Kapitel 2. Nichtlineare Gleichungen. Bisektion Newton Fixpunktiterationen Algebraische Polynome
|
|
- Elizabeth Hofer
- vor 6 Jahren
- Abrufe
Transkript
1 Kapitel 2 Nichtlineare Gleichungen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/2 Nullstellen Häufiges Problem im Wissenschaftlichen Rechnen: Berechnen der Nullstellen einer Funktion f bzw. Wurzeln der Gleichung f(x) = 0 Berechnung der Nullstellen einer beliebigen Funktion in endlich vielen Schritten nicht möglich Ausnahme: Polynome von maximalen Grad 4 Lösungsverfahren daher iterativ Wähle einen oder mehrere Startwerte Erzeuge eine Folge von Werten x (k) Diese sollen gegen Nullstelle α von f konvergieren Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/3
2 Beispiel 1 Investmentfonds Gesucht: mittlere Zinsrate p eines Investmentfonds über mehrere Jahre Annahme: Laufzeit n Jahre, zu Beginn jeden Jahres investiere v Euro, am Ende des n-ten Jahres M Euro angesammelt Bei gleichmäßiger Verzinsung p wäre M gleich n M = v (1 + p) k = v 1 + p p [(1 + p)n 1] k=1 Das heißt: p ist die Wurzel der nichtlinearen Gleichung f(p) = 0, mit f(p) = M v 1 + p p [(1 + p)n 1] Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/4 Beispiel 2 Zustandsgleichung Zustandsgleichung eins (nicht-idealen) Gases Gesucht: Volumen V des Gases bei gegebener Temperatur T, Druck p und Anzahl der Moleküle des Gases N Zustandsgleichung (nach van der Waals): [p + a(n/v ) 2 ](V Nb) = knt mit a und b gasspezifische Konstanten, k Boltzmann-Konstante Nichtlineare Gleichung, Wurzel V Näherungs-/Startwert für Iterationen: Lösung der idealen Gasgleichung pv = nrt mit n = N/N A Molzahl, R allgemeine Gaskonstante, N A Avogadro-Zahl Werte der Konstanten: R = J/K mol, k = J/K, N A = /mol Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/5
3 Beispiel 3 Mechanik (Viergelenkgetriebe) Vier feste Achsen a 1,..., a 4 Berechne α in Abhängigkeit von β Es gilt (Freudenstein-Gleichung) a 1 cos(β) a 1 cos(α) cos(β α) a 2 a 4 = a2 1 + a2 2 a2 3 + a2 4 2a 2 a 4 Nur lösbar für bestimmte Werte von β Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/6 Bisektion Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/7
4 Das Bisektionsverfahren Gegeben: Funktion f auf [a, b] mit f(a)f(b) < 0 f hat (mindestens) eine Nullstelle in (a, b) Annahme: nur eine Nullstelle α im Intervall Strategie: Halbiere das Intervall in zwei Teilintervalle Wähle das Teilintervall in dem wieder f das Vorzeichen wechselt Folge von Intervallen [a, b] = I (0), I (1), I (2),... Jedes Intervall I (k) enthält die Nullstelle α Länge der Intervalle I (k) strebt gegen 0 Folge der Mittelpunkte x (k) konvergiert gegen α Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/8 Das Bisektionsverfahren Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/9
5 Der Algorithmus Algorithmus (Bisektion) Setze a (0) = a, b (0) = b I (0) = (a (0), b (0) ) x (0) = (a (0) + b (0) )/2 Für k 1 berechne das Teilintervall I (k) = (a (k), b (k) ) folgendermaßen: falls f(x (k 1) = 0, dann α = x (k 1), Ende falls f(a (k 1) )f(x (k 1) ) < 0, setze a (k) = a (k 1) und b (k) = x (k 1) falls f(x (k 1) )f(b (k 1) ) < 0, setze a (k) = x (k 1) und b (k) = b (k 1) Setze I (k) = (a (k), b (k) ), x (k) = (a (k) + b (k) )/2 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/10 Ein Beispiel Funktion f(x) = x 2 1 mit a (0) = 0.25 und b (0) = 1.25 Intervalle I (0) = ( 0.25, 1.25) I (0) = 1.5 x (0) = 0.5 I (1) = (0.5, 1.25) I (1) = 0.75 x (1) = I (2) = (0.875, 1.25) I (2) = x (2) = I (3) = (0.875, ) I (3) = x (3) = Jedes Intervall enthält die Nullstelle α = 1 In jedem Schritt halbiert sich die Breite I (k) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/11
6 Fehler und Abbruchbedingung In Schritt k ist die Breite des Intervalls I (k) = (1/2) k I (0) Für den Fehler e (k) gilt daher e (k) = x (k) α < 1 ( ) 1 k+1 2 I(k) = (b a) 2 Gegeben: Toleranz ɛ Fehler e (k) soll garantiert kleiner ɛ sein Minimale Anzahl Iterationen k min ( ) b a k min > log 2 ɛ Anzahl unabhängig von f 1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/12 Beispiel Lösen des Investmentfonds-Problems Annahmen: jährliche Investition v = 1000 Euro, nach n = 5 Jahren Kapital M = 6000 Euro >> f= inline ( M-v *(1+ I ).*((1+ I ).^5-1)./ I, I, M, v ); >> fplot (f,[0.01,0.3],[],[],[],6000,1000); grid on; Plot zeigt Nullstelle in [0.01, 0.1] Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/13
