KAPITEL 8. Interpolation
|
|
- Susanne Blau
- vor 6 Jahren
- Abrufe
Transkript
1 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 a j x j a 0,..., a n R } x 0 < x 1 <... < x n Aufgabe 8.2 (Lagrange-Polynominterpolation). Finde zu Daten f(x 0 ), f(x 1 ),..., f(x n ) ein Polynom P n Π n mit P n (x j ) = f(x j ), j = 0,1,..., n. Dahmen-Reusken Kapitel 8 1
2 8.2.1 Existenz-Eindeutigkeit Lagrange-Polynominterpolation Satz 8.3. Das Lagrange-Interpolationsproblem ist stets eindeutig lösbar, d.h., zu beliebigen Daten f(x 0 ), f(x 1 ),..., f(x n ) existiert ein eindeutiges Polynom P n Π n mit P n (x j ) = f(x j ), j = 0,..., n. Insbesondere läßt sich P n (x) explizit in der Form darstellen, wobei P n (x) = l jn (x) = n j=0 f(x j )l jn (x) n k=0 k j x x k x j x k die sogenannten Lagrange-Fundamentalpolynome sind. Dahmen-Reusken Kapitel 8 2
3 Das eindeutige Lagrange-Interpolationspolynom P n Π n der Funktion f an den Stützstellen x 0,..., x n wird mit bezeichnet. P n =: P(f x 0,..., x n ) Die Eindeutigkeit des Interpolationspolynoms werden wir des öfteren in folgender Form verwenden: Für jedes Polynom Q Π n und beliebige Stützstellen x 0 < < x n gilt P(Q x 0,..., x n ) = Q, da sich ja Q insbesondere selbst interpoliert und wegen der Eindeutigkeit damit gleich dem Interpolationspolynom sein muß. Dahmen-Reusken Kapitel 8 3
4 Für den Fall äquidistanter Stützstellen x j = x 0 + jh, j = 0,1,..., n ˆl jn (t) := l jn (x 0 + th) = = n k=0 k j n k=0 k j x 0 + th (x 0 + kh) x 0 + jh (x 0 + kh) (t k) (j k) = ( 1)n j j!(n j)! n k=0 k j (t k) j=1 0.8 j=2 j= j=0 j= Dahmen-Reusken Kapitel 8 4
5 Auswertung des Interpolationspolynoms an einer oder wenigen Stel Ausgangspunkt: die Darstellung der interpolierenden Geraden als Konvexkombination der beiden Punkte P(f x 0, x 1 )(x) = x x 0 x 1 x 0 f(x 1 ) + x 1 x x 1 x 0 f(x 0 ). Verallgemeinerung hiervon: Lemma 8.6 (Aitken). Man hat P(f x 0,..., x n )(x) = x x 0 x n x 0 P(f x 1,..., x n )(x) + x n x x n x 0 P(f x 0,..., x n 1 )(x), d.h., die Interpolierende an den Stellen x 0,..., x n ist eine Konvexkombination der Interpolierenden niedrigeren Grades an den Teilmengen {x 1,..., x n } und {x 0,..., x n 1 } der Gesamtstützstellenmenge. Dahmen-Reusken Kapitel 8 5
6 Die Identität führt auf das folgende rekursive Schema. Setze für festes x d.h. speziell Lemma 8.6 besagt dann P i,k = P(f x i k,..., x i )(x), 0 k i n, P n,n = P(f x 0,..., x n )(x), P i,0 = P(f x i )(x) = f(x i ). P i,k = x x i k x i x i k P i,k 1 + x i x x i x i k P i 1,k 1 = P i,k 1 + x x i x i x i k (P i,k 1 P i 1,k 1 ). Dahmen-Reusken Kapitel 8 6
7 Neville-Aitken-Schema: P i,0 P i,1 P i,2 x 0 f(x 0 ) x 1 f(x 1 ) P 1,1 x 2 f(x 2 ) P 2,1 P 2,2 x 3 f(x 3 ) P 3,1 P 3, x n f(x n ) P n,1 P n,2 P n,n Beispiel 8.7. Sei n = 2, x = 0.5, f(0) = 1, f(1) = 4, f(2) = 2. Aus (8.12) folgt: also P(f 0,1,2)(0.5) = P 1,1 = (4 1) = P 2,1 = (2 4) = 5 1 P 2,2 = (5 2.5) = 31 8 Dahmen-Reusken Kapitel 8 7
8 8.2.3 Darstellung des Interpolationspolynoms mittels der Potenzfor Klassische monomiale Basis 1, x,..., x n : P(f x 0,..., x n )(x) = a 0 + a 1 x + a 2 x a n x n Beispiel 8.9. Bei drei äquidistanten Stützstellen x 0 = h, x 1 = 0, x 2 = h erhält man z.b. folgende Darstellung für P 2 = P(f h,0, h) mit Hilfe der monomialen Basis 1, x, x 2 des Raumes Π 2 P 2 (x) = f(0) + f(h) f( h) 2h x + f(h) 2f(0) + f( h) 2h 2 x 2. Dahmen-Reusken Kapitel 8 8
