Inhalt Kapitel IV: Interpolation

Größe: px
Ab Seite anzeigen:

Download "Inhalt Kapitel IV: Interpolation"

Transkript

1 Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n mit π n (x i ) = f i, i =,...,n. Es gilt mit den Interpolationspolynomen π n = n f i L i i= L i := k i x x k x i x k, i =,...,n. Kapitel IV (interpol)

2 Die Interpolationsformel von Lagrange, Beispiel Gegeben seien für n = : i x i 3 f i 3 Als Interpolationspolynome ergeben sich L = (x )(x 3) ( )( 3), L = (x )(x 3) ( )( 3), L = (x )(x ) (3 )(3 ), und damit π = L +3 L + L = 6 ( 5x +7x+6) P -4 L 3L -5 L Stuetzstellen Kapitel IV (interpol3) 3 Gegeben seien für n = : Die Interpolationsformel von Lagrange Als Interpolationspolynome ergeben sich (x )(x ) L = ( )( ), L = und damit Beispiel: Exponentialfunktion i x i f i e e e π = e L +e L +e L (x + )(x ) ( + )( ), L (x + )(x ) = ( + )( ), = e (x x) (x )+e (x +x) ( = e + e ) ( e x + ) x+ e = (cosh() )x +sinh()x+ Kapitel IV (interpol3a) 4

3 Die Interpolationsformel von Lagrange Beispiel: Exponentialfunktion 3 4 L L L Stützpunkte 8 Π 6 4 e x e *L e *L e *L Stützstellen Kapitel IV (interpol4a) 5 Interpolationsfehler Die Stützwerte f i stammen oft von einer stetigen Funktion f, d.h. f i = f(x i ), i =,...,n. Gilt {x i : i =,...,n} [a,b], so lässt sich der Fehler f π n in der Maximumsnorm abschätzen als Hierbei ist f [a,b] := f L ([a,b]) := max x [a,b] f f π n [a,b] ω n+ [a,b] f (n+) [a,b]. (n+)! n ω n+ := (x x i ). Der Ausdruck ω n+ [a,b] hängt alleine von der Wahl der Stützstellen ab. i= Kapitel IV (interpol) 6

4 Das Polynom ω n+ Äquidistante Stützstellen, n = 5 x Frage: Gibt es eine Knotenverteilung, so dass ω n+ [a,b] minimal wird? Kapitel IV (interpol) 7 Das Polynom ω n+ Äquidistant, weitere Stützstellen, Tschebyscheff, n = x x x x Die sog. Tschebyscheffpunkte liefern ein optimales ω n+ [a,b]. Kapitel IV (interpola) 8

5 Tschebyscheff Interpolation Für n N bezeichne T n das Tschebyscheffpolynom, T n := cos(narccosx), x [,]. Es gilt die 3-Term Rekursion T =, T = x, T n = xt n T n, n, = T n P n Nullstellen von T n sind die Tschebyscheffpunkte x (n+) i ( ) i+ = cos n+ π, i =,...,n. Kapitel IV (interpol3) 9 Tschebyscheffpolynome T T T T 3 T 4 T 5 Kapitel IV (interpol6)

6 n = 3 Tschebyscheffpunkte n = n = 8 n=7 Kapitel IV (interpol4) Äquidistante Punkte vs. Tschebyscheffpunkte n = 9, Lagrange Polynom L L 9,äquidistant [,] =. 3, L 9,Tschebyscheff [,] =. Kapitel IV (interpol7)

7 Äquidistante Punkte vs. Tschebyscheffpunkte f = /(+5x ) n = 4 n = 6 n = n = n =.5.5 n = 4 Tschebyscheffpunkte: Konvergenz Äquidistante Punkte: Randoszillationen Kapitel IV (interpol8) 3 Äquidistante Punkte vs. Tschebyscheffpunkte Interpolationsfehler, f = /(+5x ) n =, aequidistant.5.5 n =, aequidistant n = 3, aequidistant n =, Tschebyscheff n =, Tschebyscheff x 3 n = 3, Tschebyscheff Kapitel IV (interpol9) 4

