Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung
|
|
- Gregor Kerner
- vor 6 Jahren
- Abrufe
Transkript
1 für zur Lösung der Monge-Ampère-Gleichung Yasemin Hafizogullari Institut für Geometrie und Praktische Mathematik RWTH Aachen Vortrag zum Seminar im Wintersemester 2009/2010
2 Ein Transportproblem für?
3 für Transportproblem: Transportiere einen Masse-Haufen (Remblai) mit geringsten Kosten in ein Behältnis (Deblai) von gleichem Volumen. Dieses Problem steht im Zusammenhang der Monge-Ampère-Gleichung []. Remblai? Déblai Abbildung 1: Transportproblem
4 Gliederung für
5 Partielle Differentialgleichungen für Sei Ω R n ein Gebiet und F[u] = F (x, u(x), Du(x), D 2 u(x)) = 0 mit x Ω eine partielle Differentialgleichung (PDE) zweiter Ordnung, wobei u : Ω R, mit }{{} Du = Gradient u x1. u xn, D 2 }{{} u = [D ij ] 1 i,j n = Hessematrix F (x, u(x), Du(x), D 2 u(x)) eine reelle Funktion auf Γ = Ω R R n R n n und R n n der Raum der symmetrischen n n Matrizen sei. u x1 x 1... u x1 x n.. u xn,x 1... u xnx n,
6 Spezielle Typen von PDE für Eine PDE zweiter Ordnung heißt stark nichtlinear wenn ihr Differentialoperator nicht von der quasilinearen Form Lu = n a ij (x, u, Du)D ij u + b(x, u, Du), wobei a ij = a ji i,j=1 ist (Gilbarg, Trudinger). Sei γ = (x, z, p, r) Γ mit x Ω, z R, p R n und r R n n. Die PDE F[u] = 0 heißt elliptisch in U Γ, wenn die Matrix F F (γ)... (γ) r 11 r 1n [F ij (γ)] =.. F r n1 (γ)... F r nn (γ) positiv definit für alle γ = (x, z, p, r) U ist.
7 Monge-Ampère-Gleichung [] für Sei Ω R n ein Gebiet und f : Ω R R n R, (x 1,..., x n, u, u x1,...u xn ) f (x 1,..., x n, u, u x1,...u xn ) eine gegebene Funktion. Die Gleichung det D 2 u = f heißt dann Monge-Ampère-Gleichung (). Für n = 2 ergibt sich die einfache Gestalt u xxu yy u xyu yx = f (x, y, u, u x, u y).
8 Klassische Lösung für Sei Ω R n ein Gebiet und F[u] = 0 eine PDE zweiter Ordnung. Wenn u C 2 (Ω) ist und die Gleichung in jedem Punkt x Ω erfüllt, heißt die Funktion u von F = 0. Betrachte das AWP u (x) = f (x) mit u(0) = u 0, wobei f (x) integrierbar sei und u 0 stetig. Das Lösen dieses AWP ist äquivalent zum Lösen der Integralgleichung u(x) = u 0 + x 0 f (s)ds. u muss nur stetig sein, und nicht in jedem Punkt differenzierbar sein.
9 Ein anderer Lösungsbegriff für Ziele: PDE muss nicht mehr punktweise überall sondern nur noch fast überall erfüllt sein. Klassische punktweise Ableitungen werden ersetzt. Definition: Schwache Ableitung Seien Ω R n offen, u, v L 1 loc(ω) und α N n ein Multiindex. Falls u(x)d α ϕ(x) dx = ( 1) α v(x)ϕ(x) dx für alle ϕ Cc (Ω) Ω Ω gilt, dann nennt man v schwache Ableitung von u zum Multiindex α. Man schreibt dann auch D α u := v. Die Gültigkeit von Relationen wird nicht im punktweisen Sinne, sondern nur unter Testen mit glatten Funktion verlangt.