7 Beispiel Ausführen des Programms bisection (siehe Vorlesungs-Webseite) (... bedeutet Fortsetzung des Befehls in der nächsten Zeile) >> [zero,res, niter ]=... bisection (f,0.01,0.1,1.e -12,1000,6000,1000) zero = res = e -09 niter = 36 Konvergiert in 36 Iterationen gegen (Zinsrate 6.14%) Übereinstimmung mit k min > log 2 (( )/10 12 ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/14 Newton Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/15
8 Das Newton-Verfahren Bisektionsverfahren berücksichtigt nicht den Verlauf von f nur Vorzeichenwechsel an den Grenzen der Intervalle Newton-Verfahren: verwendet weitere Informationen über f Tangente an die Kurve (x, f(x)) im Punkt x (k) y k (x) = f(x (k) ) + f (x (k) )(x x (k) ) Suche Schnittpunkt der Tangente mit der x-achse d.h. suche x (k+1), so dass y k (x (k+1) ) = 0 wenn f (x (k) ) 0 x (k+1) = x (k) f(x(k) ) f (x (k) ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/16 Das Newton-Verfahren Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/17
9 Konvergenz Wenn f linear (d.h. f(x) = a 1 x + a 0 ), Konvergenz in einem Schritt Sonst: Konvergenz nicht garantiert für jedes x 0 nur wenn x 0 genügend nahe bei α Problem: α gesucht/noch unbekannt graphische Analyse/Bisektion für Anfangswert benutzen Wenn x 0 geeignet gewählt ist und α einfach Nullstelle (d.h. f (α) 0) gilt: lim k x (k+1) α ( x (k) α ) 2 = f (α) 2f (α) Newton-Verfahren konvergiert quadratisch Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/18 Modifiziertes Newton-Verfahren Bei mehrfachen Nullstellen (Vielfachheit m > 1): Newton-Verfahren konvergiert nur noch einfach Modifiziertes Newton-Verfahren (m muss bekannt sein) x (k+1) = x (k) m f(x(k) ) f (x (k) ) Verfahren wieder von Ordnung 2 m unbekannt adaptives Newton-Verfahren Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/19
10 Modifiziertes Newton-Verfahren Beispiel: Funktion f(x) = (x 1) log(x) Nullstelle bei α = 1, Vielfachheit m = 2 Berechnung: Normales (gestrichelt) und modifiziertes (durchgezogen) Newton-Verfahren horizontal: Anzahl Iterationen vertikal: absoluter Fehler Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/20 Abbruchkriterien Newton-Verfahren liefert α exakt erst nach unendlich vielen Iterationen Ausreichend: α bis auf Toleranz ɛ bestimmen Abbruch des Algorithmus nach k min Iterationen, wenn e (k min) = α x (k min) < ɛ Fehler e (k) nicht bekannt abschätzen über vorhandene/leicht zu berechnende Werte Fehlerschätzer für das Newton-Verfahren: Differenz zweier aufeinanderfolgender Iterierter x (k min) x (k min 1) < ɛ Gutes Kriterium für einfache Nullstellen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/21
11 Residuum Häufiger Fehlerschätzer: Residuum r (k) = f(x (k) ) Abbruch nach k min Iterationen wenn f(x (k min) ) < ɛ Genaue Fehlerschätzung nur bei linearem Verhalten von f bei α Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/22 Zusammenfassung Berechnung der Nullstellen einer Funktion erfolgt im allgemeinen mit iterativen Verfahren Bisektionsverfahren erzeugt eine Folge von Intervallen, Länge der Intervalle wird nach jeder Iteration halbiert konvergiert wenn f stetig ist und verschiedene Vorzeichen hat Newton-Verfahren effizienter: es werden auch Funktionswerte und erste Ableitung verwendet konvergiert nur für Startwerte genügend nah an der Nullstelle Konvergenz des Newton-Verfahrens: quadratisch bei einfachen Nullstellen, sonst linear Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/23
12 Fixpunktiterationen Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/24 Fixpunktiterationen Beispiel: wiederholte Anwendung der Cosinus-Funktion auf dem Taschenrechner Taste: 1 Anzeige: 1 Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Taste: cos Anzeige: Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/25
13 Fixpunktiterationen Folge konvergiert gegen Es gilt Grenzwert α erfüllt cos(α) = α Fixpunkt der Cosinus-Funktion x (k+1) = cos(x (k) ) Gegenbeispiel: Exponentialfunktion e x Starte mit x 0 = 1 Nach nur 4 Schritten Overflow Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/26 Fixpunktiterationen Quelle: A. Quarteroni, F. Saleri Links: φ(x) = cos(x) besitzt einen Fixpunkt Rechts: φ(x) = e x dagegen nicht Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/27