8 Interpolationsfehler und Lebesgue Konstanten Λ n Definiton Lebesgue Konstante Λ n : Λ n := max x [,] n L i i= Interpolationsfehler: f Π n f [,] CΛ n ω(f, n ) Hierbei bezeichnen L i die Lagrange-Interpolationspolynome, und ω(f, n ) den Stetigkeitsmodul von f. Dieser ist definiert als ω(f, δ) := sup f f(y) x y <δ mit ω(f, n ) L n falls f Lipschitz-stetig hinsichtlich der Konstanten L ist. Kapitel IV (interpolc) 5 Verhalten der Lebesgue-Konstanten für steigende Polynomordnung Äquidistant vs. Tschebyscheff Lebesgue Konstante äquidistant Tschebyscheff 5 3 Anzahl Stützstellen.5 Lebesgue Konstante.4.3 Tschebyscheff (/π)*log(n+)+ 3 Anzahl Stützstellen Λ n wächst logarithmisch für Tschebyscheffpunkte: Λ n π ln(n+)+, Λ n wächst exponentiell für äquidistante Punkte: Λ n Ce n/. Kapitel IV (interpol5b) 6

9 Konvergenzverhalten für Tschebyscheffpunkte Interpolationsfehler f Π n [,] Fehler (logarithmisch) 5 /(+5x ) x 3/ x / 5 5 Anzahl Stützstellen Interpolationsfehler hängt vom Stetigkeitsmodul ω(f, n ) des Interpolanden ab. Kapitel IV (interpold) 7 Ziel: Π n (f,y) soll für... Auswertung des Interpolationspolynoms k verschiedene Funktionen f an jeweils m weiteren Stellen y i,i =...m ausgewertet werden. Dazu gibt es folgende Möglichkeiten: Aitken-Neville Newton & Horner baryzentrisch Aufwand O(kmn ) O(kmn+kn ) O(kmn+n ) Stabilität Kapitel IV (interpol78) 8

10 Das Schema von Aitken und Neville Das gesuchte Polynom π n soll an einem Punkt x ausgewertet werden. Für k + paarweise verschiedene Indizes {i,...,i k } {,...,n} bezeichne P i...i k P k das Interpolationspolynom durch (x i,f i ),...,(x ik,f ik ). Es gilt: P i = f i, i =,...,n, P i...i k = (x x i )P i...i k (x x ik )P i...i k x ik x i. k = Neville Schema für n = : x f = P P x f = P P P f = P x Kapitel IV (interpol5) 9 Das Schema von Aitken und Neville, Beispiel Gegeben seien für n = : i x i 3 f i 3 Neville Schema für die Berechnung von π () = P (): x = P () = k = P () = ( ) 3 ( ) = 5 x = P () = 3 P () = ( ) ( 3) 3 3 = 5/ x = 3 P () = P () = ( ) 5/ ( 3) 5 3 = /3 Kapitel IV (interpol6)

11 Das Schema von Aitken und Neville Einfache Erweiterung um zusätzliche Punkte zusätzliches Wertepaar (x 3,f 3 ) := (4,3), berechne π 3 () = P 3 (): k = 3 x = P () = P () = 5 x = P () = 3 P () = /3 P () = 5/ P 3 () = 8/3 x = 3 P () = P 3 () = P 3 () = x 3 = 4 P 3 () = 3 Kapitel IV (interpol7) Die Newtonsche Interpolationsformel Idee: Darstellung des gesuchten Polynoms π n als π n = c +c (x x )+c (x x )(x x )+...+c n (x x ) (x x n ) = n i= (x x k ). c i i k= Bestimmung der Koeffizienten c i, i =,...,n durch f = π n (x ) = c f = π n (x ) = c +c (x x ). n f n = π n (x n ) = c +c (x n x )+...+c n (x n x k ) k= Kapitel IV (interpol8)

12 Newtonsche dividierte Differenzen Beobachtung: P i...i k P i...i k P k mit Nullstellen x i,...,x ik, mit f i...i k werde der führende Koeffizient bezeichnet. Es gilt f...i = c i, i =,...,n, und die Rekursionsformel f i...i k = f i...i k f i...i k x ik x i. k = Differenzen Schema für n = : x f f x f f f x f Kapitel IV (interpol9) 3 Newtonsche dividierte Differenzen, Beispiel Gegeben seien für n = : Differenzen Schema: x = f = x = f = 3 x = 3 f = i x i 3 f i 3 k = f = 3 = f = 3 3 = / Auswertung mit dem Horner Schema: f = / 3 = 5/6 π 3 = f +(x x )[f +(x x )f ] Kapitel IV (interpol) 4

