8 Polynominterpolation
|
|
- Inken Acker
- vor 6 Jahren
- Abrufe
Transkript
1 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 durch die gegebenen Punkte. Fragen: (1 Wie berechnet man so eine Kurve? (2 Wie groß ist der Interpolationsfehler? (8.1 Definition (Interpolationsaufgabe von Lagrange Zu Stützstellen t 0 < t 1 < t und Werten f 0, f 1,..., f R bestimme ein Polynom P P mit P(t n f n, n 0,...,. (8.2 Satz Die Interpolationsaufgabe von Lagrange (8.1 ist eindeutig lösbar. Beweis. (1 Eindeutigkeit: Seien P, P zwei Lösungen der Aufgabe (8.1. Definiere Q : P P P. Dann hat Q nach Definition + 1 ullstellen und ist daher das ullpolynom. (2 Existenz: Die Zuordnung eines Polynoms P P auf die Auswertungen in den Stützstellen ist linear, d.h. die Lösung der Interpolationsaufgabe entspricht der Lösung eines Linearen Gleichungssystems in R +1. Da die Lösung eindeutig ist, ist die zugehörige Matrix regulär und somit ist die Aufgabe immer lösbar. Konstruktion des Interpolationspolynoms Zum Lösen der Interpolationsaufgabe muss man im Grunde den Koeffizientenvektor a (a 0,a 1,...,a n T R +1 bestimmen, welcher a 0 + a 1 t n + a 2 t 2 n + + a t n f n für n 0,..., genügt. Dies ist ein lineares Gleichungssystem Ta f mit f ( f 0,..., f T R +1 und der Vandermonde-Matrix 1 t 0 t0 2 t0 T (tn k 1 t 1 t1 2 t 1 n,k0,..., R+1,+1. 1 t t 2 t Diese Matrix ist zwar regulär (da die t n paarweise verschieden sind, hat aber in der Regel eine sehr schlechte Kondition. Eine andere Möglichkeit ist die Darstellung über die 69
2 Lagrange Basispolynome L k P mit L k (t n0 n k t t n t k t n Diese Polynome genügen der Bedingung { 1, k n L k (t n 0, k n. Also ist P(t : f k L k (t k0 Lösung der Interpolationsaufgabe (8.1. Vor- und achteile der Lagrange-Darstellung + Explizite Darstellung der Lösung. + Auswertung von P benötigt O( 2 Operationen, währ das Lösen von Ta f mit der LR-Zerlegung O( 3 Operationen benötigt. Die Lagrange Basis ist stark oszillier, somit ist die Auswertung für große numerisch instabil und führt zur Auslöschung. Wenn ein weiterer Wert hinzugefügt wird, müssen alle Basispolynome neu berechnet werden! (8.3 Definition (Hermitesche Interpolationsaufgabe Zu t 0 t 1 t definiere d n : max{n k : t k t k+1 t n }, und es sei d maxd n. Zu f C d (R bestimme P P mit ( d dn ( d dn P(t n f (t n für n 0,...,. Beispiele (1 Sind die t n paarweise verschieden, dann folgt d n 0 und wir erhalten die Lagrange- Interpolation. (2 Für t 0 t 1 t ergibt sich das Taylor-Polynom P(t n0 ( 1 d n n! (t t 0 n f (t 0. 70
3 (3 Betrachte die kubische Hermite-Interpolation mit a t 0 t 1 < t 2 t 3 b. Dann gilt d 0 0,d 1 1,d 2 0,d 3 1 und es ergibt sich P(t H ( t a b a für H(t f (ah 00 (t + (b a f (ah 10 (t + f (bh 01 (t + (b a f (bh 11 (t. Dabei sind die Hermite-Polynome gegeben durch H 00 (t 1 3t 2 + 2t 3, H 10 (t t 2t 2 +t 3, H 01 (t 3t 2 2t 3, H 11 (t t 2 +t 3. (8.4 Definition Zu t 0,...,t definiere die ewton-basis von P rekursiv durch ω 0 1, ω k (t (t t k 1 ω k 1 (t, k 1,...,. Bemerkung Es gilt degω k k, und span{ω 0,...,ω k } P k. (8.5 Satz Die Hermitesche Interpolationsaufgabe (8.3 ist eindeutig lösbar. Beweis. Definiere die Linearform µ n : C d [a,b] R mit µ n ( f 1 d n ( d dn f (t n. Suche ein Polynom P P mit µ n (P µ n ( f für n 0,...,. Da µ n linear ist, löst ein Polynom P(t b k ω k (t k0 genau dann (8.3, wenn µ n (ω k b k µ n ( f k0 für n 0,..., gilt. Es bleibt also zu zeigen, dass die Matrix A : (µ n (ω k n,k0,..., R +1,+1 regulär ist. Es gilt µ n (ω k 0 für n < k und µ n (ω n 1. Also ist A eine normierte Dreiecksmatrix und somit regulär. 71
