Approximation durch Polynome
|
|
- Achim Kramer
- vor 6 Jahren
- Abrufe
Transkript
1 durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle
2 n Beispiel Trotz guter Verkaufslage verringern sich die Gewinne G(x) ab einer bestimmten Stückzahl x aufgr steigender Produktionskosten. Anzahl x i Kosten K(x i ) Erlös E(x i ) Gewinn G(x i )
3 Kurvenverlauf von K(x), E(x), G(x) als Geradenstücke n
4 n Frage: Antwort: Wo liegt die Gewinnzone? Wo liegt das Gewinnmaximum? Gewinnzone: Nullstelle der Funktion, d.h. G(x) = 0 Gewinnmaximum: Extremstelle der Funktion, d.h. G (x) = 0 Fazit: Man benötigt eine Funktionsdarstellung für G(x), z.b. durch der Daten über eine Polynominterpolation.
5 n besonders geeignet in der Numerik, da die Auswertung nur einfache Addition Multiplikation bedeutet. Definition (1.1.1) Eine Funktion f(x) für f : R R der Form f(x) = a n x n + a n 1 x n a 1 x + a 0 a n 0 heißt Polynom vom Grad n. Die reellen Zahlen a 0, a 1,..., a n heißen Koeffizienten des Polynoms. Beispiel f(x) = 4x 8 x 5 10
6 n Rechnen n Definition (1.1.2) Gegeben sind zwei f(x) g(x) der Form f(x) = a m x m a 1 x + a 0 g(x) = b n x n b 1 x + b 0 vom Grad m n m n. Dann ist: f(x) + g(x) = b n x n b m+1 x m+1 + (a m + b m )x m (a 1 + b 1 )x + (a 0 + b 0 ) f(x) g(x) = (a m b n )x n+m (a 1 b n a m b n m+1 )x n+1 + (a 0 b n a m b n m )x n (a 0 b 1 + a 1 b 0 )x + a 0 b 0
7 n Satz (1.2.1) Für jedes Polynom f(x) jeden Wert x 0 gilt: f(x) = a n x n +...a 1 x + a 0 = (x x 0 )(b n x n b 2 x + b 1 ) + f(x 0 ) f(x 0 ) = r. Beweis. (Herleitung des Horner - Schemas) (x x 0 ) (b n x n b 2 x + b 1 ) + r = b n x n + b n 1 x n b 2 x 2 + b 1 x x 0 b n x n 1... x 0 b 2 x x 0 b 1 + r = a n x n a 1 x + a 0
8 n Beweis. Ein Koeffizientenvergleich nach Potenzen von x ergibt b n = a n b n 1 = a n 1 + x 0 b n b n 2 = a n 2 + x 0 b n 1.. b 1 = a 1 + x 0 b 2 r = a 0 + x 0 b 1
9 Horner - Schema n Verfahren zur systematischen Auswertung von n: a n a n 1... a 2 a 1 a 0 + x 0 b n... x 0 b 3 x 0 b 2 x 0 b 1 b n b n 1... b 2 b 1 r = f(x 0 )
10 n Beispiel Gegeben ist die Funktion f(x) = 2x 4 6x 3 35x Gesucht ist der Funktionswert an der Stelle x 0 = 4 über das Horner-Schema = f(4) = f(4) = 2. Bemerkung: Das Horner-Verfahren ist besonders effektiv, da es Potenzieren vermeidet; Daher ist es für numerische Anwendungen geeignet.
11 n Satz (1.3.1) Wenn x 1 eine Nullstelle des Polynoms n-ten Grades f(x) ist, dann gilt: f(x) = (x x 1 )(b n x n b 1 x) Bemerkung: Das Horner - Schema liefert die Zerlegung von f(x).
12 n Beispiel Gegeben ist die Funktion f(x) = x 3 + 2x 2 13x Gesucht ist das Restpolynom bei Abspaltung des Linearfaktors um x 1 = = f(x) = (x 1) (x 2 + 3x 10).
13 Polynomdivision n Dasselbe Ergebnis ergibt sich durch Polynomdivision: x 3 + 2x 2 13x + 10 : x 1 = x 2 + 3x 10 (x 3 x 2 ) 3x 2 13x (3x 2 3x) 10x x
14 n Bemerkung: Dividiert man f(x) durch (x x 1 ) ohne Rest, so ist das Resultat ein Polynom vom Grad n 1. Satz (1.3.2) Jedes Polynom n-ten Grades hat höchstens n verschiedene Nullstellen.
15 n Satz (1.4.1) Zu n + 1 verschiedenen Wertepaaren (x 1, y 1 ), (x 2, y 2 ),..., (x n+1, y n+1 ) gibt es genau eine Polynomfunktion f(x) f(x i ) = y i, i = 1,..., n + 1, deren Grad nicht größer als n ist. Das Polynom heißt. Bemerkung: Aus den diskreten Werten (x i, y i ) lassen sich durch das näherungsweise beliebige Zwischenwerte berechnen (interpolieren).
