Numerische Verfahren
|
|
- Martha Gärtner
- vor 7 Jahren
- Abrufe
Transkript
1 Numerische Verfahren 1. Kapitel: Prof. Dr.-Ing. K. Warendorf Hochschule für Angewandte Wissenschaften München Fakultät 03 WS 13/14 Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 1 / 11
2 Inhalt 1 Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 2 / 11
3 Eingangsfehler (z.b. Messdaten sind fehlerbehaftet) Rundungsfehler (begrenzt durch die Maschinengenauigkeit) Verfahrensfehler (durch Näherungen oder durch Akkumulation bzw. Auslöschung) Fortpflanzung der Eingangsfehler Relativer und absoluter Fehler Sei x eine fehlerbehaftete Größe und x der exakte Wert absoluter Fehler x = x x relativer Fehler ɛ x = x x = x x x Ist x ein Vektor so ergibt sich x = x x und ɛ x = x x x Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 3 / 11
4 Einschub: (1) Sei V ein Vektorraum über K (K = R oder K = C). Die Abbildung : V R + 0 heißt, falls folgende Eigenschaften gelten (für alle a K, x, y V ): 1 x = 0 x = 0 2 a x = a x 3 x + y x + y (Dreiecksungleichung) Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 4 / 11
5 Einschub: (2) Beispiele für Vektornormen 1 Summennorm: x 1 = x 1 + x x n 2 Euklidische : x 2 = x x x n 2 3 Maximumsnorm: x = max{ x 1, x 2,..., x n } Beispiele für Matrixnormen Sei A eine reelle (n, n)-matrix 1 Spaltensummennorm: A 1 = max n j=1...n a ij 2 Spektralnorm: A 2 = max j=1...n λ j (A T A), mit λ j (A T A): Eigenwerte der Matrix A T A 3 Zeilensummennorm: A = max j=1...n n a ji Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 5 / 11
6 (1) Mit der wird die Abhängigkeit eines Problems von gestörten Eingangsdaten beschrieben. Die szahl stellt ein Maß für diese Abhängigkeit dar. Ein mathematisches Problem heißt gut konditioniert, falls relativ kleine Änderungen in den Eingangsdaten(= ɛ x ) relativ kleine Änderungen in den Ausgangsdaten (= ɛ y ) hervorrufen; ansonsten heißt es schlecht konditioniert. Es wird zur Berechnung der Ausgangsdaten von einer exakten Auswertung der Funktion (y = f (x)) ausgegangen. Also: Relative : κ R = ɛ y ɛ x Daraus ergibt sich, dass κ R angibt, wie stark der relative Eingangsfehler verstärkt wird. Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 6 / 11
7 (2) Fehlerfortpflanzung(1) Fehlerfortpflanzungsgesetz Sei x der Vektor der fehlerbehafteten Eingangsgrößen und ỹ = f ( x) = f ( x 1, x 2,..., x n ) die fehlerbehaftete Ausgangsgröße y = ỹ y = f xi ( x) x i oder y f xi ( x) x i σ i = f xi ( x) ist der Verstärkungsfaktor von x i. Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 7 / 11
8 (3) Fehlerfortpflanzung (2) Relativer Fehler y y = n f xi ( x) f ( x) x i = τ i = x i f ( x) f x i x i (x) x }{{} i rel. Fehler:ɛ xi = τ i ɛ xi x i f ( x) f x i ( x) ist der Verstärkungsfaktor von ɛ xi. Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 8 / 11
9 (4) Berechnung der Relative einer Funktion wird ɛ x = (ɛ x1,..., ɛ xn ) T in der Summennorm und τ = (τ 1,..., τ n) T in der Maximumsnorm gemessen, so ergibt sich ɛ y = y y κ R ɛ xi mit κ R = max{ τ 1,..., τ n } werden die en genau anders herum gewählt, so ergibt sich ɛ y = y y κ R max{ ɛ x1,..., ɛ xn } mit κ R = τ i für eine Funktion f : R R ergibt sich insbesondere ɛ y = y y = κ R ɛ x mit κ R = f (x) x f (x) Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 9 / 11