4 (8.6 Definition Der eindeutig bestimmte höchste Koeffizient b 1! ( d P(t der Hermiteschen Interpolationsaufgabe (8.3 bzgl. der ewton-basis wird mit b : f [t 0,...,t ] bezeichnet. b heißt -te dividierte Differenz von f an t 0,...,t. Bemerkung 1 Für 0 gilt f (t 0 f [t 0 ]. 2 Falls t 0,...,t nicht sortiert sind, dann definiere f [t 0,...,t ] f [t k0,...,t k ] mit der Sortierung t k0 t k. (8.7 Satz a Das Polynom P (t : f [t 0,...,t k ]ω k (t k0 löst die Interpolationsaufgabe (8.3 zu f an t 0 t. b Für f C +1 (R gilt f (t P (t + f [t 0,...,t,t]ω +1 (t. Beweis. Zu a Wir führen eine Induktion über durch. 0: Es gilt P 0 (t f (t 0 f [t 0 ]. 1 : Sei P P die Interpolation zu f an t 0,...,t. Dann definiere P 1 (t : P (t f [t 0,...,t ]ω (t P 1. Dieses P 1 erfüllt ( d ( d P 1(t P (t 1 ( d ( d P (t ω (t! }{{}! daher ist P 1 P 1. Ferner gilt für n < nach Konstruktion µ n (ω 0. Also erfüllt P 1 für n < die Gleichung µ n (P 1 µ n ( f. Damit löst P 1 (8.3 für t 0,...,t 1 und nach Induktionsvoraussetzung gilt P 1 (t 1 f [t 0,...,t k ]ω k (t. k0 72 0,
5 Zu b Für festes t definiere das Polynom Q t P +1 mit Q t (s P (s + f [t 0,...,t,t]ω +1 (s. ach a ist Q t die Hermite-Interpolation zu f an den Stellen t 0,...,t,t. Somit gilt insbesondere Q t (t f (t. (8.8 Satz Für den Interpolationsfehler gilt ( 1 d +1 f (t P (t f (τ t ω +1(t ( + 1! mit τ t I : [min{t 0,t},max{t,t }]. Beweis. Sei dazu Q t (s P (s f [t 0,...,t,t]ω +1 (s P +1 die Interpolation zu f an t 0,...,t,t. Also hat f (s Q t (s in I mindestens + 2 ullstellen (mit Vielfachheiten. ach dem Satz von Rolle gilt, dass f (s Q t(s in I mindestens + 1 ullstellen (mit Vielfachheiten hat. Induktiv folgt also, dass ( d ds +1 ( f Q t (s ( d ds +1 f (s f [t 0,...,t,t]( + 1! in I mindestens eine ullstelle τ t I hat. Und damit gilt für diese ullstelle ( d +1 f (τ t f [t 0,...,t,t]( + 1!, ds woraus mit Satz (8.7 die Behauptung folgt. Anwung von (8.8 Es gilt für den Fehler der Lagrange-Interpolation mit t n : a + nh, h : b a ( max f (t P 1 d +1 (t max f (τ t [a,b] t [a,b] t ω +1(t ( + 1! 1 ( d h+1 max f (τ t, für f C +1 [a,b], denn max ω +1(t t [a,b] max n1,..., n nk t [a,b] max ω +1(t t [t n 1,t n ] (k + 1h ( + 1 kh! h +1. kn+1 Bemerkung Im Allgemeinen ist ( d k f (t unbeschränkt, wenn k immer größer wird. 73
6 Zur Auswertung der Interpolation verwen wir die folgen Rekursionen. (8.9 Lemma a Für t k < t n gilt b Für t k t n gilt Bemerkung Es gelten f [t k,...,t n ] f [t k+1,...,t n ] f [t k,...,t n 1 ] t n t k. f [t k,...,t n ] f [t] f (t, ( 1 d n k f (t n. (n k! f [t + h] f [t] f [t,t] lim f [t + h,t] lim f (t, h 0 h 0 h f [t,t,t] lim f [t h,t,t + h] a f [t + h,t] f [t h,t] lim h 0 h 0 2h a f [t h] 2 f [t] + f [t + h] lim h 0 2h 2 f (t. Beweis. Zu a Sei P kn P n k die Interpolation zu f an t k,...,t n, d.h. f [t k,...,t n ] ( 1 d n k P nk(t. (n k! Dann definiere zu k < n P(t : 1 ( (t t k P n,k+1 (t + (t n tp n 1,k (t. (4 t n t k Somit gelten P(t n P n,k+1 (t n f (t n und P(t k P n 1,k (t k f (t k und für k < j < n gilt Außerdem folgt P(t j 1 ( f (t i (t j t k + f (t i (t n t j f (t j. t n t k P (t 1 ( P n,k+1 (t P n 1,k (t + (t t k P n,k+1 t n t (t + (t n tp n 1,k, (t k und damit P (t i t 1 n t k ((t i t k P n,k+1 (t i + (t n t i P n 1,k (t i. Daraus lässt sich ablesen, dass P auch für doppelte Stützstellen die Interpolationseigenschaft erfüllt (analog für 74
7 weitere Ableitungen. Also ist P P n k Interpolation zu f an t k,...,t n. Mittels Koeffizientenvergleichs von ( d n 1 P folgt dann die Behauptung: f [t k,...,t n ] ( 1 d n k P(t (n k! ( d n k ( tp 1 (t tp 0 (t 1 1 (n k! t n t k 1 ( f [t k+1,...,t n ] f [t k,...,t n 1 ] t n t k. Zu b Das Taylor-Polynom P(t n k ( 1 d j f (t k (t t k j j0 j! interpoliert f an t k t n, d.h. es gilt Damit folgt P(t n k f [t k,...,t k+ j ](t t k j j0 ( 1 d n k ( 1 d n k P(t f [t k,...,t n ] f (t k. (n k! (n k! 75