14 Fixpunktiterationen Funktion φ : [a, b] R gebeben. Finde α [a, b], so dass α = φ(α) α Fixpunkt von φ (wenn α existiert) α ist Grenzwert der Folge x (k+1) = φ(x (k+1) ) mit Startwert x 0 Algorithmus heißt Fixpunktiteration, φ Iterationsfunktion Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/28 Beispiele für Fixpunktiterationen Eingangsbeispiel: φ(x) = cos(x) Newton-Verfahren: Iterationsfunktion φ(x) = x f(x) f (x) Bezeichnung φ N (N für Newton) Bisektionsverfahren ist keine Fixpunktiteration, denn: x (k+1) hängt auch von x (k 1) ab (Aber: kann als Fixpunktiteration mit φ : R 2 R 2 betrachtet werden. Nicht in dieser Vorlesung!) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/29
15 Geometrische Interpretation Fixpunktiteration Quelle: A. Quarteroni, F. Saleri Links: Fixpunktiteration konvergiert gegen α Rechts: Fixpunktiteration ist divergent, da Φ (α) > 1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/30 Konvergenz Satz (2.1) Die Iterationsfunktion φ : [a, b] R erfülle folgende Eigenschaften 1 φ(x) [a, b] für alle x [a, b] 2 φ ist in [a, b] differenzierbar 3 K < 1, so dass φ (x) K für alle x [a, b] Dann besitzt φ genau einen Fixpunkt α [a, b] und die Folge x (k+1) = φ(x (k) ) (k 0) konvergiert gegen α, unabhängig von der Wahl des Startwertes x (0) aus [a, b]. Überdies gilt x (k+1) α lim k x (k) α = φ (α) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/31
16 Konvergenz Folgerung: Fixpunktiterationen konvergieren mindestens linear Beispiel: φ(x) = cos(x) erfüllt auf [0, 1] alle Eigenschaften von Satz 2.1: 1 φ(x) [0, 1] 2 φ ist auf [0, 1] differenzierbar 3 φ (x) = sin(x) < sin(1) 0.85 Gegenbeispiel: Die Funktion φ(x) = x 2 1 erfüllt die Voraussetzungen nicht, denn: In jeder Umgebung der Fixpunkte α ± = (1 + ± 5)/2 wird Eigenschaft 3 verletzt, da φ (α ± ) = 1 ± 5 > 1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/32 Quadratische Konvergenz Satz (2.2) Es gelten die Voraussetzungen aus Satz 2.1. Falls φ außerdem zweimal differenzierbar und φ (α) = 0, φ (α) 0, ist, dann konvergiert das Fixpunktverfahren mit Ordnung 2 und es ist lim k x (k+1) α (x (k) α) 2 = 1 2 φ (α). Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/33
17 Quadratische Konvergenz Beispiel: Newton-Verfahren φ N (x) = x f(x) f φ (x) N(x) = f(x)f (x) f (x) 2 Wenn f (α) 0 φ N (α) 0 quadratische Konvergenz Wenn f (α) = 0 und f (α) 0 lim x α φ N (x) = 1/2 0 lineare Konvergenz Allgemein: wenn erst die m-te Ableitung ungleich Null ist: lim x α φ N (x) = (m 1)/m 0 (Folgt aus m-facher Anwendung der Regel von l Hôpital) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/34 Beispiele für Fixpunktiterationen Iterationsfunktion φ ist für eine gegebene Funktion f nicht eindeutig Beispiel: Lösung der Gleichung log(x) = γ Mögliche Iterationsfunktionen: Newton (f(x) = log(x) γ): φ N (x) = x(1 log(x) + γ) Addiere mit x: φ 1 (x) = x + log(x) γ Multipliziere mit x/γ: φ 2 (x) = x log(x)/γ Für γ = 2 konvergieren φ N und φ 2 φ 1 nicht, da φ 1 (α) > 1 Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/35
18 Abbruch der Fixpunktiteration Abbruch sobald Differenz zweier Iterierter kleiner als Toleranz ɛ Abschätzung für den Fehler α x (k) 1 Aus Mittelwertsatz und φ(α) = α und φ(x (k) ) = x (k+1) ) folgt: 2 Benutze die Identität: 3 Durch einsetzen folgt: α x (k+1) = φ(α) φ(x (k) ) = φ (ξ)(α x (k) ) α x (k+1) = (α x (k) ) (x (k+1) x (k) ) α x (k) = (x (k+1) x (k) )/(1 φ (ξ)) Wenn in Umgebung von α gilt: φ (x) 0 x (k+1) x (k) guter Fehlerschätzer Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/36 Abbruch der Fixpunktiteration Abschätzung ungenau, wenn φ nahe bei 1 Beispiel: (nicht modifiziertes) Newton-Verfahren bei mehrfacher Nullstelle f(x) = (x 1) m 1 log(x) α = 1 ist m-fache Nullstelle, und φ N (α) = 1 1/m Im Graph (1) m = 11 und (2) m = 21 Durchgezogen: Echter Fehler Gestrichelt: Geschätzter Fehler Fehlerschätzer für kleineres m (kleineres φ ) besser Quelle: A. Quarteroni, F. Saleri Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/37
19 Aitken-Verfahren Beschleunigung der Konvergenz von Fixpunktiterationen Annahme: die Folge x (k+1) = φ(x (k) ) konvergiert linear gegen den Fixpunkt α Für festes k gibt es ein λ, so dass φ(x (k) ) α = λ(x (k) α) Idee des Aitken-Verfahren: Wähle als x (k+1) eine bessere Approximation für α als φ(x (k) ) Auflösen der Gleichung nach α liefert α = φ(x(k) ) λx (k) 1 λ = x (k) + φ(x(k) ) x (k) 1 λ Problem: λ ist unbekannt. Gute Approximation? Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/38 Aitken-Verfahren Als Approximation für λ benutze die Folge λ (k) = φ(φ(x(k) )) φ(x (k) ) φ(x (k) ) x (k) Falls die Folge von Elementen x (k+1) = φ(x (k) ) gegen α konvergiert, dann ist lim k λ (k) = φ (α). (Beweis: siehe Quarteroni S. 52) Transformierte Folge wird damit: x (k+1) = x (k) (φ(x (k) ) x (k) ) 2 φ(φ(x (k) )) 2φ(x (k) ) + x (k) Extrapolationsformel von Aitken, manchmal auch Steffensen-Verfahren genannt Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/39