9 Die Bedingungen P(f x 0,..., x n )(x i ) = f(x i ), i = 0,..., n, führen auf das Gleichungssystem a 0 V n. = a n f(x 0 ). f(x n ) zur Bestimmung der unbekannten Koeffizienten a i. Hierbei ist V n die Vandermonde-Matrix V n = Die Kondition des Problems f(x 0 ). Vn 1 f(x n ) 1 x 0 x 2 0 xn 0 1 x 1 x 2 1 xn 1. 1 x n x 2 n xn n f(x 0 ). f(x n ) =. a 0. a n wird durch die Konditionszahl V n Vn 1 der Matrix V n beschrieben. Dahmen-Reusken Kapitel 8 9
10 Beispiel Sei h = 1/n und x i = 1 + ih, i = 0,1,..., n. Für diese Stützstellenverteilung hat die Vandermonde-Matrix eine Konditionszahl bzgl. der 2-Norm wie in der unteren Tabelle dargestellt: n κ 2 (V n ) 4.1e+4 2.0e+7 1.1e e+12 Das Problem f(x 0 ). Vn 1 f(x n ) f(x 0 ). f(x n ) = a 0. a n ist (sehr) schlecht konditioniert. Dahmen-Reusken Kapitel 8 10
11 Bemerkung Horner-Schema Sei p Π n ein Polynom, das in der Potenzform vorliegt, d.h., p(x) = a 0 + a 1 x a n x n mit bekannten Koeffizienten a 0,..., a n. Es gilt p(x) = a 0 + x ( a 1 + x ( a x(a n 1 + xa n ) )). Algorithmus 8.12 (Horner-Schema). Setze b n = a n, für k = n 1, n 2,...,0 berechne b k = a k + xb k+1 Dann ist p(x) = b 0. Eine effiziente Methode zur Auswertung eines Polynoms in der Potenzform. Dahmen-Reusken Kapitel 8 11
12 8.2.4 Newtonsche Interpolationsformel Lemma Für die Lagrange-Interpolationspolynome P n 1 = P(f x 0,..., x n 1 ) Π n 1 und P n = P(f x 0,..., x n ) Π n gilt P n (x) = P n 1 (x) + δ n (x x 0 )...(x x n 1 ) mit δ n = f(x n ) P n 1 (x n ) (x n x 0 )...(x n x n 1 ) R. Der Koeffizient δ n hängt offensichtlich von f und von den Stützstellen x i ab. Man schreibt daher auch δ n =: [x 0,..., x n ]f. Dahmen-Reusken Kapitel 8 12
13 Folgende Beobachtung wird später hilfreich sein. Bemerkung [x 0,..., x n ]f ist offensichtlich der führende Koeffizient des Interpolationspolynoms P(f x 0,..., x n )(x), d.h. der Koeffizient der Potenz x n. Wendet man dieselbe Argumentation auf P n 1 (x) = P(f x 0,..., x n 1 )(x) an, so ergibt sich induktiv die Newtonsche Interpolationsformel: P(f x 0,..., x n )(x) =[x 0 ]f + (x x 0 )[x 0, x 1 ]f + (x x 0 )(x x 1 )[x 0, x 1, x 2 ]f (x x 0 ) (x x n 1 )[x 0,..., x n ]f. Dahmen-Reusken Kapitel 8 13
14 Lemma Seien wieder die x i paarweise verschieden. Dann gilt [x 0,..., x n ]f = [x 1,..., x n ]f [x 0,..., x n 1 ]f x n x 0. [x i ]f [x i, x i+1 ]f [x i, x i+1, x i+2 ]f [x i, x i+1, x i+2, x i+3 ]f x 0 [x 0 ]f > [x 0, x 1 ]f x 1 [x 1 ]f > [x 0, x 1, x 2 ]f > [x 1, x 2 ]f > [x 0, x 1, x 2, x 3 ]f x 2 [x 2 ]f > [x 1, x 2, x 3 ]f. > [x 2, x 3 ]f. x 3 [x 3 ]f... Dahmen-Reusken Kapitel 8 14
15 Beispiel Sei x 0 = 0, x 1 = 0.2, x 2 = 0.4, x 3 = 0.6 und f(x i ) = cos(x i ) für i = 0,...,3. Man bestimme P(f x 0, x 1, x 2, x 3 ) > > > > > > P(cos x 0,0.2,0.4)(x) = x 0.489x(x 0.2), P(cos x 0,0.2,0.4,0.6)(x) = P(cos x 0,0.2,0.4)(x) x(x 0.2)(x 0.4) = x 0.489x(x 0.2) x(x 0.2)(x 0.4). Dahmen-Reusken Kapitel 8 15
16
17 Es gelten folgende Eigenschaften: Satz (i) [x 0,..., x n ]f ist eine symmetrische Funktion der Stützstellen, d.h. hängt nicht von der Reihenfolge der Stützstellen ab (konkret gilt zum Beispiel [x 0, x 1, x 2 ]f = [x 1, x 0, x 2 ]f). (iii) Für Q Π k 1 gilt [x 0,..., x k ]Q = 0. (iv) Für die Newton-Basispolynome ω k gilt [x 0,..., x k ]ω j = δ jk, für j, k = 0,..., n. (v) Sei a := min 0 i n x i, b := max 0 i n x i, I := [a, b] und f C n (I). Dann existiert ein ξ I, so daß [x 0,..., x n ]f = f(n) (ξ). n! Dahmen-Reusken Kapitel 8 16