8 Algorithmus 5 Polynom-Interpolation mit dem eville-schema. function y eval_neville(t,f,x length(t; for k1:-1 for n:(-1:k+1 if t(n ~ t(n-k f(n ((x-t(n-k*f(n + (t(n-x*f(n-1 / (t(n - t(n-k; y f(; return function f koeffizienten_neville(t,f length(t; for k1:-1 for n:(-1:k+1 if t(n ~ t(n-k f(n (f(n - f(n-1 / (t(n - t(n-k; return function y eval_poylnom(t,b,x length(t; y b(1; p 1; for n2: p p * (x - t(n-1; y y + b(n * p; return 76
9 Beispiel Mit Hilfe des vorhergehen Lemmas lässt sich nun relativ einfach das Interpolationspolynom berechnen (also die Koeffizienten bezüglich der ewton-basis. Ferner kann man das Interpolationspolynom auswerten, ohne das Polynom explizit berechnen zu müssen. Wir werden dies hier an einem Beispiel illustrieren. Das Schema, mit dem man die Auswertung vornimmt, nennt man eville-schema. Betrachte dazu die Stützstellen t n n für n 0,...,3. Die Funktionswerte seien f (0 1, f (1 2, f (2 0 und f (3 1. Dann lautet das eville-schema: t n f [t n ] f [0,1] f [1,2] f [2,3] 1 f [0,1,2] 2 3 f [1,2,3] 3 2 f [0,1,2,3] 1 Die gesuchten Koeffizienten stehen dann auf der Hauptdiagonalen, also ist P 3 (t 1 + 1(t 0 3 (t 0(t 1 + 1(t 0(t 1(t 2 2 t t t + 1. Mit Gleichung (4 funktioniert die Auswertung an einer bestimmten Stelle. Wir wählen t 4 und berechnen t n f [t n ] P 3(4 Für die Auswertung des Interpolationspolynoms bzw. der Berechnung der Koeffizienten werden O( 2 Operationen benötigt. (8.10 Satz (Hermite-Genocchi-Formel Es sei Σ der Standard -Simplex (Dreieck für 2, Tetraeder für 3, d.h. 0 Σ s. s mit s 0 1 (s s. Dann gilt f [t 0,...,t ] R +1 : Σ n0 s n 1,s n 0 ( ( d f n t n ds. n0s 77
10 Es gilt für die Integration im Standardsimplex Σ g(sds n1 s n 1 s n s 1 0 ( g 1 1 s 1 s 2 0 n1 s n,s 1,...,s ds 1 s 1... s 1 0 ( g 1 s n n1 } {{ } s 0 Beweis. Falls t 0... t so gilt t 0 +1 n1 s nt n für s Σ, also f [t 0,...,t ] 1! ( d f (t 0 Σ Für 0 haben wir f [t 0 ] f (t : Ohne Einschränkung gelte t 0 t +1. Σ +1 ( ( d f n1 s n 1 s n 0 n1 s n 1 s n 0 1 t +1 t 0 I.V. s n t n ds n0 1 n0 s n 0 1 t +1 t 0 n1 s n 1 s n 0 ( d ( d f ( +1 n1 s n 1 s n 0 +1 f ( ( ( d f [ ( ( d f t 0 + n1 t 0 + t 0 +,s 1,...,s ds ds 1. ( d f (t 0 ds. ( ( d f t 0 + n1 n1 t +1 + n1 s n (t n t 0 s n (t n t 0 + s +1 (t +1 t 0 s n (t n t 0 + s +1 (t +1 t 0 n1 s n (t n t +1 s n (t n t 0 ] ds... d s1 1 t +1 t 0 ( f [t 1,...,t +1 ] f [t 0,...,t ] f [t 0,...,t +1 ]. ds ds +1 ds ds 1 s +1 1 n1 s n s +1 0 ds ds 1 78
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
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
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
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
MehrKurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
MehrNUMERISCHE MATHEMATIK 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
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
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)
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
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
MehrLineare Differenzengleichungen
Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung
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
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,
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
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
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.
MehrInhalt 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
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) +...
MehrAnhang B: Quadratische Irrationalzahlen 1 Reel-quadratische Zahlkörper
Anhang B: Quadratische Irrationalzahlen 1 Reel-quadratische Zahlkörper Eine reelle Zahl x Q heißt quadratische Irrationalzahl, wenn sie Lösung einer quadratischen Gleichung (1) ax bx c 0, a 0 mit rationalen
