mathematik und informatik
|
|
- Fritz Hochberg
- vor 6 Jahren
- Abrufe
Transkript
1 Prof. Dr. Torsten Linß Kurs 037 Numerische Mathematik II LESEPROBE mathematik und informatik
2 Das Werk ist urheberrechtlich geschützt. Die dadurch begründeten Rechte, insbesondere das Recht der Vervielfältigung und Verbreitung sowie der Übersetzung und des Nachdrucks bleiben, auch bei nur auszugsweiser Verwertung, vorbehalten. Kein Teil des Werkes darf in irgendeiner Form Druck, Fotokopie, Mikrofilm oder ein anderes Verfahren) ohne schriftliche Genehmigung der FernUniversität reproduziert oder unter Verwendung elektronischer Systeme verarbeitet, vervielfältigt oder verbreitet werden.
3 Kapitel 4 Anfangswertaufgaben für gewöhnliche Differentialgleichungen Sehr viele Probleme aus den Naturwissenschaften und der Technik führen auf Differentialgleichungen. Daher ist die Entwicklung effizienter Methoden zur Lösung solcher Gleichungen eine Hauptaufgabe der Numerischen Mathematik. Zu diesem Problemkreis gibt es eine Vielzahl von Publikationen, die sowohl sehr allgemeine und für große Klassen von Differentialgleichungen anwendbare Verfahren als auch typabhängige Verfahren, die auf spezielle Differentialgleichungen zugeschnitten sind, behandeln. 4. Einleitung, Existenzaussagen In diesem Kapitel wollen wir uns mit Anfangswertaufgaben für gewöhnliche Differentialgleichungen erster Ordnung beschäftigen. Ein einfaches Beispiel ist die Differentialgleichung y t) = λyt), t > t 0, λ R, die je nach Vorzeichen der Konstante λ Wachstums- und Zerfallsprozesse beschreibt, beispielsweise das Wachstum einer Populationen von Lebewesen oder den Zerfall chemischer Substanzen. Durch Vorgabe eine Anfangsbedingung Größe der Population bzw. Stoffmenge der Substanz) zur Zeit t 0 ist die Lösung der Differentialgleichung eindeutig bestimmt. Aufgabenstellung AWA). Gegeben sind eine Funktion f : D R R R sowie ein Punkt t 0, y 0 ) D. Gesucht ist eine stetig differenzierbare Funktion y, für die und y t) = f t, yt)), t t 0, 4.a) yt 0 ) = y 0. 4.b) gilt. 63
4 64 KAPITEL 4. ANFANGSWERTAUFGABEN Bemerkung 4... Die Gleichung 4.a) wird als Differentialgleichung bezeichnet, da sie Ableitungen der zu bestimmenden Funktion y enthält. Es handelt sich dabei um eine gewöhnliche Differentialgleichung erster Ordnung, weil y eine Funktion einer Veränderlichen ist und die höchste auftretende Ableitung eine Ableitung erster Ordnung ist. Die Differentialgleichung 4.a) legt fest, wie sich ein System, das zum Zeitpunkt t durch den Zustand yt) beschreiben wird, mit der Zeit t > t 0 entwickelt, wenn es sich zur Zeit t = t 0 im Zustand y 0 befindet. Umgekehrt kann man aber auch nach der Vergangenheit des Systems fragen, also den Zuständen yt) für t < t 0. Diese beiden Aufgaben sind äquivalent, wie man sich durch die Substitution t τ = t 0 t t 0 ) überlegt, da t < t 0 genau dann, wenn τ > t 0. Der folgende Satz von Picard und Lindelöf gibt Auskunft über die eindeutige Lösbarkeit der Anfangswertaufgabe AWA). Satz 4... Die Funktion f : D α, β) a, b) R sei stetig und genüge bzgl. des zweiten Argumentes einer Lipschitz-Bedingung, d.h., es gebe eine Konstante L R mit f x, y) f x, z) L y z, x α, β), y, z a, b). Dann existiert ein Intervall I δ t 0 δ, t 0 + δ), δ > 0, derart, dass AWA) genau eine Lösung y C I δ ) besitzt, für die gilt. y t) = f t, yt)), t I δ, und yt 0 ) = y 0 Bemerkung Für die Analysis numerischer Verfahren für AWA) ist es i.allg. erforderlich, dass die Lösung y höhere Regularität besitzt. Sind die Voraussetzungen des Satzes 4.. erfüllt und ist f C k D), k N 0, dann gilt y C k+ I δ ). 4. Approximationsverfahren für AWA Für die Lösung y von AWA) möchten wir auf dem Intervall [t 0, T] Näherungswerte berechnen. Dabei ist die Anfangszeit t 0 durch die Aufgabenstellung gegeben, während T > t 0 einen Zeitpunkt darstellt, bis zu dem uns die Lösung von AWA) interessiert. Über das Intervall [t 0, T] legen wir ein Gitter mit der Gitterweite oder auch Schrittweite) τ T t 0 )/n, n N: t 0 < t < t < < t n = T, t l t 0 + lτ. Auf diesem Gitter möchten wir Werte u l als Näherungen für die yt l ) berechnen: yt l ) u l, l = 0,,..., n. Charles Émile Picard, * Paris, Frankreich),..94 Paris, Frankreich) Ernst Leonard Lindelöf, * Helsingfors, Russland), Helsinki, Finnland)
