Numerische Lineare Algebra - Matlab-Blatt 1
|
|
- Bernt Busch
- vor 6 Jahren
- Abrufe
Transkript
1 Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Wintersemester 2014/2015 Numerische Lineare Algebra - Matlab-Blatt 1 Lösung (Besprechung in den Matlab-Tutorien in KW 43/44) Hinweise (i) Bitte melden Sie sich im SLC unter für die Vorlesung an. (ii) Abgabe der Übungsblätter nur zu zweit! (Bis auf max. eine Ausnahme ;) ) (iii) Zulassungskriterium für die Klausur: 50% der Übungspunkte der Matlab- sowie der Theorie-Blätter. (iv) Auf jedem Theorie-Übungsblatt wird es eine auf Englisch gestellte Aufgabe sowie eine Aufgabe, die in L A TEX abgegeben werden muss, geben. Die auf Englisch gestellte Aufgabe kann auf Deutsch beantwortet werden, handschriftliche Lösungen der L A TEX- Aufgabe werden mit 0 Punkten bewertet! (v) Außerdem müssen die *.tex -Dateien der L A TEX-Aufgabe per an numerik1ws14@gmail.com mit dem Betreff Blatt Blattnummer, Name1 Vorname1, Name2 Vorname2 gesendet werden (Nachnamen alphabetisch sortiert!), also z.b für das erste Theorieblatt von Max Maier und Steffen Schneider: Blatt 01, Maier Max, Schneider Steffen Aufgabe 1 (Horner-Schema) (5 Punkte) (i) Schreiben sie eine Matlab-Funktion val = horner(p,x), die zu dem Koeffizienten-Vektor p R n+1 und den Punkten x = (x 1,...,x m ) R m das Polynom f(x) = p n x n + +p 1 x+p 0 = (...(p n x+p n 1 )x+p n 2 )x+...)x+p 0 an den Stellen x i (i = 1,...,m) mit dem Horner-Schema auswertet und als Rückgabewert in einem Spaltenvektor val zurückgibt. (ii) Schreiben Sie eine Matlab-Funktion plotpoly(p,a,b), die das Polynom, das über den Koeffizienten-Vektor p R n+1 gegeben ist, im Intervall [a,b] plottet. Verwenden Sie hierzu die Funktion horner aus Aufgabenteil (i). (iii) Schreiben Sie ein Matlab-Skript, welches Ihre Funktionen für folgende Beispiele testet: p = [1, -4, 4], a=0, b=4 p = [1, 0, -1, 0], a=-2, b=2 p = [1, 2, -3, -4, 4], a=-4, b=3.
2 Lösung: (i) Function horner.m 1 function val = horner(p,x) 2 %*** Polynomgrad bestimmen 3 n = length(p)-1; 4 %*** innerste Klammer berechnen 5 val = p(n+1)*x+p(n); 6 for k=n-1:-1:1 7 %*** alle weiteren Klammern bestimmen 8 val = val.*x + p(k); 9 end Vorsicht in Zeilen 5 und 8: Die Matlab-Indizierung beginnt bei 1 und nicht bei 0, also p 0 = p(1)! (ii) Funktion plotpoly.m 1 function plotpoly(p,a,b) 2 %*** Auswertungspunkte bestimmen 3 x = linspace(a,b,1000); 4 %*** Polynom mit Hoerner- Schema auswerten 5 px = horner(p,x); 6 %*** Polynom plotten 7 plot(x,px) (iii) Testskript: 1 %*** Sollte in jedem Skript stehen! 2 %*** Loescht Command Window, loescht Variablen aus dem Workspace, schliesst 3 %*** Grafiken 4 clc, clear all, close all 5 6 %*** Beispiel definieren 7 % p = [4, -4, 1]; a=0; b=4; 8 % p = [0, -1, 0, 1]; a=-2; b=2; 9 p = [4, -4, -3, 2, 1]; a=-4; b=3; %*** Polynom zeichnen 12 plotpoly(p,a,b); Aufgabe 2 (Ausgleichsproblem) (7 Punkte) Gegeben seien die Messpunkte (x i,f i ) R 2 (i = 1,...,m), die in den Dateien x.dat und f.dat als Spaltenvektoren gespeichert sind. (i) Laden Sie sich das Material von Vorlesungshomepage herunter. Wir wollen nun mit Hilfe eines Ausgleichsproblems ein Polynom 6. Grades mit p(x) = a 6 x 6 +a 5 x 5 +a 4 x 4 +a 3 x 3 +a 2 x 2 +a 1 x+a 0 bestimmen, welches möglichst gut zu den Messpunkten passt. Dazu stellen wir folgendes lineare Gleichungssystem auf: 1 x 1... x 6 1 a 0 f =.. Ax = f, 1 x m... x 6 m a 6 f m wobei die Matrix A als die Transponierte der Vandermonde-Matrix bezeichnet wird. Die zugehörige Normalengleichung A T Ax = A T f