20 Aitken-Verfahren Satz Sei x (k) = φ(x (k) ) eine Fixpunktiteration mit φ(x) = x f(x) zur Approximation der Wurzeln von f. Falls f genügend glatt ist, gilt: Falls die Fixpunktiteration linear gegen eine einfache Wurzel α von f konvergiert, dann konvergiert das Aitken-Verfahren quadratisch gegen α. Falls die Fixpunktiteration mit Ordnung p 2 gegen eine einfache Wurzel α von f konvergiert, dann konvergiert das Aitken-Verfahren mit Ordnung 2p 1 gegen α. Falls die Fixpunktiteration linear gegen eine m-fache Wurzel α von f konvergiert (m 2), dann konvergiert das Aitken-Verfahren linear gegen α mit Konvergenzfaktor C = 1 1/m. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/40 Aitken-Verfahren Gesucht: Nullstellen der Funktion x cos(x), Iterationsfunktion φ(x) = cos(x) Einfache Nullstelle bei α = Einfache Iteration (gestrichelt): langsame (aber gleichmäßige) Konvergenz Aitken-Verfahren (durchgezogen): sehr schnelle Konvergenz bis 10 10, dann Oszillation durch Rundungsfehler Quelle: eigenes Bild Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/41
21 Iterationsverfahren - Zusammenfassung Eine Zahl α, für die φ(α) = α, heißt Fixpunkt der Funktion φ. Zu dessen Berechnung wendet man iterative Verfahren der Art x (k+1) = φ(x (k) ) an, die Fixpunktiterationen genannt werden; Die Fixpunktiterationen konvergieren unter bestimmten Bedingungen an φ und deren erste Ableitung. Normalerweise ist die Konvergenz linear, quadratisch, falls φ(α) = 0; Mit Fixpunktiterationen kann man auch die Nullstellen einer Funktion f berechnen; Ist eine Fixpunktiteration x (k+1) = φ(x (k) ), eventuell auch eine nicht konvergente, gegeben, dann kann man mit dem Aitken-Verfahren stets eine neue Fixpunktiteration konstruieren. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/42 Algebraische Polynome Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/43
22 Algebraische Polynome Betrachte Polynome vom Grad n 0 der Form n p n (x) = a k x k k=0 Menge der Polynome vom Grad n: P n Koeffizienten sind reell: a k R Wurzel α komplex komplex Konjugierte ᾱ auch Wurzel von p n Für n 5 keine explizite Formel zur Berechnung der Nullstellen (Satz von Abel) (Auch für n = 3, 4 Berechnung nicht einfach) numerisches Verfahren zur Nullstellenberechnung wichtig gute Startwerte x 0 oder Suchintervall [a, b] Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/44 Vorzeichenregel von Descartes Satz (2.3, Vorzeichenregel von Descartes) Sei p n P n. Bezeichnen wir mit ν die Anzahl der Vorzeichenwechsel in der Menge der Koeffizienten α j und mit k die Anzahl der reellen positiven Wurzeln von p n, jede mit ihrer Vielfachheit gezählt. Dann ist k ν und ν k gerade. Beispiel: p 6 (x) = x 6 2x 5 + 5x 4 6x 3 + 2x 2 + 8x 8 Nullstellen sind: {±1, ±2i, 1 ± i} davon eine reelle Wurzel: k = 1 Anzahl der Vorzeichenwechsel: ν = 5 Es gilt somit: k ν und ν k = 4 gerade Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/45
23 Satz von Cauchy Satz (2.4, Satz von Cauchy) Alle Nullstellen von p n sind im Kreis Γ der komplexen Ebene enthalten, wobei Γ = {z C : z 1 + η} η = max a k/a n 0 k n 1 Beispiel: p 6 (x) = x 6 2x 5 + 5x 4 6x 3 + 2x 2 + 8x 8 Es gilt : η = a 0 /a 6 = 8 Kreis sehr groß im Vergleich zu den tatsächlichen Wurzeln Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/46 Horner-Schema Zweck: effiziente Auswertung eines Polynoms Normale Darstellung eines Polynoms aus P n p n (x) = a 0 + a 1 x + a 2 x a n x n Äquivalente Darstellung im Horner-Schema p n (x) = a 0 + x(a 1 + x(a x(a n 1 + a n x) )) Für festes x hier: n Additionen, n Multiplikationen In normaler Darstellung: n Additionen, 2n 1 Multiplikationen Weitere Anwendungen (später): Berechnung von Ableitungen, Polynomdivision Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/47