5 4.3. EINSCHRITTVERFAHREN FÜR AWA 65 y 0 y u 0 u u u3 u n yt) t 0 t t t 3 t n = T Abbildung 4.: Punktweise Approximation der Lösung einer Anfangswertaufgabe Abb. 4. illustriert dieses Vorgehen. Dabei setzen wir sinnvollerweise und berechnen sukzessive u l aus u 0 yt 0 ) = y 0 der Näherung u l zur vorherigen Zeit t l oder aus den m, m >, vorangehenden Näherungen u l, u l,..., u l m. Im ersten Fall spricht man von Einschritt- und im zweiten von Mehrschrittverfahren, bzw. konkreter von m-schrittverfahren. Wir werden uns hier auf Einschrittverfahren ESV) beschränken. 4.3 Einschrittverfahren für AWA 4.3. Konstruktion und Struktur von Einschrittverfahren Es gibt viele Möglichkeiten, ESV zu konstruieren. Eine mit Blick auf Abschnitt.3. naheliegende Idee ist, die Ableitung in 4.a) zunächst durch einen Differenzenquotienten zu approximieren: yt l ) yt l ) y t l ) = f t l, yt l ) ). τ Anschließend ersetzen wir yt l ) und yt l ) durch ihre Näherungen u l bzw. u l und erhalten so eine Rekursion zur Berechnung von u l aus u l : u l = u l + τ f t l, u l ), l =,,..., n, u0 = y 0. 4.) t
6 66 KAPITEL 4. ANFANGSWERTAUFGABEN Diese Berechnungsvorschrift wird als explizites Euler-Verfahren bezeichnet. Obiger Differenzenquotient kann auch als Approximation für y t l ) aufgefasst werden: was uns auf die Rekursion yt l ) yt l ) y t l ) = f t l, yt l ) ), τ u l = u l + τ f t l, u l ), l =,,..., n, u0 = y 0, 4.3) führt. Mit 4.3) ist keine explizite Berechnungsvorschrift für u l gegeben, vielmehr muss eine i.allg. nichtlineare Gleichung gelöst werden. Daher wird 4.3) auch als implizites Euler- Verfahren bezeichnet. Auf den ersten Blick scheint dieses Verfahren daher ungünstiger zu sein als 4.), es gibt aber wichtige Anwendungen, bei denen das implizite Euler-Verfahren seinem expliziten Pendant deutlich überlegen ist, da auftretende Rundungsfehler nicht verstärkt werden. Bemerkung Zur numerischen Lösung von 4.3) kann u l als Fixpunkt der Funktion ϕ l, ϕ l x) u l + τ f t l, x), aufgefasst werden. Genügt f einer Lipschitz-Bedingung bzgl. des zweiten Argumentes mit Lipschitz-Konstante L, dann gilt ϕ l x) ϕ l z) = τ f tl, x) f t l, z) τl x z. Für τl < ist ϕ l also kontrahierend. Ferner ist ϕ l in einer Umgebung von yt l ) eine Selbstabbildung, d.h. es existiert eine Umgebung U ε ytl ) ) mit ϕ l z) U ε ytl ) ) für alle z U ε ytl ) ) ohne Beweis). Somit existiert ein eindeutig bestimmter Fixpunkt von ϕ l. Dieser ist u l. Ist τ /L dann konvergiert die Fixpunktiteration sehr schnell. Im Abschnitt.3. insbesondere in der Aufgabe.3. hatten wir gesehen, dass ein symmetrischer Differenzenquotient bessere Approximationen liefert als ein einseitiger: wobei yt l ) yt l ) y t l / ) = f t l /, yt l / ) ), 4.4) τ t l / t l + t l = t l + τ der Mittelpunkt des Intervalls [t l, t l ] ist. Nun stellt sich allerding die Frage, wie wir yt l / ) bzw. y t l / ) ersetzen. Mindestens) drei Möglichkeiten bieten sich an. i) Wir berechnen eine Näherung für yt l / ) mit einem Schritt des expliziten Euler-Verfahren und halbierter Schrittweite: yt l / ) u l + τ f t l, u l )
7 4.3. EINSCHRITTVERFAHREN FÜR AWA 67 und ersetzen yt l / ) entsprechend in 4.4): yt l ) yt l ) f t l /, u l + τ τ f ) ) t l, u l. Hieraus leiten wir die Rekursion u l = u l + τ f t l /, u l + τ f ) ) t l, u l, l =,,..., n, u 0 = y 0, 4.5) ab, die als verbessertes Euler-Verfahren bezeichnet wird. ii) Mittelung für y : y t l / ) y t l ) + y t l ) = f t l, yt l ) ) + f t l, yt l ) ) f ) ) t l, u l + f tl, u l. Wir erhalten die sog. implizite Trapezregel für Anfangswertaufgaben u l = u l + τ f ) τ t l, u l + f ) t l, u l, l =,,..., n, u0 = y ) iii) Mittelung für y: y t l / ) = f t l /, yt l / ) ) f t l /, yt ) l ) + yt l ) f t l /, u l + u ) l. Diesmal erhalten wir die Berechnungsvorschrift u l = u l + τ f t l /, u l + u ) l, l =,,..., n, u 0 = y 0, 4.7) die sog. Mittelpunktregel für Anfangswertaufgaben. Das verbesserte Euler-Verfahren 4.5) stellt eine explizite Berechnungsvorschrift für die u l dar, während sowohl bei der Trapez- als auch bei der Mittelpunktregel eine i.allg. nichtlineare Gleichung zu lösen ist. Diese beiden Verfahren werden daher als implizite Verfahren klassifiziert. Wir möchten es an dieser Stelle bei diesen fünf Beispielen für Einschrittverfahren bewenden lassen. Mit den Runge-Kutta-Verfahren werden wir eine weitere wichtige Klasse im Abschnitt kennen lernen. Allgemein besitzen Einschrittverfahren ESV) die folgende Struktur: u l = u l + τ Φt l, u l, τ), l =,,..., n, u 0 = y ) Die Funktion Φ wird als Verfahrensfunktion oder Zuwachsfunktion bezeichnet. Sie ist von f abhängig. Auf eine Verankerung dieser Abhängigkeit in der Notation wollen wir der Einfachheit halber jedoch verzichten. Aufgabe Geben Sie die Verfahrensfunktionen für das explizite, das verbesserte und das implizite Euler-Verfahren an!
