7 Numerische Integration

Größe: px
Ab Seite anzeigen:

Download "7 Numerische Integration"

Transkript

1 Numerik Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefere Messwerte x i = x i + ε i. Angenommen, die Messfehler ε i sind standardnormalverteilt (wähle Einheiten entsprechend!): Wie groß ist die Wahrscheinlichkeit P, dass ein spezifischer Messwert den wirklichen Wert um weniger als zwei Einheiten überschätzt? P = 1 2π 2 0 exp ( t2 2 ) dt = Φ(2) Φ(0) (.477). 7 Numerische Integration TU Chemnitz, Sommersemester 2013

2 Numerik (2π) 1/2 exp( t 2 /2) 0.7 Φ(x) Aber: Es gibt keine geschlossene Formel für den Wert von Φ(x) = 1 x ( ) exp t2 dt 2π 2 (und vieler anderer Integrale). Selbst wenn geschlossenene Formeln bekannt sind, ist eine numerische Approximation oft ökonomischer. 7 Numerische Integration TU Chemnitz, Sommersemester 2013

3 Numerik 339 Inhalt Kapitel 7: 7.1 Newton-Cotes-Formeln 7.2 Zusammengesetzte Integrationsformeln 7.3 Romberg-Extrapolation 7.4 Adaptive Integrationsformeln 7.5 Gauß-Quadratur 7.6 Kubatur 7 Numerische Integration TU Chemnitz, Sommersemester 2013

4 Numerik Newton-Cotes-Formeln Gesucht: Wert von I := b a f(x) dx. Idee der interpolatorischen Quadraturformeln: Wähle (n + 1) Knoten a x 0 < x 1 < < x n 1 < x n b, bestimme das zugehörige Interpolationspolynom p n P n für f p n (x) = n f(x j )l j (x) mit l j (x) = j=0 n i=0 i j x x i x j x i (Lagrange-Form) und betrachte als Näherung für I b a p n (x) dx = n f(x j ) j=0 b l j (x) dx a } {{ } =:γ j = n γ j f(x j ). j=0 γ j bzw. x j heißen Gewichte bzw. Knoten der Integrationsformel. 7.1 Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

5 Numerik 341 Newton-Cotes-Formeln I n j=0 γ (n) j f(x j ) sind interpolatorische Quadraturformeln mit äquidistanten Knoten x j = a + jh (j = 0, 1,..., n), wobei h = (b a)/n. Bestimmung der Gewichte. Mit der Substitution x = a + ht, t [0, n]: γ (n) j = b a n i=0 i j x x i x j x i dx = h n 0 n i=0 i j t i j i dt =: hα(n) j (α (n) j sind unabhängig von f, a und b). Für jedes n gelten und α (n) 0 + α (n) α n (n) α (n) j = n = α (n) n j, j = 0, 1,..., n. 7.1 Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

6 Numerik 342 Tabelle der Newton-Cotes-Gewichte: I b a n n j=0 α (n) j f(a + jh) n Name α (n) j (j = 0, 1,..., n) 1 Trapezregel Simpson-Regel /8-Regel Milne-Regel Weddle-Regel Für größere n treten negative Gewichte auf, die Newton-Cotes-Formeln werden numerisch unbrauchbar. 7.1 Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

7 Numerik 343 Fehler der Newton-Cotes-Formeln: E n (f) = b a f(x)dx h n j=0 α (n) j f(a + jh) = b a ω n+1 (x) (n + 1)! f (n+1) (ζ(x))dx, wenn f C (n+1) [a, b] (vgl. Satz 6.4). Insbesondere werden Polynome vom Grad n durch die n-te Newton- Cotes-Formel exakt integriert. Man kann zeigen: Ist n gerade, so werden sogar Polynome vom Grad n + 1 exakt integriert. Exaktheitsgrad der n-ten Newton-Cotes-Formel = { n, falls n ungerade, n + 1, falls n gerade. 7.1 Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

8 Numerik 344 Wir bezeichnen die dividierten Differenzen einer Funktion bezüglich der n + 2 paarweise verschiedenen Knoten x 0,..., x n, x mit f[x 0, x 1,..., x n, x]. Lemma 7.1 (Alternatives Restglied bei Polynominterpolation). Wird die Funktion f durch das Polynom p P n an den Knoten a x 0 < x 1 < < x n 1 < x n b interpoliert, so gilt f(x) p(x) = ω n+1 (x)f[x 0, x 1,..., x n, x]. Lemma 7.2. Für das Knotenpolynom ω n+1 (x) = (x x 0 ) (x x n ) bezüglich der Knoten x j = a + jh, h = (b a)/n, gilt mit x n/2 := x 0 + hn/2 (a) ω n+1 (x n/2 + ξ) = ( 1) n+1 ω n+1 (x n/2 ξ). (b) Für a < ξ + h x n/2 mit ξ x 0,..., x n gilt ω n+1 (ξ + h) < ω n+1 (ξ). (c) Für x n/2 ξ < b mit ξ x 0,..., x n gilt ω n+1 (ξ) < ω n+1 (ξ + h). 7.1 Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

9 Numerik Knotenpolynom, n=6 2 Knotenpolynom, n= Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

10 Numerik 346 Lemma 7.3. Definiert man Ω n+1 (x) := x a ω n+1(ξ) dξ, (n 1), so gilt (a) Ω n+1 (a) = Ω n+1 (b) = 0 und Ω n+1 (x) > 0, x (a, b) für n gerade. (b) Ω n+1 (a) = 0, Ω n+1 (b) = 2Ω n+1 (x n/2 ), sowie Ω n+1 (x) < 0, x (a, b], für n ungerade. Satz 7.4. Ist f C n+2 [a, b], so gilt für den Fehler der Newton-Cotes Formeln für n gerade E n (f) = K n (n + 2)! f (n+2) (η), η (a, b) mit K n := b a xω n+1 (x) dx < Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

11 Numerik 347 Fehlerschranken E n (f) = b a f(x)dx h n j=0 α (n) j f(a + jh) S n(f) n Name S n (f) 1 Trapezregel h M 2 2 Simpson-Regel h M 4 3 3/8-Regel h M 4 4 Milne-Regel h M 6 5 h M 6 6 Weddle-Regel h M 8 mit M k := max a x b f (k) (x) und h = (b a)/n. 7.1 Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

