KAPITEL 10. Numerische Integration

Größe: px
Ab Seite anzeigen:

Download "KAPITEL 10. Numerische Integration"

Transkript

1 KAPITEL 10. Numerische Integration 10.1 Einleitung Sei Es gilt I Ĩ = b I = b a a f(x) f(x) dx f(x) dx, Ĩ = b b a f(x) dx. a f(x) f(x) dx (b a) f f. I Ĩ I (b a) f f b a f(x) dx = ba f dx b a f(x) dx f f f =: κ rel f f f. Dahmen-Reusken Kapitel 10 1

2 Die gängige Strategie zur näherungsweisen Berechnung von b f(x) dx läßt sich folgendermaßen umreißen: a 1. Man unterteile [a, b] in Teilintervalle [t k 1, t k ] z.b. mit t j = a + jh, j = 0,..., n, h = b a n. 2. Approximiere f auf jedem Intervall [t k 1, t k ] durch eine einfach zu integrierende Funktion g k, und verwende n k=1 tk t k 1 g k (x) dx n k=1 tk t k 1 f(x) dx = b a f(x) dx als Näherung für das exakte Integral. Dahmen-Reusken Kapitel 10 2

3 Dabei wählt man speziell Trapezregel g k (x) = x t k 1 f(t k ) + t k x h h f(t k 1), d.h. die lineare Interpolation an den Intervallenden von [t k 1, t k ]. Folglich ist t k t g k 1 k (x) dx gerade die Fläche h 2 [f(t k 1) + f(t k )]. f h 2 [f(t k 1) + f(t k )] t k 1 t k Dahmen-Reusken Kapitel 10 3

4 Dies liefert die summierte Trapezregel [ 1 T(h) = h 2 f(a) + f(t 1) + + f(t n 1 ) f(b) ] als Näherung für b a f(x) dx. Für den Verfahrensfehler der Teilintegrale gilt folgende Darstellung: Lemma Sei f C 2 ([t k 1, t k ]). Es gilt: h 2 [f(t k 1) + f(t k )] = tk t k 1 f(x) dx + f (ξ k ) 12 h3, ξ k [t k 1, t k ]. Dahmen-Reusken Kapitel 10 4

5 Für den Verfahrensfehler von T(h) ergibt sich damit die Abschätzung T(h) b a f(x) dx = h3 12 n k=1 n k=1 12 h3 f (ξ k ) f (ξ k ) h3 12 n max x [a,b] f (x). Mit nh = b a ergibt sich insgesamt die Fehlerschranke T(h) b 12 a f(x) dx h 2 (b a) max x [a,b] f (x). Dahmen-Reusken Kapitel 10 5

6 Ebenfalls erhält man wegen und E(h) := T(h) lim h 0 E(h) b h 2 = 1 12 a f(x) dx = n b k=1 a f (x) dx = 1 12 f (ξ k ) 12 h3 = h2 12 n k=1 ( f (b) f (a) ) hf (ξ k ) die Fehlerschätzung E(h) Ê(h) := h2 12 ( f (b) f (a) ). Dahmen-Reusken Kapitel 10 6

7 Beispiel Zur näherungsweisen Berechnung von I = π/2 0 xcos x + e x dx = π 2 + e1 2 π 2 mit der Trapezregel ergeben sich die in folgender Tabelle angegebenen Näherungswerte, Verfahrensfehler und Fehlerschätzungen. n T(h) E(h) = T(h) I Ê(h) = 12 h2 ) π 2 f (0) e e e e e e e e 04 Dahmen-Reusken Kapitel 10 7

8 10.2 Newton-Cotes-Formeln Für ein typisches Teilintervall [t k 1, t k ] stehe der Einfachheit halber im Folgenden [c, d]. Seien nun x 0,..., x m [c, d] verschiedene Punkte. Integration des Interpolationspolynoms liefert die Quadraturformel I m (f) = d c P(f x 0,..., x m )(x) dx. Satz Sei I m (f) wie oben. Für jedes Polynom Q Π m gilt I m (Q) = d c Q(x) dx. Man sagt, die Quadraturformel ist exakt vom Grade m. Dahmen-Reusken Kapitel 10 8

9 Lemma Es gibt Gewichte c 0,..., c m, so daß I m (f) die Form I m (f) = h m j=0 c j f(x j ) hat, wobei wieder h = d c. Die c j sind durch c j = 1 h d c m k=0 k j x x k x j x k dx = 1 h d c l jm(x) dx gegeben, wobei l jm die Lagrange-Fundamentalpolynome zu den Stützstellen x 0,..., x m sind. Wählt man speziell die Stützstellen x j äquidistant x 0 = c h =: c + ξ 0h, wenn m = 0, x j = c + j m h =: c + ξ jh, j = 0,..., m, wenn m > 0, erhält man die Newton-Cotes-Formeln. Dahmen-Reusken Kapitel 10 9