13 Baryzentrische Interpolationsformel Π n = n i=f i L i mit L i := k i x x k x i x k, lässt sich wie folgt umschreiben: i =,...,n. Π n = n i= n i= β i x x i f i mit β β i := i x x i k i (x i x k ), i =,...,n. Kapitel IV (interpol79) 5 Baryzentrische Interpolationsformel Vorteile: Berechnung der β i mit O(n ) Rechenoperationen β i sind unabhängig von den f i eine weitere Stützstelle lässt sich mit einem zusätzlichen Aufwand von O(n) Rechenoperationen aufnehmen stabile Berechnung der Gewichte β i β i sind analytisch bekannt für Tschebyscheff und äquidistante Knoten Kapitel IV (interpol79) 6

14 Horner-Schema Interpolationsfehler, f = /(+5x ).8 Div. Diff. und Horner π 5 f.5 Div. Diff. und Horner π 6 f 6 4 Div. Diff. und Horner π 7 f x 5 Div. Diff. und Horner π 8 x 9 Div. Diff. und Horner π 9 8 x 4 Div. Diff. und Horner π 4 3 f 5 f 6 4 f Kapitel IV (interpol73a) 7 Vergleich Interpolationsfehler, f = /(+5x ) Aitken Neville π 4 Div. Diff. und Horner π 4 Baryzentrische Darstellung π 4.8 f.8 f.8 f Aitken Neville π f x 4 Div. Diff. und Horner π 6 4 f Baryzentrische Darstellung π f Kapitel IV (interpol7) 8

Die Interpolationsformel von Lagrange

Die Interpolationsformel von Lagrange Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n

Mehr

(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)

(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

Mehr

1 2 x x x x x x2 + 83

1 2 x x x x x x2 + 83 Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die

Mehr

8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.

8 Interpolation. 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

Mehr

6 Polynominterpolation

6 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}

Mehr

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1. KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 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

Mehr

5 Interpolation und Approximation

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)

Mehr

KAPITEL 8. Interpolation

KAPITEL 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

Mehr

6. Polynom-Interpolation

6. Polynom-Interpolation 6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für

Mehr

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,

Die 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

Mehr

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester

Mehr

Einführung in die numerische Mathematik

Einführung in die numerische Mathematik Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 214 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis

Mehr

Kapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen

Kapitel 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)

Mehr

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

Musterlösung 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

Mehr

12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = g i f(x i ) I[f] = f(x) dx

12.2 Gauß-Quadratur. Erinnerung: Mit der Newton-Cotes Quadratur. I n [f] = 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

Mehr

Polynominterpolation

Polynominterpolation 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

Mehr

Nachklausur am Donnerstag, den 7. August 2008

Nachklausur am Donnerstag, den 7. August 2008 Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:

Mehr

Approximationstheorie und Approximationspraxis

Approximationstheorie und Approximationspraxis Approximationstheorie und Approximationspraxis Martin Wagner Bergische Universität Wuppertal Fachbereich C - Mathematik und Naturwissenschaften AG Optmierung und Approximation 3. Februar 2010 1 / 20 Motivation

Mehr

Numerische Integration und Differentiation

Numerische Integration und Differentiation Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische

Mehr

Interpolation. Kapitel 3

Interpolation. Kapitel 3 Kapitel 3 Interpolation Die Interpolation von Funktionen oder Daten ist ein häufig auftretendes Problem sowohl in der Mathematik als auch in vielen Anwendungen Das allgemeine Problem, die sogenannte Dateninterpolation,

Mehr

Numerische Verfahren

Numerische 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

Mehr

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)

Mehr

1/26. Integration. Numerische Mathematik 1 WS 2011/12

1/26. Integration. Numerische Mathematik 1 WS 2011/12 1/26 Integration Numerische Mathematik 1 WS 2011/12 Notation 2/26 Die Abbildung I b a : C([a, b]) R gegeben durch Ia b (f ) := beschreibt die Integration. b a f (x)dx, Um das Integral I(f ) zu approximieren

Mehr

Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013

Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013 Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche

Mehr

NUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002

NUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002 NUMERISCHE MATHEMATIK II 1 (Studiengang Mathematik) Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2001/2002 1 Korrekturen, Kommentare und Verbesserungsvorschläge bitte

Mehr

6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme

6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear

Mehr

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,... sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt

Mehr

EINFÜHRUNG IN DIE NUMERISCHE MATHEMATIK I 1. Numerische Analysis. Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau

EINFÜHRUNG IN DIE NUMERISCHE MATHEMATIK I 1. Numerische Analysis. Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau EINFÜHRUNG IN DIE NUMERISCHE MATHEMATIK I 1 Numerische Analysis Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau 1 Version vom Herbst 2009 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis

Mehr

8 Polynominterpolation

8 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

Mehr

Klausur Numerische Methoden II Universität Siegen, Fachbereich Maschinenbau,

Klausur Numerische Methoden II Universität Siegen, Fachbereich Maschinenbau, Universität Siegen, Fachbereich Maschinenbau, 31.7.9 Name: Matrikelnummer: Aufgabe 1 (8 Punkte) Für die Abschätzung der Lebensdauer eines Wälzlagers wird die Bestimmungsgröße K gemäß der obenstehenden

Mehr

5 Interpolation und numerische Approximation

5 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

Mehr

VF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.

VF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b. NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet

Mehr

Spline-Räume - B-Spline-Basen

Spline-Räume - B-Spline-Basen Spline-Räume - B-Spline-Basen René Janssens 4. November 2009 René Janssens () Spline-Räume - B-Spline-Basen 4. November 2009 1 / 56 Übersicht 1 Erster Abschnitt: Räume von Splinefunktionen Grundlegende

Mehr

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?

Mehr

Begleitmaterial zur Vorlesung Numerik I

Begleitmaterial zur Vorlesung Numerik I Begleitmaterial zur Vorlesung Numerik I Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik I 1 / 49 Inhalte der Numerik

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2. MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw

Mehr

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe 5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN MATHEMATIK Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies

Mehr

Interpolation und Integration mit Polynomen

Interpolation und Integration mit Polynomen Interpolation und Integration mit Polynomen Philipp Andrea Zardo Universität Kassel 23. Februar 2006 / Kassel Outline 1 Einleitung Was ist numerische Mathematik? Die eulersche e-funktion Ein Wurzelalgorithmus

Mehr

[5], [0] v 4 = + λ 3

[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

Mehr

KAPITEL 10. Numerische Integration

KAPITEL 10. Numerische Integration KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f

Mehr

3.5 Schnelle Fouriertransformation (FFT, DFT)

3.5 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]

Mehr

Approximation durch Polynome

Approximation 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

Mehr

2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p

2. 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

Analysis II für Studierende der Ingenieurwissenschaften

Analysis II für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg SoSe 2014 Prof. Dr. Armin Iske Dr. Hanna Peywand Kiani Analysis II für Studierende der Ingenieurwissenschaften Blatt 3, Hausaufgaben Aufgabe 1: a) Es sei

Mehr

Institut für Geometrie und Praktische Mathematik

Institut für Geometrie und Praktische Mathematik RWTH Aachen Institut für Geometrie und Praktische Mathematik Diplom VP Numerik 13. September 004 Aufgabe 1 10 0 40 Gegeben sei die Matrix A = 80 10 10. 10 5 5 (6 Punkte) a) Skalieren (Zeilenäquilibrierung)

Mehr

Interpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr.

Interpolation. Nadine Losert. Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr. Interpolation Nadine Losert Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 2008/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Nachdem wir in den vorherigen Vorträgen verschiedene

Mehr

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0. Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ

Mehr

Approximation von Funktionen

Approximation von Funktionen von Funktionen Fakultät Grundlagen Februar 6 Fakultät Grundlagen von Funktionen Übersicht Problemstellung Taylorpolynom Taylorenreihe Zusammenhang von e-funktion und trigonometrischen Funktionen 3 Fakultät

Mehr

Notation für das asymptotische Verhalten von Funktionen

Notation für das asymptotische Verhalten von Funktionen Vorbemerkungen: Notation für das asymptotische Verhalten von Funktionen 1. Aussagen über die Komplexität von Algorithmen und von Problemen sollen (in der Regel) unabhängig von speziellen Maschinenmodellen

Mehr

Wichtige Klassen reeller Funktionen

Wichtige Klassen reeller Funktionen 0 Wichtige Klassen reeller Funktionen Monotone Funktionen sind i.a. unstetig, aber man kann etwas über das Grenzwertverhalten aussagen, wenn man nur einseitige Grenzwerte betrachtet. Definition 0. : Sei

Mehr

Zusammenfassung Numerische Mathematik für Elektrotechniker

Zusammenfassung Numerische Mathematik für Elektrotechniker Zusammenfassung Numerische Mathematik für Elektrotechniker RWTH Aachen, SS 2006, Prof. Dr. W. Dahmen c 2006 by Sebastian Strache, Ralf Wilke Korrekturen bitte an Ralf.Wilke@rwth-aachen.de 27. August 2006