12 Numerik 348 Beispiel. 1 0 exp(x) dx = e n Name E n (f) S n (f) 1 Trapezregel Simpson-Regel /8-Regel Milne-Regel Weddle-Regel Newton-Cotes-Formeln TU Chemnitz, Sommersemester 2013

13 Numerik Zusammengesetzte Integrationsformeln Idee: Unterteile das Integrationsintervall [a, b] in N Teilintervalle der Länge H := (b a)/n und wende auf jedes Teilintervall [a + jh, a + (j + 1)H] (j = 0, 1, 2,..., N 1), d.h. zur näherungsweisen Berechnung von a+(j+1)h a+jh Newton-Cotes-Formel (mit Schrittweite h = H/n) an: f(x) dx, die n-te b a f(x) dx = = N 1 j=0 N 1 j=0 (j+1)h h jh n k=0 f(x) dx N 1 j=0 h n k=0 α (n) k f(a + (jn + k)h). α (n) k f(a + jh + kh) 7.2 Zusammengesetzte Integrationsformeln TU Chemnitz, Sommersemester 2013

14 Numerik 350 Beispiel für n = 1: zusammengesetzte Trapezregel. Hier H = (b a)/n = h, also N + 1 Stützstellen: x j = a + jh, j = 0, 1,..., N: b a f(x) dx h 2 [ N 1 f(x 0 ) + 2 j=1 ] f(x j ) + f(x N ) =: T (h). (7.1) Fehler: b a f(x) dx T (h) b a 12 M 2 h 2 mit M 2 := max f (x). a x b Aufwand zur Berechnung von T (h): N + 1 Funktionsauswertungen. 7.2 Zusammengesetzte Integrationsformeln TU Chemnitz, Sommersemester 2013

15 Numerik 351 Beispiel für n = 2: zusammengesetzte Simpson-Regel. Hier H = (b a)/n = 2h, d.h. h = (b a)/(2n), also 2N + 1 Stützstellen: x j = a + jh, j = 0, 1,..., 2N: b a f(x) dx h 3 [ N 1 f(x 0 ) + 4 j=0 f(x 2j+1 ) + 2 N 1 j=1 ] f(x 2j ) + f(x 2N ) =: S(h). Fehler: b a f(x) dx S(h) b a 180 M 4 h 4 = b a 2880 M 4 H 4 mit M 4 := max a x b f (iv) (x). Aufwand zur Berechnung von S(h): 2N + 1 Funktionsauswertungen. 7.2 Zusammengesetzte Integrationsformeln TU Chemnitz, Sommersemester 2013

16 Numerik Romberg-Extrapolation Idee der Extrapolation: Es bezeichne T (h) die Trapezregel-Näherung für das Integral I = b f(x) dx. Ist f genügend glatt, so gilt a lim T (h) = I. h 0 Interpretiere I als Wert von T = T (h) an der Stelle h = 0: I = T (0). Wir können T (h) nur für h > 0, aber nicht an der Stelle h = 0 auswerten. Um T (0) zu approximieren interpolieren wir T an den Stützstellen h 0, h 1,..., h k > 0, d.h. wir bestimmen ein Polynom P k P k mit P k (h j ) = T (h j ) (j = 0, 1,..., k), und betrachten P k (0) als Näherung für T (0) = I. 7.3 Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

17 Numerik 353 T(h 3 ) P 2 (0) T(h 2 ) T(h 1 ) P k (0) ist (hoffentlich) eine bessere Näherung für I = T (0) als T (h 0 ), T (h 1 ), T (h 2 ), Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

18 Numerik Die Euler-Maclaurinsche Summenformel Die Konvergenz dieses Extrapolationsverfahrens wird wesentlich dadurch beschleunigt, dass T (h) eine asymptotische Entwicklung in h 2 besitzt. Dies ist eine Folgerung aus folgendem Ergebnis: Lemma 7.5. Ist g C 2m+2 [0, 1], so gilt 1 0 g(t) dt = 1 2 [g(0) + g(1)] + m k=1 B 2k (2k)! [g(2k 1) (0) g (2k 1) (1)] B 2m+2 (2m + 2)! g(2m+2) (ξ), ξ (0, 1). (7.2) Hierbei sind B k die Bernoulli-Zahlen B 2 = 1 6, B 4 = 1 30, B 6 = 1 48, B 8 = 1 30, Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

19 Numerik 355 Lemma 7.5 enthält die einfachste Variante der Euler-Maclaurinschen Summenformel. Die allgemeinere Form erhält man durch Anwendung von (7.2) auf die Integrale i+1 i g(t) dt (i = 0,..., N 1) und Aufsummieren: N 1 2 g(0) + g(1) + + g(n 1) g(n) = + m k=1 mit einem ξ (0, 1). 0 g(t) dt B 2k (2k)! [g(2k 1) (N) g (2k 1) (0)] + B 2m+2 (2m + 2)! N g(2m+2) (ξ) (7.3) 7.3 Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

20 Numerik 356 Anwendung auf beliebiges Intervall [a, b], äquidistante Knoten {x i = a + ih} N i=0, h = (b a)/n, f C 2m+2 [a, b] : Transformation von b a T (h) = b a f(t) dt + f(t) dt auf [0, N] und Anwendung von (7.3) liefert m k=1 h 2k B 2k (2k)! [f (2k 1) (b) f (2k 1) (a)] + h 2m+2 B 2m+2 (2m + 2)! (b a) f (2m+2) (ξ), ξ (a, b) (7.4) mit T (h) die Approximation der zusammengesetzten Trapezregel gemäß (7.1). Entscheidend: (7.4) stellt eine asymptotische Entwicklung von T (h) in Potenzen von h 2 dar. Auf diese Entwicklung wird das Extrapolationsverfahren angewandt. 7.3 Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