3 liefert dann die Koeffizienten x = (a 0,...,a 6 ) T des Polynoms, das den Ausdruck Ax f 2 2 minimiert. Schreiben Sie ein Matlab-Skript ausgleich.m, welches: (ii) die Vektoren x und f lädt (siehe load-befehl), (iii) die Punkte (x i,f i ) in einem Schaubild darstellt, (iv) die transponierte Vandermonde-Matrix A R m 7 und die Normalengleichung des Ausgleichsproblem aufstellt, A T Ax = A T f (v) die Normalengleichung löst (siehe \ -Operator), (vi) das Ausgleichspolynom im selben Schaubild wie die Punkte plottet (plotpoly aus der vorherigen Aufgabe). Lösung: Das Skript ausgleich.m: 1 clc, clear all, close all 2 3 load( x.dat ); 4 load( f.dat ); 5 %*** plotte Punkte 6 figure(1) 7 plot(x,f, ro ) 8 9 %*** assembliere transponierte Vandermonde- Matrix 10 n = length(x); 11 A = [ones(n,1),x,x.^2,x.^3,x.^4,x.^5,x.^6]; %*** stelle Ausgleichsproblem auf 14 AA = A *A; 15 bb = A *f; %*** l se Ausgleichsproblem 18 xx = AA\bb; %*** plotte das Polynom 21 figure(1) 22 hold on 23 plotpoly(xx,-2,2); 24 %*** Legende einzeichnen 25 legend( Messpunkte, Ausgleichspolynom ) Zeile 1: Sollte in jedem Skript stehen Zeile 3-4: Datensatz laden Zeile 7: Punkte plotten, die Option ro bewirkt, dass die Punkt mit roten o -Markern eingezeichnet werden und nicht verbunden werden. Zeile 10-11: Eine Variante die transponierte Vandermonde-Matrix aufzustellen. Zeile 14-18: Normalengleichung aufstellen und lösen Zeile 21-23: Polynom plotten, der hold on -Befehl bewirk, dass das Polynom in die aktuelle Grafik miteingezeichnet wird. Das Ergebnis zeigt das folgende Schaubild:
4 Messpunkte (x i, f i ) Ausgleichspolynom Wir sehen, dass das Ausgleichspolynom zwar nicht alle Messpunkte (x i,f i ) interpoliert, aber die Tendenz der Messpunkte gut widerspiegelt. Mathematisch formuliert gilt, dass der Fehler in der euklidischen Norm Ax f 2 minimal ist. Aufgabe 3 (LGS mit Dreiecksmatrizen) Gegeben seien die Dreiecksmatrizen 1 a 1 1 L := a n 1 1 b 1 c und R := b n 1 c n 1 b n (8 Punkte) (1) (l i,j = 0 für j > i oder j < i 1 und r i,j = 0 für j < i oder j > i+1), die durch die Vektoren a,c R n 1 und b R n bestimmt sind. (i) Schreiben Sie eine Matlab-Funktion x = Linvb(a,f), die zum gegebenen Vektor a R n 1 und der rechten Seite f R n das LGS Lx = f löst. (ii) Schreiben Sie eine Matlab-Funktion x = Rinvb(b,c,f), die zu den gegebenen Vektoren b R n und c R n 1 und der rechten Seite f das LGS Rx = f löst. Überlegen Sie sich einen geeigneten Algorithmus und verwenden Sie nicht den \ -Operator von Matlab! (iv) Schreiben Sie ein Matlab-Skript testlr.m, welches für n = 10 zufällige Vektoren a,b,c und f erzeugt (siehe rand-funktion von Matlab), die zugehörigen linearen Gleichungssysteme mit den Funktionen Rinvb und Linvb löst zum Vergleich die vollen Matrizen L und R aufstellt und das volle LGS mit dem \ -Operator von Matlab löst (der Matlab-Befehl L=full(spdiags([[a;0],ones(n,1)],[-1,0],n,n)); stellt die Matrix L auf. Überlegen Sie sich einen analogen Matlab-Befehl für die Matrix R.) beide Lösungen miteinander vergleicht, indem der relative Fehler in der l 2 -Norm berechnet wird, also: x Rinv x \ l 2 x Rinv l2 und x Linv x \ l 2 x Linv l2.