24 Horner-Schema Algorithmus zur Auswertung des Polynoms an der Stelle z mittels Horner-Schema: synthetischer Divisionsalgorithmus b n = a n, b k = a k + b k+1 z, k = n 1, n 2,..., 0 Koeffizienten b k hängen von z ab und es gilt: b 0 = p n (z) Definiere über die Koeffizienten b k q n 1 (x; z) = b 1 + b 2 x + + b n x n 1 = das zu p n assoziierte Polynom vom Grad n 1 n 1 k=0 b k+1 x k Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/48 Implementierung des Horner-Verfahrens function [y,b] = horner (a,z) % HORNER das Horner - Verfahren % Y= HORNER (A,Z) berechnet % Y = A (1)* Z^N + A (2)* Z^(N -1) +... % + A(N)*Z + A(N +1) % mit dem synthetischen Divisionsalgorithmus % von Horner. n = length (a) -1; b = zeros (n +1,1); b (1) = a (1); for j =2: n+1 b(j) = a(j)+b(j -1)* z; end y = b(n +1); b = b (1: end -1); Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/49
25 Polynomdivision Satz (Polynomdivision) Zu zwei gegebenen Polynomen p n P n und d m P m mit m n gibt es ein eindeutiges Polynom q P n m und ein eindeutiges Polynom r P m 1, so dass p n (x) = d m (x)q(x) + r(x). Beispiel: p 3 (x) = 6x 3 x 2 + 3x 4 dividiert durch d 2 (x) = 3x 2 2x + 1 ergibt Quotient q(x) = 2x + 1 und Rest r(x) = 3x 5. Wird gebraucht zur (sukzessiven) Nullstellensuche. Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/50 Polynomdivision mit dem Horner-Verfahren Sei p n (x) gegeben und d 1 (x) = x z. Dann gilt wobei b 0 = p n (z) und p n (x) = b 0 + (x z)q n 1 (x; z) q n 1 (x; z) = b 1 + b 2 x + + b n x n 1 k das assoziierte Polynom aus dem Horner-Schema ist. Wird ersichtlich, wenn man die Polynomdivision ausführt exakt die gleichen Schritte wie im Horner-Schema Ist z Nullstelle von p n gilt b 0 = 0 Dann: p n (x) = (x z)q n 1 (x; z) und q n 1 (x; z) liefert die verbleibenden n 1 Wurzeln Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/51
26 Idee zur Wurzelbestimmung Idee: Reduktionsverfahren zur Bestimmung aller Wurzeln von p n : Für m = n, n 1, finde mit einer geeigneten Approximationsmethode eine Wurzel r m von p m 2 berechne q m 1 (x; r m ) mit (d.h. setze z = r m ) 3 setze p m 1 = q m 1. Approximation der Wurzeln mit Newton-Verfahren Newton-Horner-Verfahren Vorteil der Kombination beider Verfahren: vom Newton-Verfahren benötigte Ableitung p n kann effizient durch das Horner-Schema berechnet werden Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/52 Newton-Horner-Verfahren Ableitung von p n (x) = b 0 + (x z)q n 1 (x; z) nach x: somit (setze x = z) p n(x) = q n 1 (x; z) + (x z)q n 1(x; z) p n(z) = q n 1 (z; z) Newton-Verfahren zur Bestimmung der Wurzel r j hat daher folgende Form: r (k+1) j = r (k) j p n(r (k) j ) p n(r (k) j ) = r(k) j p n (r (k) j ) q n 1 (r (k) j ; r (k) j ) Wenn konvergiert: Reduktionsschritt p n 1 (x) = q n 1 (x; r j ) Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/53
27 Newton-Horner-Verfahren Hinweise zur Implementierung: Berechnung von p n (x) mit [px,b] = horner(a,x), Koeffizienten von p n in a Berechnung von p n(x) = q n 1 (x; x) mit dpx = horner(b,x), Koeffizienten von p n in b (aus dem vorigen Schritt) Newton-Schritt: xnew = x - px/dpx Reduktionsschritt: [px,a]=horner(a,x) (wichtig ist vom Resultat nur a, die Koeffizienten des reduzierten Polynoms) Das Newton-Verfahren findet bei reellem Startwert nur reelle Wurzeln, Abhilfe mit komplexem Startwert, beispielsweise rand+1i*rand Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/54 Implementierung (Auszug aus newtonhorner.m) for k = 1: n % Newton - Iterationen niter = 0; x = x0; diff = tol + 1; while niter <= kmax && diff >= tol [px,b] = horner (a,x); dpx = horner (b,x); xnew = x - px/dpx ; diff = abs (xnew -x); niter = niter + 1; x = xnew ; end % Reduktion [px,a] = horner (a,x); wurzeln (k) = x; iter (k) = niter ; end Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/55
28 Attraktionsbereiche komplexer Wurzeln Anziehungsbereiche der Wurzeln von p 5 (z) = z 5 1 für das Newton-Verfahren. Abbildung: Einfärbung der komplexen Ebene gleichfarbige Punkte konvergieren zur selben Wurzel Die Wurzeln selbst sind in den Zentren der farbigen Bereiche. Attraktionsbereiche sind fraktal Bestimmung geeigneter Startwerte kann schwierig sein. Quelle: Wikipedia Prof. R. Leithner, E. Zander Einführung in numerische Methoden für Ingenieure 2/56
Nichtlineare Gleichungen
Nichtlineare Gleichungen Ein wichtiges Problem in der Praxis ist die Bestimmung einer Lösung ξ der Gleichung f(x) =, () d.h. das Aufsuchen einer Nullstelle ξ einer (nicht notwendig linearen) Funktion f.
MehrNäherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.