10 Man kann dann die Quadraturformel in der Form I m (f) = h m j=0 c j f(c + ξ j h) mit normierten Stützstellen ξ j und Gewichten c j schreiben, die jetzt unabhängig vom speziellen Intervall [c, d] sind. Gängige Beispiele: m ξ j c j I m (f) d f(x) dx c 1 0 Mittelpunktsregel h3 f (2) (ξ) 1 1 Trapezregel 0, 1 2, h3 f (2) (ξ) 2 Simpson-Regel 0, 1 2,1 1 6, 4 6, (1 2 h)5 f (4) (ξ) Regel 0, 1 3, 2 3,1 1 8, 3 8, 3 8, (1 3 h)5 f (4) (ξ) 4 Milne-Regel 0, 1 4, 1 2, 3 4,1 7 90, 32 90, 12 90, 32 90, (1 4 h)7 f (6) (ξ) Dahmen-Reusken Kapitel 10 10

11 Summierte Newton-Cotes-Formeln Als Beispiel behandeln wir die summierte Simpson-Regel. mit S(h) = b a f(x) dx + E(h) S(h) = h [ ( ) ( ) t0 + t f(t 0 ) + 4f 1 t1 + t + 2f(t 1 ) + 4f ( ) 2 tn 1 + t n 2f(t 2 ) f(t n 1 ) + 4f + f(t n ) 2 ] und E(h) = n k= (1 2 h)5 f (4) (ξ k ) = h n k=1 hf (4) (ξ k ), ξ k [t k 1, t k ]. Dahmen-Reusken Kapitel 10 11

12 Es gilt, wegen nh = b a, E(h) h E(h) b h (b a) f(4), a f(4) (x) dx = h ( f (3) (b) f (3) (a) ). Man beachte, daß beim Aufsummieren der einzelnen Teilintegrale, b a f(x) dx = n k=1 im Fehler eine h-potenz verloren geht. tk t k 1 f(x) dx, Dahmen-Reusken Kapitel 10 12

13 Beispiel 10.5 Für das Integral in Beispiel 10.2 ergeben sich die Resultate wie in folgender Tabelle. n S(h) E(h) h f(3) ( π 2 ) f(3) (0) e e e e e e e e 08 Dahmen-Reusken Kapitel 10 13

14 10.3 Gauß-Quadratur Zielvorgaben: Entwickle für m N eine Formel m i=0 w i f(x i ) = d c P(f x 0,..., x m )(x)dx mit: positiven Gewichten w i, i = 0,..., m; mit möglichst hohem Exaktheitsgrad n m, d.h., d c Q(x) dx = m i=0 w i Q(x i ), Q Π n. Der Exaktheitsgrad bei Newton-Cotes-Formeln I m (f) ist entweder m oder m + 1. Es zeigt sich, daß man dies verbessern kann. Dahmen-Reusken Kapitel 10 14

15 Allerdings sieht man leicht, daß man mit einer Formel dieses Typs höchstens den Exaktheitsgrad 2m + 1 realisieren kann. Daß man jedoch den maximalen Exaktheitsgrad n = 2m+1 realisieren kann, zeigen die Gaußschen Quadraturformeln. Satz Sei m 0. Es existieren Stützstellen x 0,..., x m (c, d) und positive Gewichte w 0,..., w m, so daß mit h = d c und h m i=0 w i f(x i ) = d c f(x) dx + E f(h) E Q = 0 für alle Q Π 2m+1. Ferner gilt für passendes ξ [c, d] ( ) 4 (m + 1)! E f (h) = ( (2m + 2)! ) 3(2m + 3) h 2m+3 f (2m+2) (ξ). Dahmen-Reusken Kapitel 10 15

16 Daß die Gewichte w j tatsächlich positiv sind, ergibt sich aus der Exaktheit vom Grade 2m + 1 durch Anwendung auf das spezielle Polynom denn q(x) := m i=0,i k (x x i ) 2 Π 2m Π 2m+1, 0 < d c q(x)dx = m i=0 w i q(x i ) = w k q(x k ) = w k m i=0,i k (x k x i ) 2. Dahmen-Reusken Kapitel 10 16

17 Numerische Tests Wir untersuchen nun den in der Fehlerformel auftretenden Faktor C k,h := (k!) 4 ((2k)!) 3 (2k + 1) h2k+1 (k = m + 1). Für glatte Funktionen (d.h., f (2k) wird nicht allzu groß, wenn k größer wird) wird die Qualität der Gauß-Quadratur im Wesentlichen durch den Faktor C k,h bestimmt. h k = 2 k = 4 k = e e e e e e e e e e e e 28 Dahmen-Reusken Kapitel 10 17