5 Lösung: (i) Funktion Linvb.m: 1 function x = Linvb(a,f) 2 %*** initialisiere x 3 n = length(a)+1; 4 x = zeros(n,1); 5 6 %*** V o r w rtsiteration 7 x(1)=f(1); 8 for j=2:n 9 x(j) = f(j) - a(j-1) * x(j-1); 10 end Die Lösung x wird durch Vorwärts-Einsetzen berechnet, d.h. es gilt x 1 = f 1 und x k+1 = f k a k 1 x k 1. (ii) Funktion Rinvb.m: 1 function x = Rinvb(b,c,f) 2 %*** initialisiere x 3 n = length(b); 4 x = zeros(n,1); 5 6 %*** R c h w rtsiteration 7 x(n) = f(n)/b(n); 8 for j = n-1:-1:1 9 x(j) =( f(j)- c(j) * x(j+1)) / b(j); 10 end Die Lösung x wird durch Rückwärts-Einsetzen berechnet, d.h. es gilt x n = bn f n und x k = f k c k x k+1 b k. (iii) Test-Skript testlr.m: Zeile 4-7: Zufallsvektoren der richtigen Größe erzeugen Zeile 11: Matrix L aufstellen (spdiags erzeugt eine Matrix im sparse-format mit den Vektoren [a;0] und ones(n,1) auf der Subdiagonale und der Diagonale (wird durch den Vektor [-1,0] angegeben) mit Dimension n n; der full-befehl konvertiert die Matrix dann ins normale Format.) Zeile 13-14: Lösen des linearen Gleichungssystems Zeile 15: Berechnung des relativen l 2 -Fehlers. Rest analog. 1 clc, clear all, close all 2 n=10; 3 4 a = rand(n-1,1); 5 c = rand(n-1,1); 6 b = rand(n,1); 7 f = rand(n,1); 8 9 %*** Lx=f 10 % Matrix L aufstellen 11 L=full(spdiags([[a;0],ones(n,1)],[-1,0],n,n)); 12 % LGS l sen 13 xl1 = L\f; 14 xl2 = Linvb(a,f); 15 % relativen l_2- Fehler bestimmen 16 sum(abs(xl1-xl2).^2)/sum(abs(xl1).^2) %*** Rx=f 19 % Matrix R aufstellen 20 R=full(spdiags([b,[0;c]],[0,1],n,n)); 21 % LGS l sen 22 xr1 = R\f;
6 23 xr2 = Rinvb(b,c,f); 24 % relativen l_2- Fehler bestimmen 25 sum(abs(xr1-xr2).^2)/sum(abs(xr1).^2) Mehr Informationen zur Vorlesung und den Übungen finden Sie auf
Numerische Lineare Algebra - Matlab-Blatt 2
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Wintersemester 014/015 Numerische Lineare Algebra - Matlab-Blatt Lösung (Besprechung
MehrNumerische 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
MehrPraktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Matlab: Fortsetzung Jan Mayer 4. Mai 2006 Manipulation von Matrizen und Vektoren [M,N]=size(A); speichert die Dimension einer Matrix bzw.
MehrZweiter Teil des Tutorials. Workspace M-files Matrizen Flow Control Weitere Datenstrukturen Gemeinsames Beispiel erarbeiten
Zweiter Teil des Tutorials Workspace M-files Matrizen Flow Control Weitere Datenstrukturen Gemeinsames Beispiel erarbeiten Workspace Im Workspace sind die Variablen mit ihrem jeweiligen Wert gespeichert.