8 68 KAPITEL 4. ANFANGSWERTAUFGABEN 4.3. Konvergenz von Einschrittverfahren Wir betrachten die Anfangswertaufgabe AWA) auf einem Intervall [t 0, T], T > t 0. Die durch die Verfahrensvorschrift 4.8) erzeugte Folge u l ) n l=0 hängt von der Anzahl der Teilintervalle n bzw. der gewählten Gitterweite τ ab. In diesem Abschnitt verdeutlichen wir diese Abhängigkeit durch ein hochgestelltes τ: u τ n l) l=0, wobei n und τ gemäß τ = T t 0)/n aneinander gekoppelt sind. Der Aufwand zur Berechnung einer Approximation zu AWA) mit einem Einschrittverfahren ist proportional zu n bzw. /τ. Eine sinnvolle Forderung für das Verfahren ist daher, dass der Fehler der Approximation reduziert wird, wenn man die Schrittweite verkleinert. Uns interessiert deshalb in diesem Abschnitt die Abhängigkeit des Fehlers von der Schrittweite τ, wenn τ 0. Dabei betrachten wir den globalen Verfahrensfehler in der Maximumnorm: E y, u τ ) max yt l ) u τ l. l=0,...,n Die wichtigste Kenngröße für Effizienz eines Einschrittverfahrens ist seine Konvergenzordnung. Definition Es existiere eine Konstante C R +, eine Schrittweite τ 0 > 0 und ein p > 0 derart, dass für den globalen Verfahrensfehler des ESV gilt E y, u τ ) Cτ p für alle τ 0, τ 0 ]. Dann nennen wir das ESV 4.8) konvergent mit der Konvergenzordnung p. Wichtigstes Hilfsmittel bei der Konvergenzuntersuchung ist der lokale Verfahrensfehler η. Er gibt an, wie groß der Fehler nach einem Schritt des Verfahrens ist, wenn mit der exakten Lösung gestartet wurde. Zur Zeit t besitzt y den Wert yt). Das Paar t, yt)) setzen wir als Startwerte in die Verfahrensvorschrift 4.8) ein und erhalten den Näherungswert yt) + τ Φt, yt), τ) für yt + τ). Der lokale Fehler ist also ηt, τ) yt + τ) yt) τ Φ t, yt), τ ). Mittels des lokalen Verfahrensfehlers wird die Konsistenzordnung eines ESV definiert. Definition Es existiere eine Konstante Γ R +, eine Schrittweite τ 0 > 0 und ein p > 0 derart, dass für den lokalen Verfahrensfehler des ESV gilt η t, τ) Γτ p+ für alle t [t 0, T τ] und τ 0, τ 0 ]. Dann sagen wir, das ESV 4.8) besitzt die Konsistenzordnung p. Der lokale Verfahrensfehler und damit die Konsistenzordnung wird i.allg. mittels Taylor- Entwicklungen untersucht.
9 4.3. EINSCHRITTVERFAHREN FÜR AWA 69 Beispiel Wir wollen den lokalen Fehler des expliziten Euler-Verfahrens untersuchen. Für dieses ist Φt, u, τ) = f t, u); vgl. Auf Wir nehmen an, dass y C [t 0, T] sei. Wir entwickeln y in eine Taylor-Reihe: yt + τ) = yt) + τy t) + τ y t + ξ), mit einem ξ 0, τ). Unter Beachtung von y t) = f t, yt)) = Φ t, yt), τ ) folgt ηt, τ) = yt + τ) yt) τφt, yt), τ) = τ y t + ξ). Für den lokalen Fehler erhalten wir die Abschätzung ηt, τ) τ y [t0,t] für t 0 t < t + τ T. Das Verfahren besitzt also die Konsistenzordnung. Aufgabe Zeigen Sie, dass das verbesserte Eulerverfahren die Konsistenzordnung besitzt, falls f zweimal und y dreimal stetig differenzierbar sind! Hinweis: Benutzen Sie die Taylor-Reihe und entwickeln Sie yt+τ) sowie Φ v t, yt), τ) an der Stelle τ = 0 bis zum kubischen bzw. quadratischen Glied nach Potenzen von τ! Wir wollen nun untersuchen, wie aus dem lokalen auf den globalen Verfahrensfehler geschlossen werden kann. Dazu lösen wir zunächst die folgende Übungsaufgabe, deren Ergebnis wir nutzen werden, um die Akkumulation der lokalen Fehler abzuschätzen. Aufgabe Beweisen Sie: Für Zahlen M > 0, a l 0, h > 0 und b 0 sei erfüllt. Dann gelten die Abschätzungen Hinweis: Benutzen Sie Induktion! a l + hm) a l + hb, l =,,..., n, a l emlh M b + emlh a 0, l = 0,,..., n. Satz Das ESV 4.8) besitze Konsistenzordnung p > 0. Für den lokalen Verfahrensfehler des ESV 4.8) gelte η t, τ) Γτ p+ für alle t [t 0, T τ] und τ 0, τ 0 ]. 4.9) mit einem τ 0 > 0 und einer Konstante Γ. Die Verfahrensfunktion Φ sei Lipschitz-stetig bzgl. ihres zweiten Argumentes mit Lipschitz-Konstante Λ > 0. Dann ist das Verfahren konvergent mit der Ordnung p. Für den globalen Verfahrensfehler gilt max yt l ) u τ l KΓτ p f ür τ 0, τ 0 ] mit K eλt t0). Λ l=0,...,n
10 70 KAPITEL 4. ANFANGSWERTAUFGABEN Beweis. Wir setzen y l yt l ), l = 0,..., n, für die Lösung der AWA an der Stelle t l, e l u τ l y l, l = 0,..., n, η l ηt l, τ), l = 0,..., n Wegen der Verfahrensvorschrift 4.8) gilt u τ l = uτ l + τ Φt l, u τ l, τ), l =,,..., n, und wegen der Definition des lokalen Fehlers y l = y l + τ Φt l, y l, τ) + η l, l =,,..., n. Somit gilt für den Fehler des Verfahrens die Rekursion für den Fehler des Verfahrens an der Stelle t l und für den lokalen Fehler des Verfahrens. e l = e l + τ Φt l, u τ l, τ) Φt l, y l, τ) ) η l, l =,,..., n, e 0 = 0. Aus der Lipschitz-Stetigkeit von Φ sowie aus 4.9) folgt e l e l + τ Φt l, u τ l, τ) Φt l, y l, τ) + η l } {{ } Somit gilt Λ u τ l y l e l + τλ) e l + Γ τ p+, l =,,..., n, e 0 = 0. Wir benutzen Aufg mit h = τ, M = Λ, b = Γ τ p und a 0 = 0, um den Beweis zu komplettieren. Aus Satz können wir die Faustregel Konsistenz der Ordnung p impliziert Konvergenz der Ordnung p für Einschrittverfahren ableiten, die natürlich nur unter gewissen im Satz formulierten Bedingungen gilt. Beispiel Es ist Zeit für ein Beispiel. Wir betrachten die AWA Die Lösung der AWA ist y t) = 3yt) /3, t > 0, y0) =. yt) = t + ) 3, t 0. Wir wollen sie mit dem expliziten und dem verbesserten Euler-Verfahren auf dem Intervall [0, ] numerisch approximieren. Die folgende Tabelle enthält die globalen Verfahrensfehler der beiden Verfahren für verschiedene Schrittweiten τ = /n.