18 Sei I k,n b a f(x) dx = I(f) die Quadraturformel, wobei [a, b] in n Teilintervalle mit Länge b a n = h unterteilt wird und auf jedem Teilintervall eine Gauß-Quadratur mit k Stützstellen angewandt wird. Sowohl für I 2k,n als auch für I k,2n wird die Anzahl der Funktionsauswertungen etwa verdoppelt im Vergleich zu I k,n. In obiger Tabelle kann man sehen, daß man I I I 2k,n Ik,2n erwarten darf. Daher wird in der Praxis bei Gauß-Quadratur n in der Regel klein gewählt, oft sogar n = 1. Dahmen-Reusken Kapitel 10 18

19 Beispiel Die Gauß-Quadratur mit [c, d] = [0, π 2 ] (d.h. n = 1) für das Integral in Beispiel 10.2 ergibt die Resultate: m I m I m I e e e e 10 Man sieht, daß in diesem Beispiel die Genauigkeit der Gauß-Quadratur mit 5 Funktionswerten (m = 4; k = 5) besser ist als die der Simpson- Regel angewandt auf n = 32 Teilintervalle (vgl. Tabelle 10.3), wobei insgesamt 65 Funktionswerte benötigt werden. Dahmen-Reusken Kapitel 10 19

20 Beispiel Es sei [c, d] = [ 1,1] und m = 1. Die Gauß-Quadraturformel muß für p Π 3 exakt sein, d.h. 1 I 1 (f) = 2(c 0 f(x 0 ) + c 1 f(x 1 )) 1 p(x) dx = 2(c 0p(x 0 ) + c 1 p(x 1 )) für p(x) = x k, k = 0,1,2,3. 1 Aus 1 xk dx = 2(c 0 x k 0 + c 1x k 1 ), k = 0,1,2,3, erhält man die Gleichungen 2 = 2(c 0 + c 1 ), 0 = 2(c 0 x 0 + c 1 x 1 ), 2 3 = 2(c 0 x c 1x 2 1 ), 0 = 2(c 0x c 1x 3 1 ). Dieses nichtlineare Gleichungssystem hat genau zwei Lösungen: c 0 = c 1 = 1 2, x 0 = 1 3, x1 = 1 3, 3 3 c 0 = c 1 = 1 2, x 0 = 1 3, x1 = Dahmen-Reusken Kapitel 10 20

21 10.4 Extrapolation und Romberg-Quadratur Zu berechnen sei das Integral I = b a f(x) dx. Die Trapezsumme T(h) liefert eine Approximation der Ordnung h 2. Die wesentliche Grundlage für den Erfolg von Extrapolationstechniken bildet eine sogenannte asymptotische Entwicklung des Diskretisierungsfehlers: T(h) I = c 1 h 2 + c 2 h 4 + c 3 h c p h 2p + O(h 2p+2 ). Hieraus erhält man also [ 4 T ( 1 2 h) I = c h2 + ĉ 2 h ĉ p h 2p + O(h 2p+2 ), 3 T(1 2 h) 1 3 T(h)] I = c 1 h c p h 2p + O(h 2p+2 ). Dahmen-Reusken Kapitel 10 21

22 Man kann diese Idee systematisch weitertreiben. Sei Es gilt T 1 (h) = 4T(1 2h) T(h). 3 T 1 (h) I = c 1 h 4 + c 2 h O(h 2p+2 ), und damit T 1 ( 1 2 h) I = c h4 + c 2 64 h O(h 2p+2 ), und 16( T1 ( h) I) 1 ( T1 (h) I ) = 16T 1( 2 1 h) T 1(h) I = d 1 h 6 + d 2 h O(h 2p+2 ). Man erkennt, daß die Entwicklung des Fehlers der Quadraturformel T 2 (h) := 16T 1( 1 2 h) T 1(h) 15 mit einem Glied der Ordnung h 6 beginnt. Dahmen-Reusken Kapitel 10 22

23 Allgemeine Idee der Extrapolation Die zugrunde liegende Idee ist folgende. Der gesuchte Wert ist T(0) = b a f(x)dx = I. Bestimmt man das lineare Interpolationspolynom der Funktion x g(x) = T( x) = I + c 1 x + c 2 x c p x p + O(x p+1 ), (x 0), zu den Punkten (h 2, T(h)) und ( 4 1 h2, T( 1 2h)), ergibt sich P(T( ) h 2, 1 4 h2 )(x) = T(h) + T(1 2h) T(h) 1 4 h2 h 2 (x h 2 ). Da man T(0) annähern will, extrapoliert man an der Stelle x = 0, d.h. P(T( ) h 2, 1 4 h2 )(0) = T(h) + 4 ( 1 T( 3 2 h) T(h)) = T 1 (h). Dahmen-Reusken Kapitel 10 23

24 T(h) T( x) T( 1 2 h) T 1 (h) h2 h 2 x Dahmen-Reusken Kapitel 10 24

25 Beispiel Sei I = π/2 0 xcos x + e x dx = π 2 + e1 2 π 2 und T(h) die zugehörige Trapezregel. Die Extrapolation angewandt auf die Trapezregel liefert folgende Resultate: n T(h) T 1 (h) = 4 3 T(h) 1 3 T(2h) T 1(h) I e e e 07 Dahmen-Reusken Kapitel 10 25