18 8.2.5 Restglieddarstellung - Fehleranalyse Satz Seien x 0,..., x n paarweise verschiedene Stützstellen, a := min{x 0,..., x n }, b := max{x 0,..., x n } und x R. Sei I := [min{a, x}, max{b, x}]. Für f C n+1 (I) existiert ξ I, so daß f(x) P(f x 0,..., x n )(x) = (x x 0 ) (x x n ) f(n+1) (ξ) (n + 1)! gilt. Insbesondere gilt max x [a,b] max x [a,b] f(x) P(f x 0,..., x n )(x) n j=0 x [a,b] (x x j ) max f (n+1) (x) (n + 1)!. Dahmen-Reusken Kapitel 8 17
19 Beispiel Lineare Interpolation von f(x) = log(1 + x) an x 0 = 0 und x 1 = 1 ergibt Da max x [0,1] x(1 x) = 1 4 x(x 1) f(x) P(f 0,1)(x) = 2(1 + ξ) 2. und ξ 0, folgt f(x) P(f 0,1)(x) 1 8. Quadratische Interpolation an den Punkten 0, 1 2 und 1 ergibt Da folgt f(x) P(f 0, 1 2,1)(x) = 2 x(x 1 2 )(x 1) (1 + ξ) 3. 3! max x [0,1] x(x 1 2 )(x 1) = 3 36, f(x) P(f 0, 1 2,1)(x) Dahmen-Reusken Kapitel 8 18
20 (1) Erhöhung des Polynomgrades bzw. der Stützstellenanzahl M n+1 (f) := max x [a,b] f (n+1) (x) (n + 1)! und ω n+1 (x) := n j=0 (x x j ). Fehlerschranke: f(x) P(f x 0,..., x n )(x) ω n+1 (x) M n+1 (f) für x [a, b] und x j [a, b], j = 0,1,2,..., n. Dahmen-Reusken Kapitel 8 19
21 Verhalten der Funktion ω n+1 bei äquidistanten Stützstellen. Beispiel: x j = 1 + j n, j = 0,..., n für n = 3,7,11. Gezeigt wird 2 2n+1 ω n+1. 2 n=7 n= n= Dahmen-Reusken Kapitel 8 20
22 Bemerkung Das Verhalten der Funktion ω n+1 kann für eine andere Wahl der Stützstellen wesentlich besser sein. Es ist zum Beispiel bekannt, daß die Nullstellen der sogenannten Tschebyscheff-Polynome wesentlich günstigere Stützstellen liefern. Für diese Nullstellen gibt es explizite Formeln, z.b. für das Intervall [1,2] hat man die Formel x j = cos ( 2j + 1 2n + 2 π ), j = 0,1,..., n. Dahmen-Reusken Kapitel 8 21
23 Verhalten der Funktion ω n+1 bei Tschebyscheff-Stützstellen. Gezeigt wird 2 2n+1 ω n n=3 n= n= Dahmen-Reusken Kapitel 8 22
24 (2) Fester Grad Sei a := min {x 0,..., x n }, b := max {x 0,..., x n }, n fest. h := b a stelle man sich als veränderbar vor. Falls x I := [a, b] liegt, erhält man sofort die grobe Abschätzung ω n+1 (x) h n+1, und somit f P(f x 0,..., x n ) L (I) hn+1 (n + 1)! f(n+1) L (I), Der Fehler wird also kleiner, wenn die Stützstellen gemäß h zusammenrücken. Dies ist der Effekt, der in den meisten Anwendungen benutzt wird. Dahmen-Reusken Kapitel 8 23
25 Beispiel Wir betrachten lineare Interpolation der Funktion f(x) = log(1 + x), diesmal an x 0 = 0 und x 1 = h. Dies ergibt Da und ξ 0, folgt x(x h) f(x) P(f 0, h)(x) = 2(1 + ξ) 2. h2 max x(x h) = x [0,h] 4, f(x) P(f 0, h)(x) h2, für x [0, h]. 8 Der Verfahrensfehler strebt also mit der Ordnung 2 gegen 0. Dahmen-Reusken Kapitel 8 24
26 Grundidee: Numerische Differentiation P(f x 0,..., x n ) (n) (x) = n![x 0,..., x n ]f f (n) (x), Speziell erhält man bei äquidistanten Stützstellen x j = x 0 + jh, f (x) [x 0, x 1 ]f = f(x 1) f(x 0 ) (x [x 0, x 1 ]) (1) h f (x) 2![x 0, x 1, x 2 ]f = f(x 2) 2f(x 1 ) + f(x 0 ) h 2 (x [x 0, x 2 ]). (2) Mit Hilfe der Taylor-Entwicklung ergibt sich für x 0 = x 1 2 h, x 1 = x + 1 2h in (1) f (x) = f(x h) f(x 1 2 h) h h2 24 f (ξ) (zentrale Differenzen), für x 0 = x h, x 1 = x, x 2 = x + h in (2) f (x) = f(x + h) 2f(x) + f(x h) h 2 h2 12 f(4) (ξ). Dahmen-Reusken Kapitel 8 25