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
MehrMatlab: eine kurze Einführung
Matlab: eine kurze Einführung Marcus J. Grote Christoph Kirsch Mathematisches Institut Universität Basel 4. April 2 In dieser Einführung zu Matlab sind die im Praktikum I erworbenen Kenntnisse zusammengefasst.
MehrEinführung in Matlab Was ist MATLAB? Hilfe Variablen
Einführung in Matlab Was ist MATLAB? MATLAB (Matrix Laboratory) ist eine interaktive Interpreter-Sprache, die einen einfachen Zugang zu grundlegenden numerischen Verfahren - wie beispielsweise der Lösung
Mehr2.2. Übung. Einführung in die Programmierung (MA 8003)
Technische Universität München M2 - Numerische Mathematik Dr. Laura Scarabosio 2.2. Übung. Einführung in die Programmierung (MA 8003) Hinweis: Ab jetzt werden Schleifen benötigt. Aufgabe 2.2.1: Verändern
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
MehrKLAUSUR 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
MehrAufgabe 1. Signal Processing and Speech Communication Lab. Graz University of Technology
Signal Processing and Speech Communication Lab. Graz University of Technology Aufgabe 1 Senden Sie die Hausübung bis spätestens 22.4.2015 per Email an hw1.spsc@tugraz.at. Verwenden Sie MatrikelNummer1
Mehr8 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
MehrVorkurs Mathematik Übungen zu linearen Gleichungssystemen
Vorkurs Mathematik Übungen zu linearen Gleichungssystemen Lineare Gleichungssysteme lösen Aufgabe. Lösen sie jeweils das LGS A x = b mit ( ( a A =, b = b A =, b = 6 Aufgabe. Berechnen Sie für die folgenden
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
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)
Mehr10:Exkurs MATLAB / Octave
10:Exkurs MATLAB / Octave MATLAB (bzw. Octave als freie Version) ist eine numerische Berechnungsumgebung wurde vorrangig zum Rechnen mit Vektoren und Matrizen entworfen ist interaktiv benutzbar, vergleichbar
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
MehrOctave/Matlab-Übungen
Aufgabe 1a Werten Sie die folgenden Ausdrücke mit Octave/Matlab aus: (i) 2 + 3(5 11) (ii) sin π 3 (iii) 2 2 + 3 2 (iv) cos 2e (v) ln π log 10 3,5 Aufgabe 1b Betrachten Sie (i) a = 0.59 + 10.06 + 4.06,
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
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
MehrLineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 2, 207 Erinnerung Definition. Ein Skalarprodukt ist eine Abbildung, : E n E n E, v, w v, w = n k= v
MehrLösungsvorschlag 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
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrEinführung in die Programmierung (MA8003)
Theorie 2.1: Relationale und logische Operatoren, Funktionen Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 05.10.2016 Ablauf Theorie 1.1+1.2
MehrSchülerworkshop Computertomographie Mathematik als Schlüsseltechnologie
Schülerworkshop Computertomographie Mathematik als Schlüsseltechnologie Peter Quiel 1. und 2. Juni 2007 MATLAB-Einführung Überblick Für die nächsten 1 ½ Stunden ist MATLAB unser Thema! Was ist MATLAB,
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
Mehr2. Einführung in das Ingenieurtool MATLAB
2. Einführung in das Ingenieurtool MATLAB MATLAB ist eine numerische Berechnungsumgebung wurde vorrangig zum Rechnen mit Vektoren und Matrizen entworfen ist interaktiv benutzbar, vergleichbar mit einem
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 für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
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
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.:
MehrWiMa-Praktikum 1. Woche 8
WiMa-Praktikum 1 Universität Ulm, Sommersemester 2017 Woche 8 Lernziele In diesem Praktikum sollen Sie üben und lernen: Besonderheiten der For-Schleife in Matlab Wiederholung des Umgangs mit Matrizen und
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
Mehr7.1 Matrizen und Vektore
7.1 Matrizen und Vektore Lineare Gleichungssysteme bestehen aus einer Gruppe von Gleichungen, in denen alle Variablen nur in der 1. Potenz vorkommen. Beispiel Seite 340 oben: 6 x 2 = -1 + 3x 2 = 4 mit
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
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
Mehr3 Kurzeinführung in Matlab