16 Schematische Darstellung des s n
17 n Vandermondsche Matrix Die Bestimmung des s erfolgt durch Einsetzen der diskreten Werte (x i, y i ) in die Funktion f(x) = a n x n + a n 1 x n a 1 x + a 0 durch Bestimmung der Koeffizienten a 0,..., a n aus den n + 1 Bedingungen f(x i ) = y i : a n x n a 2 x a 1 x 1 + a 0 = y a n x n n a 2 x 2 n+1 + a 1 x n+1 + a 0 = y n+1 Eigenschaften: zu lösen ist ein lineares Gleichungssystem den Unbekannten a 0,..., a n das Verfahren ist numerisch ungünstig, insbesondere für große n
18 n Methode 2: Lagrange Formel Ansatz: f(x) = y 1 (x x 2 )(x x 3 )...(x x n+1 ) (x 1 x 2 )(x 1 x 3 )...(x 1 x n+1 ) + y 2 (x x 1 )(x x 3 )...(x x n+1 ) (x 2 x 1 )(x 2 x 3 )...(x 2 x n+1 ) +... (x x 1 )(x x 2 )...(x x n ) y n+1 (x n+1 x 1 )(x n+1 x 2 )..(x n+1 x n ) Eigenschaften: f(x i ) = y i das Verfahren ist ebenfalls für große Datenmengen rechenzeitaufwendig
19 n Methode 3: Newton - Algorithmus (numerisch geschickteste Methode) Ansatz: f(x) = a 0 + a 1 (x x 1 ) + a 2 (x x 1 )(x x 2 ) a n (x x 1 )(x x 2 ) (x x n ) Die Koeffizienten a 0, a 1,..., a n können iterativ bestimmt werden. Einsetzen von x 1 in die Funktion f(x) ergibt: y 1 = f(x 1 ) = a 0 a 0 = y 1 y 2 = f(x 2 ) = a 0 + a 1 (x 2 x 1 ) a 1 = y 2 y 1 x 2 x 1 y 3 = f(x 3 ) = a 0 + a 1 (x 3 x 1 ) + a 2 (x 3 x 1 )(x 3 x 2 ) a 2 = y 3 a 0 a 1 (x 3 x 1 ) (x 3 x 1 )(x 3 x 2 )
20 n Newton - Algorithmus (fortgesetzt) Algebraisches Umstellen ergibt: a 2 = y 3 a 0 a 1 (x 3 x 1 ) (x 3 x 1 )(x 3 x 2 ) =... 1 ( y3 y 2 = y 2 y ) 1 x 3 x 1 x 3 x 2 x 2 x 1 a 2 = D 3,2 D 2,1 x 3 x 1 den Abkürzungen: D 2,1 = y 2 y 1 x 2 x 1 D 3,2 = y 3 y 2 x 3 x 2
21 Newton - Algorithmus (fortgesetzt) n Mit den Abkürzungen: D 4,3,2 = D 4,3 D 3,2 x 4 x 2 D 3,2,1 = D 3,2 D 2,1 x 3 x 1 über vollständige Induktion kann man zeigen, dass gilt: a k 1 = D k,...,1 das sogenannte Verfahren der dividierten Differenzen.
22 Berechnungsschema: Newton - Algorithmus n k x k y k 1 x 1 y 1 = a 0 2 x 2 y 2 D 2,1 = y 2 y 1 x 2 x 1 = a 1 3 x 3 y 3 D 3,2 = y 3 y 2 x 3 x 2 D 3,2,1 = D 3,2 D 2,1 x 3 x 1 4 x 4 y 4 D 4,3 = y 4 y 3 x 4 x 3 D 4,3,2 = D 4,3 D 3,2 x 4 x wobei a 0 = y 1, a 1 = D 2,1, a 2 = D 3,2,1,..., a n = D n+1,...,1 die gesuchten Koeffizienten des s sind.
23 n Beispiel Gegeben ist die folgende Wertetabelle: k x k y k Gesucht ist das f(x) der Form f(x) = a 0 + a 1 (x x 1 ) + a 2 (x x 1 )(x x 2 ). Lösung über den Newton-Algorithmus: k x k y k D 2,1 = = D 3,2 = = 4 D 3,2,1 = = 2 f(x) = x 2x(x 2) = 2x x 12
24 n Beispiel Gegeben ist ein zusätzlicher Messpunkt (x 4, y 4 ) = (7, 54). Gesucht ist wieder das, das durch alle Messpunkte verläuft. Lösung über den Newton-Algorithmus: k x k y k D 2,1 = D 3,2 = 4 D 3,2,1 = D 4,3 = 41 D 4,3,2 = 9 D 4,3,2,1 = 1 f(x) = x 2x(x 2) x(x 2)(x 5) =... = x 3 + 5x 2 + 8x 12
25 n Fast jede elementare Funktion (wie z.b. e x, sin x, x, ln x usw.) lässt sich in der Umgebung eines Punktes x 0 durch einen Polynomausdruck f(x) = a n x n + a n 1 x n a 1 x + a 0 beliebig genau annähern. Beispiel Gegeben ist die Funktion f(x) = 1 1 x für x < 1. Gesucht ist ein Polynomausdruck, der f(x) annähert. Lösung 1 1 x = 1 + x + x x n +... = n=0 x n
26 n Herleitung der Taylorformel Gegeben ist eine Funktion f(x) gesucht ist eine Näherung in der Umgebung von x 0 D.
27 Herleitung der Taylorformel (fortgesetzt) n Nullte Näherung p 0 (x) p 0 (x) = f(x 0 ) zwischen p 0 (x) f(x) stimmt nur der Funktionswert an der Stelle x 0 überein. Erste (lineare) Nährung p 1 (x) p 1 (x) = f(x 0 ) + f (x 0 )(x x 0 ) (Tangente an die Funktion f(x) im Punkt x 0 ) der Funktionswert die erste Ableitung sind im Punkt x 0 identisch.
28 Herleitung der Taylorformel (fortgesetzt) n Zweite (quadratische) Nährung p 2 (x) p 2 (x) = f(x 0 ) + f (x 0 )(x x 0 ) + f (x 0 ) (x x 0 ) 2 2! p 2 (x) hat zusätzlich die gleiche Krümmung wie f(x) im Punkt x 0. Hieraus lässt sich eine Formel für das n-te Näherungspolynom, das sogenannte Taylorpolynom n-ten Grades entwickeln.
29 n Taylorpolynom Satz (1.5.1) (Satz von Taylor ) Gegeben sei eine in x 0 D (n + 1)-mal stetig differenzierbare Funktion f(x). Dann gilt die Taylor-Formel: (p n (x) =)f(x) = f(x 0 ) + f (x 0 )(x x 0 ) n! f (n) (x 0 )(x x 0 ) n + R n (x) dem Restglied R n (x) = 1 (n + 1)! f (n+1) (ζ)(x x 0 ) n+1 x D ζ einem Zwischenwert zwischen x x 0.