10 (5) Berechnung der Relative für eine beliebige Funktion κ R = f ( x) x f ( x) Die Eingangsgröße x kann vektoriell sein und die Funktion f kann einen Vektor ergeben. einer regulären Matrix Sei A eine reguläre (n, n)-matrix cond(a) = A 1 A Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 10 / 11
11 eines Algorithmus Ein Algorithmus heißt gutartig oder stabil, wenn die durch ihn im Laufe der Rechnung erzeugten Fehler in der Größenordnung des durch die des Problems bedingten unvermeidbaren Fehlers bleiben. a a Zitat aus: Dahmen, Reusken; Numerik für Ingenieure und Naturwissenschaftler; S. 42; Springer Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14 11 / 11
Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
Mehr1 Fehleranalyse, Kondition, Stabilität
Fehleranalyse, Kondition, Stabilität Fehlerquellen: Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor
MehrKAPITEL 2. Fehleranalyse: Kondition, Rundungsfehler, Stabilität. Datenfehler. Dahmen-Reusken Kapitel 2 1
KAPITEL 2 Fehleranalyse: Kondition, Rundungsfehler, Stabilität Datenfehler Fehler im Algorithmus Fehler im Resultat Dahmen-Reusken Kapitel 2 1 Kondition eines Problems Analyse der Fehlerverstärkung bei
MehrMultiplikationen und Divisionen Hauptarbeit des Algorithmus liegt somit in der Berechnung der LR-Zerlegung. (n 1)n(2n 1) 6. = n3 3 n2.
KAPITEL LINEARE GLEICHUNGSSYSTEME 7 Rechenaufwand der LR-Zerlegung: A A : n Divisionen, n 2 Multiplikationen und Additionen A L, R: Also insgesamt n j= j2 + j = n3 3 n 3 Multiplikationen und Divisionen
MehrEinleitung Grundlagen Einordnung. Normen. Thomas Gerstner. Institut für Mathematik Goethe-Universität Frankfurt am Main
Institut für Mathematik Goethe-Universität Frankfurt am Main Einführungsvortrag Proseminar 25. Januar 2013 Outline 1 Einleitung Motivation Anwendungsbereiche 2 3 Wichtige Outline Einleitung Motivation
Mehr1. Rechnerarithmetik und. Rundungsfehler
1. Rechnerarithmetik und Rundungsfehler 1 Rundung (1) Die natürlichen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwerk, L. Kronecker Ohne Zahlendarstellung auf einem Rechner wiederholen
MehrB Vektor- und Matrixnormen
XXXI B Vektor- und Matrixnormen Um die Länge von Vektoren aus einem Vektorraum V über K {R, C} (und damit den Abstand zweier Vektoren) zu messen, definieren wir Normen, das sind Abbildungen : V R + 0,
Mehr1. Rechnerzahlen, Kondition, Stabilität
1. Rechnerzahlen, Kondition, Stabilität 1 1.1. Rechnerzahlen 2 1.2. Kondition 3 1.3. Stabilität 1. Rechnerzahlen, Kondition, Stabilität 1 / 18 1.1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis
Mehr1 Grundlagen der Numerik
1 Grundlagen der Numerik 1.1 Gleitpunkt-Arithmetik Es gibt nur endlich viele Zahlen auf dem Computer. Gleitpunktzahl: x = σmb E σ: Vorzeichen B: Basis (feste Zahl >1); M: Mantisse E: Exponent B = 2 : Dualzahl
MehrKurztest 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!)