3 Kurzeinführung in Matlab Matlab ist ein sehr leistungsfähiges interaktives Programmpaket für numerische Berechnungen. Nutzen Sie dies parallel zu den Vorlesungen. Sie können damit persönlich erfahren,
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
MehrMathematik für Wirtschaftswissenschaftler, WS 10/11 Musterlösungen zu Aufgabenblatt 11
Mathematik für Wirtschaftswissenschaftler, WS / Musterlösungen zu Aufgabenblatt Aufgabe 76: Bestimmen Sie mittels Gauß-Elimination die allgemeine Lösung der folgenden linearen Gleichungssysteme Ax b: a)
Mehr10. Übung zur Linearen Algebra I -
. Übung zur Linearen Algebra I - en Kommentare an Hannes.Klarner@FU-Berlin.de FU Berlin. WS 29-. Aufgabe 37 i Für welche α R besitzt das lineare Gleichungssystem 4 αx + αx 2 = 4x + α + 2x 2 = α genau eine,
MehrHöhere Mathematik für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Michael Hott, M. Sc. WS 5/.. Höhere Mathematik für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt Aufgabe
MehrEinführung in MATLAB Blockkurs DLR:
Einführung in MATLAB Blockkurs DLR: 19.4-22.4.2004 Tag 2, 2.Teil Programmieren mit MATLAB II 20.4.2004 Dr. Gerd Rapin grapin@math.uni-goettingen.de Gerd Rapin Einführung in MATLAB p.1/25 Programmieren
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 3 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 3. Übungsblatt:
MehrEinführung in die Programmierung (MA8003)
Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2016 Theorie 1.2: Inhalt 1
MehrTEST MONTAGSGRUPPE: HS 3, Mo., 10:10-10:55, 1. Dezember [TOTAL: 18 Punkte].
TEST MONTAGSGRUPPE: HS 3, Mo., 10:10-10:55, 1. Dezember 2008. [TOTAL: 18 Punkte]. ALLGEMEINE ANLEITUNG: ES geht vor allem um den Rechengang, und die allgemeine Perspektive, d.h. wie man mit Hilfe von Linearer
MehrEinführung in MATLAB Blockkurs DLR:
Einführung in MATLAB Blockkurs DLR: 19.4-22.4.2004 Tag 2, 1.Teil Programmieren mit MATLAB I 20.4.2004 Dr. Gerd Rapin grapin@math.uni-goettingen.de Gerd Rapin Einführung in MATLAB p.1/24 Programmieren mit
MehrMusterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr
TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,
MehrEinführung in die Programmierung (MA8003)
Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Laura Scarabosio Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2017 Theorie 1.2: Inhalt
Mehr36 2 Lineare Algebra
6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so
MehrD-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13
D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys Serie 13 1. Um einen Tisch sitzen 7 Zwerge. Vor jedem steht ein Becher mit Milch. Einer der Zwerge verteilt seine Milch gleichmässig auf alle
MehrEinführung in die Programmierung (MA8003)
Theorie 2.2: Schleifen, Vektorisierung, bedingte Ausführung Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 05.10.2016 Numerische Mathematik M2
MehrMathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2
Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie
Mehr8 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
MehrD-ITET, D-MATL Numerische Methoden SS 2006 Prof. R. Jeltsch. Musterlösung 6. x A 1 b. A 1 b A 1. x A ( A. gestört: x A 1 =
D-ITET, D-MATL Numerische Methoden SS 2006 Prof. R. Jeltsch Musterlösung 6 1. a b exakt: x = c Die Inverse von A lautet x = A 1 b x = A 1 b x A 1 b x A 1 b x A 1 b A x b x κ A b x b 3 1 A 1 = gestört:
MehrNUMERISCHE MATHEMATIK I
D-MATH ETH Zürich, 22. August 2011 Prof. Ch. Schwab NUMERISCHE MATHEMATIK I 1. Interpolation und Quadratur (25 P.) a) Sei [a, b] R 1 mit a < b ein beschränktes Intervall, und f C 2 ([a, b]). Zeigen Sie,
MehrMathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12
Dipl.Inf. Malte Isberner Dr. Oliver Rüthing Dipl.Inf. Melanie Schmidt Dr. Hubert Wagner Übungen zur Vorlesung Mathematik für Informatiker 1 Wintersemester 2013/14 Übungsblatt 12 Die Lösungshinweise dienen
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrProgrammieren. Aufgabe 1 (Eine erste Datenstruktur)
Prof. Dr. S.-J. Kimmerle (Vorlesung) Dipl.-Ing. (FH) V. Habiyambere (Übung) Institut BAU-1 Fakultät für Bauingenieurwesen und Umweltwissenschaften Herbsttrimester 2016 Aufgabe 1 (Eine erste Datenstruktur)
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 2. Aufgabe 2.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.