30 Bemerkungen zur Taylorformel n der Wert von ζ ist nicht näher bekannt das Restglied R n (x) gibt die Abweichung zwischen der Nährungsfunktion p n (x) der Funktion f(x) an; d.h. R n (x) ist ein Maß für den Fehler für R n (x) 0 erhält man die sogenannte Taylorreihe für die Funktion f(x) im Entwicklungspunkt x 0.
31 n Beispiel Gegeben ist die Funktion f(x) = e x. Gesucht ist die Taylorentwicklung im Punkt x 0 = 0. Zur Bestimmung der Taylorreihe wird der Funktionswert f(x 0 ) die Werte der Ableitungen f (x 0 ) = e x, f (x 0 ) = e x,... im Punkt x 0 benötigt. Mit f(0) = 1, f (0) = 1,..., f (n) (0) = 1 folgt f(x) = 1 + x + 1 2! x ! x n! xn +... e x = n=0 1 n! xn Taylorreihe der Funktion e x für alle x R
32 Beispiel (fortgesetzt) n
33 n Beispiel (fortgesetzt) An der Stelle x = 1 ergibt sich die Eulersche Zahl e. Einsetzen in die Taylorformel für f(x) = e x liefert: e 1 = pn (1) = ! n! 1n Mit n = 9: e 1 = 9 n=0 1 n! = Bemerkung: Für eine Genauigkeit von 6 Dezimalstellen werden nur neun Summationsglieder benötigt.
34 n Beispiel Gegeben ist die Funktion f(x) = sin x. Gesucht ist die Taylorentwicklung im Punkt x 0 = 0. Die Ableitungen von f(x) = sin x sind: f (x) = cos x, f (x) = sin x, f (x) = cos x, f (4) (x) = sin x,... Da ergeben sich an der Stelle x 0 = 0 die Werte: f (0) = 1, f (0) = 0, f (0) = 1, f (4) (0) = 0,...
35 n Beispiel (fortgesetzt) Kürzer formuliert: f (2n) (0) = 0 f (2n+1) (0) = ( 1) n Daraus ergibt sich für die Funktion f(x) = sin x folgende Taylorreihe f(x) = x 1 3! x ! x5 1 7! x in Summenschreibweise sin x = n=0 ( 1) n (2n + 1)! x2n+1
36 n - stückweise definierte Eigenschaft der e: Je mehr Messdaten vorhanden sind, umso höher ist der Grad des interpolierenden Polynoms. Daher ist es bei großen Datensätzen in der Praxis nicht möglich, diese beliebig genau durch eine einzelne Funktion f(x) zu approximieren. Alternative: Die Funktion f(x) wird durch stückweise definierte niedrigen Grades, sogenannte definiert. Vorgehen: Die Funktion f(x) soll in einem Intervall [a, b] bestimmt werden. Dazu wird das Intervall [a, b] in n Teilintervalle [x i, x i+1 ] unterteilt a = x 0 < x 1 <... < x n = b
37 n Dann definieren wir eine Funktion g(x), die sich in jedem Teilinterwall [x i, x i+1 ] aus Polynomausdrücken zusammensetzt. g(x) ist eine stückweise definierte Polynomfunktion. Beispiel
38 n Quadratische Beispiel von Messwerten durch stückweise quadratische : Gegeben ist ein Intervall I = [0, 1] die Wertetabelle x f(x) Lösung 54x x x g(x) = 6x x x x 38 3 x 1 g(x) ist eine stückweise definierte Funktion g(x i ) = f(x i ).
39 n Lösung (fortgesetzt) 54x x x g(x) = 6x x x x 38 3 x 1
40 n Problem: g(x) ist nicht überall differenzierbar an den Schnittstellen. : Im gesamten Intervall differenzierbare, stückweise definierte Funktion. Beispiel: Herleitung quadratischer Vorgehensweise zur Bestimmung quadratischer am Beispiel für n = 4 Messpunkte. Es gibt drei Teilintervalle I i = [x i, x i+1 ], i = 1, 2, 3 entsprechend drei quadratische Funktionen g i (x) = a i2 x 2 + a i1 x + a i0, i = 1, 2, 3. Gesucht ist eine Funktion g(x) g(x) = g i (x) für x I i, i = 1, 2, 3.
41 Beispiel: Herleitung quadratischer (fortgesetzt) n
42 n Zur Bestimmung von g(x) müssen die Funktionen g i (x), i = 1, 2, 3 definiert werden; d.h. es müssen die neun Koeffizienten a 12, a 11, a 10, a 22, a 21, a 20, a 32, a 31, a 30 bestimmt werden. Hierzu sind 9 Bedingungen erforderlich: 1. Stetigkeit von g(x) an den Knotenpunkten: g 1 (x 1 ) = f 1, g 2 (x 2 ) = f 2, g 3 (x 3 ) = f 3 g 1 (x 2 ) = f 2, g 2 (x 3 ) = f 3, g 3 (x 4 ) = f 4 2. Differenzierbarkeit von g(x) an den Knotenpunkten: g 1 (x 2) = g 2 (x 2) g 2 (x 3) = g 3 (x 3) 3. Zusätzliche 9. Bedingung, die vorgegeben ist: z.b. g 1 (x 1) = c 1 c 1 f (x 1 ) () = g(x) festgelegt.
43 n Allgemeiner: n Knoten n 1 Intervalle n 1 Parabeln g i (x) Bedingungen: 1. Stetigkeit: g i (x i ) = f i, i = 1,..., n 1 g i (x i+1 ) = f i+1, i = 1,..., n 1 2. Differenzierbarkeit: g i(x i+1 ) = g i+1(x i+1 ), i = 1,..., n 2 Das sind 3n 4 = (n 1) + (n 1) + (n 2) lineare Gleichungen für die Bestimmung der 3n 3 unbekannten Koeffizienten der g 1 (x),..., g n 1 (x).