27 Auslöschung bei numerischer Differentiation h := Fehler in den Daten: f(x + h) 2f(x) + f(x h) h 2. h := f(x + h) 2 f(x) + f(x h) h 2. Wegen Datenfehler ( f(y) f(y) ǫ) h h = 1 h 2 ( f(x + h) f(x + h) ) 2 ( f(x) f(x) ) + ( f(x + h) f(x + h) ) 4ǫ h 2. h f (x) h h h + f (x) 4ǫh 2 + ch 2 Dahmen-Reusken Kapitel 8 26
28 Offensichtlich wird die Schranke für h = 4 4ǫ/c minimal. Bei ǫ = 10 9 läßt sich also h 10 2 wählen. Kleineres h bringt nur eine Verschlechterung. 4ǫh 2 + ch 2 ch 2 (Diskretisierungsfehler) 0 4 4ǫ c 4ǫh 2 (Rundungsfehler) h Merke: Man sollte stets dafür sorgen, daß Rundungsfehler einen kleineren Einfluß haben als Diskretisierungsfehler. Dahmen-Reusken Kapitel 8 27
29 Beispiel Aufgabe: Annäherung der zweiten Ableitung von f(x) = sin x + 3x 2 an der Stelle x = 0.6 mit dem Differenzenquotienten h = f(x + h) 2f(x) + f(x h) h 2. Wir rechnen auf einer Maschine mit eps 10 16, also erwartet man, daß für h 10 4 der Gesamtfehler minimal ist. Die Tabelle bestätigt dies: h h h f (x) e e e e e e-03 Dahmen-Reusken Kapitel 8 28
30 8.2.7 Hermite-Interpolation Zu definiere für j = 0,1,..., n: x 0 x 1... x n µ j (f) := f (l j) (x j ), l j = max{r x j = x j r }. Beispiel Sei x 0 = 0, x 1 = x 2 = x 3 = 1 2, x 4 = 1. Dann hat man l 0 = 0, l 1 = 0, l 2 = 1, l 3 = 3, l 4 = 0, und µ 0 (f) = f(0), µ 1 (f) = f ( 1), µ2 (f) = f ( 1), µ3 (f) = f ( µ 4 (f) = f(1). ), Dahmen-Reusken Kapitel 8 29
31 Das allgemeine Hermite-Interpolationsproblem mit Polynomen (HIP) läßt sich nun folgendermaßen beschreiben: Aufgabe 8.29 (Hermite-Interpolation). Sei f C k ([a, b]) und µ j wie oben mit x j [a, b] und l j k für alle j. Man bestimme P n Π n, so daß µ j (P n ) = µ j (f), j = 0,1,..., n. Diese Aufgabe ist eindeutig lösbar: Satz Die Interpolationsaufgabe (8.29) hat eine eindeutige Lösung. Dahmen-Reusken Kapitel 8 30
32 Die Lagrange-Interpolation ist ein Spezialfall der Hermite-Interpolation, der sich für paarweise verschiedene Stützstellen ergibt, da dann µ i (f) = f(x i ), i = 0,..., n, gerade die Punktauswertungen sind. Ein zweiter interessanter Spezialfall ergibt sich, wenn alle Stützstellen zusammenfallen: x 0 = = x n = µ i (f) = f (i) (x 0 ), i = 0,..., n. In diesem Fall können wir das Interpolationspolynom direkt angeben, nämlich das Taylor-Polynom P n (x) = n j=0 f (j) (x 0 ) (x x 0) j. j! Dahmen-Reusken Kapitel 8 31
33 Bestimmung des Hermite-Interpolationspolynoms Definition Wir bezeichnen für beliebige reelle Stützstellen x i, wieder mit [x i,..., x k ]f den jeweils führenden Koeffizienten des entsprechenden Hermite-Interpolationspolynoms P(f x 0,..., x k ) Π k. Folgerung Für x 0 = = x k gilt [x 0,..., x k ]f = f(k) (x 0 ). k! Wir können nun Lemma 8.16 erweitern. Lemma Gegeben seien x 0,..., x k R. Dann gilt für x i, x j aus der Menge {x 0,..., x k } [x 0,..., x k ]f = [x 0,...,x i 1,x i+1,...,x k ]f [x 0,...,x j 1,x j+1,...,x k ]f x j x i, falls x i x j, f (k) (x 0 ) k!, falls x 0 = = x k, Dahmen-Reusken Kapitel 8 32
34 Beispiel Sei x 0 = 0, x 1 = x 2 = x 3 = 1 2, x 4 = 1. Man bestimme P 4 Π 4, so daß P 4 (0) = 1, P 4 ( 1 2 ) = 11 2, P 4 (1 2 ) = 1 2, P 4 (1 2 ) = 0, P 4(1) = Dividierte Differenzen (die fettgedruckten Einträge sind die Daten): 0 1 > > > 1 > > 0 > > 1 > > > Das gesuchte Hermite-Interpolationspolynom ist P 4 (x) = 1 + x x(x 1 2 ) + 2x(x 1 2 )2 + 4x(x 1 2 )3. Dahmen-Reusken Kapitel 8 33