21 Numerik Das Romberg-Verfahren Wähle Schrittweitenfolge h 0 = b a, h j = h j 1 /2 = (b a)/2 j und bestimme P k (0) mit dem Algorithmus von Neville-Aitken (die Abszissen sind hier h 2 j ): T 0,0 = T (h 0 ) = b a [f(a) + f(b)], 2 [ 2 j 1 f(a) + 2 T j,0 = T (h j ) = h j 2 i=1 = 1 j T j 1,0 + h j i=1 ] f(a + ih j ) + f(b) f(a + (2i 1)h j ), j = 1, 2,... T j,k = 22k T j,k 1 T j 1,k 1 2 2k 1 = 4k T j,k 1 T j 1,k 1 4 k 1 für k j, j Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

22 Numerik 358 Die Rombergsche T-Tafel T 0,0 T 1,0 T 1,1 T 2,0 T 2,1 T 2,2 T 3,0 T 3,1 T 3,2 T 3, wird in der Reihenfolge T 0,0, T 1,0, T 1,1, T 2,0, T 2,1, T 2,2, T 3,0,... berechnet. Praxis: Berechne nur wenige (etwa m) Spalten der T-Tafel und breche ab, wenn T j,m 1 T j+1,m 1 ε erfüllt ist. 7.3 Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

23 Numerik 359 Beispiel. T-Tafel: 2 1 dx x = log(2) = Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

24 Numerik 360 Fehler beim Romberg-Verfahren: Ist f C 2m+2 [a, b], so besitzt die Trapezsumme T (h) zur Schrittweite h = (b a)/n gemäß (7.4) die asymptotische Entwicklung T (h) = I + α 1 h 2 + α 2 h α m h 2m + β m+1 (h)h 2m+2. Dabei sind I = b a f(x) dx das gesuchte Integral, α 1,..., α m von h unabhängige Konstanten und β m+1 (h) bleibt beschränkt für h 0. Die Fehler in der ersten Spalte der T-Tafel (d.h. die Fehler von {T j,0 } = {T (h j )}) streben also wie h 2 j gegen 0. Behauptung: Die Fehler in der k-ten Spalte der T-Tafel (d.h. die Fehler von {T j,k 1 } j k 1 ) streben wie h 2k j gegen Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

25 Numerik 361 Aus der asymptotischen Entwicklung folgt T j 1,0 = T (2h j ) = I + α 1 (2h j ) 2 + O(h 4 j), T j,0 = T (h j ) = I + α 1 h 2 j + O(h 4 j). Multipliziert man die zweite Gleichung mit 4 und subtrahiert beide Gleichungen, so ergibt sich: T j,1 = 4T j,0 T j 1,0 4 1 = I + O(h 4 j), die Fehler in der zweiten Spalte der T-Tafel (d.h. die Fehler von {T j,1 } j 1 ) streben also wie h 4 j gegen Null. Auf ähnliche Weise lässt sich zeigen: T j,k = I + O ( h 2(k+1) ) j (k fest mit 0 k m). 7.3 Romberg-Extrapolation TU Chemnitz, Sommersemester 2013

26 Numerik Adaptive Integrationsverfahren Wendet man eine zusammengesetzte Quadraturformel auf I = b f(x) dx a an, so ist es nicht immer sinnvoll, das Integrationsintervall [a, b] in gleich lange Teilintervalle der Länge H zu unterteilen: Der Quadraturfehler hängt von einer (höheren) Ableitung von f ab, und diese kann in [a, b] stark variieren. Für f(x) = x/(x 2 1), x [1.001, 10], bewegt sich die vierte Ableitung (die den Fehler bei der zusammengesetzten Simpson-Regel kontrolliert) zwischen (am linken Rand) und (am rechten Rand). Man erwartet, dass man am rechten Ende des Intervalls mit wesentlich weniger Stützstellen (d.h. wesentlich geringerem Rechenaufwand) eine akzeptable Näherung des Integrals bestimmen kann als in der Umgebung von Adaptive Integrationsverfahren TU Chemnitz, Sommersemester 2013

27 Numerik 363 Gegeben: Quadraturformel mit Fehlerdarstellung, z.b. die Simpson-Regel S(H) mit I S(H) = c H 4 + O(H 5 ). Gesucht: Näherung für I, zusammengesetzt aus Näherungen I (j) 0 xj x j 1 f(x) dx über Teilintervalle unterschiedlicher Länge H j = x j x j 1, so dass N I j=1 I (j) 0 b ε := tol f(x) dx gilt. Weder die Anzahl N der Teilintervalle noch die Unterteilungspunkte {x j } N j=0 sind bekannt. a 7.4 Adaptive Integrationsverfahren TU Chemnitz, Sommersemester 2013

28 Numerik 364 Wir wollen den Fehler gleichmäßig auf die Teilintervalle verteilen, d.h. H j soll so gewählt werden, dass xj 1 +H j f(x) dx I (j) 0 H j b a ε erfüllt ist. x j 1 Wichtige Beobachtung: Aus folgt I S(H) = c H 4 + O(H 5 ) und I S(H/2) = c (H/2) 4 + O(H 5 ) S(H/2) S(H) = c (1 2 4 ) H 4 + O(H 5 ) also, falls H genügend klein ist, I S(H) S(H/2) S(H) ( ) 7.4 Adaptive Integrationsverfahren TU Chemnitz, Sommersemester 2013

29 Numerik 365 Strategie zur Schrittweitenwahl (Schrittweitensteuerung): Angenommen H 1,..., H j 1 (d.h. x 0,..., x j 1 ) sind bereits bestimmt. Außerdem ist eine Vorschlagsschrittweite H j gegeben. (1) Setze H j = H j. (2) Bestimme mit I (j) 0 = S(H j ) eine Näherung für x j 1 +H j x j 1 f(x) dx. (3) Bestimme mit I (j) 1 = S(H j /2) eine bessere Näherung für xj 1 +H j f(x) dx. x j 1 (4) Überprüfe, ob I (j) 1 I (j) 0 (1 2 4 ) H j b a ε erfüllt ist (vgl. ( )). Falls ja: Akzeptiere I (j) 1 als Näherung. Falls nein: Setze H j = H j /2 und gehe zu (2). 7.4 Adaptive Integrationsverfahren TU Chemnitz, Sommersemester 2013