3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1)
MehrNichtlineare Gleichungssysteme
Nichtlineare Gleichungssysteme Jetzt: Numerische Behandlung nichtlinearer GS f 1 (x 1,..., x n ) =0. f n (x 1,..., x n ) =0 oder kurz f(x) = 0 mit f : R n R n Bemerkung: Neben dem direkten Entstehen bei
MehrNullstellenberechnung von nichtlinearen Funktionen
Kapitel 3 Nullstellenberechnung von nichtlinearen Funktionen In dieser Vorlesung wird nur die Nullstellenberechnung reeller Funktionen einer reellen Variablen f : R R betrachtet. Man nennt die Nullstellen
Mehr6. Iterationsverfahren. Fixpunktiteration. 6.Iterationsverfahren: Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16
6. Iterationsverfahren Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16 Beispiel: Ausbreitung eines Grippevirus in einem Kindergarten Zeitpunkt t 0 t 1 t 2 t 3 t 4 t 5 Anteil kranker
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 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. Februar 2014 Gliederung Wiederholung: Gleichungstypen, Lösungsverfahren Grundprinzip
MehrNullstellen von algebraischen Gleichungen
Kapitel 2 Nullstellen von algebraischen Gleichungen 2.1 Vorbemerkungen Suche Lösung der Gleichung f(x) = 0 (2.1) Dies ist die Standardform für eine Dimension. - typisch nichtlineare Gleichung, sonst elementar
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
Mehr3 Nichtlineare Gleichungssysteme
3 Nichtlineare Gleichungsssteme 3.1 Eine Gleichung in einer Unbekannten Problemstellung: Gegeben sei die stetige Funktion f(). Gesucht ist die Lösung der Gleichung f() = 0. f() f() a) f ( ) 0 b) f ( )
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV 6.8.005 1 Aufgabe N1 Gegeben seien A = 5-10 -5-10 8-10 -5-10 13 R 3 3 und b = a) Überprüfen Sie, ob die Matrix A positiv definit ist. b) Bestimmen
MehrRechenoperationen mit Folgen. Rekursion und Iteration.
Rechenoperationen mit Folgen. Die Menge aller Folgen in V bildet einen Vektorraum, V N, für den die Addition und skalare Multiplikation wie folgt definiert sind. (a n ) n N + (b n ) n N := (a n + b n )
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
MehrDer Satz von Taylor. Kapitel 7
Kapitel 7 Der Satz von Taylor Wir haben bereits die Darstellung verschiedener Funktionen, wie der Exponentialfunktion, der Cosinus- oder Sinus-Funktion, durch unendliche Reihen kennen gelernt. In diesem
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
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 25. Februar 2010 Newton- Gliederung Newton-, ng Newton- , Fragenliste Nichtlineare Gleichungen
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
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,?
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.
MehrKapitel 4: Nichtlineare Nullstellenprobleme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik (SS
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
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
MehrZiel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.
6.4 Fixpunkt-Iteration Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0. Möglichkeiten: Bisektionsverfahren (Intervallhalbierung) Newton-Verfahren, x k+1 = x k f(x k) f (x k ) für k = 0, 1,
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
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
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
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
Mehr5 Numerische Iterationsverfahren
In diesem Kapitel besprechen wir numerische Iterationsverfahren (insbesondere Fixpunktverfahren) als eine weitere Lösungsmethode zur Lösung von linearen Gleichungssystemen (Kapitel 4) sowie zur Lösung
MehrÜbungen 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
MehrMitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester
Mitschrift Mathematik, Vorlesung bei Dan Fulea, 2. Semester Christian Nawroth, Erstellt mit L A TEX 23. Mai 2002 Inhaltsverzeichnis 1 Vollständige Induktion 2 1.1 Das Prinzip der Vollstandigen Induktion................
MehrÜbungen zu Einführung in die Analysis
Übungen zu Einführung in die Analysis (Nach einer Zusammengestellung von Günther Hörmann) Sommersemester 2011 Vor den folgenden Aufgaben werden in den ersten Wochen der Übungen noch jene zur Einführung
MehrModulprüfung Numerische Mathematik 1
Prof. Dr. Klaus Höllig 18. März 2011 Modulprüfung Numerische Mathematik 1 Lösungen Aufgabe 1 Geben Sie (ohne Beweis an, welche der folgenden Aussagen richtig und welche falsch sind. 1. Die Trapezregel
MehrAnalysis I Lösung von Serie 14. Um die Inhomogene DGl zu lösen, müssen wir partikuläre Lösungen finden. (a) Wir machen den Ansatz:
d-infk Lösung von Serie 4 FS 07 4.. Inhomogene Lineare Differentialgleichungen Das charakteristische Polynom der homogenen DGl y (4) + y + y = 0 ist λ 4 + λ + = (λ + ). Seine Wurzeln sind ±i und jede hat
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
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
MehrFolgen, Reihen, Grenzwerte u. Stetigkeit
Folgen, Reihen, Grenzwerte u. Stetigkeit Josef F. Bürgler Abt. Informatik HTA Luzern, FH Zentralschweiz HTA.MA+INF Josef F. Bürgler (HTA Luzern) Einf. Infinitesimalrechnung HTA.MA+INF 1 / 33 Inhalt 1 Folgen
MehrFolgen und Reihen Folgen
Folgen und Reihen 30307 Folgen Einstieg: Wir beginnen mit einigen Beispielen für reelle Folgen: (i),, 4, 8, 6, (ii) 4,, 6, 3, 7, (iii) 0,,,, 3,, (iv), 3, 7,,, Aufgabe : Setzt die Zahlenfolgen logisch fort
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
Mehr6. 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
MehrKapitel 5. Lösung nichtlinearer Gleichungen
Kapitel 5. Lösung nichtlinearer Gleichungen 5.1 Nullstellen reeller Funktionen, Newton-Verfahren 5.2 Das Konvergenzverhalten iterativer Verfahren 5.3 Methode der sukzessiven Approximation 5.4 Das Newton-Verfahren
MehrA 1 A 2 A 3 A 4 A 5 A 6 A 7
Institut für Geometrie und Praktische Mathematik Numerisches Rechnen für Informatiker WS 7/8 Prof. Dr. H. Esser J. Grande, Dr. M. Larin Klausur Numerisches Rechnen für Informatiker Hilfsmittel: keine (außer
MehrNEXTLEVEL im WiSe 2011/12
Fachbereich Mathematik der Universität Hamburg Dr. H. P. Kiani NEXTLEVEL im WiSe 2011/12 Vorlesung 5, Teil 2 Linearisierung, einige Eigenschaften differenzierbarer Funktionen Die ins Netz gestellten Kopien
Mehr1 Folgen und Stetigkeit
1 Folgen und Stetigkeit 1.1 Folgen Eine Folge ist eine durchnummerierte Zusammenfassung von reellen Zahlen. Sie wird geschrieben als (a 1, a 2, a 3,...) = (a n ) n N. Es ist also a n R. Der Index n gibt
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
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 )
Mehr7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)
Technische Universität München Zentrum Mathematik, M1 Prof. Dr. Boris Vexler Dr. Ira Neitzel Dipl.-Math. Alana Kirchner 7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012) Diese Auswahl
Mehr10 Differenzierbare Funktionen
10 Differenzierbare Funktionen 10.1 Definition: Es sei S R, x 0 S Häufungspunkt von S. Eine Funktion f : S R heißt im Punkt x 0 differenzierbar, wenn der Grenzwert f (x 0 ) := f(x 0 + h) f(x 0 ) lim h
MehrKapitel 16 : Differentialrechnung
Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
Mehrf(x 0 ) = lim f(b k ) 0 0 ) = 0
5.10 Zwischenwertsatz. Es sei [a, b] ein Intervall, a < b und f : [a, b] R stetig. Ist f(a) < 0 und f(b) > 0, so existiert ein x 0 ]a, b[ mit f(x 0 ) = 0. Wichtig: Intervall, reellwertig, stetig Beweis.