Mehr

Numerik für Ingenieure I Wintersemester 2008

Numerik für Ingenieure I Wintersemester 2008 1 / 33 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 16.1.2009 2 / 33 Wiederholung Polynom Interpolation Vandermonde Ansatz Newton Interpolation: Beispiel

Mehr

Γ = {(x, f(x)) : x R} R 2

Γ = {(x, f(x)) : x R} R 2 Numerik I. Version: 29.5.8 46 4 Interpolation 4.1 Einführung Nehmen wir an, dass eine Funktion f : R R eine physikalische Größe beschreibt und wir ihre Werte an n+1 verschiedenen Punkten x, x 1,...,x n

Mehr

11.4. Lineare Differentialgleichungen höherer Ordnung

11.4. Lineare Differentialgleichungen höherer Ordnung 4 Lineare Differentialgleichungen höherer Ordnung Bei vielen geometrischen, physikalischen und technischen Problemen hat man nicht nur eine Funktion (in einer Variablen) und ihre Ableitung zueinander in

Mehr

D-ITET, D-MATL Numerische Methoden FS 2018 Dr. R. Käppeli P. Bansal. Lösung 3. j j + 1 P j 1(x), j 1. 2(1 x 2 k ) 2. ((j + 1)P j (x k ))

D-ITET, D-MATL Numerische Methoden FS 2018 Dr. R. Käppeli P. Bansal. Lösung 3. j j + 1 P j 1(x), j 1. 2(1 x 2 k ) 2. ((j + 1)P j (x k )) D-ITET, D-MATL umerische Methoden FS 2018 Dr. R. Käppeli P. Bansal Lösung 3 1. 3-Punkte Gauss Quadraturregel a) Um das Polynom P 3 (x) zu berechnen, benutzen wir die Formel P j+1 (x) 2j + 1 j + 1 xp j(x)

Mehr

Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006

Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006 Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Matlab: Fortsetzung Jan Mayer 4. Mai 2006 Manipulation von Matrizen und Vektoren [M,N]=size(A); speichert die Dimension einer Matrix bzw.

Mehr

3 Interpolation und Approximation

3 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

Mehr

HTL Kapfenberg SPLINE Interpolation Seite 1 von 7.

HTL 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

Mehr

Klasse WI06b MLAN2 zweite-klausur 13. Juni 2007

Klasse WI06b MLAN2 zweite-klausur 13. Juni 2007 Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme 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

Mehr

Approximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt.

Approximation. E(N) N. Beachte: Der Wert für N = 32 ist vernachlässigt, da er in der Grössenordnung der Rechengenauigkeit liegt. Approximation Ziel: Approximation der Funktion f(x) = x mit Polynomen (global und stückweise) Experiment: Abhängigkeit des Approximationsfehlers E(N) (in der Maximumnorm) von der Anzahl der Freiheitsgrade

Mehr

6 Interpolation und numerische Approximation

6 Interpolation und numerische Approximation Numerik 255 6 Interpolation und numerische Approximation 6.1 Polynominterpolation 6.2 Spline-Interpolation 6.3 Bestapproximation in Innenprodukträumen 6.4 Trigonometrische Interpolation 6.5 Schnelle Fourier-Transformation

Mehr

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min) Lehrstuhl für Angewandte Mathematik Montanuniversität Leoben 70 004 Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan. 207 2:00-4:00 (20 min) Name Matrikelnummer Mündliche Prüfung: Bitte markieren

Mehr

Klausur Mathematik I

Klausur Mathematik I Technische Universität Dresden 15. August 2008 Institut für Numerische Mathematik Dr. K. Eppler Klausur Mathematik I für Studierende der Fakultät Maschinenwesen (mit Lösungshinweisen) Name: Matrikelnummer.:

Mehr

Numerische Verfahren Übungen und Lösungen, Blatt 1

Numerische Verfahren Übungen und Lösungen, Blatt 1 Technische Universität Hamburg-Harburg Institut für Numerische Simulation, E-0 Dr. Jens-Peter M. Zemke Sommersemester 2008 Numerische Verfahren Übungen und Lösungen, Blatt Aufgabe : (Thema: relativer und