30 Numerik 366 (5) Überprüfe, ob I (j) 1 I (j) 0 (2.5) 4 (1 2 4 ) H j b a ε erfüllt ist (2.5 = Sicherheitsfaktor). Falls ja: Neue Vorschlagsschrittweite: H j+1 = 2H j. Falls nein: Neue Vorschlagsschrittweite: H j+1 = H j. Praxis: Unter- und Oberschranken für H j (zu kleine Schrittweiten führen zu verstärktem Rundungsfehlereinfluß, zu große Schrittweiten können dazu führen, daß Bereiche, in denen f stark variiert, übersprungen werden). 7.4 Adaptive Integrationsverfahren TU Chemnitz, Sommersemester 2013

31 Numerik 367 Beispiel: f(x) = 1 (x.3) (x.9) , a = 0, b = Integral = Adaptive Integrationsverfahren TU Chemnitz, Sommersemester 2013

32 Numerik Gauß-Quadratur Die in diesem Abschnitt behandelte Theorie der Gauß-Quadratur gilt allgemein für Integrale der Form I = f(x) dµ(x). R Hierbei ist µ ein positives Maß auf R und es wird lediglich gefordert, dass die sogenannten Momente µ k := x k dµ(x), k = 0, 1,... existieren. R 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

33 Numerik 369 Wichtige Spezialfälle sind diskrete Maße, welche auf endlich viele Punkte x i konzentriert sind, R f(x) dµ(x) = sowie absolutstetige Maße N w i f(x i ), w i > 0, x i R, i=1 dµ(x) = w(x)dx mit Träger (a, b) = supp(µ) R, sodass R f(x) dµ(x) = supp(µ) f(x) dµ(x) = b a f(x)w(x) dx. Im letzteren Fall, mit dem wir uns ausschließlich befassen, ist a = bzw. b = ausdrücklich zugelassen. 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

34 Numerik 370 Die Gewichtsfunktion w(x) muss dabei gewisse Bedingungen erfüllen (z.b. w(x) 0 für alle x [a, b]). Gebräuchliche Gewichtsfunktionen sind: [a, b] w(x) Bezeichnung [ 1, 1] 1 Gauß-Legendre [ 1, 1] (1 x 2 ) 1/2 Gauß-Tschebyscheff [ 1, 1] (1 x) α (1 + x) β, α, β > 1 Gauß-Jacobi [0, ] exp( x) Gauß-Laguerre [, ] exp( x 2 ) Gauß-Hermite 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

35 Numerik 371 Prinzip: Gauß-Formeln sind interpolatorische Quadraturformeln b n f(x) w(x)dx = η j f(ξ j ) + R n (f). (7.5) a j=1 R n (f) bezeichnet den Quadraturfehler. Im Gegensatz zu den Newton-Cotes-Formeln wählt man die Knoten ξ j nicht äquidistant, sondern bestimmt Knoten ξ j und Gewichte η j so, dass sich ein möglichst hoher Exaktheitsgrad ergibt. Heuristik: Für jedes k = 0, 1, 2,... ist die Forderung b a x k w(x)dx = n η j ξj k eine nichtlineare Gleichung mit 2n freien Parametern {ξ j, η j } n j=1. Es scheint möglich, diese Gleichung für k = 0,..., 2n 1 zu erfüllen (Exaktheitsgrad 2n 1). j=1 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

36 Numerik 372 Es bezeichne P den Raum aller Polynome (beliebigen Grades) in einer Variablen. Satz 7.6 (Jacobi,1826). Sei m N 0. Die Quadraturformel (7.5) besitzt genau dann Exaktheitsgrad d = n 1 + m, wenn folgende beide Bedingungen erfüllt sind: (a) (7.5) ist interpolatorisch. (b) Das Knotenpolynom ω n (x) = n j=1 (x ξ j) ist orthogonal zu P m 1 bezüglich des Innenproduktes (p, q) = b a p(x)q(x) w(x)dx, p, q P. (7.6) Bemerkung 7.7. Der maximale Exaktheitsgrad ist d = 2n 1, also m = n. 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

37 Numerik 373 Satz 7.6 legt ein Konstruktionsprinzip nahe für (7.5) mit möglichst hohem Exaktheitsgrad: wähle als Knoten die Nullstellen des Orthogonalpolynoms vom Grad n bezüglich (7.6) und die Gewichte so, dass (7.5) interpolierend ist. Definition 7.8. Eine Folge {p k } k 0 von Polynomen heißt System von Orthogonalpolynomen bezüglich eines Innenproduktes (, ), falls (a) deg p k = k, k = 0, 1,... und (b) (p j, p k ) = 0 falls j k. Orthogonalpolynome sind jeweils bis auf einen konstanten Faktor bestimmt. Als monisch bezeichnet man Polynome mit Höchstkoeffizient Eins, Orthonormalpolynome sind durch (p k, p k ) = 1 charakterisiert. Satz 7.9. Die Nullstellen der Orthogonalpolynome bezüglich (7.6) sind reell, einfach und liegen in (a, b). 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

38 Numerik 374 Lemma Der Vektor [a (n) 0,..., a(n) n 1 ] der Koeffizienten des n-ten monischen Orthogonalpolynoms bezüglich (7.6) p n (x) = x n + a (n) n 1 xn a (n) 1 x + a(n) 0 ist die eindeutig bestimmte Lösung des linearen Gleichungssystems µ 0 µ 1... µ n 1 µ n µ 1 µ 2... µ n M n x = m n, M n =, m n =... µ n+1 µ n 1 µ n... µ 2n 2 µ 2n 1 mit der Momentenmatrix M n gegeben durch [M n ] j,k = (x j, x k ) = b a x j+k w(x)dx = (x j+k, 1) =: µ j+k. 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

39 Numerik 375 Satz Ein System von Orthogonalpolynomen bezüglich (7.6) genügt einer dreistufigen Rekursionsformel γ n p n (x) = (x α n )p n 1 (x) β n p n 2 (x), n = 1, 2,... mit p 1 := 0 und p 0 (x) = const. Die Koeffizienten sind gegeben durch α n = (xp n 1, p n 1 ), (p n 1, p n 1 ) n = 1, 2,... γ n = (xp n 1, p n ), (p n, p n ) n = 1, 2,... β n = (xp n 2, p n 1 ) (p n 2, p n 2 ) = γ (p n 1, p n 1 ) n 1 (p n 2, p n 2 ), n = 2, 3,..., β 1 beliebig. 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