26 Die Näherung T 2 (h) läßt sich wie T 1 (h) ebenfalls über Extrapolation erklären. Es gilt P(T( ) h 2, 1 4 h2, 1 16 h2 )(0) = T 2 (h). Allgemeine Vorgehensweise. Sei T i,0 := T(2 i h), i = 0,1,2,..., wobei h eine feste Anfangsschrittweite ist. Es soll das Interpolationspolynom P(T( ) h 2,...,(2 k h) 2 )(x) an der Stelle x = 0 ausgewertet werden. Anwendung des Neville-Aitken Schemas um den Wert T k (h) = T k,k = P(T( ) h 2,...,(2 k h) 2 )(0) zu berechnen, liefert die Rekursion T i,j = 4j T i,j 1 T i 1,j 1 4 j, j = 1,2,..., i j. 1 Dahmen-Reusken Kapitel 10 26

27 Romberg-Schema T(h) = T 0,0 ց T( 1 2 h) = T 1,0 T 1,1 ց ց T( 1 4 h) = T 2,0 T 2,1 T 2,2 ց ց ց T( 8 1 h) = T 3,0 T 3,1 T 3,2 T 3, T i 1,j 1 ց T i,j j 1 4 j 4 j 1 T i,j Dahmen-Reusken Kapitel 10 27

28 Sei I = π/2 0 Beispiel xcos x + e x dx = π 2 + e1 2 π 2, wie in Beispiel 10.2, und T i,0 = T(2 i h), wobei T( ) die Trapezregel ist. Für die Anfangsschrittweite h = 4 1π 2 ergibt das Romberg-Schema folgende Werte: i T i,0 T i,1 T i,2 T i, Fehler: i I T i,j e e e e e e e e e e 12 Dahmen-Reusken Kapitel 10 28

29 10.5 Zweidimensionale Integrale Transformation von Integralen. Eindimensionales Integral b f(x) dx. Sei a I 1 = [a, b], I 2 = [c, d] und ψ : I 1 I 2 eine stetig differenzierbare bijektive Abbildung. Es gilt die Transformationsformel f(ψ(x)) ψ (x) dx = I 1 I 2 f(y) dy. Ein interessanter Spezialfall ergibt sich, falls ψ affin ist, d.h. ˆψ : [a, b] [c, d], ˆψ(x) = x a b a d + b x b a c. Dahmen-Reusken Kapitel 10 29

30 Wenn Q m (g; I 1 ) = (b a) m i=0 w i g(x i ) eine Formel zur Annäherung von b a g(x) dx ist, ergibt sich eine entsprechende Quadraturformel für das Intervall I 2 = [c, d]: I 2 f(y) dy = also insgesamt: b a f(ˆψ(x)) ˆψ (x) dx = d c b a b a f(ˆψ(x)) dx (d c) m i=0 w i f(ˆψ(x i )), Q m (g; I 1 ) = (b a) Q m (f; I 2 ) = (d c) m i=0 m i=0 w i g(x i ) ŵ i f(ˆx i ), mit ŵ i = w i, ˆx i = x i a b a d + b x i b a c. Dahmen-Reusken Kapitel 10 30

31 Beispiel Gauß-Quadraturformeln werden oft für das Intervall [ 1, 1] spezifiziert, z.b. 1 [ 1 f(x) dx f( 1 ) f( 1 ) ] 3 3 aus Beispiel Die entsprechende Formel für ein beliebiges Intervall [c, d]: d f(x) dx h [ f ( c + ( 1 3 c )h) + f ( c + ( )h)], h := d c. Analog kann man für die Gauß-Quadratur mit 4 Stützstellen 1 1 f(x) dx 2 3 i=0 w i f(x i ), w 0 = w 3 = , w 1 = w 2 = 1 2 w 0, x 0 = x 3 = , x 1 = x 2 = , eine Formel für ein beliebiges Intervall [c, d] herleiten. Dahmen-Reusken Kapitel 10 31

32 Wir betrachten nun die Transformation eines zweidimensionalen Integrals B f(x, y) dx dy, B R2. Sei B 1, B 2 R 2 und ψ : B 1 B 2 eine stetig differenzierbare bijektive Abbildung mit Jacobi-Matrix J(x, y) = ψ 1 ψ 2 x (x, y) ψ 1 y (x, y) x (x, y) ψ 2 y (x, y) Es gilt folgende Verallgemeinerung von (10.38):. Satz Falls det J(x, y) 0 für alle (x, y) B 1, so gilt f(ψ(x, y)) det J(x, y) dx dy = f( x, ỹ) d x dỹ. B 1 B 2 Dahmen-Reusken Kapitel 10 32