11 4.3. EINSCHRITTVERFAHREN FÜR AWA 7 Euler-Verfahren n explizit verbessert 5.53e e e-0 8.4e e-0.08e e e e-0.43e e e e e e-03.87e-05 Euler-Verfahren n explizit verbessert 3.005e-03.43e e e e e e e e e e-04.40e e-03.53e e e-03 Für das einfache explizite Euler-Verfahren sichern unsere theoretischen Untersuchungen Konvergenz der Ordnung, für das das verbesserte Euler-Verfahren hingegen Ordnung. Wir erwarten also, dass der globale Fehler proportional zu /τ bzw. /τ ist. Dieses erwartete Verhalten beobachten wir auch in den Tabellen, solange n einen kritischen Wert, ca. 7 bzw. 0 nicht überschreitet. Wie bei der numerischen Differentiation.3.) können Rundungsfehler, die sich aus der Verwendung von Gleitkommazahlen ergeben, die Resultate stark verfälschen. Zum Abschluss dieses Abschnitts wollen wir uns noch mit der Akkumulation von Rundungsfehlern bei Einschrittverfahren beschäftigen. Bei der Umsetzung eines ESV in einem Computerprogramm kann die Verfahrensvorschrift 4.8) nicht exakt implementiert werden. Um die Fortpflanzung der Rundungsfehler zu analysieren, nehmen wir an, dass die Rechnung im l-ten Schritt mit einem Fehler ϱ l behaftet ist: ũ l = ũ l + τ Φt l, ũ l, τ) + ϱ l, l =,,..., n, ũ 0 = y 0 + ϱ ) Unter den Voraussetzungen und mit der Notation von Satz gilt für die Fehler der Näherungen ũ τ l : max l=0,...,n ) yt l ) ũ τ l K Γτ p + τ max ϱ l + K ϱ 0. l=,...,n Bemerkung Auftretende Fehler bei der Berechnung der u l werden akkumuliert und mit dem Inversen der Schrittweite τ multipliziert. Hieraus ist abzuleiten, dass die Schritte nicht zu klein gewählt werden dürfen. Außerdem ist die Rechenzeit proportional zur Anzahl der Schritte. Für die Genauigkeit und Effizienz der Verfahren ist daher eine möglichst hohe Konsistenz- und Konvergenzordnung essentiell.
12 7 KAPITEL 4. ANFANGSWERTAUFGABEN Runge-Kutta-Verfahren Eine wichtige Klasse von Einschrittverfahren für Anfangswertaufgaben sind die Runge-Kutta 3 - Verfahren RKV). Ein s-stufiges RKV, s N, hat die Gestalt k = f t l + c τ, u l + τ a k + a k + + a s k s ) ) k = f t l + c τ, u l + τ a k + a k + + a s k s ) ). k s = f t l + c s τ, u l + τ a s k + a s k + + a ss k s ) ) u l = u l + τ b k + b k + + b s k s ) Es wird durch den Knotenvektor c = c, c,..., c s ) T, die Verfahrensmatrix A = a i j ) s i, j= sowie den Vektor der Gewichte b = b, b,..., b s ) T definiert. Sie können in sehr übersichtlicher Form im sog. Butcher 4 -Tableau oder Butcher-Schema) angegeben werden: c A b T c a a a s c a a a s c s a s a s a ss b b b s Einigen Beispielen von Runge-Kutta-Verfahren sind wir schon in Abschnitt 4.3. begegnet, so lassen sich sowohl das explizite als auch das implizite Euler-Verfahren wie folgt als einstufige RKV auffasssen: bzw. k = f t l, u l ) u l = u l + τk k = f t l + τ, u l + τk ) u l = u l + τk mit Butcher-Tableau mit Butcher-Tableau während das verbesserte Euler-Verfahren ein zweistufiges RKV ist k = f t l, u l ) k = f t l + τ, u l + τk ) u l = u l + τk mit Butcher-Tableau Martin Wilhelm Kutta, * Pitschen, Schlesien) Fürstenfeldbruck, Deutschland) 4 John Charles Butcher, * Auckland, Neuseeland)
13 4.3. EINSCHRITTVERFAHREN FÜR AWA 73 Aufgabe Schreiben Sie die Trapez- und Mittelpunktregel als Runge-Kutta-Verfahren und geben Sie die zugehörigen Butcher-Tableaus an! Ist die Matrix A eine strikte untere Dreiecksmatrix oder kann sie durch Zeilen- und Spaltenvertauschungen in eine solche überführt werden), dann handelt es sich um ein explizites Verfahren, andernfalls um ein implizites. Bemerkung Bei der programmtechnischen Umsetzung expliziter RKV ist bei jedem Schritt zur Berechnung der k i, i =,..., s, jeweils genau ein Funktionswert von f zu berechnen. Bei der Umsetzung eines impliziten RKV ist hingegen ein System von s i.allg. nichtlinearen Gleichungen zu lösen. Ähnlich zum impliziten Euler-Verfahren Bem. 4.3.) kann gezeigt werden, dass bei Lipschitz-stetigem f und hinreichend kleiner Schrittweite τ dieses Gleichungssystem genau eine Lösung besitzt und die Fixpunktiteration zu ihrer Berechnung geeignet ist. Weitere explizite Verfahren sind das dreistufige Verfahren von Heun das klassische) vierstufige Verfahren von Runge und Kutta mit dem Butcher-Tableau Bemerkung Bei expliziten RKV werden, wie hier, die Nullen auf und oberhalb der Diagonalen der Verfahrensmatrix üblicherweise nicht angegeben. Ein s-stufiges RKV wird durch ss + ) Parameter beschrieben, nämlich den Knotenvektor c, den Gewichtsvektor b und die Verfahrensmatrix A. Wichtig ist nun die Frage, wie man diese Parameter bestmöglich wählt, um ein Verfahren möglichst hoher Ordnung zu erhalten. Dazu untersucht man den lokalen Verfahrensfehler mit Hilfe von Taylor-Entwicklungen. Man erhält so Bedingungen an die c i, b j und a i j, die erfüllt sein müssen damit das Verfahren eine gewisse Ordnung p besitzt. Auf Details wollen wir hier nicht eingehen, sondern verweisen den interessierten Leser auf die Literatur, z.b. [6], bzw. den Kurs Für die bisher vorgestellten expliziten RKV kann so gezeigt werden, dass die Anzahl der Stufen identisch mit der Konsistenzordnung ist, vgl. Tab Karl Heun, * Wiesbaden), Karlsruhe)