40 Numerik 376 Bemerkungen (a) Mit {p k } k 0 sind auch ˆp k = δ k p k, δ k 0, Orthogonalpolynome. Die zugehörigen Rekursionskoeffizienten lauten ˆα k = α k, ˆγ k = δ k 1 δ k γ k, k = 1, 2,..., ˆβ k = δ k 1 δ k 2 β k, k = 2, 3,.... (b) Für die monischen Orthogonalpolynome ergibt sich für die Rekursion γ k = 1 k. d.h. p 1 = 0, p 0 (x) = 1, p k (x) = (x α k )p k 1 (x) β k p k 2 (x). Ferner gilt β k = (p k 1, p k 1 ) (p k 2, p k 2 ) > 0, k 2. (c) Für Orthonormalpolynome ist β k = γ k 1, k Gauß-Quadratur TU Chemnitz, Sommersemester 2013

41 Numerik 377 Satz Seien α k, β k, k 1 die Rekursionskoeffizienten der monischen Orthogonalpolynome bezüglich (7.6) und sei Dann gilt α 1 β2. J n = β2 α R n n βn βn α n (Jacobi-Matrix). (a) Die Knoten der n-ten Gauß-Quadraturformel (7.5) bezüglich (7.6) sind die Eigenwerte von J n. (b) Sind u j die normierten Eigenvektoren von J n zu den Eigenwerten λ j, d.h. J n u j = λ j u j, u j 2 = 1 (j = 1,..., n) so sind die Gewichte η j von (7.5) gegeben durch η j = β 0 [u j ] 2 1 (j = 1,..., n), β 0 = b a w(x)dx. 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

42 Numerik 378 Beispiel: Für die Gewichtsfunktion w(x) = (1 x 2 ) 1/2 erhält man Knoten: ξ j = cos (2j 1)π 2n, Gewichte: η j = π/n, j = 1, 2,..., n. (Dass die Gewichte unabhängig von j sind, trifft auf andere Gauß-Formeln nicht zu!) Gauß-Tschebyscheff-Quadraturformel: 1 1 f(x) (1 x 2 ) 1/2 dx = π n n f j=1 ( cos (2j 1)π 2n ) + R n (f). Satz Ist f C 2n [a, b] und bezeichnen {p n } die monischen Orthogonalpolynome zu (7.6), so besitzt das Restglied der Gauß-Quadraturformel (7.5) die Darstellung R n (f) = f (2n) (ξ) (p n, p n ), ξ (a, b). (2n)! 7.5 Gauß-Quadratur TU Chemnitz, Sommersemester 2013

43 Numerik Kubatur Kubatur bezeichnet Näherungsverfahren für mehrdimensionale Integrale, d.h. mit Teilgebieten des R m, m > 1, als Integrationsbereich. Diese haben wie im Eindimensionalen die Form n I = f(x ) w(x )dx = γ i f(x i ) + R n (f). (7.7) Ω i=1 mit Knoten x i und Gewichten γ i, i = 1,..., n. Erwünschte Eigenschaften: 1. x i Ω, i = 1,..., n. 2. γ i > 0, i = 1,..., n. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

44 Numerik 380 Die Theorie der numerischen Kubatur ist nicht annähernd so vollständig wie die der Quadraturverfahren. Dies hat im Wesentlichen zwei Ursachen: (i) Die Geometrie des R 1 ist entscheidend einfacher als die mehrdimensionaler Räume. So sind etwa alle kompakten und zusammenhängenden Teilmengen im R 1 affin äquivalent. (ii) Die im Eindimensionalen so hilfreiche Theorie der Orthogonalpolynome ist im Mehrdimensionalen komplizierter. So gibt es ( ) m+k k Polynome vom Grad k in m Variablen, also ( ) m+k 1 k Polynome vom exakten Grad k. Hier kommen also nur gemeinsame Nullstellen von mehreren Orthogonalpolynomen als Knoten in Frage. Wir geben hier lediglich einen kurzen Überblick über Konstruktionsprinzipien von Kubaturformeln und beschränken uns einfachheitshalber auf den Fall m = Kubatur TU Chemnitz, Sommersemester 2013

45 Numerik 381 Eine Kubaturformel (7.7) besitzt also den Exaktheitsgrad d, wenn sie für alle Polynome p(x, y) vom Grad d, d.h. für alle p Pd 2 := α i,j x i y j : α i,j R i+j d (z.b. P 2 1 = {α 0,0 + α 1,0 x + α 0,1 y}, P 2 2 = {α 0,0 + α 1,0 x + α 0,1 y + α 2,0 x 2 + α 1,1 xy + α 0,2 y}), den exakten Integralwert liefert. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

46 Numerik Interpolatorische Quadraturformeln Wie im Eindimensionalen kann man bei n vorgegebenen verschiedenen Knoten x i die Gewichte w i zum Erreichen eines maximalen Exaktheitsgrades wählen. Im R 2 sind hierfür erforderlich ( ) d + 2 n = = d (d + 2)(d + 1) 2 Knoten für Exaktheitsgrad d. Satz 7.15 (Tchakaloff, 1957). Sei Ω R 2 kompakt, w eine nichtnegative, integrierbare Gewichtsfunktion mit 0 < w(x )dx < R 2 sowie d eine feste natürliche Zahl. Dann existiert eine Kubaturformel der Form (7.7) vom Exaktheitsgrad d mit n (d + 1)(d + 2)/2, positiven Gewichten γ i und x i Ω für alle i. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

47 Numerik Produktformeln Ist es möglich eventuell nach geeigneter Substitution Integrale über Monome x i y j, i, j N 0, so umzuformen, dass 1 ( 1 ) x i y j w(x, y)dxdy = ξ i w 1 (ξ) η j w 2 (η)dη dξ, Ω 1 so kann man auf die eindimensionalen Integrale jeweils eine Quadraturformel 1 1 g(ζ) w s(ζ)dζ n s i=1 γ(s) i f(ζ (s) i ), (s = 1, 2) mit Exaktheitsgrad d s anwenden und erhält mit n 1 n 2 f(x, y) w(x, y)dxdy γ (1) i γ (2) j f(ζ (1) i, ζ (2) j ) Ω i=1 eine Kubaturformel mit n 1 n 2 Knoten {(ζ (1) i, ζ (2) j )} und Gewichten {γ (1) i γ (2) j }, 1 i n 1, 1 j n 2 sowie Exaktheitsgrad d = min{d 1, d 2 } (eigentlich etwas mehr, wieso?). j= Kubatur TU Chemnitz, Sommersemester 2013