44 n 3. Zusätzliche Bedingung: g (x 1 ) = c 1 Zu lösen ist ein System aus 3n 3 linearen Gleichungen.
45 n Beispiel Gegeben sind folgende Messpunkte x f(x) die Nebenbedingung g 1 (1) = 0. Gesucht ist die quadratische Spline-Funktion: { g1 (x) = a g(x) = 12 x 2 + a 11 x + a 10 1 x 2 g 2 (x) = a 22 x 2 + a 21 x + a 20 2 x 3
46 n Beispiel (fortgesetzt) Quadratische Spline-Funktion anschaulich:
47 n Lösung Es werden die Ableitungen g 1 (x) g 2 (x) benötigt: g 1(x) = 2a 12 x + a 11 g 2(x) = 2a 22 x + a Stetigkeit: g 1 (1) = 2 g 2 (2) = 3 g 1 (2) = 3 g 2 (3) = 5 2. Differenzierbarkeit: 3. Zusätzliche Bedingung: g 1(2) = g 2(2) g 1(1) = 0
48 n Lösung (fortgesetzt) Aus drei der Bedingungen kann ein Gleichungssystem für die Koeffizienten a 12, a 11 a 10 der Funktion g 1 (x) aufgestellt werden. a 12 + a 11 + a 10 = 2 4a a 11 + a 10 = 3 2a 12 + a 11 = 0 Mit dem Gaußalgorithmus: a 10 = 3, a 11 = 2, a 12 = 1 g 1 (x) = x 2 2x + 3
49 n Lösung (fortgesetzt) Aus den übrigen drei Bedingungen kann ein Gleichungssystem für die Koeffizienten a 22, a 21 a 20 der Funktion g 2 (x) aufgestellt werden. 4a a 21 + a 20 = 3 9a a 21 + a 20 = 5 4a 22 + a 21 = 2 Mit dem Gaußalgorithmus: a 20 = 1, a 21 = 2, a 22 = 0 g 2 (x) = 2x 1
50 n Kubische Bemerkung: Die quadratischen besitzen an den Punkten, an denen die Teilintervalle zusammenstoßen, im allgemeinen keine zweite Ableitung. Hierzu benötigt man dritten Grades, sogenannte kubische. Diese sind auf dem ganzen Intervall zweimal stetig differenzierbar. Vorgehensweise: analog wie im Fall der quadratischen, d.h. für die Koeffizienten der kubischen wird ein Gleichungssystem aufgestellt. Alternative: Die gesuchte Funktion wird als Linearkombination aus kubischen Basis- (B-) ausgedrückt.
51 n Kubische Kubische finden unter anderem in der graphischen Datenverarbeitung Einsatz, da sie vom Menschen subjektiv als glatt empfen werden. Computermodell eines menschlichen Kopfes
52 Kubische n Gegeben sind n Knoten x 1,..., x n. Ein kubischer Spline ist eine glatte Kurve, die durch die gegebenen Punkte verläuft in jedem Teilstück durch eine kubische Parabel g i (x) = a i3 x 3 + a i2 x 2 + a i1 x + a i0 geeigneten Koeffizienten a i3, a i2, a i1 a i0 definiert ist. Zu jedem Abschnitt gibt es also 4 Unbekannte. Bei n 1 Abschnitten (d.h. n Knoten) müssen 4(n 1) Unbekannte durch Lösen eines Gleichungssystems bestimmt werden.
53 n Vorgehensweise: An den Knoten werden folgende Bedingungen formuliert: die Funktionswerte sowie die Werte der ersten zweiten Ableitungen der angrenzenden Teilkurven müssen übereinstimmen. Bedingungen: Stetigkeit: g i (x i ) = f i, i = 1,..., n 1 g i (x i+1 ) = f i+1, i = 1,..., n 1 Differenzierbarkeit 1. Ableitung: Gleiche Steigung g i(x i+1 ) = g i+1(x i+1 ), i = 1,..., n 2 Differenzierbarkeit 2. Ableitung: Gleiche Krümmung g i (x i+1 ) = g i+1(x i+1 ), i = 1,..., n 2
54 n Das sind (4n 6) = (n 1) + (n 1) + (n 2) + (n 2) lineare Gleichungen für die Bestimmung der (4n 4) unbekannten Koeffizienten der kubischen g 1 (x),..., g n 1 (x). Also ist die Interpolationsaufgabe für kubische unterbestimmt, so dass zwei zusätzliche Freiheitsgrade zur Verfügung stehen. Durch weitere Zusatzbedingungen lässt sich die Eindeutigkeit herstellen.
55 Randbedingungen für kubische n Natürliche Randbedingungen: Die zweite Ableitung des am Anfangs- Endpunkt wird Null gesetzt. Das bewirkt, dass der Spline eine minimale Gesamtkrümmung hat. g 1(x 1 ) = 0 g n 1(x n ) = 0 Vorgabe von Randableitungen: Die erste Ableitung am Anfangs- Endpunkt wird vorgegeben. g 1(x 1 ) = c l g n 1(x n ) = c r
56 n Spline-Interpolation Erstellen einer Geschwindigkeitskurve: Gemessen sind die Zeiten eines Sprintläufers an verschiedenen charakteristischen Messpunkten, z.b. nach 5m, 15m, 30m, 75m, 85m 100m. Strecke in m Zeit in sec 5 1,5 15 2,5 30 4,6 75 9, ,5 Durch eine Spline-Interpolation läßt sich eine Geschwindigkeitskurve aufstellen berechnen, nach wieviel Seken der Läufer z.b. die 50-Meter-Marke erreicht hat.