10 Starke für Definition: Sobolev-Räume Seien Ω R n offen, k N und 1 p. Der Sobolev-Raum W k,p (Ω) enthält alle u L 1 loc(ω), so dass für alle Multiindizes α N n mit α k die schwache Ableitung D α u existiert und in L p (Ω) ist. Sei H k = W k,2 für alle k N. Definition: Starke Lösung Seien Ω R n ein Gebiet und 1 p. Wenn u W 2,p (Ω) ist und die Gleichung fast überall in Ω erfüllt, dann heißt die Funktion u starke Lösung von F = 0.
11 Vanishing viscosity für Ausgangssituation: Man will eine nichtlineare PDE lösen die keine klassischen hat. Vanishing viscosity Technik: PDE durch einen Viskositätsterm stören, Lösung des gestörten Problems bestimmen, Störung gegen Null laufen lassen gestörte Lösung konvergiert gegen Lösung des ursprünglichen Problems. Problem: Ableitungen der gestörten Lösung im Grenzwert nicht kontrollierbar..
12 Degeneriert elliptisch für Sei F[u] := F(x, z, p, r) = 0 eine PDE. Wenn F (x, z, p, r) F(x, z, p, r) dann heißt F degeneriert elliptisch. Für die [] falls r r positiv semi-definit ist, F [u] = u xxu yy u xyu yx f (x, y, u, u x, u y) gilt, dass sie degeneriert elliptisch ist, falls f 0 und u xx > 0 gilt. Ober-, Unter-halbstetigkeit: Sei Ω R n ein Gebiet eine Funktion u : Ω R heißt in x oberhalbstetig, wenn für jedes ε > 0 eine Umgebung U von x existiert, so dass f (y) < f (x) + ε für alle y in U gilt. Analog wird Unterhalbstetigkeit definiert.
13 Lösung für Sei F degeneriert elliptisch und Ω R n ein Gebiet. Wenn u : Ω R eine unterhalbstetige Funktion ist und F(x, u(x), p, r) 0 für alle x Ω und alle (p, r) J 2,+ Ω u(x) gilt, dann heißt u Unterlösung von F = 0 Wenn u : Ω R eine oberhalbstetige Funktion ist und F(x, u(x), p, r) 0 für alle x Ω und alle (p, r) J 2, Ω u(x) gilt, dann heißt u Oberlösung von F = 0. u ist eine Lösung von F = 0 auf Ω, wenn sie eine Oberlösung und eine Unterlösung von F = 0 auf Ω ist.
14 Löser für die () für Ausgangssituation: Es gibt viele numerische zu Lösung der (), die nur für in H 2 (Ω) konvergieren. Benamou, Froese und Oberman (B,F,O) entwickelten ein, das auch für konvergiert die nicht in H 2 (Ω) sind. Problemstellung: Sei Ω R 2 ein Gebiet und v C 0 ( Ω), betrachte: u xxu yy uxy 2 = f (x, y) in Ω, u = v auf Ω, wobei u konvex sein soll. Elliptizität bedeutet das die Lösung u konvex, daher ist es sinnvoll zu fordern, dass u konvex ist.
15 Diskretisierung Gebiet für Ω wird mit einem äquidistanten kartesischen Gitter diskretisiert. Abbildung 2: diskretisiertes Gebiet nur noch endlich viele Punkte (τ i, µ j ) Ω, wobei τ = {τ 0,..., τ l1 1} und µ = {µ 0,..., µ l2 1} äquidistante Knotenlisten mit Kotenabstand h > 0 sind. Wie Ableitungen als Differenz von Nachbarpunkten darstellen?
16 Zentrale Differenzen für Näherungen der Ableitungen: Zentrale Differenzen in x-richtung, bzw y-richtung liefern u xx(τ i, µ j ) 1 h 2 (u(τ i+1, µ j ) 2u(τ i, µ j ) + u(τ i 1, µ j )), u yy(τ i, µ j ) 1 h 2 (u(τ i, µ j+1 ) 2u(τ i, µ j ) + u(τ i, µ j 1 )). Für u xy, bestimme für ein fixes y zunächst u x(τ i, y) 1 2h (u(τ i+1, y) u(τ i 1, y)). Zentrale Differenzen auf ( ) in y-richtung anwenden ergibt ( ) u xy(τ i, µ j ) 1 4h 2 (u(τ i+1, µ j+1 ) u(τ i 1, µ j+1 ) u(τ i+1, µ j 1 ) + u(τ i 1, µ j 1 )).