MehrNumerische Mathematik I: Grundlagen
Numerische Mathematik I: Grundlagen 09.10.2017 Inhalt der Lehrveranstaltung Inhaltlich sollen Sie in der Lehrveranstaltung Numerische Mathematik I insbesondere vertraut gemacht werden mit der Numerik linearer
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 20.12.13 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 19 Fehlerbetrachtung R. Steuding
MehrMathematische Grundlagen
Mathematische Grundlagen 1 / 16 Vektorraum u R n, u = (u 1,..., u n ), u k R Euklidisches Skalarprodukt Euklidische Vektornorm (u, v) = u k v k u 2 = (u, u) = n u 2 k Vektoren u, v R n heißen orthogonal,
Mehr3.4 Kondition eines Problems
38 KAPITEL 3. FEHLERANALYSE Beispiel 3.18 Betrachte M(10, 5, 1). Dann sind x 4.2832, y 4.2821, z 5.7632 darstellare Zahlen und (x y)z 0.00633952. Das korrekte Ergenis in M ist daher 0.0063395. Der Ausdruck
MehrFehlerfortpflanzung. Fehler bei Fließkomma-Arithmetik. Addition x ` y ` z. Fehlerfortpflanzung. Analyse des Relativen Fehlers
Numerisches Programmieren (IN0019) Frank R. Schmidt. Kondition und Stabilität Winter Semester 016/017 Fließkommazahlen (Wdh.) Eine Fließkommazahl benutzt die folgende Zahlendarstellung Fließkomma-Arithmetik
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
Mehr1 Arithmetische Grundlagen
Am 4. Juni 1996 explodierte kurz nach dem Start die erste Ariane 5 Rakete durch einen Softwarefehler. Die Horizontalgeschwindigkeit wurde durch eine Gleitkommazahl v [ 10 308, 10 308 ] {0} [10 308,10 308
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrNumerische Mathematik für Ingenieure (SoSe 2013)
Numerische Mathematik für Ingenieure (SoSe 2013) PD Dr(USA) Maria Charina Auszüge aus Vorlesungsfolien von Prof Joachim Stöckler werden verwendet Für die Bereitstellung dieses Materials und der Tex-Files
Mehr6 Numerische Verfahren zur Lösung linearer Gleichungssysteme
Numerische Mathematik für ingenieurwissenschaftliche Studiengänge 208 6 Numerische Verfahren zur Lösung linearer Gleichungssysteme The simplest model in applied mathematics is a system of linear equations.
Mehr2 Direkte Lösungsverfahren für lineare Gleichungen
2 Direkte Lösungsverfahren für lineare Gleichungen Sei A R invertierbar und b R. Löse Ax = b genau und effizient. Die LR-Zerlegung Wir berechnen eine Zerlegung A = LR mit L, R R und den folgen Eigenschaften:
MehrIm Allgemeinen gibt es drei verschiedene Ursachen der numerischen Fehler:
Numerik I. Version: 19.02.08 18 3 Fehleranalyse Im Allgemeinen gibt es drei verschiedene Ursachen der numerischen Fehler: Rundungsfehler Approximationsfehler Konditionsfehler (Instabilität) Alle diese
Mehrbekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-
3.. Jetzt: Eliminiere 1. und 2. wie folgt u 2 + 2u 1 = h 2 f 1 + α }{{} bekannt Nun: Au = b mit A R n,n, b R n, u R n und A hat die Gestalt 2 1 1 2 1 A =......... =: tridiag( 1, 2, 1)...... 1 1 2 Analog
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrBegleitmaterial 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
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 1 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 2010 Prof. Dr. Klaus Höllig (IMNG)
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-
MehrComputerorientierte Mathematik II
Computerorientierte Mathematik II Vorlesungen: Christoph Wehmeyer, Frank Noé Übungszettel: Christoph Wehmeyer Tutorien: Anna Dittus, Felix Mann, Dominik Otto 1. Anmeldung im KVV und im Campus Management!
MehrErweiterungen der LR-Zerlegung
Prof. Thomas Richter 6. Juli 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 06.07.2017 Erweiterungen
MehrKonkrete Mathematik. Eine Einführung in die Numerische Mathematik für LehramtskandidatInnen. Vorlesungsskript, Sommersemester 2008.
Konkrete Mathematik Eine Einführung in die Numerische Mathematik für LehramtskandidatInnen Vorlesungsskript, Sommersemester 2008 Christian Clason Stand vom 12. September 2008 Institut für Mathematik und
MehrNumerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn Verfasst von Patrick Schneider E-Mail: Patrick.Schneider@uni-ulm.de Universität Ulm Institut für Numerische Mathematik Sommersemester
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 34 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 7.1.2009 2 / 34 Technisches Vorlesungswebsite: http://www.am.uni-erlangen.de/am3/de/lehre/ws08/numing1/
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät
MehrEigenwerte. Vorlesung Computergestützte Mathematik zur Linearen Algebra. Lehrstuhl für Angewandte Mathematik Sommersemester 2009
Eigenwerte Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Sommersemester 2009 25. Juni + 2.+9. Juli 2009 Grundlagen Definition Ist für A C n,n, Ax = λx
MehrLineare Algebra. 10. Übungsstunde. Steven Battilana.