48 Numerik 384 Beispiel 1: Die Gauß-Legendre Formel (w(x) 1) mit zwei Knoten 1 1 f(ζ) dζ f(ζ 1 ) + f(ζ 2 ), ζ 1,2 = ±1 3, (γ 1 = γ 2 = 1), besitzt Exaktheitsgrad d = 3. Mittels der Substitution [ ] ([ ] [ ] [ ]) x(ξ, η) = ξ +, ξ, η [ 1, 1], y(ξ, η) η approximieren wir damit das Integral = i,j=1 exp(x 2 y 2 ) dxdy = exp ( x(ζ i, ζ j ) 2 y(ζ i, ζ j ) 2) = exp(x(ξ, η) 2 y(ξ, η) 2 ) dξdη 7.6 Kubatur TU Chemnitz, Sommersemester 2013

49 Numerik 385 Beispiel 2: Die Gauß-Hermite Formeln approximieren Integrale der Bauart f(ζ) exp( ζ 2 )dζ n 1 i=1 γ i f(ζ i ) und lassen sich daher zu Produktformeln für Integrale R 2 f(x, y) exp( x 2 y 2 )dxdy kombinieren. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

50 Numerik 386 Beispiel 3: Das Integral I = f(x, y) dxdy, = {(x, y) : 0 x 1, 0 y x} über das Dreieck geht durch die Substitution x = u, y = uv über in I = f(u, uv) udvdu, was wie in Beispiel 1 durch eine Produktformel für ein Quadrat approximiert werden kann. Für die 3-Punkt Gauß-Legendre Formel erhalten wir rechtsstehende Knoten im Dreieck. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

51 Numerik Zusammengesetzte Kubaturformeln Hat man ein beschränktes Gebiet Ω R 2 vollständig oder näherungsweise in Dreiecke oder Rechtecke {K i } N i=1 zerlegt, so kann man gemäß I = Ω f(x, y) dxdy = N i=1 K i f(x, y) dxdy mithilfe einer Kubaturformel für Dreiecke bzw. Rechtecke I beliebig genau approximieren, sofern die Zerlegung nur hinreichend fein gewählt ist. Von einer zulässigen Zerlegung verlangt man, dass Ω = N i=1 K i und dass K i K j für i j entweder leer ist oder nur aus gemeinsamen Randpunkten besteht. Folgende Bilder zeigen Beispiele für Triangulierungen, d.h. Zerlegungen in Dreiecke. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

52 Numerik 388 Triangulierung eines Polygons: 7.6 Kubatur TU Chemnitz, Sommersemester 2013

53 Numerik 389 Triangulierung des Außengebiets eines Tragflächenquerschnitts. 7.6 Kubatur TU Chemnitz, Sommersemester 2013

54 Numerik 390 Durch die affine Transformation [ ] [ ] ξ x(ξ, η) [ x1 ] [ x2 x 1 x 3 x 1 ] [ ξ ] ϕ : η y(ξ, η) = y 1 + y 2 y 1 y 3 y 1 η wird das gleichschenklig rechtwinklige Referenzdreieck ˆK bijektiv auf ein bel. Dreieck K Ω abgebildet mit (0, 0) P 1 = (x 1, y 1 ), (1, 0) P 2 = (x 2, y 2 ), (0, 1) P 3 = (x 3, y 3 ). η 1 ˆK ξ 0 1 ϕ y P 3 K P 1 x P Kubatur TU Chemnitz, Sommersemester 2013

55 Numerik 391 Mit Hilfe der Substitutionsregel f(x, y) dxdy = f(ϕ(ξ, η)) det ϕ dξdη = D K ˆK ˆK f(ϕ(ξ, η)) dξdη, wobei D = det ϕ := det [ x2 x 1 x 3 x 1 y 2 y 1 y 3 y 1 die Funktionaldeterminante von ϕ ist, lassen sich alle Einzelintegrale K i f(x, y) dxdy auf Integrale über ˆK zurückführen. Es genügt daher, Integrale der Bauart g(ξ, η) dξdη zu approximieren. ˆK ] 7.6 Kubatur TU Chemnitz, Sommersemester 2013

56 Numerik 392 Wir betrachten einige Kubaturformeln g(ξ, η) dξdη ˆK n γ i g(ξ i, η i ) i=1 für das Referenzdreieck ˆK. Beispiel 1:. Die Schwerpunktregel g(ξ, η) dξdη 1 2 g( 1 3, ) 1 3 besitzt den Exaktheitsgrad 1. ˆK 7.6 Kubatur TU Chemnitz, Sommersemester 2013

57 Numerik 393 Beispiel 2: Die Formel g(ξ, η) dξdη 1 6 ˆK [ g(0, 1 2 ) + g( 1 2, 1 2 ) + g(0, 1 2 )], kompakter: i ξ i η i γ i 1 1/2 0 1/ /2 1/6 3 1/2 1/2 1/6, besitzt den Exaktheitsgrad 2. Symbolisch: 1/6 1/6 1/6 7.6 Kubatur TU Chemnitz, Sommersemester 2013

58 Numerik 394 Beispiel 3: Die Formel ˆK g(ξ, η) dξdη 7 k=1 γ ig(ξ i, η i ) mit i ξ i η i γ i / / /40 4 1/2 0 1/15 5 1/2 1/2 1/ /2 1/15 7 1/3 1/3 27/120 besitzt den Exaktheitsgrad Kubatur TU Chemnitz, Sommersemester 2013

