Inhalt Kapitel IV: Interpolation
|
|
|
- Teresa Siegel
- vor 9 Jahren
- Abrufe
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 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
(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
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
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
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}
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
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
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)
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
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
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
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
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)
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
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
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
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:
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
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
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,
Numerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke [email protected] Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
1/26. 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
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
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
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
Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...
sproblem Heinrich Voss [email protected] 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
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
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
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
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
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
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
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,?
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
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
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
GRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies
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
[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
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
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]
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
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.
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
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)
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
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
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
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
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
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
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)
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.
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
HTL Kapfenberg SPLINE Interpolation Seite 1 von 7.
HTL Kapfenberg SPLINE Interpolation Seite von 7 Roland Pichler [email protected] SPLINE Interpolation Mathematische / Fachliche Inhalte in Stichworten: Polynome, Gleichungssysteme, Differenzialrechnung
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
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
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
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
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.:
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
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
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
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:
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
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.
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
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
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
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
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
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
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
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:
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...
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,
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.
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
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
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
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,
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
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
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
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:
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 =
Verteilte Kyroptographie
Verteilte Kyroptographie Klassische kryptographische Verfahren Kryptographische Hash-Funktionen Public-Key-Signaturen Verteilte Mechanismen Schwellwert-Signaturen Verteilt generierte Zufallszahlen Verteilte
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 =
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
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
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
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)