17 Diskretisierung mit Finite Differenzen für Der Einfachheit halber a 1 := u(τ i+1, µ j ) + u(τ i 1, µ j ) 2, a 2 := u(τ i, µ j+1 ) + u(τ i, µ j 1 ), 2 a 3 := u(τ i+1, µ j+1 ) + u(τ i 1, µ j 1 ), a 4 := u(τ i 1, µ j+1 ) + u(τ i+1, µ j 1 ) 2 2 festlegen. Einsetzen in (), nach u(τ i, µ j ) auflösen liefert u(τ i, µ j ) = 1 2 (a 1 + a 2 ) ± 1 2 (a 1 a 2 ) (a 3 a 4 ) 2 + h 4 f (τ i, µ j ). Welches Vorzeichen der Wurzel wählen?
18 Elliptizität und Konvexität für u konvex u(λx 1 + (1 λ)x 2, λy 1 + (1 λ)y 2 ) λu(x 1, y 1 ) + (1 λ)u(x 2, y 2 ) für alle (x 1, y 1 ), (x 2, y 2 ) Ω und alle λ [0, 1] gilt. Für λ = 1 2 und die Punkte (τ i+1, µ j ), (τ i 1, µ j ) bzw. (τ i, µ j+1 ), (τ i, µ j 1 ) muss damit u(τ i, µ j ) 1 2 (u(τ i+1, µ j ) + u(τ i 1, µ j )) ( ) u(τ i, µ j ) 1 2 (u(τ i, µ j+1 ) + u(τ i, µ j 1 )) gelten. Addition von ( ) und ( ) liefert u(τ i, µ j ) < 1 [ (u(τ i+1, µ j ) + u(τ i 1, µ j )) + 1 ] 2 (u(τ i, µ j+1 ) + u(τ i, µ j 1 )) ( ) = 1 2 (a 1 + a 2 ).
19 für Iterationsvorschriften für die entsprechenden Indizes i und j lautet u(τ i, µ j ) M1 := 1 2 (a 1 + a 2 ) 1 2 Definiere Abbildungsvorschrift Φ : R N R N durch Φ ij ([u(τ i, µ j )] i,j ) := (a 1 a 2 ) (a 3 a 4 ) 2 + h 4 f (τ i, µ j ). { u(τ i, µ j ) M1 falls (τ i, µ j ) Ω, v(τ i, µ j ) falls (τ i, µ j ) Ω, wobei N l 1 l 2.
20 Konvergenz? für Definition: proper Sei F = (F 1,1,..., F l 1,l 2 ) ein Schema, wenn für i = 1,..., l 1, j = 1,..., l 2 ein δ > 0 existiert, so das für alle x R N(i,j) und alle x 0, y 0 R gilt, dass x 0 y 0 F i,j (x 0, x) F s,r (y 0, x) δ (x 0 y 0 ), dann heißt F proper. Satz: Konvergenz von Schema Sei F ein Schema. Wenn F proper ist und jede Komponente F i,j in jeder Variable nicht fallend ist (degenrate elliptic), dann folgt aus F [u] F[v] das u v gilt. Insbesondere sind eindeutig.
21 Zeige: F[u] F [v] u v für Angenommen es gilt u > v und für (i, j) gelte so dass Es folgt Proper: u i,j v i,j = max s=1,...,l 1 r=1,...,l 2 {u r,s v r,s} > 0, u i,j u r,s v i,j v r,s für r = 1,..., l 1 und s = 1,..., l 2. F[u] i,j = F i,j (u i,j, u i,j u s,r ) F i,j (u i,j, v i,j v s,r ). v i,j < u i,j F i,j (v i,j, v i,j v s,r ) F i,j (u ij, u i,j u s,r ) δ (v i,j u i,j ) < 0. Es folgt Es folgt, dass u v gilt. F i,j (u i,j, u i,j u s,r ) > F i,j (v i,j, v i,j v s,r ) = F i,j [v].