35 Verfahrensfehler Wie vorher beim Spezialfall der Lagrange-Interpolation stellt sich die Frage nach Abschätzungen für den Interpolationsfehler. Dazu folgendes Resultat: Bemerkung Die Fehlerdarstellung und -abschätzung aus Satz 8.22 bleibt unverändert gültig. D. h., die Aussage von Satz 8.22 gilt auch für beliebige, nicht notwendigerweise paarweise verschiedene Stützstellen x i, i = 0,..., n. Dahmen-Reusken Kapitel 8 34
36 8.3 Grenzen der Polynominterpolation Die Funktion f(x) = x 2 ist auf ganz R beliebig oft differenzierbar. Dennoch zeigt sich, daß die Folge der Interpolationspolynome für P n (x) = P(f x 0,..., x n )(x) x j = j, j = 0,..., n, n auf [ 5,5] divergiert. Dahmen-Reusken Kapitel 8 35
37 2.5 2 n= n=6 0 n= Dahmen-Reusken Kapitel 8 36
38 Fazit: Als Mittel, über immer mehr Stützstellen immer bessere Approximationen zu gewinnen, taugt die Polynominterpolation im allgemeinen nicht. Eine geeignete Alternative bietet das folgende Vorgehen: Im Interpolationsintervall [a, b] wird eine Approximation der Funktion f konstruiert, die stückweise polynomial ist. Dies ist der Grundgedanke der sogenannten Splinefunktionen. Dahmen-Reusken Kapitel 8 37
39 8.4 Beispiel einer Splineinterpolation Splinefunktionen bilden ein flexibles und effizientes Hilfsmittel, um größere Datenmengen zu interpolieren oder zu approximieren. Seien Stützstellen und a = x 0 < x 1 <... < x n = b f j, j = 0,1,..., n, die entsprechenden Daten an diesen Stützstellen. Der Raum der kubischen Splines ist: S n 3 := { g C 2 ([a, b]) g [xi,x i+1 ] Π 3, i = 0,1,..., n 1 }. Es gilt dim S n 3 = n + 3. Zur Lösung des Interpolationsproblems wird S S n 3 gesucht, so daß S(x j ) = f j, j = 0,..., n. Dahmen-Reusken Kapitel 8 38
40 Aufgabe Finde zu den Daten f 0, f 1,..., f n eine Funktion S S3 n, so daß S(x j ) = f j, j = 0,1,..., n, S (a) = S (b) = 0. Lemma Sei g eine beliebige Funktion aus C 2 ([a, b]) mit g(x j ) = f j, j = 0,1,..., n und g (a) = g (b) = 0. Für die eindeutige Lösung S der Aufgabe 8.37 gilt b a S (x) 2 dx b a g (x) 2 dx. Diese Eigenschaft bedeutet, daß der kubische Spline S unter allen Funktionen g C 2 ([a, b]), die dieselben Interpolationsforderungen erfüllen näherungsweise die mittlere quadratische Krümmung minimiert. Dahmen-Reusken Kapitel 8 39
41 Methode zur Berechnung der gesuchten Lösung S Allgemeine effiziente Methoden zur Berechnung von Splineinterpolationen werden in Kapitel 9 diskutiert. Wichtig dabei ist die Wahl einer geeigneten Basis der sogenannten B-Splines. Wir betrachten eine für das Einführungsbeispiel geeignete einfache Methode. Äquidistante Stützstellen: x j+1 x j = h, j = 0,1,..., n 1. Bezeichnungen und m j := S (x j ), j = 0,1,..., n, I j := [x j, x j+1 ], j = 0,1,..., n 1. Dahmen-Reusken Kapitel 8 40
42 Wegen S Ij Π 3 ergibt sich, daß S I j linear ist und daß S I (x) = (x j+1 x)m j + (x x j )m j+1. (1) j h Zweifache Integration zusammen mit den Forderungen ergibt S(x j ) = f j, S(x j+1 ) = f j+1 (2) S Ij (x) = (x j+1 x) 3 m j + (x x j ) 3 m j+1 6h + (x j+1 x)f j + (x x j )f j+1 h 1 6 h[(x j+1 x)m j + (x x j )m j+1 ]. Dahmen-Reusken Kapitel 8 41
43 Für dieses stückweise Polynom S gilt S Ij Π 3, S C([a, b]), S I j (x j+1 ) = m j+1 = S I j+1 (x j+1 ). Die Stetigkeit folgt aus den Interpolationsbedingungen in (2). Die Stetigkeit der zweiten Ableitung folgt aus (1). Man muß nun die noch unbekannten Größen m j so wählen, daß die erste Ableitung von S in den Stützstellen x j stetig ist. Es soll also S I j 1 (x j ) = S I j (x j ), j = 1,..., n 1, gelten. Man erhält daraus die Bedingungen m j 1 + 4m j + m j+1 = 6 h 2(f j 1 2f j + f j+1 ), j = 1,2,..., n 1. Dahmen-Reusken Kapitel 8 42