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Sommersemester 2010 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax = b
MehrExplizite Formeln für rekursiv definierte Folgen
Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als
Mehr2. Teilbarkeit. Euklidischer Algorithmus
O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}
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.
MehrVorkurs: Mathematik für Informatiker
Vorkurs: Mathematik für Informatiker Teil 3 Wintersemester 2016/17 Steven Köhler mathe@stevenkoehler.de mathe.stevenkoehler.de 2 c 2016 Steven Köhler Wintersemester 2016/17 Inhaltsverzeichnis Teil 1 Teil
MehrEigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)
Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein
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
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)
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
Mehr4. ggt und kgv. Chr.Nelius: Zahlentheorie (SS 2007) 9
Chr.Nelius: Zahlentheorie (SS 2007) 9 4. ggt und kgv (4.1) DEF: Eine ganze Zahl g heißt größter gemeinsamer Teiler (ggt) zweier ganzer Zahlen a und b, wenn gilt: GGT 0 ) g 0 GGT 1 ) g a und g b GGT 2 )
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
Mehr2.1 Polynome, Polynomfunktionen und Nullstellen. k=0
Kapitel 2 Polynome 2.1 Polynome, Polynomfunktionen und Nullstellen Der Polynomring R[x] Definition: Ein Polynom mit einer Variablen x über einem kommutativen Ring R ist ein formaler Ausdruck der Form p(x)
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
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrKapitel III. Aufbau des Zahlensystems
Kapitel III. Aufbau des Zahlensystems 1 Addition und Multiplikation natürlicher Zahlen Wir wollen erklären, wie man natürliche Zahlen addiert und multipliziert und dabei nur den Begriff das Zählens verwenden.
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
MehrLineare Algebra II 5. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,
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
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
MehrWir konstruieren eine Wasserrutsche!
Wir konstruieren eine Wasserrutsche! Teilnehmer: Leo Graumann Anh Vu Ho Yiyang Huang Felix Jäger Charlotte Kappler Wilhelm Mebus Alice Wamser Gruppenleiter: René Lamour Caren Tischendorf Heinrich-Hertz-Oberschule,
MehrIn diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)
34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)
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
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
Mehrf 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
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
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
Mehr6.2 Basen. Wintersemester 2013/2014. Definition Seien V ein K-Vektorraum, n N 0 und v 1,..., v n V. (a) Man nennt
Universität Konstanz Fachbereich Mathematik und Statistik Wintersemester 213/214 Markus Schweighofer Lineare Algebra I 6.2 Basen Definition 6.2.1. Seien V ein K-Vektorraum, n N und v 1,..., v n V. (a)
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
Mehr41 Der Satz über implizite Funktionen
41 Der Satz über implizite Funktionen 203 41 Der Satz über implizite Funktionen Lernziele: Resultate: Satz über implizite Funktionen Methode: Implizite Differentiation Kompetenzen: (Lokale) Auflösung von
MehrElementare Zahlentheorie
Euklid-1 Euklid sche Ringe (Das Rechnen in Z und in K[T]). Ist K ein Körper und f K[T] ein Polynom, so nennt man f normiert, falls f 0 gilt und der höchste Koeffizient von f gleich 1 ist. (Natürlich gilt:
MehrDrehung um einen Punkt um Winkel α.
Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D
MehrEinführung in die Theorie der Markov-Ketten. Jens Schomaker
Einführung in die Theorie der Markov-Ketten Jens Schomaker Markov-Ketten Zur Motivation der Einführung von Markov-Ketten betrachte folgendes Beispiel: 1.1 Beispiel Wir wollen die folgende Situation mathematisch
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
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
Mehr5 Grundlagen der Zahlentheorie
5 Grundlagen der Zahlentheorie 1 Primfaktorzerlegung Seienm, n N + := {k N k > 0} Man schreibt n n, gesprochen m teilt n oder m ist ein Teiler von n, wenn es eine positive natürliche Zahl k gibt mit mk
Mehr3 Numerisches Rechnen
E Luik: Numerisches Rechnen 65 3 Numerisches Rechnen 31 Zahlen und ihre Darstellung Grundlage der Analysis bilden die reellen Zahlen Wir sind heute daran gewöhnt, eine reelle Zahl im Dezimalsystem als
MehrEinführung in die Logik
Einführung in die Logik Klaus Madlener und Roland Meyer 24. April 2013 Inhaltsverzeichnis 1 Aussagenlogik 1 1.1 Syntax................................. 1 1.2 Semantik............................... 3 1.3
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
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
MehrDefinition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (ii) ε ist ein regulärer Ausdruck über Σ.
Reguläre Ausdrücke Definition (Reguläre Ausdrücke) Sei Σ ein Alphabet, dann gilt: (i) ist ein regulärer Ausdruck über Σ. (ii) ε ist ein regulärer Ausdruck über Σ. (iii) Für jedes a Σ ist a ein regulärer
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
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
Mehr6.2. Prüfungsaufgaben zur Lösbarkeit von LGS
6.. Prüfungsaufgaben zur Lösbarkeit von LGS Aufgabe : Lösbarkeit von LGS () Berechne mit Hilfe des Gauß-Verfahrens die Lösungsmengen der drei folgenden inhomogenen Gleichungssysteme. Gib außerdem die Lösungsmengen
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
MehrAnalysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen)
Analysis III Gewöhnliche Differentialgleichungen 3. Übungsblatt (mit Lösungshinweisen) Fachbereich Mathematik Wintersemester 0/0 Prof. Dr. Burkhard Kümmerer./3. November 0 Andreas Gärtner Walter Reußwig
MehrAlgebra I. Prof. Dr. M. Rost. Übungen Blatt 12 (WS 2015/16) 1. Abgabetermin: Donnerstag, 28. Januar.
Algebra I Prof. Dr. M. Rost Übungen Blatt 12 (WS 2015/16) 1 Abgabetermin: Donnerstag, 28. Januar http://www.math.uni-bielefeld.de/~rost/a1 Erinnerungen an die Vorlesung: Im Folgenden werden manchmal einige
Mehr4 Direkte Verfahren für spezielle Systeme
Numerische Mathematik 150 4 Direkte Verfahren für spezielle Systeme 4.1 Die Cholesky-Zerlegung Satz 4.1 Es sei A = [a i,j ] R n n [C n n ] symmetrisch [Hermitesch]. Dann sind die folgenden Aussagen äquivalent:
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.:
MehrKapitel 17. Determinanten
Kapitel 17. Determinanten Vorschau: Determinanten Es gibt drei Problemfelder, für die Determinanten von großem Nutzen sind: die formelmäßige Überprüfung der linearen Unabhängigkeit eines Systems von n
Mehr4 Messbare Funktionen
4 Messbare Funktionen 4.1 Definitionen und Eigenschaften Definition 4.1. Seien X eine beliebige nichtleere Menge, M P(X) eine σ-algebra in X und µ ein Maß auf M. Das Paar (X, M) heißt messbarer Raum und
MehrEinstieg in die Informatik mit Java
Vorlesung vom 07.01.2008 Übersicht 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme 3 Polygonzüge 4 Das Eulersche Polygonzugverfahren Warm-Up zum Jahresbeginn 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
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
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
Mehrvon Zahlenfolgen, die bei Gebietsteilungsproblemen