22 Zeige Eindeutigkeit von für Es gilt F[u] F[v] u v. Falls u und v sind, gilt, dass F[u] = F[v] = 0, also insbesondere F [u] = F[v] 0 F [u] = F[v] 0. Daraus folgt, dass u v und u v Eindeutigkeit.
23 FD-Schema ist nicht degenerate elliptic für Halte alle Variablen in u(τ i, µ j ) M1 außer a 4 fest. Seien a 3 = 0 und a 1, a 2, a 4 R mit a 4 > 0. Wenn man den Wert a 4 nun vergrößert, dann wird auch die Wurzel in u(τ i, µ j ) M1 = 1 2 (a 1 + a 2 ) 1 2 (a 1 a 2 ) }{{} 4 ( a 3 a }{{} 4 ) 2 + h 2 f i,j }{{} 0 =0 >0 größer und somit der gesamte Ausdruck kleiner. Schema nicht degenerate elliptic. Keine Konvergenzaussage möglich. Vermutung (B,F,O): Es existiert kein FD-Schema für die (), welches degenerate elliptic ist.
24 Modellverfahren für u H 2 (Ω) für (B, F, O) haben ein weiteres entwickelt,, d.h. in H 2 (Ω). Im dimensionalen gilt für eine starke Lösung u H 2 (Ω) der [] Ziel: ( ) nach u auflösen ( u) 2 = (u xx + u yy) 2 = u 2 xx + u 2 yy + 2u xxu yy = u 2 xx + u 2 yy + 2u 2 xy + 2f. (1) Wurzel ziehen positiven oder negativen Wert wählen? (2) Kann man auf die andere Seite bringen? Zu (1): Konvexe Lösung u Spur der Hessematrix von u positiv, d.h. ( ) positive Wurzel wählen. 0 u xx + u yy = u.
25 Lösungsoperator der Poisson-Gleichung für Zu (2): Sei 1 der Lösungsoperator des Poisson-Dirichlet-Problems. Für g H 2 (Ω) ist u := 1 (g) Lösung von u = g in Ω, u = v auf Ω. Sei Ω R 2 ein Gebiet. Der Operator T : H 2 (Ω) H 2 (Ω) wird durch ( ) T [u] := u 1 xx 2 + uyy 2 + 2uxy 2 + 2f }{{} definiert. = ( u) 2 +2(f det(d 2 u)) Problem: Hat der Operator T [u] einen Fixpunkt und ist diese eindeutig?
26 Fixpunkt des Operators für Sei u H 2 (Ω) eine konvexe starke Lösung der (). Dann ist u ein ( ) Fixpunkt des Operators T [u] := 1 ( u)2 + 2(f det(d 2 u)). Beweis: Sei v H 2 (Ω) konvexe starke Lösung der [], u = ( v) 2 + 2(f det(d 2 v)) = v. Es gilt v 0, also folgt v = v. Für v H 2 (Ω) ist u = v in Ω, u = v ein korrekt gestelltes Problem, daher gilt auf Ω T [v] = 1 ( ( v) 2 ) = 1 ( v ) = 1 ( v) = v.
27 Iteratives für Poisson-Gleichung ist eine lineare PDE. Es gibt viele zur Lösung der Poisson-Gleichung. bekannte Theorie anwenden um für n = 0, 1, 2,... die Gleichung u n+1 = (uxx) n 2 + (uyy) n 2 + 2(uxy) n 2 + 2f zu lösen, wobei ein Startwert u 0 gegeben sein muss. [BFO] verwenden zum Lösen ein.
28 für Ausgewertet wird auf einem äquidistanten N N Gitter, mit Gitterabstand h = N, wobei L die Länge einer Seite des Rechtecks L bezeichne. Solange Iterieren bis die Differenz zweier aufeinander folgender Iterierten kleiner als ist. Als Anfangsdaten: Lösung von u xx + u yy = 2f. Zu Lösen: u xxu yy u 2 xy = 0. Zu bestimmende Lösung: ũ(x) = x / H 2 (Ω). In welchem Sinne ist die Betragsfunktion eine Lösung?