57 n Spline-Interpolation (fortgesetzt) Beispielprogramm
58 n Beispiel Gegeben sind folgende Messpunkte x f(x) es soll die natürliche Randbedingung angesetzt werden, d.h. g 1 (x 1) = 0 g n 1 (x n) = 0. Gesucht ist die kubische Spline-Funktion: g(x) = { g1 (x) = a 13 x 3 + a 12 x 2 + a 11 x + a 10 0 x 1 g 2 (x) = a 23 x 3 + a 22 x 2 + a 21 x + a 20 1 x 2
59 n Lösung Es werden die Ableitungen g 1 (x), g 2 (x) g 1 (x), g 2 (x) benötigt: g 1(x) = 3a 13 x 2 + 2a 12 x + a 11, g 1(x) = 6a 13 x + 2a 12 g 2(x) = 3a 23 x 2 + 2a 22 x + a 21, g 2(x) = 6a 23 x + 2a Stetigkeit: 2. Differenzierbarkeit: g 1 (0) = 4 g 2 (1) = 1 g 1 (1) = 1 g 2 (2) = 2 g 1(1) = g 2(1) g 1(1) = g 2(1) 3. Natürliche Randbedingungen: g 1(0) = 0 g 2(2) = 0
60 n Lösung (fortgesetzt) Aus diesen 8 Bedingungen kann ein Gleichungssystem für die 8 Koeffizienten a 13, a 12,..., a 21, a 20 der beiden kubischen Funktionen g 1 (x) g 2 (x) aufgestellt werden: a 13 = 1, a 12 = 0, a 11 = 4, a 10 = 4 a 23 = 1, a 22 = 6, a 21 = 10, a 20 = 6 g 1 (x) = x 3 4x + 4 g 2 (x) = x 3 + 6x 2 10x + 6.
61 n Alternative: Kubische Basis- (B-) Eine kubische Spline-Funktion wird als Linearkombination der Basis- dargestellt. Definition Seien x 1,..., x n äquidistante Punkte Abstand h. Dann ist der um x i zentrierte kubische B-Spline B i definiert durch: 1 4h 3 (x x i 2) 3, x i 2 x x i h (x x i 1) + 3 4h 2 (x x i 1) 2 3 4h 3 (x x i 1) 3, x i 1 x x i h (x i+1 x) + 3 4h 2 (x i+1 x) 2 3 4h 3 (x i+1 x) 3, x i x x i+1 1 4h 3 (x i+2 x) 3, x i+1 x x i+2 0, sonst
62 n Darstellung des kubischen B-
63 n Kubische B- Eigenschaften: B i (x i ) = 1, B i (x i±1 ) = 1 4 Vorgehensweise: B i (x i±2 ) = 0 Gesucht ist ein kubischer Spline c(x), der durch die gegebenen Knoten verläuft, d.h. c(x i ) = f i, i = 1,..., n Lösungsansatz: c(x) wird als Linearkombination der B- dargestellt n c(x) = α i B i. i=1
64 Kubische B- (fortgesetzt) n Da B i (x j ) = 0 für i j 2, führen die Bedingungen c(x i ) = f i, i = 1,..., n auf: α 1 B 1 (x 1 ) + α 2 B 2 (x 1 ) = f 1 α 1 B 1 (x 2 ) + α 2 B 2 (x 2 ) + α 3 B 3 (x 2 ) = f 2.. α n 2 B n 2 (x n 1 ) + α n 1 B n 1 (x n 1 ) + α n B n (x n 1 ) = f n 1 α n 1 B n 1 (x n ) + α n B n (x n ) = f n Dies ist ein lineares Gleichungssystem zur Berechnung der Linearfaktoren α i.
65 n Mit B i (x i ) = 1, B i (x i±1 ) = 1 4 ergibt sich die Matrixschreibweise: 4 1 α 1 f α = f α n f n Dieses System besitzt eine eindeutige Lösung für die Koeffizienten α i. So gibt es eine Lösung für die kubische Splinefunktion c(x) c(x i ) = f i. c(x) ist ein kubisches Polynom, das es sich als Linearkombination kubischer Funktionen ergibt.
6. Polynom-Interpolation
6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für
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)
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)
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
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
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
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) +...
MehrDierentialrechnung mit einer Veränderlichen
Dierentialrechnung mit einer Veränderlichen Beispiel: Sei s(t) die zum Zeitpunkt t zurückgelegte Wegstrecke. Dann ist die durchschnittliche Geschwindigkeit zwischen zwei Zeitpunkten t 1 und t 2 gegeben
MehrGMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida
GMA Grundlagen Mathematik und Analysis Reelle Funktionen 3 Christian Cenker Gabriele Uchida Data Analytics and Computing Nullstellen cos log : 0, 0,? 1 Fixpunkte Beispiel 1 Beispiel 2 1 0 0 und 1 1sin,?
Mehr1 2 x x x x x x2 + 83
Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die
MehrHTL Kapfenberg SPLINE Interpolation Seite 1 von 7.
HTL Kapfenberg SPLINE Interpolation Seite von 7 Roland Pichler roland.pichler@htl-kapfenberg.ac.at SPLINE Interpolation Mathematische / Fachliche Inhalte in Stichworten: Polynome, Gleichungssysteme, Differenzialrechnung
MehrDie 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
MehrMathematik für Bauingenieure
Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.
Mehr9. Parametrische Kurven und Flächen
9. Parametrische Kurven und Flächen Polylinien bzw. Polygone sind stückweise lineare Approximationen für Kurven bzw. Flächen Nachteile: hohe Zahl von Eckpunkten für genaue Repräsentation erforderlich interaktive
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
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
MehrLösungen der Aufgaben zu Kapitel 9
Lösungen der Aufgaben zu Kapitel 9 Abschnitt 9. Aufgabe a) Wir bestimmen die ersten Ableitungen von f, die uns dann das Aussehen der k-ten Ableitung erkennen lassen: fx) = x + e x xe x, f x) = e x e x
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
MehrSpline-Räume - B-Spline-Basen
Spline-Räume - B-Spline-Basen René Janssens 4. November 2009 René Janssens () Spline-Räume - B-Spline-Basen 4. November 2009 1 / 56 Übersicht 1 Erster Abschnitt: Räume von Splinefunktionen Grundlegende
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Berechnen Sie die folgenden unbestimmten Integrale.