Dr. V. Gradinaru D. Devaud A. Hiltebrand Herbstsemester 04 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Multiple Choice: Online abzugeben. Ev. sind mehrere
Mehrg 1 g = e, (1) (g 1 ) 1 g 1 = e, (2) Unter Verwendung des Assoziativgesetzes ist nach (1), und weil e neutrales Element ist. Nach (2) folgt nun
Stefan K. 1.Übungsblatt Algebra I Aufgabe 1 1. zu zeigen: (g 1 ) 1 = g g G, G Gruppe Beweis: Aus dem Gruppenaxiom für das Linksinverse zu g haben wir und für das Linksinverse zu g 1 Unter Verwendung des
Mehr5 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)
MehrZugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II
Zugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II Matrixzugriff Wir wollen nun unsere Einführung in die Arbeit mit Vektoren und Matrizen in MATLAB
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
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. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrOrthogonale Matrix. Definition 4.19
Orthogonale Matrix Ausgleichsprobleme sind häufig schlecht konditioniert. Matrix des Normalengleichungssystems kann nahezu singulär sein. Spezielle Matrixzerlegung für höhere numerische Stabilität: QR-Zerlegung
MehrLineare Gleichungssysteme und Matrizen
Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x
MehrBeginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)
M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.
MehrKAPITEL 8. Interpolation
KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0
MehrMethode der kleinsten Quadrate
Versus QR Matrizen mit vollem Rang 27. Mai 2011 Versus QR Inhaltsverzeichnis 1 2 3 Beispiel 4 Beispiel 5 6 Versus QR Kondition Vergleich Beispiel Versus QR Zu finden: Gerade, die den Punkten (0, 6), (1,
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Matrizen und Vektoren, LGS, Gruppen, Vektorräume 1.1 Multiplikation von Matrizen Gegeben seien die Matrizen A := 1 1 2 0 5 1 8 7 Berechnen Sie alle möglichen
MehrKapitel III Ringe und Körper
Kapitel III Ringe und Körper 1. Definitionen und Beispiele Definition 117 Eine Algebra A = S,,, 0, 1 mit zwei zweistelligen Operatoren und heißt ein Ring, falls R1. S,, 0 eine abelsche Gruppe mit neutralem
MehrMATLAB Einführung. Numerische Methoden für ITET und MATL Dr. S. May, D. Devaud. ETH Zürich, Seminar for Applied Mathematics
Numerische Methoden für ITET und MATL 2016 ETH Zürich, Seminar for Applied Mathematics Dr. S. May, D. Devaud Frame 2 MATLAB Auf ETH Computer vorinstalliert Auf Heim PC: von www.ides.ethz.ch herunterladen
MehrAufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I
Institut für Mathematik Blatt Prof. Dr. B. Martin, H. Süß Abgabe: 0.4. Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I Aufgabe : 2 Punkte Stellen Sie die Gleichung der Ebene auf, in
MehrLösung Übungsblatt 7
M4 Numerik für Physiker Lösung Übungsblatt 7 SoSe 008 Lösung Übungsblatt 7 Aufgabe 1: Lineare Ausgleichsrechnung Ein mehrdimensionales, lineares Ausgleichungsproblem lässt sich folgendermaßen darstellen:
MehrTutorial: Numerisch Differenzieren
(basierend auf dem Skript Numerik für Ingenieure von R. Axthelm) Aufgabenstellung: Von ihrem GPS-Gerät bekommen sie alle 12 Sekunden ihre aktuelle Position zugeschickt. Daraus können sie das unten dargestellte
MehrNumerik I. Universität zu Köln SS 2009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva,
Universität zu Köln SS 009 Mathematisches Institut Prof. Dr. C. Tischendorf Dr. M. Selva, mselva@math.uni-koeln.de Numerik I Musterlösung 1. praktische Aufgabe, Bandmatrizen Bei der Diskretisierung von
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrAusgleichsproblem. 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
MehrIn allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.
Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:
MehrSoftwarepraktikum. zu Elemente der Mathematik. Carsten Rezny Institut für angewandte Mathematik Universität Bonn
Softwarepraktikum zu Elemente der Mathematik Carsten Rezny Institut für angewandte Mathematik Universität Bonn 18. 20.05.2016 Listen Liste: Aufzählung von beliebigen Objekten liste={2,1.4,"abc"} Einzelnes
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
MehrLineare Algebra. 2. Übungsstunde. Steven Battilana. battilana.uk/teaching
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch battilana.uk/teaching October 6, 017 1 Erinnerung: Lineare Gleichungssysteme LGS Der allgemeine Fall hat m lineare Gleichungen, n
MehrAnalytische Geometrie mit dem Voyage 1
Analytische Geometrie mit dem Voyage. Vektoren Vektoren lassen sich definieren in eckigen Klammern. Setzt man ein Semikolon zwischen die einzelnen Komponenten, so ergibt sich ein Spaltenvektor. Ein Spaltenvektor
MehrVorkurs Mathematik. Vektoren, lineare Gleichungssysteme und Matrizen
Dorfmeister, Boiger, Langwallner, Pfister, Schmid, Wurtz Vorkurs Mathematik TU München WS / Blatt Vektoren, lineare Gleichungssysteme und Matrizen. In einem kartesischen Koordinatensystem des R sei eine
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I) : Lösungshinweise
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Wolfgang Mackens Wintersemester 202/20 Klausur zur Mathematik I (Modul: Lineare Algebra I 07.02.20: Lösungshinweise Sie haben 60
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
MehrLineare Gleichungssysteme: direkte Verfahren
Sechste Vorlesung, 24. April 2008, Inhalt Lineare Gleichungssysteme: direkte Verfahren Dreiecksmatrizen Gauß-Elimination LR-Zerlegung Anwendungen: Determinante, Inverse 1 Lösungsverfahren für lineare Gleichungssysteme
MehrMathematischer Vorkurs
Mathematischer Vorkurs Dr. Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 170 Vollständige Induktion Kapitel 13 Vollständige Induktion Mathematischer Vorkurs TU Dortmund Seite 117 / 170 Vollständige
MehrWirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik Plus für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2012/13 Hochschule Augsburg Lineare : Einführung Beispiele linearer a) b) c) 2x 1 3x 2 = 1 x 1 +
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 6. Vorlesung 170004 Numerische Methoden I Clemens Brand 25. März 2010 Nachträge Gliederung Nachträge it Nachträge Wichtige Begriffe Eine Zusammenfassung der Folien 8 16 der letzten
Mehr6. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 6. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 2/ 25..-.2. Aufgabe G (Lineare Gleichungssysteme)
MehrLineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Dr E Schörner WS / Blatt 6 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie I (Unterrichtsfach) Lösungsvorschlag Wir verwenden das Unterraumkriterium,
MehrKlausurähnliche Aufgaben
Sommersemester 2007/08 Lineare Algebra Klausurähnliche Aufgaben Aufgabe 1 Seien v 1, v 2, v 3, v 4, v 5, v 6 die Vektoren in R 5 mit v 1 = (1, 2, 3, 1, 2), v 2 = (2, 4, 6, 2, 4), v 3 = ( 1, 1, 3, 0, 3),
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrKlausur zur Vorlesung Lineare Algebra I
Heinrich-Heine-Universität Düsseldorf 23.7.2 Mathematisches Institut Lehrstuhl für Algebra und Zahlentheorie Prof. Dr. Oleg Bogopolski Klausur zur Vorlesung Lineare Algebra I Bearbeitungszeit: 2 min Bitte
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrKlausur zur Vorlesung Lineare Algebra II
Universität zu Köln Sommersemester 06 Mathematisches Institut 9. Juli 06 Prof. Dr. P. Littelmann Dr. Teodor Backhaus Klausur zur Vorlesung Lineare Algebra II Bearbeitungszeit 80 Minuten Bitte geben Sie
Mehr