29 der Methoden 1 und 2 zur Gleichung u xx u yy u xy u yx = 0 für Abbildung 3: Lösung ũ(x) = x auf einem N N Gitter.
30 B-Spline-Kollokationsverfahren u xxu yy u xyu yx = 0, u(x, y) = x, Startvektor u 0 = 0 für Abbildung 4: Berechnete Lösung auf einem Gitter.
31 B-Spline-Kollokationsverfahren u xxu yy u xyu yx = 0, u(x, y) = x, Startvektor u 0 = (x 1 2 )2 + (y 1 2 )2 für Abbildung 5: grün = Startvektor; blau = berechnete Lösung auf einem Gitter.
32 Zusammenfassung für Einführung in verschiedene von PDE. FD-: - keine Konvergenzsatz anwendbar - konvergiert für alle Beispiele von (B,F,O) : - verlangt Lösung in H 2 (Ω) - konvergiert für die selben Beispiele von (B,F,O), auch für nicht in H 2 (Ω). Ausblick: Nächsten Freitag Andreas mit weiteren Beispielen von (B,F,O) und einem von Dean und Glowinski.
Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung
Verfahren zur Lösung der Monge-Ampère-Gleichung Yasemin Hafizogullari Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zu aktuellen Themen der Numerik im Wintersemester 2010/2011 1
MehrNumerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II
für zur Lösung der Monge-Ampère-Gleichung, Teil II Andreas Platen Institut für Geometrie und Praktische Mathematik RWTH Aachen Seminar zur Approximationstheorie im Wintersemester 2009/2010 1 / 27 Gliederung
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrMerkblatt zur Funktionalanalysis
Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.
Mehr8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN
8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN (vi) Konvergenz von Folgen ist in topologischen Räumen folgendermaßen definiert: Ist (a n ) M eine Folge, so heißt sie konvergent gegen a M, wenn es
MehrMathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12
Mathematik für Wirtschaftswissenschaftler im WS /3 Lösungen zu den Übungsaufgaben Blatt Aufgabe 5 Welche der folgenden Matrizen sind positiv bzw negativ definit? A 8, B 3 7 7 8 9 3, C 7 4 3 3 8 3 3 π 3
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
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
Mehr4 Fehlerabschätzungen und Konvergenz der FEM
4 Fehlerabschätzungen und Konvergenz der FEM 4 Fehlerabschätzungen und Konvergenz der FEM 153 Es sei V der Lösungsraum und V N V ein endlich dimensionaler Unterraum. Weiters sei u V die exakte Lösung und
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 8 Partielle
Mehr5.10. Mehrdimensionale Extrema und Sattelpunkte
5.1. Mehrdimensionale Extrema und Sattelpunkte Zur Erinnerung: Eine Funktion f von einer Teilmenge A des R n nach R hat im Punkt a ein (strenges) globales Maximum, falls f( x ) f( a ) (bzw. f( x ) < f(
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
Mehr1.3 Differenzierbarkeit
1 1.3 Differenzierbarkeit Definition Sei B R n offen, a B, f : B R eine Funktion und v 0 ein beliebiger Vektor im R n. Wenn der Grenzwert D v f(a) := lim t 0 f(a + tv) f(a) t existiert, so bezeichnet man
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
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,
MehrImplizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen
Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,
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
MehrWiederholung von Linearer Algebra und Differentialrechnung im R n
Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:
MehrKarlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang. Sommersemester
Karlsruher Institut für Technologie Institut für Analysis Dr. Andreas Müller-Rettkowski Dr. Vu Hoang Sommersemester 03 6.06.03 Höhere Mathematik II für die Fachrichtungen Elektrotechnik und Informationstechnik
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
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,
MehrImplizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem
Implizite Funktionen Ist für eine stetig differenzierbare Funktion f : R n R m R n f (x, y ) = (0,..., 0) t, det f x (x, y ) 0, so lässt sich das Gleichungssystem f k (x 1,..., x n, y 1,..., y m ) = 0,
MehrFinite Elemente I 2. 1 Variationstheorie