MehrInterpolation und Integration mit Polynomen
Interpolation und Integration mit Polynomen Philipp Andrea Zardo Universität Kassel 23. Februar 2006 / Kassel Outline 1 Einleitung Was ist numerische Mathematik? Die eulersche e-funktion Ein Wurzelalgorithmus
Mehra i x i, (1) Ein Teil der folgenden Betrachtungen gilt auch, wenn man den Körper durch einen Ring ersetzt.
Polynome Definition 1. Ein Polynom f über einem Körper K mit der Unbestimmten x ist eine formale Summe f(x) = i 0 a i x i, (1) wobei nur endlich viele der Koeffizienten a i K von Null verschieden sind.
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht
Mehr6 Polynominterpolation
Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}
MehrÜbungen mit dem Applet Interpolationspolynome
Interpolationspolynome 1 Übungen mit dem Applet Interpolationspolynome 1 Ziele des Applets... 2 2 Übungen mit dem Applet... 2 2.1 Punkte... 3 2.2 y=sin(x)... 3 2.3 y=exp(x)... 4 2.4 y=x 4 x 3 +2x 2 +x...
MehrFreie Universität Berlin Wintersemester 11/12 Fachbereich Mathematik und Informatik Institut für Mathematik Dr. A. Linke
Freie Universität Berlin Wintersemester / Fachbereich Mathematik und Informatik Institut für Mathematik Dr. A. Linke Musterlösung zum. Übungsblatt zur Vorlesung Mathematik für Physiker I Differenzierbarkeit,
MehrDefinition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form
3. Polynome 3.1 Definition und Grundlagen Definition 131 Sei R ein (kommutativer) Ring. Ein Polynom über R in der Variablen x ist eine Funktion p der Form p(x) = a n x n + a n 1 x n 1 + + a 1 x + a 0,
MehrPrüfungsklausur zum Modul Höhere Mathematik für Ingenieure 1
Studiengang: Matrikelnummer: 3 4 5 6 Z Punkte Note Prüfungsklausur zum Modul Höhere Mathematik für Ingenieure 8. 7. 6, 8. -. Uhr Zugelassene Hilfsmittel: A4-Blätter eigene, handschriftliche Ausarbeitungen
MehrApril (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(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)
33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen
MehrPolynomiale Approximation. und. Taylor-Reihen
Polynomiale Approximation und Taylor-Reihen Heute gehts um die Approximation von glatten (d.h. beliebig oft differenzierbaren) Funktionen f nicht nur durch Gerade (sprich Polynome vom Grade 1) und Polynome
MehrAlgebra. Roger Burkhardt Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft
Algebra Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft FS 2010 Roger Burkhardt roger.burkhardt@fhnw.ch Algebra
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
MehrIn der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y
Approximationen In der Praxis werden wir häufig mit relativ komplexen Funktionen konfrontiert. y y = f (x) x Um das Arbeiten mit einer komplizierten Funktion zu vermeiden, können wir versuchen, diese Funktion
MehrSatz von Taylor Taylorreihen
Satz von Taylor Taylorreihen Bernhard Ganter Institut für Algebra TU Dresden D-01062 Dresden bernhard.ganter@tu-dresden.de Tangente als Näherung Weil sich anschaulich die Tangente anschmiegt, ist die Tangentenfunktion
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
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
MehrTaylorreihen. Kapitel 9. Lernziele. Taylorreihe. (x x 0 ) + f (x 0 ) 2! (x x 0 ) f (n) (x 0 ) (x x 0 ) n. Taylorreihe und MacLaurinreihe
Kapitel 9 Taylorreihen Josef Leydold c 2006 Mathematische Methoden IX Taylorreihen 1 / 25 Lernziele Taylorreihe und MacLaurinreihe Beispiele Alternative Schreibweisen Approimation der Veränderung einer
MehrPolynominterpolation
Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses
MehrHöhere Mathematik 1 Übung 9
Aufgaben, die in der Präsenzübung nicht besprochen wurden, können in der darauf folgenden übung beim jeweiligen übungsleiter bzw. bei der jeweiligen übungsleiterin abgegeben werden. Diese Abgabe ist freiwillig
MehrTaylorentwicklung 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
Mehr31 Polynomringe Motivation Definition: Polynomringe
31 Polynomringe 31.1 Motivation Polynome spielen eine wichtige Rolle in vielen Berechnungen, einerseits weil oftmals funktionale Zusammenhänge durch Polynome beschrieben werden, andererseits weil Polynome
Mehr18 Höhere Ableitungen und Taylorformel
8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a
Mehr4.4 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
MehrFacharbeit. Mathematik
Albert-Schweitzer-Gymnasium Kollegstufenjahrgang 2001/2003 Erlangen Facharbeit aus dem Fach Mathematik Thema: Splinefunktionen und ihre Anwendung Verfasser: Moritz Lenz Leistungskurs: Mathematik 1 Kursleiter:
MehrBerechnungen mit dem Horner-Schema
Berechnungen mit dem Horner-Schema Das Hornerschema kann als Rechenhilfsmittel zur Berechnung von Funktionswerten von Polynomfunktionen, zur Faktorisieriung von Polynomen alternativ zur Polynomdivision
MehrNachklausur am Donnerstag, den 7. August 2008
Nachklausur zur Vorlesung Numerische Mathematik (V2E2) Sommersemester 2008 Prof. Dr. Martin Rumpf Dr. Martin Lenz Dipl.-Math. Nadine Olischläger Nachklausur am Donnerstag, den 7. August 2008 Bearbeitungszeit:
MehrÜbungen zur Vorlesung Mathematik für Chemiker 1
Prof. Dr. D. Egorova Prof. Dr. B. Hartke Lösungen Aufgabe Übungen zur Vorlesung Mathematik für Chemiker WiSe 204/5 Blatt 2 0.-2..204 f( x) = f(x) = gerade f( x) = f(x) = ungerade 8 6 4 2. f ( x) = ( x
Mehr2.5 Lineare Differentialgleichungen n-ter Ordnung
2.5 Lineare Differentialgleichungen n-ter Ordnung Eine Dgl der Gestalt a n (x)y (n) +a n 1 (x)y (n 1) +...+a 2 (x)y +a 1 (x)y +a 0 (x)y = b(x) heißt lineare Dgl n-ter Ordnung. ( ) Dabei sind a 0, a 1,...,
MehrBrückenkurs Rechentechniken
Brückenkurs Rechentechniken Dr. Jörg Horst Technische Universität Dortmund Fakultät für Mathematik SS 2014 1 Vollständige Induktion Vollständige Induktion 2 Funktionenfolgen Punktweise Konvergenz Gleichmäßige
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
MehrVorlesung: Analysis I für Ingenieure
Vorlesung: Analysis I für Ingenieure Michael Karow Thema: Satz von Taylor Die Taylor-Entwicklung I Satz von Taylor. Sei f : R D R an der Stelle x n-mal differenzierbar. Dann gilt für x D, n f (k) (x )
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
Mehr(x a) 3 + f (a) 4! x 4 4! Wir werden im Folgenden vor allem Maclaurin-Reihen betrachten, dies alles funktioniert aber auch. f (x) = sin x f (0) = 0
Taylor-Reihen Einführung Mathematik GLF / 6 Christian Neukirchen Oft können wir bestimmte mathematische Funktionen nicht genau ausrechnen, besonders die trigonometrischen Funktionen wie, cos x, oder die
Mehr2004, 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
MehrWir halten in einem s t Diagramm das Anfahren eines Autos fest. Wir nehmen an, dass zwischen Weg und Zeit der einfache Zusammenhang
. Die Momentangeschwindigkeit eines Autos Wir halten in einem s t Diagramm das Anfahren eines Autos fest. Wir nehmen an, dass zwischen Weg und Zeit der einfache Zusammenhang s(t) = t gilt. Im s t Diagramm
MehrAlgebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen
Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch
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!)
MehrAngewandte Mathematik und Programmierung
Angewandte Mathematik und Programmierung Einführung in das Konzept der objektorientierten Anwendungen zu mathematischen Rechnens WS 2013/14 Oft können wir bestimmte mathematische Funktionen nicht genau
MehrMusterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2
Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die
Mehr13 Polynome und Nullstellen
60 II. Differentialrechnung 13 Polynome und Nullstellen Lernziele: Resultat: Zwischenwertsatz Methoden: Raten von Nullstellen, Euklidischer Algorithmus, Horner-Schema Kompetenzen: Bestimmung von Nullstellen
MehrProbe-Klausur 1 Mathematik f. Bau-Ing + Chem. Modul1
Probe-Klausur 1 Mathematik f. Bau-Ing + Chem. Modul1 1. (a) Lösen Sie das lineare Gleichungssystem für die Werte a = 1, b = 2. x + 3y + 2z = 0 2x + ay + 3z = 1 3x + 4y + z = b (b) Für welche Werte von
MehrSpline-Interpolation
Spline-Interpolation Tim Schmölzer 20 November 2009 Tim Schmölzer Spline-Interpolation 20 November 2009 1 / 38 Übersicht 1 Vorbemerkungen 2 Lösbarkeit des Interpolationsproblems 3 Stabilität der Interpolation
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
Mehr27 Taylor-Formel und Taylor-Entwicklungen
136 IV. Unendliche Reihen und Taylor-Formel 27 Taylor-Formel und Taylor-Entwicklungen Lernziele: Konzepte: klein o - und groß O -Bedingungen Resultate: Taylor-Formel Kompetenzen: Bestimmung von Taylor-Reihen
Mehr5 Interpolation und numerische Approximation
Numerik I 194 5 Interpolation und numerische Approximation 5.1 Polynominterpolation 5.2 Spline-Interpolation 5.3 Diskrete Fourier-Transformation 5.4 Schnelle Fourier-Transformation (FFT) 5.5 Eine Anwendung
MehrApproximationsverfahren für die Kurvendarstellung
Approximationsverfahren für die Kurvendarstellung (a) Bézier-Kurven spezielle Form polynomialer Kurven spezifiziert durch n+1 Kontrollpunkte P 0, P 1,..., P n Kurve läuft nicht durch alle Kontrollpunkte,
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
MehrMathematik für Informatik 3
Mathematik für Informatik 3 - ANALYSIS - Folgen, Reihen und Funktionen - Funktionen mehrerer Veränderlicher - Extremwertaufgaben - Normen und Approximationen - STATISTIK - WAHRSCHEINLICHKEITSRECHNUNG Literaturempfehlungen:
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)
MehrAnimation: Approximation von sin(x) durch Polynome 1-25.Grades
of 1 19/03/14 09:00 Taylorpolynome zurück Approximation durch Polynome höheren Grades Erklärung Bis jetzt haben wir Funktionen nur durch Polynome 1. und 2.Grades approximiert, nämlich durch die Tangentengerade
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 5. Juni 2016 Definition 5.21 Ist a R, a > 0 und a 1, so bezeichnet man die Umkehrfunktion der Exponentialfunktion x a x als
Mehr1.1 Denition und Eigenschaften von Polynomen. k=0 b kx k Polynome. Dann ist. n+m. c k x k, c k = k=0. f(x) + g(x) := (a k + b k )x k. k=0.