Mehr

Numerische Mathematik - Aufgaben Serie 1

Numerische Mathematik - Aufgaben Serie 1 Serie. Gesucht sei die Lösung des linearen Gleichungssystems (LGS) Ax = b mit ( ) ( ).78.563.7 A = und b =..93.659.54 Um einfach festzustellen, ob ein Vektor x Lösung des Systems ist, prüft man, ob der

Mehr

Mathematik IV für Elektrotechnik Mathematik III für Informatik

Mathematik IV für Elektrotechnik Mathematik III für Informatik Mathematik IV für Elektrotechnik Mathematik III für Informatik Vorlesungsskriptum Stefan Ulbrich Fachbereich Mathematik Technische Universität Darmstadt Sommersemester 2011 Inhaltsverzeichnis 1 Einführung

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92 Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : Ê Ê systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene

Mehr

QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN

QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN QUASI-SPLINE-INTERPOLATION BEZÜGLICH GLEICHMÄSSIGER UNTERTEILUNGEN IRYNA FEUERSTEIN Es wir ein Verfahren zur Konstruktion einer quasiinterpolierenden Funktion auf gleichmäßig verteilten Konten vorgestellt.

Mehr

2. Interpolation. Die Lücken der Diskretisierung schließen...

2. Interpolation. Die Lücken der Diskretisierung schließen... Die Lücken der Diskretisierung schließen... Page 1 of 46 Die Approximationsaufgabe 2.1. Aufgabe: Eine (ganz oder partiell unbekannte oder einfach nur komplizierte) Funktion f(x) ist durch ein einfach zu

Mehr

KAPITEL 5. Nichtlineare Gleichungssysteme

KAPITEL 5. Nichtlineare Gleichungssysteme KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld

Mehr

Ausgleichsproblem. Definition (1.0.3)

Ausgleichsproblem. Definition (1.0.3) Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst

Mehr

Konvergenz interpolierender Polynome

Konvergenz interpolierender Polynome Technische Universität Berlin Institut für Mathematik Konvergenz interpolierender Polynome Seminar Differentialgleichungen im Sommersemester 2012 bei Prof. Dr. Etienne Emmrich vorgelegt von David Breiter

Mehr

Inhalt Kapitel I: Nichtlineare Gleichungssysteme

Inhalt Kapitel I: Nichtlineare Gleichungssysteme Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren

Mehr

Sommersemester 2012 W. Huyer

Sommersemester 2012 W. Huyer Übungen zu Numerische Mathematik Sommersemester 0 W. Huyer ) Bestimmen Sie mit Matlab (format short) den Wert der folgenden arithmetischen Ausdrücke und erklären Sie die Ergebnisse. Welche Klammern sind

Mehr

A 1 A 2 A 3 A 4 A 5 A 6 A 7

A 1 A 2 A 3 A 4 A 5 A 6 A 7 Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer

Mehr

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0

Höhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0 KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 2. Ordnung Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:

Mehr

Übungen mit dem Applet Interpolationspolynome

Übungen mit dem Applet Interpolationspolynome Interpolationspolynome 1 Übungen mit dem Applet Interpolationspolynome 1 Ziele des Applets... 2 2 Übungen mit dem Applet... 2 2.1 Punkte... 3 2.2 y=sin(x)... 3 2.3 y=exp(x)... 4 2.4 y=x 4 x 3 +2x 2 +x...

Mehr

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form

Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form 3. Polynome 3.1 Definition und Grundlagen Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0,

Mehr

Aufgaben zu Kapitel 0

Aufgaben zu Kapitel 0 Aufgaben zu Kapitel 0 0.1. Seien A und B zwei Mengen. Wie kann man paarweise disjunkte Mengen A 1, A 2 und A 3 so wählen, dass A 1 A 2 A 3 = A B gilt? 0.2. Seien E ein Menge und A eine Teilmengen von E.