14 74 KAPITEL 4. ANFANGSWERTAUFGABEN Verfahren p s explizites Euler-Verfahren verbessertes Euler-Verfahren Verfahren von Heun 3 3 klassisches Runge-Kutta-Verfahren 4 4 Tabelle 4.: Stufenzahl s und Konsistenzordnung p ausgewählter expliziter RKV Bereits Runge hat sich daher mit der Frage beschäftigt, ob es explizite fünfstufige RKV der Ordnung 5 gibt. Diese Frage wurde von Butcher negativ beantwortet. Ein explizites 5-stufiges RKV besitzt bestenfalls die Ordnung 4. Anders ist die Situation bei impliziten RKV. Für beliebige vorgegebene Stufenzahl s N können implizite RKV der Ordnung p = s konstruiert werden.
15 4.4. LÖSUNGEN DER AUFGABEN Lösungen der Aufgaben Lösung Explizites Euler-Verfahren: Verbessertes Euler-Verfahren: Implizites Euler-Verfahren: Φ e t, u, τ) = f t, u). Φ v t, u, τ) = f t + τ, u + τ ) f t, u). Φ i : t, u, τ) z, und z ist die Lösung der Gleichung z = f t + τ, u + τz). Lösung Wir entwickeln zunächst yt + τ) nach Taylor: yt + τ) = yt) + τy t) + τ y t) + τ3 6 y t + ξ), ξ = ξτ) 0, τ). Zur Untersuchung von yt) + τ Φ v t, yt), τ) setzen wir zur Abkürzung z yt) und definieren die Hilfsfunktion Offensichtlich ist Φ v t, z, τ) = ψτ/). Wir entwickeln ψ für ζ > 0 nach Taylor: ψ : [0, τ/] : ζ ψζ) f t + ζ, z + ζ f t, z)). ψζ) = ψ0) + ζψ 0) + ζ ψ ζ ), ζ 0, ζ). Für die Ableitungen von ψ erhalten wir zunächst mit der Kettenregel und hieraus ψζ) = f t + ζ, z + ζ f t, z) ), ψ ζ) = f t t + ζ, z + ζ f t, z) ) + fy t + ζ, z + ζ f t, z) ) f t, z), ψ ζ) = f tt t + ζ, z + ζ f t, z) ) + fty t + ζ, z + ζ f t, z) ) f t, z) + fyy t + ζ, z + ζ f t, z) ) [ f t, z) ] ψ0) = f t, z), ψ 0) = f t t, z) + f y t, z) f t, z), ψ ζ) Cψ f tt D + D fty f D + D fyy f D, wobei D der Definitionsbereich von f und D die Maximumnorm auf D seien. Beachte, dass aus der Differentialgleichung y t) = f t, yt) ) folgt y t) = f t t, yt) ) + fy t, yt) ) f t, yt) ).
16 76 KAPITEL 4. ANFANGSWERTAUFGABEN Für den lokalen Verfahrensfehler erhalten wir mit obigen Taylor-Entwicklungen also ηt, τ) = yt + τ) yt) τ Φ v t, Φt), τ) = τ3 6 y t + ξ) τ3 8 ψ ζ ), und hieraus y ηt, τ) τ 3 [t0,t] + C ) ψ. 6 8 Das verbesserte Euler-Verfahren besitzt somit Konsistenzordnung. Lösung Voraussetzung: Für Zahlen M > 0, a l 0, h > 0 und b 0 gilt Zu zeigen: Es folgt a l + hm) a l + hb, l =,,..., n. 4.) a l emlh M b + emlh a 0, l = 0,,..., n. 4.) Induktionsanfang: Offensichtlich gilt 4.) für l = 0, da e Mlh = für l = 0. Induktionsschritt l l + ): Die Ungleichung 4.) gelte für l, dann folgt a l+ + hm) a l + hb, wegen 4.), e Mlh ) + hm) M b + emlh a 0 + hb, wegen 4.) für l, = + hm) emlh b + + hm) e Mlh a 0 M eml+)h b + e Ml+)h a 0, da, + x < e x für x > 0. M Somit gilt 4.) auch für l +. Lösung implizite Trapezregel: -stufiges RKV) k = f t l, u l ) k = f t l + τ, u l + τ )) k + k ) u l = u l + τ k + k Mittelpunktregel: -stufiges RKV) mit Butcher-Tableau mit Butcher-Tableau k = f t l + τ, u l + τ k ) u l = u l + τk
17 Inhaltsverzeichnis 0 Eigenwerte und Polynomnullstellen 0. Eigenwert- und Nullstelleneinschließungen Einschließung aller Nullstellen Einschließung einzelner Nullstellen Einschließungssätze für Eigenwerte Die Kondition des Eigenwertproblems Sturmsche Ketten Matrixeigenwerte und Sturmsche Ketten Der Euklidische Divisionsalgorithmus und Sturmsche Ketten Wechselzahl und Anzahl der Polynomnullstellen Lösungen der Aufgaben Direkte Verfahren für Eigenwertprobleme. Hermitesche Tridiagonalmatrizen Hessenberg-Matrizen Reduktionsverfahren Das Reduktionsverfahren nach Householder Das Reduktionsverfahren nach Givens Das Jacobi-Verfahren Lösungen der Aufgaben Iterative Verfahren für Eigenwertprobleme 49. Die Vektoriteration Die Grundform des Verfahrens Deflationsmethoden Die inverse Vektoriteration Die Teilraumiteration Das QR-Verfahren für normale Matrizen Singulärwertzerlegung und Pseudoinverse Die Singulärwertzerlegung Numerischer Rang einer Matrix Die Pseudoinverse Berechnung der Singulärwertzerlegung i
18 ii INHALTSVERZEICHNIS.5 Lösungen der Aufgaben Zweipunktrandwertprobleme 8 3. Ein einleitendes Beispiel Aussagen zur Analysis Kollokationsverfahren Galerkin-Verfahren Quasioptimalität der Galerkin-Verfahren Polynomiale Ansatzfunktionen Splines als Ansatzfunktionen Beweis von Satz Differenzenverfahren Das klassische Differenzenverfahren für u = f Differenzenverfahren höherer Ordnung Nichtgleichabständige Gitter Allgemeine Differentialgleichungen zweiter Ordnung Lösungen der Aufgaben Anfangswertaufgaben Einleitung, Existenzaussagen Approximationsverfahren für AWA Einschrittverfahren für AWA Konstruktion und Struktur von Einschrittverfahren Konvergenz von Einschrittverfahren Runge-Kutta-Verfahren Lösungen der Aufgaben