33 Für den Spezialfall, daß ψ affin ist, ψ(x, y) = A ( x) + b, A R 2 2, det(a) 0, b R 2, y ergibt sich daraus die Transformationsformel det A f(a ( x) + b) dx dy = f( x, ỹ) d x dỹ. B 1 y B 2 Mit Hilfe dieser Transformationsformel kann man, wie im eindimensionalen Fall, eine Quadraturformel für einen Standardbereich (z.b. Einheitsquadrat, Einheitsdreieck) in eine Formel für einen affin-äquivalenten Bereich überführen. Dahmen-Reusken Kapitel 10 33

34 Wichtiger Unterschied zwischen ein- und mehrdimensionaler Integration: Zwei Intervalle [a, b] und [c, d] lassen sich stets durch affine Transformationen aufeinander abbilden. Hingegen ist es meistens nicht möglich, einfache Gebiete in R n, n 2, durch eine affine Transformation ineinander zu überführen. Beispiel Sei B 1 = [0,1] [0,1] das Einheitsquadrat. Jede affine Abbildung bildet B 1 auf ein Parallelogramm ab. Eine affine Abbildung von B 1 auf den Einheitskreis S = {(x, y) (x 2 + y 2 ) 1} ist also nicht möglich. Dahmen-Reusken Kapitel 10 34

35 Affine Transformationen B 1 ψ B B 2 ψ B Dahmen-Reusken Kapitel 10 35

36 Sei Integration über dem Einheitsquadrat Q m (g) = f(x, y) dx dy. m i=0 w i g(x i ) eine Quadraturformel für das eindimensionale Integral 1 0 g(x) dx und F(y) := 1 0 f(x, y) dx f(x, y) dx dy = 1 = = 0 F(y) dy m m 1 w j j=0 m i,j=0 j=0 w j F(x j ) 0 f(x, x j) dx m m w j j=0 i=0 w i w j f(x i, x j ) =: Q (2) m (f). w i f(x i, x j ) Dahmen-Reusken Kapitel 10 36

37 Beispiel Sei Q 1 (g) = 1 2 g(x 0) g(x 1), x 0 := , x 1 := , die eindimensionale Gauß-Quadraturformel mit zwei Stützstellen für das Intervall [0,1]. Daraus ergibt sich die Produktregel Q (2) 1 (f) = 1 4 f (x 0, x 0 ) f (x 0, x 1 ) f (x 1, x 0 ) f (x 1, x 1 ) für den Bereich [0,1] [0,1]. Diese Formel ist exakt für alle Linearkombinationen von Polynomen x k 1y k 2, 0 k 1, k 2 3. Dahmen-Reusken Kapitel 10 37

38 Integration über dem Einheitsdreieck Für Dreiecke ist es zweckmäßig, von den Monomen 1, x, y, x 2, xy, y 2, usw. auszugehen und die Frage nach solchen Quadraturformeln zu stellen, die alle Monome der Form x k 1y k 2, 0 k 1 + k 2 M exakt integrieren. Einige typische Beispiele: (i) Q(f) = 1 2 f(1 3, 1 3 ) (ii) Q(f) = 1 [f(0,0) + f(1,0) + f(0,1)] 6 (iii) Q(f) = 1 6 [f(1 2,0) + f(0, 1 2 ) + f(1 2, 1 2 )] (iv) Q(f) = 1 6 [f(1 6, 1 6 ) + f(2 3, 1 6 ) + f(1 6, 2 3 )]. Die Monome 1, x, y werden durch die Formeln in (i), (ii) exakt integriert. Die Monome 1, x, y, xy, x 2, y 2 werden durch die Formeln in (iii), (iv) exakt integriert. Dahmen-Reusken Kapitel 10 38

Numerische Integration

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

Mehr

Numerische Integration und Differentiation

Numerische Integration und Differentiation Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an

Mehr

Klausur zur Vordiplom-Prüfung

Klausur 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

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare 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

Mehr

Kapitel 18 Numerisches Differenzieren und Integrieren

Kapitel 18 Numerisches Differenzieren und Integrieren Kapitel 8 Numerisches Differenzieren und Integrieren 8 8 8 Numerisches Differenzieren und Integrieren.......... 43 8. Numerische Differenziation... 43 8.. Differenzenformeln für die erste Ableitung...

Mehr

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist

Mehr

Interpolation. 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. 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

Mehr

4 Runge-Kutta-Verfahren

4 Runge-Kutta-Verfahren Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0

Mehr

3 Interpolation und Approximation

3 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

Mehr

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel

Mehr

Numerische Ableitung

Numerische 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:

Mehr

Mathematik 3 für Informatik

Mathematik 3 für Informatik Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

Die Taylorreihe einer Funktion

Die Taylorreihe einer Funktion Kapitel 6 Die Taylorreihe einer Funktion Dieser Abschnitt beschäftigt sich mit Taylorreihen, Taylorpolynomen und der Restgliedabschätzung für Taylorpolynome. Die Taylorreihe einer reellen Funktion ist