59 Numerik Die Monte-Carlo Methode Bei der Approximation sehr hochdimensionaler mehrfacher Integrale sind die bisher beschriebenen Methoden zu aufwendig. Hier hat sich ein stochastisches Simulationsverfahren, die sog. Monte-Carlo Methode, als letztes Mittel bewährt. Hierbei wird der Integrand an einer großen Zahl N Stützstellen mit konstantem Gewicht 1/Volumen(Ω) ausgewertet, wobei die Stützstellen durch einen Zufallsgenerator erzeugt werden. Man kann Aussagen beweisen über die Wahrscheinlichkeit, dass der Wert des Integrals innerhalb einer vorgegebenen Schranke von der so berechneten Approximation liegt. Typisches Verhalten des Fehlers ist, unabhängig von der Raumdimension, eine Konvergenzrate von I N I = O(N 1/2 ). 7.6 Kubatur TU Chemnitz, Sommersemester 2013

7 Numerische Integration

7 Numerische Integration Numerische Mathematik 318 7 Numerische Integration Ziel numerischer Integration (Quadratur): Näherungswerte für b a f(t) dt. Wozu? Ein Beispiel: Eine Apparatur liefert Meßwerte x i = x i + ε i. Angenommen,

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

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

Numerische Verfahren

Numerische Verfahren Numerische Verfahren Jens-Peter M. Zemke [email protected] Institut für Numerische Simulation Technische Universität Hamburg-Harburg 15.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren Numerische

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

(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

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

5. Numerische Differentiation. und Integration

5. Numerische Differentiation. und Integration 5. Numerische Differentiation und Integration 1 Numerische Differentiation Problemstellung: Gegeben ist eine differenzierbare Funktion f : [a,b] R und x (a,b). Gesucht sind Näherungen für die Ableitungen

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

Numerische Integration

Numerische Integration Heinrich Voss [email protected] Hamburg University of Technology Institute for Numerical Simulation TUHH Heinrich Voss Kapitel 3 2010 1 / 87 In vielen Fällen ist es nicht möglich, ein gegebenes Integral

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

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016 Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b

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

Numerische Verfahren

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

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

Numerik für Techniker

Numerik für Techniker Institut für Numerische Mathematik und Optimierung Numerik für Techniker Michael Eiermann Sommersemester 2016 Numerk für Techniker 1 Abschlüsse (Klausuren): Die Prüfungsklausuren dauern 120 Minuten und

Mehr

Numerische Integration

Numerische Integration Numerische Integration Fakultät Grundlagen Januar 0 Fakultät Grundlagen Numerische Integration Übersicht Grundsätzliches Grundsätzliches Trapezregel Simpsonformel 3 Fakultät Grundlagen Numerische Integration

Mehr

Modulprüfung Numerische Mathematik 1

Modulprüfung Numerische Mathematik 1 Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel

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

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

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

Inhalt Kapitel IV: Interpolation

Inhalt Kapitel IV: Interpolation 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

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

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

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

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

5 Numerische Mathematik

5 Numerische Mathematik 6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul

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

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

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

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

Analysis II - 1. Klausur

Analysis II - 1. Klausur Analysis II -. Klausur Sommersemester 25 Vorname: Name: Aufgabe Aufgabe 2 Aufgabe 3 Aufgabe 4 Aufgabe 5 Aufgabe 6 Aufgabe 7 Aufgabe 8 Aufgabe 9 Summe Analysis II -. Klausur 2.5.25 Aufgabe 2 Punkte Berechnen

Mehr

Konvergenzbeschleunigung durch Extrapolation am Beispiel der Romberg-Integration

Konvergenzbeschleunigung durch Extrapolation am Beispiel der Romberg-Integration Konvergenzbeschleunigung durch Extrapolation am Beispiel der Romberg-Integration BACHELORARBEIT zur Erlangung des akademischen Grades Bachelor of Science in Mathematik vorgelegt von Thomas Wick aus Bad

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

Kapitel 6 Grenzwerte von Funktionen und Stetigkeit

Kapitel 6 Grenzwerte von Funktionen und Stetigkeit Kapitel 6 Grenzwerte von Funktionen und Stetigkeit 225 Relle Funktionen Im Folgenden betrachten wir reelle Funktionen f : D R, mit D R. Wir suchen eine formale Definition für den folgenden Sachverhalt.

Mehr

Kapitel 4. Numerische Differentiation und Integration

Kapitel 4. Numerische Differentiation und Integration Kapitel 4 Numerische Differentiation und Integration Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 4/2 Integration und Differentiation Probleme bei der Integration und Differentiation

Mehr

Differential- und Integralrechnung

Differential- und Integralrechnung Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik

Mehr

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren

13 Mehrdimensionale Zufallsvariablen Zufallsvektoren 3 Mehrdimensionale Zufallsvariablen Zufallsvektoren Bisher haben wir uns ausschließlich mit Zufallsexperimenten beschäftigt, bei denen die Beobachtung eines einzigen Merkmals im Vordergrund stand. In diesem

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

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 [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

Mehr

I f AM. 2. Übung zur Numerischen Mathematik I. Hausübung. Hannover, den

I f AM. 2. Übung zur Numerischen Mathematik I. Hausübung. Hannover, den Hannover, den 14.10.2002 1. Übung zur Numerischen Mathematik I Aufgabe 1.1 Man nde das Interpolationspolynom p 2 P 2, das die Funktion f(x) = cos(x) in den Punkten x k := π 2 + π k n, h = 1 n, k = 0,...,

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

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei

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

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

Numerik der gewöhnlichen Differentialgleichungen

Numerik der gewöhnlichen Differentialgleichungen Technische Universität München Fakultät für Mathematik Lehrstuhl M15 für Angewandte Numerische Analysis Numerik der gewöhnlichen Differentialgleichungen Massimo Fornasier 6. August 2013 PDF-Version: Jan-Christian

Mehr

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

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt

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

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

51 Numerische Berechnung von Eigenwerten und Eigenvektoren

51 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,

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

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

Numerische Integration

Numerische Integration Numerische Integration home/lehre/vl-mhs-1/folien/uebung/num_integration/cover_sheet_5a.tex Seite 1 von 12. p.1/12 Inhaltsverzeichnis 1. Einführung 2. Newton-Cotes Formeln Rechteckformel Trapezformel Simpsonsche

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

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

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

Lösungen der Aufgaben zu Kapitel 9

Lösungen der Aufgaben zu Kapitel 9 Lösungen der Aufgaben zu Kapitel 9 Abschnitt 9. Aufgabe a) Wir bestimmen die ersten Ableitungen von f, die uns dann das Aussehen der k-ten Ableitung erkennen lassen: fx) = x + e x xe x, f x) = e x e x