44 Es gilt m 0 = m n = 0. Insgesamt ergibt sich das lineare Gleichungssystem m 1 m 2... m n 1 = 6 h 2 f 0 2f 1 + f 2 f 1 2f 2 + f 3... f n 2 2f n 1 + f n. Dahmen-Reusken Kapitel 8 43
45 Beispiel Daten: i x i f(x i ) Für die Splineinterpolation S S3 7 mit den Endbedingungen S (3) = S (10) = 0 wird das zugehörige System m 1 m 2 m 3 m 4 m 5 m 6 = gelöst. Dahmen-Reusken Kapitel 8 44
46 Das Lagrange-Interpolationspolynom vom Grad 7 P 7 = P(f 3,4,5,6,7,8,9,10) Dahmen-Reusken Kapitel 8 45
47 Die Splineinterpolation S S Dahmen-Reusken Kapitel 8 46
48 Fehler bei der kubischen Splineinterpolation Bemerkung Bezeichnet h := max i=0,...,n 1 x i+1 x i den maximalen Knotenabstand, kann man die Abschätzung f S L ([a,b]) Ch4 f (4) L ([a,b]) für eine von h und f unabhängige Konstante C zeigen. Höhere Genauigkeit gewinnt man also durch Verringerung der Schrittweite bwz. Erhöhung der Knotenzahl. Dahmen-Reusken Kapitel 8 47
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
MehrInterpolation. 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,
MehrDie 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
MehrPolynominterpolation
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
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!)
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
Mehr3.1.3 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
MehrNumerische 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
MehrPolynominterpolation mit Matlab.
Polynominterpolation mit Matlab. Die Matlab-Funktion polyfit a = polyfit(x,f,n-1); berechnet die Koeffizienten a = (a(1),a(2),...,a(n)); des Interpolationspolynoms p(x) = a(1)*x^(n-1) + a(2)*x^(n-2) +...
MehrThemen 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
Mehr3 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
MehrInterpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...
sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 4. Differentialrechnung Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies
MehrMusterlösung 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
MehrNUMERISCHE 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
MehrKapitel 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)
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
MehrInterpolation. 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
Mehr2. 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.
MehrExtremwerte 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
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 15.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren Numerische
Mehr2 Polynome und rationale Funktionen
Gleichungen spielen auch in der Ingenieurmathematik eine große Rolle. Sie beschreiben zum Beispiel Bedingungen, unter denen Vorgänge ablaufen, Gleichgewichtszustände, Punktmengen. Gleichungen für eine
MehrInhaltsverzeichnis. 1 Definition: Interpolationsproblem 2 1.1 Problemstellung... 2 1.2 Eigenschaften... 2 1.3 Varianten... 2
Dieser Artikel behandelt einige Interpolationsverfahren. Numerische Verfahren kann man nur mit der dazugehörigen Theorie verstehen und anwenden. Daher sind hier auch Theorie-Anteile und Beweise enthalten.