Mehr

Taylorentwicklung von Funktionen einer Veränderlichen

Taylorentwicklung von Funktionen einer Veränderlichen Taylorentwicklung von Funktionen einer Veränderlichen 17. Januar 2013 KAPITEL 1. MATHEMATISCHE GRUNDLAGEN 1 Kapitel 1 Mathematische Grundlagen 1.1 Stetigkeit, Differenzierbarkeit und C n -Funktionen Der

Mehr

Kevin Caldwell. 18.April 2012

Kevin 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

Numerische Integration

Numerische Integration Numerische Integration Nikola Isenhardt Ausarbeitung zum Vortrag im Proseminar Analysis (Wintersemester 00/09, Leitung PD Dr. Gudrun Thäter) Zusammenfassung: Mein Referat beschäftigt sich mit dem Thema

Mehr

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen

Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen Thema14 Der Satz über inverse Funktionen und der Satz über implizite Funktionen In diesem Kapitel betrachten wir die Invertierbarkeit von glatten Abbildungen bzw. die Auflösbarkeit von impliziten Gleichungen.

Mehr

Mathematik für Bauingenieure

Mathematik 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.

Mehr

7.2.1 Zweite partielle Ableitungen

7.2.1 Zweite partielle Ableitungen 72 72 Höhere Ableitungen 72 Höhere Ableitungen Vektorwertige Funktionen sind genau dann differenzierbar, wenn ihre Koordinatenfunktionen differenzierbar sind Es ist also keine wesentliche Einschränkung,

Mehr

Mathematik II für Inf und WInf

Mathematik II für Inf und WInf Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell

Mehr

Teil II. Nichtlineare Optimierung

Teil II. Nichtlineare Optimierung Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 4

Technische Universität München Zentrum Mathematik. Übungsblatt 4 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 4 Hausaufgaben Aufgabe 4. Gegeben sei die Funktion f : D R mit f(x) :=

Mehr

2.3.1 Explizite Runge-Kutta-Verfahren

2.3.1 Explizite Runge-Kutta-Verfahren Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung

Mehr

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass

Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel. dt = lim. = lim = Weiters erhalten wir durch partielle Integration, dass Die Gamma-Funktion, das Produkt von Wallis und die Stirling sche Formel Zuerst wollen wir die Gamma-Funktion definieren, die eine Verallgemeinerung von n! ist. Dazu benötigen wir einige Resultate. Lemma.

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare 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

Mehr

Tutorübung 5. Analysis 2 für Lehramt TU Dortmund, Sommersemester 2014

Tutorübung 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

Mehr

4.7 Der Taylorsche Satz

4.7 Der Taylorsche Satz 288 4 Differenziation 4.7 Der Taylorsche Satz Die Differenzierbarkeit, also die Existenz der ersten Ableitung einer Funktion, erlaubt bekanntlich, diese Funktion lokal durch eine affine Funktion näherungsweise

Mehr

4. Differentialgleichungen

4. Differentialgleichungen 4. Differentialgleichungen Prof. Dr. Erich Walter Farkas 10.11.2011 Seite 1 Einleitung Viele in der Natur stattfindende Vorgänge können durch sogenannte Differentialgleichungen beschrieben werden. Unter

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 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:

Mehr

27 Taylor-Formel und Taylor-Entwicklungen

27 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

Mehr

3. Numerische Quadratur. Wo die analytischen Fähigkeiten enden...

3. Numerische Quadratur. Wo die analytischen Fähigkeiten enden... Wo die analytischen Fähigkeiten enden... Page 1 of 30 3.1. Die Integrationsaufgabe Unter numerischer Quadratur versteht man die numerische Berechnung eines bestimmten Integrals der Art I(f) := f(x)dx zu

Mehr

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen

Kapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit

Mehr

Die Exponentialfunktion. exp(x)

Die Exponentialfunktion. exp(x) Die Exponentialfunktion exp(x) Wir erinnern: Ist f : R R eine glatte Funktion, dann bezeichnet f (x) die Steigung von f im Punkt x. f (x) x x 0 x Wie sehen Funktionen aus mit 3 2 f f (x) = f(x) -3-2 -1

Mehr

Beispielaufgaben rund um Taylor

Beispielaufgaben 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.

Mehr

Lösungsvorschläge zum 14. Übungsblatt.

Lösungsvorschläge zum 14. Übungsblatt. Übung zur Analysis III WS / Lösungsvorschläge zum 4. Übungsblatt. Aufgabe 54 Sei a R\{}. Ziel ist die Berechnung des Reihenwertes k a + k. Definiere dazu f : [ π, π] R, x coshax. Wir entwickeln f in eine

Mehr

18 Höhere Ableitungen und Taylorformel

18 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

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

Flächenberechnung mittels Untersummen und Obersummen

Flächenberechnung mittels Untersummen und Obersummen Flächenberechnung mittels Untersummen und Obersummen Ac Einstieg: Fläche unter einer Normalparabel mit f(x) = x 2 Wir approximieren durch Rechtecksflächen, wobei zunächst senkrecht zur x-achse 10 Streifen