19 INHALTSVERZEICHNIS iii
2.3.1 Explizite Runge-Kutta-Verfahren
Somit ist y(t + h) = y + hf(t, y ) + h (f t (t, y ) + f y (t, y )f(t, y )) + O(h 3 ) Setzen wir Φ(t, y, h) := f(t, y) + h (f t(t, y) + f y (t, y)f(t, y)), so erhalten wir ein Verfahren mit der Konsistenzordnung
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
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
MehrEinführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)
Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB) Prof. R. Leithner, Dipl. Phys. E. Zander Wintersemester 2010/2011 Kapitel 7 Gewöhnliche
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:
Mehr2 Einschrittverfahren 2.1 Einführung
Einschrittverfahren. Einführung Im folgenden werden wir uns bei der Beschreibung und Analyse von numerischen Verfahren für Anfangswertprobleme auf den Fall n = beschränken. Dies wird nur gemacht, um die
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
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
Mehr20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen
20 Gleichmäßige Konvergenz für Folgen und Reihen von Funktionen 20.1 Folgen und Reihen von Funktionen 20.3 Die Supremumsnorm 20.4 Gleichmäßige Konvergenz von Folgen und Reihen von Funktionen 20.7 Das Cauchy-Kriterium
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
MehrProf. Dr. H. Brenner Osnabrück SS Analysis II. Vorlesung 50. Hinreichende Kriterien für lokale Extrema
Prof. Dr. H. Brenner Osnabrück SS 205 Analysis II Vorlesung 50 Hinreichende Kriterien für lokale Extrema Wir kommen jetzt zu hinreichenden Kriterien für die Existenz von lokalen Extrema einer Funktion
MehrNumerische Mathematik für Ingenieure und Physiker
Willi Törnig Peter Spellucci Numerische Mathematik für Ingenieure und Physiker Band 1: Numerische Methoden der Algebra Zweite, überarbeitete und ergänzte Auflage Mit 15 Abbildungen > Springer-Verlag Berlin
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
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
MehrNumerik und Simulation in der Geoökologie
1/49 Rekapitulation Das Euler-Verfahren für ODE-IVP Eigenschaften von Einschrittverfahren Numerik und Simulation in der Geoökologie Sylvia Moenickes VL 2 WS 2007/2008 2/49 Rekapitulation Das Euler-Verfahren
MehrWir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems
Kapitel 2 Newton Verfahren 2.1 Das lokale Newton Verfahren Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems F (x) = 0 (2.1) mit einer zumindest
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
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)
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
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
MehrKurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren
Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren Was sind typische qualitative Aussagen bei gewöhnlichen Differentialgleichungen der Form x (t) = f(t, x)? (1) 1. Andere
MehrRückblick auf die letzte Vorlesung. Bemerkung
Bemerkung 1) Die Bedingung grad f (x 0 ) = 0 T definiert gewöhnlich ein nichtlineares Gleichungssystem zur Berechnung von x = x 0, wobei n Gleichungen für n Unbekannte gegeben sind. 2) Die Punkte x 0 D
MehrNichtlineare 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.
MehrKapitel III. Stetige Funktionen. 14 Stetigkeit und Rechenregeln für stetige Funktionen. 15 Hauptsätze über stetige Funktionen
Kapitel III Stetige Funktionen 14 Stetigkeit und Rechenregeln für stetige Funktionen 15 Hauptsätze über stetige Funktionen 16 Konvergenz von Funktionen 17 Logarithmus und allgemeine Potenz C 1 14 Stetigkeit
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
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
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 ( )
Mehr8 Extremwerte reellwertiger Funktionen
8 Extremwerte reellwertiger Funktionen 34 8 Extremwerte reellwertiger Funktionen Wir wollen nun auch Extremwerte reellwertiger Funktionen untersuchen. Definition Es sei U R n eine offene Menge, f : U R
MehrNUMERISCHE MATHEMATIK FÜR MATHEMATIKER III 1 (Numerik gewöhnlicher Differentialgleichungen) Prof. Dr. Hans Babovsky. Institut für Mathematik
NUMERISCHE MATHEMATIK FÜR MATHEMATIKER III 1 (Numerik gewöhnlicher Differentialgleichungen) Prof. Dr. Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2003/04 1 Korrekturen, Kommentare
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
Mehr3 Lineare Differentialgleichungen
3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1
D-MAVT NUMERISCHE MATHEMATIK FS 4 K. Nipp, A. Hiltebrand Lösung vom Test. Sei eps die Maschinengenauigkeit in Matlab. Dann gilt: eps/4 = Richtig / Falsch + eps/2 = Richtig / Falsch 8 + eps = 8 Richtig
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
MehrNumerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden.