MehrNumerische Ableitung
Numerische Ableitung Die Ableitung kann angenähert werden durch den Differentenquotient: f (x) f(x + h) f(x) h oder f(x + h) f(x h) 2h für h > 0, aber h 0. Beim numerischen Rechnen ist folgendes zu beachten:
MehrDynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29
Dynamische Systeme und Zeitreihenanalyse Komplexe Zahlen Kapitel 3 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.0/29 Motivation Für die
MehrAnalysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS.
Analysis III für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Teil I Rückblick auf das letzte Semester Fakultät für Mathematik, Informatik und Naturwissenschaften
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler. (a) Bestimmen Sie die kartesische Form von Wintersemester 7/8 (..8) z = ( + i)( i) + ( + i). (b) Bestimmen Sie sämtliche komplexen Lösungen
MehrBeispiel: Bestimmung des Werts 3 2 ( 2 1, 4142) Es gilt 3 1,41 = 3 141/100 = , 707. Es gilt 3 1,42 = 3 142/100 = , 759.
(4) Exponential- und Logarithmusfunktionen Satz Für jedes b > 1 gibt es eine eindeutig bestimmte Funktion exp b : R R + mit folgenden Eigenschaften. exp b (r) = b r für alle r Q Die Funktion exp b ist
MehrAufgabensammlung zur Analysis 1
Analysis 1 18.12.2017 Prof. Dr. H. Koch Dr. F. Gmeineder Abgabe: Keine Abgabe. Aufgabensammlung zur Analysis 1 Anmerkungen: Das vorliegende Blatt enthält eine Auswahl von Aufgaben, die auf Klausuren zur
MehrETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld
ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld Bitte wenden! 1. Die unten stehende Figur wird beschrieben durch... (a) { (x, y) R 2 x + y 1 }. Richtig! (b) { (x,
MehrMathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf. Probeklausur
Mathematisches Institut der Universität Heidelberg Prof. Dr. E. Freitag /Thorsten Heidersdorf Probeklausur Diese Probeklausur soll a) als Test für euch selber dienen, b) die Vorbereitung auf die Klausur
MehrA1-1 Kubische Gleichung
A1-1 Kubische Gleichung Wir betrachten das kubische Polynom p(x) = x 3 + a 2 x 2 + a 1 x + a 0, x R bzw. die kubische Gleichung mit reellen Koeffizienten a 0, a 1 und a 2. x 3 + a 2 x 2 + a 1 x + a 0 =
MehrProbeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen
MATHEMATISCHES INSTITUT SoSe 24 DER UNIVERSITÄT MÜNCHEN Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen Musterlösung Prof. Dr. P. Pickl Aufgabe Zeigen Sie, dass
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrThema 5 Differentiation
Thema 5 Differentiation Definition 1 Sei f : D R. Dann ist f im Punkt x 0 differenzierbar, falls f(x) f(x 0 ) x x 0 x x 0 auf der Menge D \ {x 0 } existiert. Der Limes ist dann die Ableitung von f im Punkt
MehrRekursionen (Teschl/Teschl 8.1/8.2)
Rekursionen (Teschl/Teschl 8.1/8.2) treten in vielen Algorithmen auf: Eine Rekursion ist eine Folge von Zahlen a 0, a 1, a 2,.., bei der jedes a n aus seinen Vorgängern berechnet wird: Beispiele a n =
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
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
MehrÜbungen zur Funktionentheorie
Mathematisches Institut SS 29 Universität München Prof. Dr. M. Schottenloher C. Paleani M. Schwingenheuer A. Stadelmaier Übungen zur Funktionentheorie Lösungen zu Übungsblatt. Sei fz) = z ) z 2) 2 eine
MehrVorlesung Mathematik 2 für Ingenieure (Sommersemester 2016)
1 Vorlesung Mathematik 2 für Ingenieure (Sommersemester 216) Kapitel 11: Potenzreihen und Fourier-Reihen Prof. Miles Simon Nach Folienvorlage von Prof. Dr. Volker Kaibel Otto-von-Guericke Universität Magdeburg.