1 Polynome I 1.1 Denition und Eigenschaften von Polynomen Denition: Ein Polynom über einem Körper K ist ein Ausdruck der Form a 0 + a 1 x + a 2 x 2 +... + a n x n = a k x k mit a i K. Ist a n 0, so heiÿt
Mehr5 Randwertprobleme. y = f(t, y, y ) für t J, (5.2a) y(t 0 ) = y 0, y(t) = y T (5.2b) zu gegebener Funktion f und Werten y 0, y T.
5 Randwertprobleme Bei den bisher betrachteten Problemen handelte es sich um Anfangswertprobleme. In der Praxis treten, insbesondere bei Differentialgleichungen höherer Ordnung, auch Randwertprobleme auf.
MehrGanzrationale Funktionen
Eine Dokumentation von Sandro Antoniol Klasse 3f Mai 2003 Inhaltsverzeichnis: 1. Einleitung...3 2. Grundlagen...4 2.1. Symmetrieeigenschaften von Kurven...4 2.1.1. gerade Exponenten...4 2.1.2. ungerade
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
Mehr18 Elementare Funktionen
18 Elementare Funktionen 18.1 Polynome und rationale Funktionen Polynome und rationale Funktionen haben die angenehme Eigenschaft, dass man ihre Funktionswerte leicht, nämlich nur unter Verwendung der
MehrMathematik I. k=0 c k(x a) k bilden die Teilpolynome n k=0 c k(x a) k polynomiale Approximationen für die Funktion f
Prof. Dr. H. Brenner Osnabrück WS 2009/2010 Mathematik I Vorlesung 30 Zu einer konvergenten Potenzreihe f(x) = c k(x a) k bilden die Teilpolynome n c k(x a) k polynomiale Approximationen für die Funktion
MehrDifferentialrechnung algebraisch betrachtet
Differentialrechnung algebraisch betrachtet Franz Pauer Florian Stampfer Institut für Mathematik Universität Innsbruck Technikerstr. 13/7, A-6020 Innsbruck, Österreich franz.pauer@uibk.ac.at 1 Einleitung
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
MehrAnalysis I. 1. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Das Bild einer Abbildung F: L M. (2) Eine Cauchy-Folge
MehrMATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik MATHEMATIK 2 FÜR DIE STUDIENGÄNGE CHE- MIE UND LEBENSMITTELCHEMIE Differentialrechnung für Funktionen mehrerer
MehrFH Gießen-Friedberg, Sommersemester 2010 Skript 9 Diskrete Mathematik (Informatik) 30. April 2010 Prof. Dr. Hans-Rudolf Metz.
FH Gießen-Friedberg, Sommersemester 010 Skript 9 Diskrete Mathematik (Informatik) 30. April 010 Prof. Dr. Hans-Rudolf Metz Funktionen Einige elementare Funktionen und ihre Eigenschaften Eine Funktion f
Mehrur Ingenieure (Maschinenbau und Sicherheitstechnik) 2. Semester Apl. Prof. Dr. G. Herbort Dr. T. Pawlaschyk
Mathematik f ur Ingenieure (Maschinenbau und Sicherheitstechnik) 2. Semester Apl. Prof. Dr. G. Herbort Dr. T. Pawlaschyk www.math.uni-wuppertal.de/ herbort SoSe16 Arbeitsheft Blatt 1 Tutorium Hinweis:
MehrKontrollfragen zur Unterrichtsstunde
Kontrollfragen zur Unterrichtsstunde Frage 1: Das Newtonverfahren ist eine Methode zur Bestimmung A: der Extremstellen eines C: des Verhalten im Unendlichen. B: der Nullstellen eines D: der Fallzeit eines
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
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.
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
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrAufgabe Was wissen Sie über die Symmetrie ganzrationaler Funktionen?
R. Brinkmann http://brinkmann-du.de Seite 0.0.0 Lösungen VBKA Ganzrationale Funktionen I Zur Vorbereitung einer Klassenarbeit en: A A A A A A A4 A4 n n Was bedeutet: f(x) = a x + a x +... + a x + a x +
Mehr13. Funktionen in einer Variablen
13. Funktionen in einer Variablen Definition. Seien X, Y Mengen. Eine Funktion f : X Y ist eine Vorschrift, wo jedem Element der Menge X eindeutig ein Element von Y zugeordnet wird. Wir betrachten hier
MehrGleichungen und Ungleichungen
Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung
MehrGleichungen und Ungleichungen
Kapitel 3 Gleichungen und Ungleichungen Josef Leydold Auffrischungskurs Mathematik WS 2017/18 3 Gleichungen und Ungleichungen 1 / 58 Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme.
MehrGleichungen und Ungleichungen
Kapitel 3 Gleichungen und Ungleichungen Josef Leydold Auffrischungskurs Mathematik WS 2017/18 3 Gleichungen und Ungleichungen 1 / 58 Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme.
Mehr1. Beschreiben Sie folgende Zahlenmengen durch Markierung auf der Zahlengeraden, der Zahlenebene bzw. durch Aufzählen der Elemente:
Lösung 1. Übung Elemente der Algebra WS017/18 1. Beschreiben Sie folgende Zahlenmengen durch Markierung auf der Zahlengeraden, der Zahlenebene bzw. durch Aufzählen der Elemente: (e) {(x,y) IR 3x+4y 1}.
MehrMathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.
Technische Universität München WS 009/0 Fakultät für Mathematik Prof. Dr. J. Edenhofer Dipl.-Ing. W. Schultz Übung Lösungsvorschlag Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I Aufgabe
MehrREPETITORIUM DER HÖHEREN MATHEMATIK. Gerhard Merziger Thomas Wirth
REPETITORIUM DER HÖHEREN MATHEMATIK Gerhard Merziger Thomas Wirth 6 INHALTSVERZEICHNIS Inhaltsverzeichnis Fl Formelsammlung F2 Formelsammlung Alphabete 11 Zeichenindex 12 1 Grundbegriffe 14 1.1 Logische
Mehr