueinander haben? Welche Lagen kann eine Gerade bezüglich einer Ebene im Raum einnehmen? Wie heiÿt
MehrBehörde für Bildung und Sport Abitur 2008 Lehrermaterialien zum Leistungskurs Mathematik
Abitur 8 II. Insektenpopulation LA/AG In den Tropen legen die Weibchen einer in Deutschland unbekannten Insektenpopulation jedes Jahr kurz vor Beginn der Regenzeit jeweils 9 Eier und sterben bald darauf.
Mehrwww.mathe-aufgaben.com
Abiturprüfung Mathematik Baden-Württemberg (ohne CAS) Pflichtteil Aufgaben Aufgabe : ( VP) Bilden Sie die erste Ableitung der Funktion f mit sin() f() =. Aufgabe : ( VP) Berechnen Sie das Integral ( )
Mehrx 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
Mehr6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum
6 ALLGEMEINE THEORIE DES ELEKTROMAGNETISCHEN FELDES IM VAKUUM 25 Vorlesung 060503 6 Allgemeine Theorie des elektromagnetischen Feldes im Vakuum 6.1 Grundaufgabe der Elektrodynamik Gegeben: Ladungsdichte
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
MehrSimplex-Umformung für Dummies
Simplex-Umformung für Dummies Enthält die Zielfunktion einen negativen Koeffizienten? NEIN Optimale Lösung bereits gefunden JA Finde die Optimale Lösung mit dem Simplex-Verfahren! Wähle die Spalte mit
Mehr1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage:
Zählen und Zahlbereiche Übungsblatt 1 1. Man schreibe die folgenden Aussagen jeweils in einen normalen Satz um. Zum Beispiel kann man die Aussage: Für alle m, n N gilt m + n = n + m. in den Satz umschreiben:
MehrUniversität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
MehrRepetitionsaufgaben Wurzelgleichungen
Repetitionsaufgaben Wurzelgleichungen Inhaltsverzeichnis A) Vorbemerkungen B) Lernziele C) Theorie mit Aufgaben D) Aufgaben mit Musterlösungen 4 A) Vorbemerkungen Bitte beachten Sie: Bei Wurzelgleichungen
MehrBevor lineare Gleichungen gelöst werden, ein paar wichtige Begriffe, die im Zusammenhang von linearen Gleichungen oft auftauchen.
R. Brinkmann http://brinkmann-du.de Seite 1 13.0.010 Lineare Gleichungen Werden zwei Terme durch ein Gleichheitszeichen miteinander verbunden, so entsteht eine Gleichung. Enthält die Gleichung die Variable
MehrSkript und Aufgabensammlung Terme und Gleichungen Mathefritz Verlag Jörg Christmann Nur zum Privaten Gebrauch! Alle Rechte vorbehalten!
Mathefritz 5 Terme und Gleichungen Meine Mathe-Seite im Internet kostenlose Matheaufgaben, Skripte, Mathebücher Lernspiele, Lerntipps, Quiz und noch viel mehr http:// www.mathefritz.de Seite 1 Copyright
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrInformationsblatt Induktionsbeweis
Sommer 015 Informationsblatt Induktionsbeweis 31. März 015 Motivation Die vollständige Induktion ist ein wichtiges Beweisverfahren in der Informatik. Sie wird häufig dazu gebraucht, um mathematische Formeln
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
MehrW-Rechnung und Statistik für Ingenieure Übung 11
W-Rechnung und Statistik für Ingenieure Übung 11 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) Mathematikgebäude Raum 715 Christoph Kustosz (kustosz@statistik.tu-dortmund.de) W-Rechnung und Statistik
MehrGitterherstellung und Polarisation
Versuch 1: Gitterherstellung und Polarisation Bei diesem Versuch wollen wir untersuchen wie man durch Überlagerung von zwei ebenen Wellen Gttterstrukturen erzeugen kann. Im zweiten Teil wird die Sichtbarkeit
Mehr3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
MehrAbituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR)
Abituraufgabe zur Stochastik, Hessen 2009, Grundkurs (TR) Eine Firma stellt USB-Sticks her. Sie werden in der Fabrik ungeprüft in Packungen zu je 20 Stück verpackt und an Händler ausgeliefert. 1 Ein Händler
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
Mehr7. Ringe und Körper. 7. Ringe und Körper 49
7. Ringe und Körper 49 7. Ringe und Körper In den bisherigen Kapiteln haben wir nur Gruppen, also insbesondere nur Mengen mit lediglich einer Verknüpfung, untersucht. In der Praxis gibt es aber natürlich
MehrKorrelation (II) Korrelation und Kausalität
Korrelation (II) Korrelation und Kausalität Situation: Seien X, Y zwei metrisch skalierte Merkmale mit Ausprägungen (x 1, x 2,..., x n ) bzw. (y 1, y 2,..., y n ). D.h. für jede i = 1, 2,..., n bezeichnen
MehrAbiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1
Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)
MehrBerechnung der Erhöhung der Durchschnittsprämien
Wolfram Fischer Berechnung der Erhöhung der Durchschnittsprämien Oktober 2004 1 Zusammenfassung Zur Berechnung der Durchschnittsprämien wird das gesamte gemeldete Prämienvolumen Zusammenfassung durch die
MehrLineares Gleichungssystem
Lineares Gleichungssystem Ein System von m linearen Gleichungen in n Unbekannten besteht aus einer Menge von algebraischen Relationen der Form n a ij x j = b i, i =,...,m, j= wobei a ij R, i m, j n, die
MehrKonzepte der Informatik
Konzepte der Informatik Vorkurs Informatik zum WS 2011/2012 26.09. - 30.09.2011 17.10. - 21.10.2011 Dr. Werner Struckmann / Christoph Peltz Stark angelehnt an Kapitel 1 aus "Abenteuer Informatik" von Jens
MehrÜ b u n g s b l a t t 11
Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHISCHE UIVERSITÄT MÜCHE Zentrum Mathematik PRF. R.R. JÜRGE RICHTER-GEBERT, VAESSA KRUMMECK, MICHAEL PRÄHFER Höhere Mathematik für Informatiker I (Wintersemester 003/004) Aufgabenblatt 1 (4. ktober 003)
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrKapitel 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
MehrQuadratische Gleichungen
Quadratische Gleichungen Aufgabe: Versuche eine Lösung zu den folgenden Zahlenrätseln zu finden:.) Verdoppelt man das Quadrat einer Zahl und addiert, so erhält man 00..) Addiert man zum Quadrat einer Zahl
Mehrbekannt: 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
MehrV 2 B, C, D Drinks. Möglicher Lösungsweg a) Gleichungssystem: 300x + 400 y = 520 300x + 500y = 597,5 2x3 Matrix: Energydrink 0,7 Mineralwasser 0,775,
Aufgabenpool für angewandte Mathematik / 1. Jahrgang V B, C, D Drinks Ein gastronomischer Betrieb kauft 300 Dosen Energydrinks (0,3 l) und 400 Liter Flaschen Mineralwasser und zahlt dafür 50, Euro. Einen
MehrEffiziente Algorithmen und Datenstrukturen I. Kapitel 10: Lineare Algebra
Effiziente Algorithmen und Datenstrukturen I Kapitel 10: Lineare Algebra Christian Scheideler WS 2008 19.02.2009 Kapitel 10 1 Überblick Notation Arithmetik auf großen Zahlen (Addition und Multiplikation)
Mehr