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 3, 26 Erinnerung Gram-Schmidt Verfahren Sei V ein euklidischer/unitärer Vektorraum mit dim(v ) n < Gegeben: W span{v,...,
MehrNumerische Mathematik
Michael Knorrenschild Mathematik-Studienhilfen Numerische Mathematik Eine beispielorientierte Einführung 6., aktualisierte und erweiterte Auflage 1.1 Grundbegriffe und Gleitpunktarithmetik 15 second, also
MehrCramersche Regel. Satz Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei. A j := (a 1,...,a j 1,b,a j+1,...
Cramersche Regel Satz 2.4. Es sei A R n n eine quadratische Matrix mit det(a) 0. Für ein LGS Ax = b sei A j := (a,...,a j,b,a j+,...,a n ) also die Matrix, die entsteht, wenn in A die j-spalte durch den
MehrStabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom
Stabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom 26.1.18 Auswirkung von Auswertungsfehlern: Beispiel und Definition der Stabilität. Stabilitätsanalyse in drei verschiedenen Auflösungen. Einfachster
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
Mehr4.6 Berechnung von Eigenwerten
4.6 Berechnung von Eigenwerten Neben der Festlegung auf den betragsgrößten Eigenwert hat die Potenzmethode den Nachteil sehr langsamer Konvergenz, falls die Eigenwerte nicht hinreichend separiert sind.
MehrZusammenfassung 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
MehrNumerische Mathematik
Numerische Mathematik (Wintersemester 2003/04, 2004/05, 2005/06) Dirk Praetorius Institut für Analysis und Scientific Computing Technische Universität Wien Vorwort Bei dem vorliegenden Skript handelt es
MehrNumerik I. Aufgaben und Lösungen
Universität zu Köln SS 2009 Mathematisches Institut Prof Dr C Tischendorf Dr M Selva, mselva@mathuni-koelnde Numerik I Musterlösung Übungsblatt 4, Kondition (5 Punkte) Aufgaben Lösungen (4 Punkte) Zeigen
MehrStabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom
Stabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom 22.1.16 Auswirkung von Auswertungsfehlern: Beispiel und Definition der Stabilität. Stabilitätsanalyse in drei verschiedenen Auflösungen. Einfachster
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 7 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. Juli 7 Sie haben 9 Minuten Zeit zum Bearbeiten
MehrKAPITEL 1. Einleitung
KAPITEL 1 Einleitung Wir beschäftigen uns in dieser Vorlesung mit Verfahren aus der Numerischen linearen Algebra und insbesondere dem sogenannten Mehrgitterverfahren zur Lösung linearer Gleichungssysteme
MehrMathematische Werkzeuge für Computergrafik 2016/17. Gleitkommzahlen
Mathematische Werkzeuge für Computergrafik 2016/17 Gleitkommzahlen 1 Grundlagen 1 Da im Computer nur endliche Ressourcen zur Verfügung stehen, können reelle Zahlen in vielen Fällen nicht exakt dargestellt
MehrFehler- und Ausgleichsrechnung
Fehler- und Ausgleichsrechnung Daniel Gerth Daniel Gerth (JKU) Fehler- und Ausgleichsrechnung 1 / 12 Überblick Fehler- und Ausgleichsrechnung Dieses Kapitel erklärt: Wie man Ausgleichsrechnung betreibt
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dr.-Ing. Markus Kowarschik Numerisches Programmieren,
Mehr1 Die Jordansche Normalform
Matthias Tischler Karolina Stoiber Ferienkurs Lineare Algebra für Physiker WS 4/5 A Die Jordansche Normalform Vierter Tag (9.03.205) Im Zusammenhang mit der Lösung komplexer Differentialgleichungssysteme
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrNumerische Methoden. Thomas Huckle Stefan Schneider. Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker.