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
MehrSBP Mathe Aufbaukurs 3. Imaginäre und komplexe Zahlen. Komplexe Zahlen in der Gaußschen Zahlenebene. Darstellungen komplexer Zahlen.
SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das Lernen mit Lernkarten
MehrSBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf. SBP Mathe Aufbaukurs 3
SBP Mathe Aufbaukurs 3 # 0 by Clifford Wolf SBP Mathe Aufbaukurs 3 # 0 Antwort Diese Lernkarten sind sorgfältig erstellt worden, erheben aber weder Anspruch auf Richtigkeit noch auf Vollständigkeit. Das
MehrTheorie und Praxis geometrischer Algorithmen
0/36 Theorie und Praxis geometrischer Algorithmen Isolierende Intervalle: Sturmsche Ketten Rico Philipp Motivation 1/36 Was ist eine Sturmsche Kette? Wie berechnet man diese? Durch welche Eigenschaften
MehrAnalysis I. 3. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 3. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine Abbildung F von einer Menge L in eine
Mehrdx nf(x 0). dx f(n 1) (x 0 ) = dn
4.3. Höhere Ableitungen, Konveität, Newtonverfahren 65 4.3 Höhere Ableitungen, Konveität, Newtonverfahren Ist f:i R differenzierbar auf einem Intervall I, so erhalten wir eine neue Funktion auf I, nämlich
MehrDas Trust-Region-Verfahren
Das Trust-Region-Verfahren Nadine Erath 13. Mai 2013... ist eine Methode der Nichtlinearen Optimierung Ziel ist es, das Minimum der Funktion f : R n R zu bestimmen. 1 Prinzip 1. Ersetzen f(x) durch ein
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
MehrStetigkeit von Funktionen
Stetigkeit von Funktionen Definition. Es sei D ein Intervall oder D = R, x D, und f : D R eine Funktion. Wir sagen f ist stetig wenn für alle Folgen (x n ) n in D mit Grenzwert x auch die Folge der Funktionswerte
MehrKapitel 4 Folgen, Reihen & Funktionen
Kapitel 4 Folgen, Reihen & Funktionen Inhaltsverzeichnis FOLGEN REELLER ZAHLEN... 3 DEFINITION... 3 GRENZWERT... 3 HÄUFUNGSPUNKT... 4 MONOTONIE... 4 BESCHRÄNKTHEIT... 4 SÄTZE... 4 RECHNEN MIT GRENZWERTEN...
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS2/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrAnalysis I. 7. Beispielklausur mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 7. Beispielklausur mit en Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Eine surjektive Abbildung f: L M. () Ein archimedisch
MehrZahlen 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
MehrNumerisches 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:
MehrZWEITE KLAUSUR zur Numerik I mit Lösungen. Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE FELIX LIEDER DR. GEORG JANSING.9.7 ZWEITE KLAUSUR zur Numerik I mit Lösungen Bitte folgende Angaben ergänzen und DEUTLICH LESBAR in Druckbuchstaben schreiben:
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
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.
Mehre x e x x e x + e x (falls die Grenzwerte existieren), e x e x 1 e 2x = lim x 1
Aufgabe a Hier kann man die Regel von de l Hospital zweimal anwenden (jeweils und die Ableitung des Nenners ist für hinreichend große x ungleich. Dies führt auf e x e x e x + e x e x + e x e x e x e x
MehrKapitel 6 Folgen und Stetigkeit
Kapitel 6 Folgen und Stetigkeit Mathematischer Vorkurs TU Dortmund Seite 76 / 226 Definition 6. (Zahlenfolgen) Eine Zahlenfolge (oder kurz: Folge) ist eine Funktion f : 0!. Statt f(n) schreiben wir x n
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
MehrApproximation durch Polynome
durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz
MehrIterative Lösung von nichtlinearen Gleichungen und Gleichungssystemen
Kapitel 5 Iterative Lösung von nichtlinearen Gleichungen und Gleichungssstemen 5.1 Iterationsverfahren zur Lösung einer reellen nichtlinearen Gleichung Es sei g() eine im Intervall I definierte reellwertige
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
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
Mehr11. Anwendungen der Differentialrechnung
122 Andreas Gathmann 11. Anwendungen der Differentialrechnung Im letzten Kapitel haben wir gesehen, wie wir von nahezu allen Funktionen ihre Ableitung berechnen können und welche elementaren Eigenschaften
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrHäufungspunkte und Satz von Bolzano und Weierstraß.
Häufungspunkte und Satz von Bolzano und Weierstraß. Definition: Sei (a nk ) k N eine konvergente Teilfolge der Folge (a n ) n N.Dannwirdder Grenzwert der Teilfolge (a nk ) k N als Häufungspunkt der Folge
MehrÜbungen Analysis I WS 03/04
Blatt Abgabe: Mittwoch, 29.0.03 Aufgabe : Beweisen Sie, daß für jede natürliche Zahl n gilt: n ( ) n (x + y) n = x i y n i, i (b) n ν 2 = ν= i=0 n(n + )(2n + ), 6 (c) 2 3n ist durch 7 teilbar. Aufgabe
MehrPolynome. Analysis 1 für Informatik
Gunter Ochs Analysis 1 für Informatik Polynome sind reelle Funktionen, die sich ausschlieÿlich mit den Rechenoperation Addition, Subtraktion und Multiplikation berechnen lassen. Die allgemeine Funktionsgleichung
Mehr