Numerische Behandlung linearer und semilinearer partieller differentiell-algebraischer Systeme mit Runge-Kutta-Methoden Dissertation zur Erlangung des akademischen Grades doctor rerum naturalium (Dr. rer.
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)
MehrAnalysis II (FS 2015): Vektorfelder und Flüsse
Analysis II (FS 215): Vektorfelder und Flüsse Dietmar A. Salamon ETH-Zürich 7. April 215 1 Der Fluss eines Vektorfeldes Sei U R n eine offene Menge und sei f : U R n eine lokal Lipschitz-stetige Abbildung.
MehrDarstellungsformeln für die Lösung von parabolischen Differentialgleichungen
Kapitel 8 Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen Wir hatten im Beispiel 5. gesehen, dass die Wärmeleitungsgleichung t u u = f auf Ω (0, ) (8.1) eine parabolische Differentialgleichung
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
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
Mehr,...) ist eine Folge, deren Glieder der Null beliebig nahe kommen. (iii) Die Folge a n = ( 1) n + 1 n oder (a n) = (0, 3 2, 2 3, 5 4, 4 5
3 Folgen 3.1 Definition und Beispiele Eine Abbildung a : Æ Ê heißt (reelle) Zahlenfolge. Statt a(n) schreiben wir kürzer a n und bezeichnen die ganze Folge mit (a n ) n Æ oder einfach (a n ), was aber
Mehr(x, x + y 2, x y 2 + z 3. = e x sin y. sin y. Nach dem Umkehrsatz besitzt f dann genau auf der Menge
ÜBUNGSBLATT 0 LÖSUNGEN MAT/MAT3 ANALYSIS II FRÜHJAHRSSEMESTER 0 PROF DR CAMILLO DE LELLIS Aufgabe Finden Sie für folgende Funktionen jene Punkte im Bildraum, in welchen sie sich lokal umkehren lassen,
MehrFolgerungen aus dem Auflösungsatz
Folgerungen aus dem Auflösungsatz Wir haben in der Vorlesung den Satz über implizite Funktionen (Auflösungssatz) kennen gelernt. In unserer Formulierung lauten die Resultate: Seien x 0 R m, y 0 R n und
Mehr5. Die eindimensionale Wellengleichung
H.J. Oberle Differentialgleichungen II SoSe 2013 5. Die eindimensionale Wellengleichung Wir suchen Lösungen u(x, t) der eindimensionale Wellengleichung u t t c 2 u xx = 0, x R, t 0, (5.1) wobei die Wellengeschwindigkeit
MehrFlüsse, Fixpunkte, Stabilität
1 Flüsse, Fixpunkte, Stabilität Proseminar: Theoretische Physik Yannic Borchard 7. Mai 2014 2 Motivation Die hier entwickelten Formalismen erlauben es, Aussagen über das Verhalten von Lösungen gewöhnlicher
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Prof. Dr. R. Herzog WS/ / Inhaltsübersicht 3Einführung in die freie Optimierung 4Orakel und Modellfunktionen 5Optimalitätsbedingungen der freien Optimierung 6Das Newton-Verfahren
MehrNumerische Integration
Numerische Integration Fakultät Grundlagen Januar 0 Fakultät Grundlagen Numerische Integration Übersicht Grundsätzliches Grundsätzliches Trapezregel Simpsonformel 3 Fakultät Grundlagen Numerische Integration
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
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
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der
MehrGrundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
Mehr2. Teilbarkeit. Euklidischer Algorithmus
O. Forster: Einführung in die Zahlentheorie 2. Teilbarkeit. Euklidischer Algorithmus 2.1. Wir benutzen die folgenden Bezeichnungen: Z = {0, ±1, ±2, ±3,...} Menge aller ganzen Zahlen N 0 = {0, 1, 2, 3,...}
MehrAbbildung 10.1: Das Bild zu Beispiel 10.1
Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,
Mehr1 Einführung, Terminologie und Einteilung
Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen
Mehr4 Runge-Kutta-Verfahren
Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0
Mehr3. Normalform linearer PDG zweiter Ordnung
H.J. Oberle Differentialgleichungen II SoSe 2013 3. Normalform linearer PDG zweiter Ordnung Wir beschreiben in diesem Abschnitt Verfahren zur Transformation linearer oder auch halblinearer PDG zweiter
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrKonvergenz im quadratischen Mittel und Parsevalsche Gleichung
Konvergenz im quadratischen Mittel und Parsevalsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Prof Dr Picard, gehalten von Helena Malinowski In vorhergehenden Vorträgen und dazugehörigen
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrCaputo fraktionale Differentialgleichungen. 1 Riemann Liouville fraktionale Differentialgleichungen
Seminar Fraktionale Differentialgleichungen Prof. Dr. P.E. Kloeden, WS1000/2001 Caputo fraktionale Differentialgleichungen Lars Grüne, 25.1.2001 Basierend auf Fractional Differential Equations, Theory
Mehr11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen
11 Untermannigfaltigkeiten des R n und lokale Extrema mit Nebenbedingungen Ziel: Wir wollen lokale Extrema von Funktionen f : M R untersuchen, wobei M R n eine k-dimensionale Untermannigfaltigkeit des
Mehr40 Lokale Extrema und Taylor-Formel
198 VI. Differentialrechnung in mehreren Veränderlichen 40 Lokale Extrema und Taylor-Formel Lernziele: Resultate: Satz von Taylor und Kriterien für lokale Extrema Methoden aus der linearen Algebra Kompetenzen:
MehrNichtlineare Gleichungssysteme
Kapitel 2 Nichtlineare Gleichungssysteme Problem: Für vorgegebene Abbildung f : D R n R n finde R n mit oder ausführlicher f() = 0 (21) f 1 ( 1,, n ) = 0, f n ( 1,, n ) = 0 Einerseits führt die mathematische
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
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!)