Thomas Huckle Stefan Schneider Numerische Methoden Eine Einführung für Informatiker, Naturwissenschaftler, Ingenieure und Mathematiker 2. Auflage Mit 103 Abbildungen und 9 Tabellen 4Q Springer Inhaltsverzeichnis
MehrDer Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 19.1.18 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus. Achtung: Durchführbarkeit nur bei
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München (FH)
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrNumerische Mathematik
Numerische Mathematik 0 Organisatorisches Version 22.09.2016 Thorsten Struckmann 0 Organisatorisches Numerische Mathematik Kursziele Kursinhalte Ablauf Literatur Numerische Mathematik WS1617 - Struckmann
MehrLinear Systems and Least Squares
Linear Systems and Least Squares Vortragender: Gelin Jiofack Nguedong Betreuer: Prof. Dr. Joachim Weickert Proseminar: Matrixmethoden in Datenanalyse und Mustererkennung Wintersemester 2015/2016 18. November
MehrKAPITEL 7. Berechnung von Eigenwerten. Av = λv
KAPITEL 7. Berechnung von Eigenwerten Aufgabe: Sei A R n n eine reelle quadratische Matrix. Gesucht λ C und v C n, v 0, die der Eigenwertgleichung Av = λv genügen. Die Zahl λ heißt Eigenwert und der Vektor
Mehr{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1,
Aufgabe I1 (4 Punkte) Es seien (G, ) und (H, ) Gruppen a) Wann heißt eine Abbildung Φ : G H ein Gruppenhomomorphismus? b) Es seien Φ, Ψ : G H zwei Gruppenhomomorphismen Zeigen Sie, dass eine Untergruppe
MehrNorm Kondtition. Norm und Kondition. Metin Tapirdamaz
29.04.2011 Inhaltsverzeichnis 1 Vektornorm Eigenschaften von Vektornormen Matrixnorm 2 Vektornorm Eigenschaften von Vektornormen Matrixnorm Vektornorm Eine definiert auf einem Vektorraum eine Längenfunktion.
MehrEinführung in die Grundlagen der Numerik
Einführung in die Grundlagen der Numerik Institut für Numerische Simulation Rheinische Friedrich-Wilhelms-Universität Bonn Wintersemester 2014/2015 Normierter Vektorraum Sei X ein R-Vektorraum. Dann heißt
MehrMNM 1 RUNDUNGSFEHLER 1. ,... können im Computer nicht exakt dargestellt werden.
MNM 1 RUNDUNGSFEHLER 1 1 Rundungsfehler 2, 6 7, 5 3, können im Computer nicht exakt dargestellt werden Sei x R: ˆx eine Computerzahl, die x approximiert ˆx ist i allg mit einem Fehler behaftet Es gibt
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrPrüfung Lineare Algebra , B := ( ), C := 1 1 0
1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,
MehrAngewandte Mathematik für die Informatik
Angewandte Mathematik für die Informatik Sommersemester 2017, Teil 2 Louchka Popova-Zeugmann und Wolfgang Kössler Humboldt-Universität zu Berlin, Institut für Informatik 24. Juli 2017 1 / 1 Inhalt (1)
Mehr51 Numerische Berechnung von Eigenwerten und Eigenvektoren
5 Numerische Berechnung von Eigenwerten und Eigenvektoren 5. Motivation Die Berechnung der Eigenwerte einer Matrix A IR n n als Lösungen der charakteristischen Gleichung (vgl. Kapitel 45) ist für n 5 unpraktikabel,
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
MehrTutorial: Numerisch Differenzieren
(basierend auf dem Skript Numerik für Ingenieure von R. Axthelm) Aufgabenstellung: Von ihrem GPS-Gerät bekommen sie alle 12 Sekunden ihre aktuelle Position zugeschickt. Daraus können sie das unten dargestellte
MehrRechnet mein Taschenrechner richtig?