Mehr

Analysis I - Stetige Funktionen

Analysis I - Stetige Funktionen Kompaktheit und January 13, 2009 Kompaktheit und Funktionengrenzwert Definition Seien X, d X ) und Y, d Y ) metrische Räume. Desweiteren seien E eine Teilmenge von X, f : E Y eine Funktion und p ein Häufungspunkt

Mehr

Zusammenfassung Mathematik 2012 Claudia Fabricius

Zusammenfassung Mathematik 2012 Claudia Fabricius Zusammenfassung Mathematik Claudia Fabricius Funktion: Eine Funktion f ordnet jedem Element x einer Definitionsmenge D genau ein Element y eines Wertebereiches W zu. Polynom: f(x = a n x n + a n- x n-

Mehr

Funktionsgrenzwerte, Stetigkeit

Funktionsgrenzwerte, Stetigkeit Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn

Mehr

3 Nichtlineare Gleichungssysteme

3 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 ( )

Mehr

9 Die Normalverteilung

9 Die Normalverteilung 9 Die Normalverteilung Dichte: f(x) = 1 2πσ e (x µ)2 /2σ 2, µ R,σ > 0 9.1 Standard-Normalverteilung µ = 0, σ 2 = 1 ϕ(x) = 1 2π e x2 /2 Dichte Φ(x) = 1 x 2π e t2 /2 dt Verteilungsfunktion 331 W.Kössler,

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten

Mehr

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW

Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6

Mehr

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS

ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung

Mehr

Γ = {(x, f(x)) : x R} R 2

Γ = {(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

Mehr

Klausur zur Vordiplom-Prüfung

Klausur 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

Mehr

Definition und Eigenschaften Finiter Elemente

Definition und Eigenschaften Finiter Elemente Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur Analysis II Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen

Mehr

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit

Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Kapitel 5. Stetige Funktionen 5.1. Stetigkeit Reelle Zahlen sind ideale Objekte, die es uns ermöglichen, eine transparente und leistungsfähige Theorie aufzubauen. Ein Computer kann jedoch nur mit Approximationen

Mehr

Definition: Differenzierbare Funktionen

Definition: 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

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.

Mehr

5.1 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

5.1 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

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt

Mehr

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1

Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1 .1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische

Mehr

Numerisches Programmieren, Übungen

Numerisches 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

Mehr

Einstieg in die Informatik mit Java

Einstieg 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

Mehr

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung).

Wir beginnen mit der Definition eines metrischen Raumes, der in diesem Kapitel von zentraler Bedeutung ist. x, y, z X (Dreiecksungleichung). Kapitel 4 Metrische Räume und Stetigkeit 4.1 Metrische und normierte Räume 4.2 Folgen in metrischen Räumen 4.3 Offene und abgeschlossene Mengen 4.4 Stetige Funktionen 4.5 Grenzwerte von Funktionen 4.6

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

KAPITEL 9. Funktionenreihen

KAPITEL 9. Funktionenreihen KAPITEL 9 Funktionenreihen 9. TaylorReihen............................ 28 9.2 Potenzreihen............................ 223 9.3 Grenzfunktionen von Funktionenfolgen bzw. reihen........ 230 9.4 Anwendungen............................

Mehr

4.4. Rang und Inversion einer Matrix

4.4. Rang und Inversion einer Matrix 44 Rang und Inversion einer Matrix Der Rang einer Matrix ist die Dimension ihres Zeilenraumes also die Maximalzahl linear unabhängiger Zeilen Daß der Rang sich bei elementaren Zeilenumformungen nicht ändert

Mehr

14.3 Berechnung gekrümmter Flächen

14.3 Berechnung gekrümmter Flächen 4.3 Berechnung gekrümmter Flächen Gekrümmte Flächen werden berechnet, indem sie als Graph einer Funktion zweier Veränderlicher aufgefasst werden. Fläche des Graphen einer Funktion zweier Veränderlicher

Mehr

Optimalitätskriterien

Optimalitätskriterien Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen

Mehr

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C.

Die komplexen Zahlen und Skalarprodukte Kurze Wiederholung des Körpers der komplexen Zahlen C. Die omplexen Zahlen und Salarprodute Kurze Wiederholung des Körpers der omplexen Zahlen C. Erinnerung an die Definition von exp, sin, cos als Potenzreihen C C Herleitung der Euler Formel Definition eines

Mehr

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation

Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation Mathematik II Frühlingsemester 2015 Kap. 9: Funktionen von mehreren Variablen 9.2 Partielle Differentiation www.math.ethz.ch/education/bachelor/lectures/fs2015/other/mathematik2 biol Prof. Dr. Erich Walter

Mehr

Inhalt. Vorwort Mittelwertsatz der Integralrechnung... 31

Inhalt. Vorwort Mittelwertsatz der Integralrechnung... 31 Inhalt Vorwort... 5 1 Stammfunktionen... 7 1.1 Erklärung der Stammfunktionen........................................... 7 1.2 Eigenschaften der Stammfunktionen.................................... 10 1.3

Mehr

3 Vektorbündel und das Tangentialbündel

3 Vektorbündel und das Tangentialbündel $Id: vektor.tex,v 1.6 2014/06/30 10:20:57 hk Ex $ $Id: fluss.tex,v 1.2 2014/06/30 12:36:06 hk Ex hk $ 3 Vektorbündel und das Tangentialbündel 3.4 Ableitungen von C q -Funktionen In der letzten Sitzung

Mehr

ε δ Definition der Stetigkeit.