Mehr

Serie 13. Analysis D-BAUG Dr. Cornelia Busch FS 2016

Serie 13. Analysis D-BAUG Dr. Cornelia Busch FS 2016 Analysis D-BAUG Dr. Cornelia Busch FS 2016 Serie 13 1. Prüfungsaufgabe 4, Winter 2014. Bestimmen Sie die Funktion, für die gilt: An jeder Stelle des Definitionsbereichs ist die Steigung des Graphen der

Mehr

Mathematik für Wirtschaftswissenschaftler

Mathematik für Wirtschaftswissenschaftler Mathematik für Wirtschaftswissenschaftler Yves Schneider Universität Luzern Frühjahr 2016 Repetition Kapitel 1 bis 3 2 / 54 Repetition Kapitel 1 bis 3 Ausgewählte Themen Kapitel 1 Ausgewählte Themen Kapitel

Mehr

Institut für Geometrie und Praktische Mathematik

Institut für Geometrie und Praktische Mathematik RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik 4 Punkte Es gibt zu jeder der Aufgaben vier Teilaufgaben. Diese sind mit bzw. zu kennzeichnen hinschreiben. Es müssen

Mehr

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. 6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,

Mehr

3.6 Approximationstheorie

3.6 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

Mehr

Finite Elemente I Konvergenzaussagen

Finite Elemente I Konvergenzaussagen Finite Elemente I 195 5 onvergenzaussagen 5 onvergenzaussagen TU Bergakademie Freiberg, SoS 2006 Finite Elemente I 196 5.1 Interpolation in Sobolev-Räumen Wesentlicher Baustein der FE-onvergenzanalyse

Mehr

Practical Numerical Training UKNum

Practical Numerical Training UKNum Practical Numerical Training UKNum 2: Interpolation, Extrapolation, Splines Dr. C. Mordasini Max Planck Institute for Astronomy, Heidelberg Program: 1) Einführung 2) Direkte Methode 3) Dividierte Differenzmethode

Mehr

Kapitel 2. Zahlenbereiche

Kapitel 2. Zahlenbereiche Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:

Mehr

Rekursionen (Teschl/Teschl 8.1/8.2)

Rekursionen (Teschl/Teschl 8.1/8.2) Rekursionen (Teschl/Teschl 8.1/8.2) treten in vielen Algorithmen auf: Eine Rekursion ist eine Folge von Zahlen a 0, a 1, a 2,.., bei der jedes a n aus seinen Vorgängern berechnet wird: Beispiele a n =

Mehr

Verteilte Kyroptographie

Verteilte Kyroptographie Verteilte Kyroptographie Klassische kryptographische Verfahren Kryptographische Hash-Funktionen Public-Key-Signaturen Verteilte Mechanismen Schwellwert-Signaturen Verteilt generierte Zufallszahlen Verteilte

Mehr

Trigonometrische Funktionen

Trigonometrische Funktionen Trigonometrische Funktionen Jens Wirth, Freiberg wirth@mathtu-freibergde 1 Bezeichnungen, komplexe Zahlen Im folgenden bezeichnet die Menge der komplexen Zahlen z = x+ i y mit x, y, i = 1 Die Zahl x =

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung

Mehr

Numerische Mathematik für das Lehramt - Formelsammlung

Numerische Mathematik für das Lehramt - Formelsammlung Numerische Mathematik für das Lehramt - Formelsammlung n + 1 reele Zahlen x 0,, x n und f 0,, f n (x i, f i x i heiÿen Stützstellen f i heiÿen Stützwerte von Julian Merkert, Sommersemester 006, Prof Alefeld

Mehr

Kapitel 3. Interpolation und Approximation I. Inhalt: 3.1 Polynominterpolation 3.2 Extrapolation zum Limes 3.3 Gauß-Approximation

Kapitel 3. Interpolation und Approximation I. Inhalt: 3.1 Polynominterpolation 3.2 Extrapolation zum Limes 3.3 Gauß-Approximation Kapitel 3. Interpolation und Approximation I Inhalt: 3.1 Polynominterpolation 3.2 Extrapolation zum Limes 3.3 Gauß-Approximation Numerische Mathematik I 86 Allgemeine Problemstellung I. Gegeben ist eine

Mehr

Division mit Schulmethode

Division mit Schulmethode Division mit Schulmethode Satz Division mit Rest von Polynomen Seien a(x), b(x) Q[x] mit b(x) 0. Dann gibt es eindeutige q(x), r(x) Q[x] mit a(x) = q(x) b(x) + r(x) und grad(r) < grad(b). Beweis: Sei grad(a)

Mehr

3 Grenzwert und Stetigkeit 1

3 Grenzwert und Stetigkeit 1 3 Grenzwert und Stetigkeit 3. Grenzwerte bei Funktionen In diesem Abschnitt gilt: I ist immer ein beliebiges Intervall, 0 I oder einer der Endpunkte. 3.. Definition Sei I Intervall, 0 IR und 0 I oder Endpunkt

Mehr