MehrAnalysis I. 4. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2011 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dr Slobodan Ilic Numerisches Programmieren, Übungen 6 Übungsblatt: Stückweise Interpolation
MehrNumerische 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
MehrΓ = {(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
Mehrε 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
Mehr6 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
MehrTaylor-Entwicklung der Exponentialfunktion.
Taylor-Entwicklung der Exponentialfunktion. Betrachte die Exponentialfunktion f(x) = exp(x). Zunächst gilt: f (x) = d dx exp(x) = exp(x). Mit dem Satz von Taylor gilt um den Entwicklungspunkt x 0 = 0 die
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
MehrKonvergenz 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
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrIn der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y
Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrDefinition: Differenzierbare Funktionen
Definition: Differenzierbare Funktionen 1/12 Definition. Sei f :]a, b[ R eine Funktion. Sie heißt an der Stelle ξ ]a, b[ differenzierbar, wenn der Grenzwert existiert. f(ξ + h) f(ξ) lim h 0 h = lim x ξ
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
MehrGrundlagen der Numerischen Mathematik. Heinrich Voß
Grundlagen der Numerischen Mathematik Heinrich Voß Technische Universität Hamburg Harburg Arbeitsbereich Mathematik 2004 2 Inhaltsverzeichnis 1 Einleitung 1 1.1 Zahlendarstellung............................
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrNumerik I. Universität Siegen Wintersemester 2004/05 Prof. Dr. Franz-Jürgen Delvos Prof. Dr. Hans-Jürgen Reinhardt
Numerik I Universität Siegen Wintersemester 4/5 Prof Dr Franz-Jürgen Delvos Prof Dr Hans-Jürgen Reinhardt Überarbeitet, ergänzt und in L A TEX gesetzt von Uwe Nowak und Christian Schneider Version: Juli
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
Mehr[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
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrKlausur 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.:
MehrInterpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression
Interpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at
MehrKleine 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..................................
MehrDie Unlösbarkeit der Gleichung fünften Grades durch Radikale. Teilnehmer: Gruppenleiter:
Die Unlösbarkeit der Gleichung fünften Grades durch adikale Teilnehmer: Max Bender Marcus Gawlik Anton Milge Leonard Poetzsch Gabor adtke Miao Zhang Gruppenleiter: Jürg Kramer Andreas-Oberschule Georg-Forster-Oberschule
MehrKonstruktion der reellen Zahlen
Konstruktion der reellen Zahlen Zur Wiederholung: Eine Menge K (mit mindestens zwei Elementen) heißt Körper, wenn für beliebige Elemente x, y K eindeutig eine Summe x+y K und ein Produkt x y K definiert
MehrWS 2009/10. Diskrete Strukturen
WS 2009/10 Diskrete Strukturen Prof. Dr. J. Esparza Lehrstuhl für Grundlagen der Softwarezuverlässigkeit und theoretische Informatik Fakultät für Informatik Technische Universität München http://www7.in.tum.de/um/courses/ds/ws0910
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
MehrDierentialgleichungen 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:
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg WS 7/8 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. März 8 Sie haben 9 Minuten Zeit zum Bearbeiten
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrBestimmen 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
MehrSatz von Taylor Taylorreihen
Satz von Taylor Taylorreihen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Tangente als Näherung Weil sich anschaulich die Tangente anschmiegt, ist die Tangentenfunktion
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrTutorübung 5. Analysis 2 für Lehramt TU Dortmund, Sommersemester 2014
Tutorübung 5 Analysis 2 für Lehramt TU Dortmund, Sommersemester 24 Aufgabe T Bestimme die Taylorreihen von (a) cos(x) um a. (b) ln(x) um a. (c) um a 2. +x Bestimme in allen Fällen das Taylorpolynom T n,a
MehrAnalysis 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
Mehr26. Höhere Ableitungen
26. Höhere Ableitungen 331 26. Höhere Ableitungen Im letzten Kapitel haben wir gesehen, wie man für Abbildungen zwischen mehrdimensionalen Räumen das Konzept der Differenzierbarkeit definieren und für
Mehr14 Lineare Differenzengleichungen
308 14 Lineare Differenzengleichungen 14.1 Definitionen In Abschnitt 6.3 haben wir bereits eine Differenzengleichung kennengelernt, nämlich die Gleichung K n+1 = K n q m + R, die die Kapitalveränderung
MehrBeispielaufgaben rund um Taylor
Beispielaufgaben rund um Taylor Mirko Getzin Universität Bielefeld Fakultät für Mathematik 19. Februar 014 Keine Gewähr auf vollständige Richtigkeit und perfekter Präzision aller (mathematischen) Aussagen.