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

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.

Mehr

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. Funktionen/Abbildungen 1 Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.

Mehr

Interpolationsverfahren

Interpolationsverfahren Kapitel 3 Interpolationsverfahren Peter-Wolfgang Gräber Systemanalyse in der Wasserwirtschaft KAPITEL 3 INTERPOLATIONSVERFAHREN Problem: Durch Messung sind einige Messwerte (abhängige Variable) in Abhängigkeit

Mehr

Gewöhnliche Dierentialgleichungen

Gewöhnliche Dierentialgleichungen Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat

Mehr

Mathematik für Anwender I. Beispielklausur I mit Lösungen

Mathematik 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.

Mehr

In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y

In 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

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html

Mehr

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

Zahlen und Gleichungen

Zahlen und Gleichungen Kapitel 2 Zahlen und Gleichungen 21 Reelle Zahlen Die Menge R der reellen Zahlen setzt sich zusammen aus den rationalen und den irrationalen Zahlen Die Mengen der natürlichen Zahlen N, der ganzen Zahlen

Mehr

Formelanhang Mathematik II

Formelanhang Mathematik II Formelanhang Mathematik II Mechatronik 2. Sem. Prof. Dr. K. Blankenbach Wichtige Formeln: - Euler: e j = cos() + j sin() ; e -j = cos() - j sin() - Sinus mit Phase: Übersicht Differentialgleichungen (DGL)

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht der Länge des Vektorpfeils. Im R 2 : x = Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

Optimieren unter Nebenbedingungen

Optimieren unter Nebenbedingungen Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht

Mehr

4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 92

4.1 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

Mehr

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt

Rekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung

Mehr

Thema aus dem Bereich Analysis Differentialrechnung I. Inhaltsverzeichnis

Thema aus dem Bereich Analysis Differentialrechnung I. Inhaltsverzeichnis Thema aus dem Bereich Analysis - 3.9 Differentialrechnung I Inhaltsverzeichnis 1 Differentialrechnung I 5.06.009 Theorie+Übungen 1 Stetigkeit Wir werden unsere Untersuchungen in der Differential- und Integralrechnung

Mehr

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und

Mehr

Analysis II WS 11/12 Serie 9 Musterlösung

Analysis II WS 11/12 Serie 9 Musterlösung Analysis II WS / Serie 9 Musterlösung Aufgabe Bestimmen Sie die kritischen Punkte und die lokalen Extrema der folgenden Funktionen f : R R: a fx, y = x + y xy b fx, y = cos x cos y Entscheiden Sie bei

Mehr

Numerisches Lösen von Gleichungen

Numerisches Lösen von Gleichungen Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:

Mehr

Funktionen mehrerer Variabler

Funktionen mehrerer Variabler Funktionen mehrerer Variabler Fakultät Grundlagen Juli 2015 Fakultät Grundlagen Funktionen mehrerer Variabler Übersicht Funktionsbegriff 1 Funktionsbegriff Beispiele Darstellung Schnitte 2 Partielle Ableitungen

Mehr

Newtonverfahren Die folgende Abbildung beschreibt das Newtonverfahren zur näherungsweisen Berechnung von Nullstellen:

Newtonverfahren Die folgende Abbildung beschreibt das Newtonverfahren zur näherungsweisen Berechnung von Nullstellen: BspNr: J0011 Themenbereich Näherungsverfahren zur Nullstellenberechnung (Newtonverfahren) Ziele Probleme, die bei der näherungsweisen Nullstellenberechnung auftreten können, erkennen. Analoge Aufgabenstellungen

Mehr

4.4 Taylorentwicklung

4.4 Taylorentwicklung 4.4. TAYLORENTWICKLUNG 83 4.4 Taylorentwicklung. Definitionen f sei eine reellwertige m + -mal stetig differenzierbare Funktion der n Variablen x bis x n auf einem Gebiet M R n. Die Verbindungsgerade der

Mehr

1 Eingebettete Untermannigfaltigkeiten des R d

1 Eingebettete Untermannigfaltigkeiten des R d $Id: unter.tex,v 1.2 2014/04/14 13:19:35 hk Exp hk $ 1 Eingebettete Untermannigfaltigkeiten des R d In diesem einleitenden Paragraphen wollen wir Untermannigfaltigkeiten des R d studieren, diese sind die

Mehr