Mehr

12 Gewöhnliche Differentialgleichungen

12 Gewöhnliche Differentialgleichungen 2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert

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

Gegenbeispiele in der Wahrscheinlichkeitstheorie

Gegenbeispiele in der Wahrscheinlichkeitstheorie Gegenbeispiele in der Wahrscheinlichkeitstheorie Mathias Schaefer Universität Ulm 26. November 212 1 / 38 Übersicht 1 Normalverteilung Definition Eigenschaften Gegenbeispiele 2 Momentenproblem Definition

Mehr

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das

Mehr

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1

ist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1 24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx

Mehr

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried

Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie. Tobias Ried Lösung zu den Übungsaufgaben zur Lebesgueschen Integrationstheorie Tobias Ried. März 2 2 Aufgabe (Messbarkeit der Komposition zweier Abbildungen). Seien (X, A), (Y, B) und (Z, C) Messräume und f : (X,

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

Fixpunkt-Iterationen

Fixpunkt-Iterationen Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. Februar 2014 Gliederung Wiederholung: Gleichungstypen, Lösungsverfahren Grundprinzip

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

3 Windungszahlen und Cauchysche Integralformeln

3 Windungszahlen und Cauchysche Integralformeln 3 3 Windungszahlen und Cauchysche Integralformeln 3. Definition: Sei geschlossener Integrationsweg oder Zyklus mit z 0 C \ Sp. Dann heißt n(, z 0 ) := dz z z 0 Windungszahl (oder: Index, Umlaufszahl) von

Mehr

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung

Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen

Mehr

Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems

Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems Von mathematischer Modellierung und Computeralgebra - Die Lösung eines handfesten mathematischen Problems Universität Paderborn Fakultät für Elektrotechnik, Informatik und Mathematik Institut für Mathematik

Mehr

Numerische Analysis - Matlab-Blatt 5

Numerische Analysis - Matlab-Blatt 5 Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Sommersemester 05 Numerische Analysis - Matlab-Blatt 5 Lösung (Besprechung

Mehr

8. Tschebyscheff-Approximation: Theorie

8. Tschebyscheff-Approximation: Theorie HJ Oberle Approximation WS 2013/14 8 Tschebyscheff-Approximation: Theorie Im Folgenden untersuchen wir Bestapproximationen bezüglich der Maximumsnorm Die Wurzeln dieser Theorie gehen auf Pafnuti Lwowitsch

Mehr

f(x 0 ) = lim f(b k ) 0 0 ) = 0

f(x 0 ) = lim f(b k ) 0 0 ) = 0 5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.

Mehr

5 Potenzreihenansatz und spezielle Funktionen

5 Potenzreihenansatz und spezielle Funktionen 5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten

Mehr

Kleine Formelsammlung zu Mathematik für Ingenieure IIA

Kleine Formelsammlung zu Mathematik für Ingenieure IIA Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................

Mehr

Inexakte Newton Verfahren

Inexakte Newton Verfahren Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n

Mehr

Reelle Zufallsvariablen

Reelle Zufallsvariablen Kapitel 3 eelle Zufallsvariablen 3. Verteilungsfunktionen esultat aus der Maßtheorie: Zwischen der Menge aller W-Maße auf B, nennen wir sie W B ), und der Menge aller Verteilungsfunktionen auf, nennen

Mehr

ANALYSE NUMERISCHER VERFAHREN

ANALYSE NUMERISCHER VERFAHREN ANALYSE NUMERISCHER VERFAHREN von Eugene Isaacson Professor für Mathematik Leiter des Rechenzentrums Courant Institute of Mathematical Sciences New York University und Herbert Bishop Keller Professor für

Mehr

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω 5. Hilberträume Definition 5.1. Sei H ein komplexer Vektorraum. Eine Abbildung, : H H C heißt Skalarprodukt (oder inneres Produkt) auf H, wenn für alle x, y, z H, α C 1) x, x 0 und x, x = 0 x = 0; ) x,

Mehr

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}

f(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J} 9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen

Mehr

12 Der Gaußsche Integralsatz

12 Der Gaußsche Integralsatz 12. Der Gaußsche Integralsatz 1 12 Der Gaußsche Integralsatz Das Ziel dieses Abschnitts ist die folgende zentrale Aussage der mehrdimensionalen Analysis und der Theorie der partiellen Differentialgleichungen:

Mehr

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: KLAUSUR Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker).3. (W. Koepf) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.: Für jede Aufgabe gibt es Punkte. Zum Bestehen der Klausur

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

Näherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.

Näherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0. 3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1)

Mehr

10 Der Satz über implizite Funktionen und Umkehrfunktionen

10 Der Satz über implizite Funktionen und Umkehrfunktionen Vorlesung SS 9 Analsis Prof. Dr. Siegfried Echterhoff SATZ ÜBER IMPLIZITE FKT UND UMKEHRFKT Der Satz über implizite Funktionen und Umkehrfunktionen Motivation: Sei F : U R R eine differenzierbare Funktion

Mehr

9 Höhere partielle Ableitungen und die Taylorformel

9 Höhere partielle Ableitungen und die Taylorformel Vorlesung SS 29 Analsis 2 Prof Dr Siegfried Echterhoff 9 Höhere partielle Ableitungen und die Talorformel Definition 91 Sei U R n offen, f : U R m eine Funktion Dann heißt f 2-mal partiell differenzierbar,

Mehr

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0. Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales

Mehr

Finite Elemente Methode für elliptische Differentialgleichungen

Finite Elemente Methode für elliptische Differentialgleichungen Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte

Mehr

Regression, Interpolation, numerische. Integration

Regression, Interpolation, numerische. Integration ,, numerische 9. Vorlesung 170004 Methoden I Clemens Brand 20. Mai 2010 Gliederung : Aufgabenstellung Gesucht ist ein Polynom, das die Datenpunkte möglichst gut approximiert Gegeben m+1 Wertepaare (x i,

Mehr

Extremwerte von Funktionen mehrerer reeller Variabler

Extremwerte von Funktionen mehrerer reeller Variabler Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein

Mehr