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrKapitel 5. Lösung nichtlinearer Gleichungen
Kapitel 5. Lösung nichtlinearer Gleichungen 5.1 Nullstellen reeller Funktionen, Newton-Verfahren 5.2 Das Konvergenzverhalten iterativer Verfahren 5.3 Methode der sukzessiven Approximation 5.4 Das Newton-Verfahren
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
MehrKonvergenz 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
MehrSS 2016 Höhere Mathematik für s Studium der Physik 21. Juli Probeklausur. Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert.
SS 6 Höhere Mathematik für s Studium der Physik. Juli 6 Probeklausur Die Antworten zu den jeweiligen Fragen sind in blauer Farbe notiert. Fragen Sei (X, d) ein metrischer Raum. Beantworten Sie die nachfolgenden
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
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
MehrHöhere Mathematik I/II
Markus Stroppel Höhere Mathematik I/II Z. Zusätze. Z.. Skalarprodukte in Funktionenräumen. Wir wollen an einigen Beispielen zeigen, dass es nützlich sein kann, Skalarprodukte auch in ganz allgemeinen (reellen)
Mehr6 Gleichungen und Gleichungssysteme
03.05.0 6 Gleichungen und Gleichungssysteme Äquivalente Gleichungsumformungen ( ohne Änderung der Lösungsmenge ).) a = b a c = b c Addition eines beliebigen Summanden c.) a = b a - c = b - c Subtraktion
MehrNumerische Integration
Numerische Integration Fakultät Grundlagen Januar 0 Fakultät Grundlagen Numerische Integration Übersicht Grundsätzliches Grundsätzliches Trapezregel Simpsonformel 3 Fakultät Grundlagen Numerische Integration
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
Mehrcos(kx) sin(nx)dx =?
3.5 Fourierreihen 3.5.1 Vorbemerkungen cos(kx) sin(nx)dx =? cos gerade Funktion x cos(kx) gerade Funktion sin ungerade Funktion x sin(nx) ungerade Funktion x cos(kx) sin(nx) ungerade Funktion Weil [, π]
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
Mehr4.1 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
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN
TECHNISCHE UNIVERSITÄT MÜNCHEN Zentrum Mathematik PROF. DR.DR. JÜRGEN RICHTER-GEBERT, VANESSA KRUMMECK, MICHAEL PRÄHOFER Aufgabe 45. Polynome sind stets stetig. Höhere Mathematik für Informatiker II (Sommersemester
MehrAufgaben zu Kapitel 20
Aufgaben zu Kapitel 20 Aufgaben zu Kapitel 20 Verständnisfragen Aufgabe 20 Sind die folgenden Produkte Skalarprodukte? (( R ) 2 ( R 2 )) R : v w,, v v 2 w w 2 (( R ) 2 ( R 2 )) R : v w, 3 v v 2 w w + v
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrPractical 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
Mehrf(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
Mehr1 Formen und äußeres Differential
1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein
MehrDifferential- und Integralrechnung
Universität Paerborn, en 16.07.2007 Differential- un Integralrechnung Ein Repetitorium vor er Klausur Kai Gehrs 1 Übersicht Inhaltlicher Überblick: I. Differentialrechnung I.1. Differenzierbarkeit un er
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Mehr$Id: integral.tex,v /05/05 14:57:29 hk Exp hk $ ln(1 + t) 2 = ln 2 ln 3 + ln 2 = ln
$Id: integral.tex,v.5 2009/05/05 4:57:29 hk Exp hk $ 2 Integralrechnung 2.3 Die Integrationsregeln Wir wollen noch eine letzte kleine Anmerkung zur Substitutionsregel machen. Der letzte Schritt bei der
Mehr13 Stetige Funktionen
$Id: stetig.tex,v.4 2009/02/06 3:47:42 hk Exp $ 3 Stetige Funktionen 3.2 Stetige Funktionen In anderen Worten bedeutet die Stetigkeit einer Funktion f : I R also f(x n) = f( x n ) n n für jede in I konvergente
Mehr31 Polynomringe Motivation Definition: Polynomringe
31 Polynomringe 31.1 Motivation Polynome spielen eine wichtige Rolle in vielen Berechnungen, einerseits weil oftmals funktionale Zusammenhänge durch Polynome beschrieben werden, andererseits weil Polynome
MehrSchulstoff. Übungen zur Einführung in die Analysis. (Einführung in das mathematische Arbeiten) Sommersemester 2010
Übungen zur Einführung in die Analysis (Einführung in das mathematische Arbeiten) Sommersemester 010 Schulstoff 1. Rechnen mit Potenzen und Logarithmen 1. Wiederholen Sie die Definiton des Logarithmus
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
Mehr5 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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
Mehr