MehrFunktionsgrenzwerte, Stetigkeit
Funktionsgrenzwerte, Stetigkeit Häufig tauchen in der Mathematik Ausdrücke der Form lim f(x) auf. x x0 Derartigen Ausdrücken wollen wir jetzt eine präzise Bedeutung zuweisen. Definition. b = lim f(x) wenn
MehrHöhere Mathematik I für die Fachrichtung Informatik. Lösungsvorschläge zum 10. Übungsblatt. < 0 für alle t > 1. tan(x) tan(0) x 0
KARLSRUHER INSTITUT FÜR TECHNOLOGIE INSTITUT FÜR ANALYSIS Dr. Christoph Schmoeger Heiko Hoffmann WS 03/4 Höhere Mathematik I für die Fachrichtung Informatik Lösungsvorschläge zum 0. Übungsblatt Aufgabe
Mehrf(x, y) = 0 Anschaulich bedeutet das, dass der im Rechteck I J = {(x, y) x I, y J}
9 Der Satz über implizite Funktionen 41 9 Der Satz über implizite Funktionen Wir haben bisher Funktionen g( von einer reellen Variablen immer durch Formelausdrücke g( dargestellt Der Zusammenhang zwischen
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
Mehr10.6. Implizite ebene Kurven und Tangenten
0.6. Implizite ebene Kurven und Tangenten Im Gegensatz zu expliziten Darstellungen sind weder implizite noch Parameterdarstellungen einer Kurve eindeutig. Der Übergang von impliziten zu expliziten Darstellungen
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr11. Folgen und Reihen.
- Funktionen Folgen und Reihen Folgen Eine Folge reeller Zahlen ist eine Abbildung a: N R Statt a(n) für n N schreibt man meist a n ; es handelt sich also bei einer Folge um die Angabe der Zahlen a, a
MehrMathematik 1 für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler) Musterprüfung mit Lösungen
Mathematik für Informatiker und Wirtschaftsinformatiker Wintersemester 07/08 (Winkler Musterprüfung mit Lösungen. Sei T N. (a Unter welchen beiden Voraussetzungen an T garantiert das Induktionsaxiom (nach
MehrNumerische Verfahren
Numerische Verfahren Numerische Methoden von gewöhnlichen Differentialgleichungen (AWP) Prof. Dr.-Ing. K. Warendorf, Prof. Dr.-Ing. P. Wolfsteiner Hochschule für Angewandte Wissenschaften München Fakultät
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.
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.
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dipl.-Math. Dipl.-Inf. Jürgen Bräckle Dr.-Ing. Markus
MehrMathematik für Anwender I. Beispielklausur I mit Lösungen
Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Mathematik für Anwender I Beispielklausur I mit en Dauer: Zwei volle Stunden + 10 Minuten Orientierung, in denen noch nicht geschrieben werden darf.
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
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
MehrEinstieg in die Informatik mit Java
Vorlesung vom 07.01.2008 Übersicht 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme 3 Polygonzüge 4 Das Eulersche Polygonzugverfahren Warm-Up zum Jahresbeginn 1 Warm-Up zum Jahresbeginn 2 Anfangswertprobleme
MehrOutline. 1 Funktionen von mehreren Veränderlichen. 2 Grenzwert und Stetigkeit. 3 Partielle Ableitungen. 4 Die verallgemeinerte Kettenregel
Outline 1 Funktionen von mehreren Veränderlichen 2 Grenzwert und Stetigkeit 3 Partielle Ableitungen 4 Die verallgemeinerte Kettenregel 5 Das totale Differential 6 Extremstellen Roman Wienands (Universität
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 5: Differentialrechnung im R n Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 17. Juni 2009 1 / 31 5.1 Erinnerung Kapitel
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
Mehr3 Optimierung mehrdimensionaler Funktionen f : R n R
3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)
MehrMusterlösungen zu Blatt 15, Analysis I
Musterlösungen zu Blatt 5, Analysis I WS 3/4 Inhaltsverzeichnis Aufgabe 85: Konvergenzradien Aufgabe 86: Approimation von ep() durch Polynome Aufgabe 87: Taylorreihen von cos 3 und sin Aufgabe 88: Differenzenquotienten
Mehrf(x nk ) = lim y nk ) = lim Bemerkung 2.14 Der Satz stimmt nicht mehr, wenn D nicht abgeschlossen oder nicht beschränkt ist, wie man z.b.
Proposition.13 Sei f : D R stetig und D = [a, b] R. Dann ist f(d) beschränkt. Außerdem nimmt f sein Maximum und Minimum auf D an, d.h. es gibt x max D und ein x min D, so dass f(x max ) = sup f(d) und
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
MehrÜbungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016
Übungen zu Einführung in die Numerische Mathematik (VE) Sommersemester 6 Prof. Dr. Martin Rumpf Pascal Huber Sascha Tölkes Übungsblatt 8 Abgabe:.6.6 Aufgabe 5 (Elliptisches Randwertproblem auf einem Ring)
MehrMathematik I. Vorlesung 7. Folgen in einem angeordneten Körper
Prof. Dr. H. Brenner Osnabrück WS 009/010 Mathematik I Vorlesung 7 Folgen in einem angeordneten Körper Wir beginnen mit einem motivierenden Beispiel. Beispiel 7.1. Wir wollen die Quadratwurzel einer natürlichen
MehrFerienkurs Analysis 1, SoSe Unendliche Reihen. Florian Beye August 15, 2008
Ferienkurs Analysis 1, SoSe 2008 Unendliche Reihen Florian Beye August 15, 2008 1 Reihen und deren Konvergenz Definition 1.1. Eine reelle bzw. komplexe Reihe ist eine unendliche Summe über die Glieder
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
Mehr7 KONVERGENTE FOLGEN 35. inf M = Infimum von M. bezeichnet haben. Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt.
7 KONVERGENTE FOLGEN 35 und die größe untere Schranke mit bezeichnet haben. inf M = Infimum von M Definition. Sei (a n ) n N eine beschränkte Folge in R. Dann heißt der Limes superior der Folge, und lim
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
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 1 Hausaufgaben Aufgabe 1.1 Sei f : R R gegeben durch f(x 1, x ) = x 3
MehrNumerische Verfahren
Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 15.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren Numerische
Mehr