Zahlenfolgen bei Gebietsteilungsproblemen Karin Halupczok Oktober 005 Zusammenfassung Gesucht sind rekursive und explizite Bildungsgesetze von Zahlenfolgen, die bei Gebietsteilungsproblemen auftauchen:
MehrA N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung )
Institut für Analysis und Scientific Computing TU Wien W. Auzinger WS 05/6 A N A L Y S I S I F Ü R T P H, U E (03.088). Übungstest (FR, 6..05) (mit Lösung ) Aufgabe. a ) Wandeln Sie die periodische Dezimalzahl
Mehr3 Markov-Eigenschaft der Brownschen Bewegung
Man verifiziert 2.) für P n = Q n, und somit gilt: jede Teilfolge von (P n ) n N besitzt eine konvergente Teilfolge. Betrachte nun die endlich-dimensionalen Randverteilungen der Maße P n. Dazu sei π t1,...,t
MehrRekursive und primitiv rekursive Funktionen. Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen
Rekursive und primitiv rekursive Funktionen Ein maschinenunabhängiges formales Berechnungsmodell auf den natürlichen Zahlen IDEE: Definiere eine Klasse von (partiell) berechenbaren Funktionen über N induktiv
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
Mehrist reelles lineares Funktional. x(t) ϕ(t) dt ist reelles lineares Funktional für alle ϕ L 2 (0, 1).
Kapitel 4 Stetige lineare Funktionale 4.1 Der Satz von Hahn - Banach Definition 4.1. Sei X ein linearer normierter Raum über dem Körper K (R oder C). Ein linearer Operator f : X K heißt (reelles oder komplexes)
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
Mehr8. Rekursive und primitiv rekursive Funktionen
8. Rekursive und primitiv rekursive Funktionen In diesem Abschnitt führen wir eine weitere (letzte) Formalisierung des Berechenbarkeitskonzeptes für Funktionen über den natürlichen Zahlen ein. Hatten wir
MehrDifferenzengleichungen. und Polynome
Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck Technikerstr. 13/7, A-600 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung Mit linearen Differenzengleichungen
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrKlausur HM I H 2005 HM I : 1
Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k
MehrInexakte 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
MehrMatrizen - I. Sei K ein Körper. Ein rechteckiges Schema A = wobei a ij K heißt Matrix bzw. eine m n Matrix (mit Elementen aus K).
Matrizen - I Definition. Sei K ein Körper. Ein rechteckiges Schema A = a 11 a 12...... a 1n a 21 a 22...... a 2n............ a m1 a m2...... a mn wobei j K heißt Matrix bzw. eine m n Matrix (mit Elementen
MehrMathematik IT 2 (Lineare Algebra)
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof Dr L Cromme Mathematik IT (Lineare Algebra für die Studiengänge Informatik, IMT und ebusiness im Sommersemester 3 Lineare Gleichungssysteme
MehrDie projektive Ebene Was sind unendlich ferne Punkte?
Die projektive Ebene Was sind unendlich ferne Punkte? Prof. Dr. Hans-Georg Rück Fachbereich Mathematik/Informatik Universität Kassel Heinrich-Plett-Str. 40 34132 Kassel Zusammenfassung: Wir konstruieren
MehrLineare Algebra 6. Übungsblatt
Lineare Algebra 6. Übungsblatt Fachbereich Mathematik M. Schneider 16.05.01 Konstantin Pertschik, Daniel Körnlein Gruppenübung Aufgabe G19 Berechnen Sie das inverse Element bzgl. Multiplikation in der
Mehr3.5 Glattheit von Funktionen und asymptotisches Verhalten der Fourierkoeffizienten
Folgerung 3.33 Es sei f : T C in einem Punkt x T Hölder stetig, d.h. es gibt ein C > und ein < α 1 so, dass f(x) f(x ) C x x α für alle x T. Dann gilt lim N S N f(x ) = f(x ). Folgerung 3.34 Es f : T C
Mehr16 Vektorfelder und 1-Formen
45 16 Vektorfelder und 1-Formen 16.1 Vektorfelder Ein Vektorfeld v auf D R n ist eine Abbildung v : D R n, x v(x). Beispiele. Elektrisches und Magnetisches Feld E(x), B(x), Geschwindigkeitsfeld einer Strömung
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrViele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung
Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele
Mehr