Finite Elemente I 2 1 Variationstheorie 1 Variationstheorie TU Bergakademie Freiberg, SoS 2007 Finite Elemente I 3 1.1 Bilinearformen Definition 1.1 Sei V ein reeller normierter Vektorraum. Eine Bilinearform
MehrAnwendungen der Differentialrechnung
KAPITEL 3 Anwendungen der Differentialrechnung 3.1 Lokale Maxima und Minima Definition 16: Sei f : D R eine Funktion von n Veränderlichen. Ein Punkt x heißt lokale oder relative Maximalstelle bzw. Minimalstelle
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
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
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
MehrÜbungen zum Ferienkurs Analysis II 2014
Übungen zum Ferienkurs Analysis II 4 Probeklausur Allgemein Hinweise: Die Arbeitszeit beträgt 9 Minuten. Falls nicht anders angegeben, sind alle en ausführlich und nachvollziehbar zu begründen. Schreiben
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
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
MehrFinite Elemente Methode für elliptische Differentialgleichungen
Finite Elemente Methode für elliptische Differentialgleichungen Michael Pokojovy 8. Oktober 2007 Das Ritzsche Verfahren Sei R n ein beschränktes offenes Gebiet mit abschnittsweise glattem Rand S. Betrachte
Mehr1.6 Implizite Funktionen
1 1.6 Implizite Funktionen Wir werden uns jetzt mit nichtlinearen Gleichungen beschäftigen, f(x) = 0, wobei f = (f 1,..., f m ) stetig differenzierbar auf einem Gebiet G R n und m < n ist. Dann hat man
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
MehrGlättung durch iterative Verfahren
Numerische Methoden in der Finanzmathematik II Sommersemester 211 Glättung durch iterative Verfahren Vorlesung Numerische Methoden in der Finanzmathematik II Sommersemester 211 Numerische Methoden in der
MehrÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS
ÜBUNGSBLATT 11 LÖSUNGEN MAT121/MAT131 ANALYSIS II FRÜHJAHRSSEMESTER 2011 PROF. DR. CAMILLO DE LELLIS Aufgabe 1. a) Gegeben sei die Gleichung 2x 2 4xy +y 2 3x+4y = 0. Verifizieren Sie, dass diese Gleichung
MehrSchwache Lösungstheorie
Kapitel 4 Schwache Lösungstheorie Bemerkung 4.1 Motivation. Dieses Kapitel stellt eine Erweiterung des Lösungsbegriffes von partiellen Differentialgleichungen vor die schwache Lösung. Diese Erweiterung
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
MehrHöhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
Karlsruher Institut für Technologie Institut für Analysis Dr. I. Anapolitanos Dipl.-Math. Sebastian Schwarz SS 7 4.5.7 Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrPartielle Differentialgleichungen Kapitel 11
Partielle Differentialgleichungen Kapitel Die Laplace- und Poisson- Gleichungen Die Struktur bei elliptischen Gleichungen zweiter Ordnung ist nicht wesentlich verschieden bei Operatoren mit konstanten
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
Mehr12 Gewöhnliche Differentialgleichungen
2 2 Gewöhnliche Differentialgleichungen 2. Einleitung Sei f : D R wobei D R 2. Dann nennt man y = f(x, y) (5) eine (gewöhnliche) Differentialgleichung (DGL) erster Ordnung. Als Lösung von (5) akzeptiert
MehrAnalysis II 14. Übungsblatt
Jun.-Prof. PD Dr. D. Mugnolo Wintersemester 01/13 F. Stoffers 04. Februar 013 Analysis II 14. Übungsblatt 1. Aufgabe (8 Punkte Man beweise: Die Gleichung z 3 + z + xy = 1 besitzt für jedes (x, y R genau
Mehr2.6 Der Satz von Fubini
1 2.6 Der Satz von Fubini Unser Ziel ist der Beweis des folgenden Ergebnisses. 6.1. Satz von Fubini Sei f : R n+m R integrierbar. Dann gibt es eine Nullmenge N R m, so dass gilt: 1. Für alle y R m \ N
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
MehrLösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink
Lineare Algebra D-MATH, HS 201 Prof. Richard Pink Lösung zu Serie 18 1. Sei V,, ein endlich-dimensionaler unitärer Vektorraum. Zeige, dass zu jeder Sesquilinearform f : V V C eine eindeutige lineare Abbildung
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)
MehrAusgleichsproblem. Definition (1.0.3)
Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst
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
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrKLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.
MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw
MehrExakte Differentialgleichungen
Exakte Differentialgleichungen M. Vock Universität Heidelberg Seminar Mathematische Modellierung am 11.11.2008 Gliederung Differentialgleichungen eine erste Begegnung Definition Gewöhnliche DGL Die exakte
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
MehrNewton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben
Newton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben Patrick Knapp Berichtseminar zur Bachelorarbeit Universität Konstanz 14.12.2010 Einleitung Aufgabenstellung min J(y,
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
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
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
Mehr1 Ableitungen. Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen. a 1 + tx 1. eine Kurve.
1 Ableitungen Definition: Eine Kurve ist eine Abbildung γ : I R R n, γ besteht also aus seinen Komponentenfunktionen γ 1 (t) γ(t) = γ n (t) Bild(γ) = {γ(t) t I} heißt auch die Spur der Kurve Beispiel:1)
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
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
MehrLösung zur Klausur zur Analysis II
Otto von Guericke Universität Magdeburg 9.7.4 Fakultät für Mathematik Lösung zur Klausur zur Analysis II Vorlesung von Prof. L. Tobiska, Sommersemester 4 Bitte benutzen Sie für jede Aufgabe ein eigenes
Mehr1 Formen und äußeres Differential
1 Formen und äußeres Differential Wir betrachten den n-dimensionalen reellen Raum R n = { x = x 1,...,x n ) : x i R für i = 1,...,n }. Definition 1.1 Ein Tangentialvektor an R n im Punkt x R n ist ein
Mehr4.4 Lokale Extrema und die Hessesche Form
74 Kapitel 4 Differentialrechnung in mehreren Variablen 44 Lokale Extrema und die Hessesche Form Sei jetzt wieder U R n offen und f:u R eine Funktion Unter einem lokalen Extremum der Funktion f verstehen
MehrÜbungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.
Übungen zu Grundlagen der Mathematik Lösungen Blatt 1 SS 14 Prof. Dr. W. Decker Dr. M. Pleger Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion f : U R, (x, y) x y x + y, im Punkt (1, 1) bis einschließlich.
MehrEinführung in partielle Differentialgleichungen
vdf - Lehrbücher und Skripten Einführung in partielle Differentialgleichungen für Ingenieure, Chemiker und Naturwissenschaftler von Norbert Hungerbühler 2., durchgesehene Auflage 2 Einführung in partielle
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
MehrFinite Elemente Methoden (aus der Sicht des Mathematikers)
Finite Elemente Methoden (aus der Sicht des Mathematikers) Alfred Schmidt Übersicht: Partielle Differentialgleichungen, Approximation der Lösung, Finite Elemente, lineare und höhere Ansatzfunktionen, Dünn
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,
Mehr1 Umkehrfunktionen und implizite Funktionen
Mathematik für Physiker III WS 2012/2013 Freitag 211 $Id: implizittexv 18 2012/11/01 20:18:36 hk Exp $ $Id: lagrangetexv 13 2012/11/01 1:24:3 hk Exp hk $ 1 Umkehrfunktionen und implizite Funktionen 13
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrPartielle Differentialgleichungen in der Bildverarbeitung. oder
Partielle Differentialgleichungen in der Bildverarbeitung Februar 2003 Dirk Lorenz oder PDEs in der Bildverarbeitung 1 Partielle Differentialgleichungen zum Anfassen und Streicheln PDEs in der Bildverarbeitung
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
MehrNumerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren
Ergänzungen zu dem Buch Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben von Carl Geiger und Christian Kanzow (Springer Verlag, 1999) Eine kurze Einführung in Quasi Newton Verfahren
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