Rechnet mein Taschenrechner richtig? René Lamour Humboldt-Universität zu Berlin Institut für Mathematik Lange Nacht der Wissenschaften 2011 Unser Institutsgebäude c 2010 WISTA-MANAGEMENT GMBH www.adlershof.de
MehrReelles Skalarprodukt
Reelles Skalarprodukt Ein Skalarprodukt auf einem reellen Vektorraum V ist eine Abbildung, : V V R mit folgenden Eigenschaften: Positivität: v, v > 0 für v 0 Symmetrie: Linearität: u, v = v, u λu + ϱv,
MehrD-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13
D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys Serie 13 1. Um einen Tisch sitzen 7 Zwerge. Vor jedem steht ein Becher mit Milch. Einer der Zwerge verteilt seine Milch gleichmässig auf alle
MehrKAPITEL 10. Numerische Integration
KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
MehrDer Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 17114 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus Achtung: Durchführbarkeit nur bei nichtverschwindenden
MehrKlausur zur Vorlesung Lineare Algebra I
Heinrich-Heine-Universität Düsseldorf 23.7.2 Mathematisches Institut Lehrstuhl für Algebra und Zahlentheorie Prof. Dr. Oleg Bogopolski Klausur zur Vorlesung Lineare Algebra I Bearbeitungszeit: 2 min Bitte
Mehr1.4 Stabilität der Gauß-Elimination
KAPIEL 1. LINEARE GLEICHUNGSSYSEME 18 1.4 Stabilität der Gauß-Elimination Bezeichne x die exakte Lösung von Ax = b bzw. ˆx die mit einem (zunächst beliebigen Algorithmus berechnete Näherungslösung (inklusive
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I) : Lösungshinweise
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Wolfgang Mackens Wintersemester 202/20 Klausur zur Mathematik I (Modul: Lineare Algebra I 07.02.20: Lösungshinweise Sie haben 60
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
MehrMathematik für Anwender II
Prof Dr H Brenner Osnabrück SS 22 Mathematik für Anwender II Vorlesung Euklidische Vektorräume Im Anschauungsraum kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor hat auch eine Länge,
MehrBasiswissen Matrizen
Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)
MehrLineare Algebra I Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß
Lineare Algebra I - 26. Vorlesung - Prof. Dr. Daniel Roggenkamp & Falko Gauß Donnerstag 8.12.: 8:30 Uhr - Vorlesung 10:15 Uhr - große Übung / Fragestunde Klausur: Mittwoch, 14.12. 14:15 Uhr, A3 001 Cauchy-Schwarz
MehrKAPITEL 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
MehrMathematik für Ingenieure mit Maple
Thomas Westermann Mathematik für Ingenieure mit Maple Band 1: Differential- und Integralrechnung für Funktionen einer Variablen, Vektor- und Matrizenrechnung, Komplexe Zahlen, Funktionenreihen 2. Auflage
MehrKapitel 2: Lineare Gleichungssysteme. 2.1 Motivation: Bildverarbeitung Sei B = (B(n, m)) ein N M stochastisches Feld mit ZVen
Kapitel 2: Lineare Gleichungssysteme 2.1 Motivation: Bildverarbeitung Sei B = (B(n, m)) ein N M stochastisches Feld mit ZVen B(n, m) : Ω {0,...,255}, n = 1,...,N, m = 1,...,M. dig. Camera Realisierung
Mehr3. Lineare Gleichungssysteme
3. Lineare Gleichungssysteme 1 3.1. Problemstellung 2 3.2. Direkte Verfahren 3 3.3. Normen und Fehleranalyse 4 3.4. Iterative Verfahren 5 3.5. Konvergenz von linearen Iterationsverfahren 6 3.6. Gradienten-Verfahren
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
Mehr4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax
MehrNumerische Mathematik
Numerische Mathematik Skript zur Vorlesung im Wintersemester 008/9 und Sommersemester 009 Helmut Harbrecht Stand: 3. Juli 009 3 Vorwort Diese Mitschrift kann und soll nicht ganz den Wortlaut der Vorlesung
MehrEinführung in die numerische Mathematik
Einführung in die numerische Mathematik Steffen Suerbier 20. Oktober 2009 Zusammenfassung Mitschriften basierend auf der Vorlesung Einführung in die numerische Mathematik, gehalten von Prof. Dr. Günter
MehrInstitut 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
MehrNumerische Mathematik für Ingenieure und Physiker
Willi Törnig Peter Spellucci Numerische Mathematik für Ingenieure und Physiker Band 1: Numerische Methoden der Algebra Zweite, überarbeitete und ergänzte Auflage Mit 15 Abbildungen > Springer-Verlag Berlin
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
Mehr