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
MehrAnalysis der Eikonal-Gleichung Teil I
Analysis der Eikonal-Gleichung Teil I Seminararbeit zur angewandten Mathematik Matthäus Deutsch vorgelegt bei Prof Dr. Wolfgang Ring Institut für Mathematik und Wissenschaftliches Rechnen Universität Graz
MehrII. Elliptische Probleme
II. Elliptische Probleme II.1 Finite Differenzen: Grundidee II.2 Konvergenzaussagen II.3 Allgemeine Randbedingungen II.4 Gekrümmte Ränder Kapitel II (0) 1 Dirichlet Randwerte mit finiten Differenzen Einfachster
MehrÜbungen zu Partielle Differentialgleichungen, WS 2016
Übungen zu Partielle Differentialgleichungen, WS 2016 Ulisse Stefanelli 16. Januar 2017 1 Beispiele 1. Betrachten Sie die Beispiele von nichtlinearen PDG und Systemen, die wir im Kurs diskutiert haben,
MehrMathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen
Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β
MehrAufgabe 2 (5 Punkte) y = 1 x. y + 3e 3x+2 x. von f. (ii) Für welches u in R 2 gilt f(u) = [3, 3, 4] T? x 2 + a x 3 x 1 4x 2 + a x 3 2x 4
Prof. Dr. B. Billhardt Wintersemester 4/5 Klausur zur Vorlesung Höhere Mathematik II (BNUW) 4.3.5 Aufgabe (a) Ermitteln Sie die Nullstellen des Polynoms p(z) = z 4 4z 3 + 3z + 8z. Tipp: p( + i) =. (b)
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
MehrDifferentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.
Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.
Mehr, r [0, 2], ϕ [0,π/2], ϑ [0,π/6]. x 3. x 2 2 x 2 1. F(x) = x 2 3
Prof. Dr. Eck Höhere Mathematik 3 9.3.9 Aufgabe ( Punkte) Gegeben ist der Körper K mit der Parametrisierung x r cos ϕ cos ϑ K : x = Φ(r,ϕ,ϑ) = r sin ϕ cos ϑ, r [, ], ϕ [,π/], ϑ [,π/6]. x 3 r sin ϑ a) Berechnen
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
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2014/15 Hochschule Augsburg : Gliederung 1 Grundlegende 2 Grundlegende 3 Aussagenlogik 4 Lineare Algebra
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
MehrImplizite Funktionen
Implizite Funktionen Durch die Bedingung F (x, y) = C, C R wird eine bestimmte Teilmenge des R 2 festgelegt, zb durch die Bedingung x y = 4 Dabei können wir obda C = 0 annehmen, da wir stets zur Betrachtung
MehrUniversität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla
Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla Sätze über Konvexität von Kapitel 4.7 bis 4.10 Theorem 4.7-1. Sei U ein konvexer Unterraum eines normierten Vektorraums. Dann
MehrKlausur Analysis II
WS 28/9 Prof. Dr. John M. Sullivan Kerstin Günther Technische Universität Berlin Fakultät II Institut für Mathematik Klausur Analysis II 6.2.28 Name: Vorname: Matr.-Nr.: Studiengang: Mit der Veröffentlichung
MehrLösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt
Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik
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 )
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
MehrFinite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix
MehrOptimaler Transport. Marzena Franek. Skiseminar Februar Institut für Numerische und Angewandte Mathematik
Institut für Numerische und Angewandte Mathematik Skiseminar Februar 2009 1 Das Problem von Monge 1 Das Problem von Monge 2 1 Das Problem von Monge 2 3 1 Das Problem von Monge 2 3 4 1 Das Problem von Monge
MehrVorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Themen: Taylor-Entwicklung und lokale Extrema
Vorlesung: Analysis II für Ingenieure Wintersemester 09/10 Michael Karow Themen: Taylor-Entwicklung und lokale Extrema Motivierendes Beispiel: die Funktion f(x, y) = x(x 1) 2 2 y 2. Dieselbe Funktion von
MehrMathematik 3 für Informatik
Gunter Ochs Wintersemester 5/6 Mathematik 3 für Informatik Lösungen zum Hausaufgabenblatt Lösungshinweise ohne Garnatie auf Fehlerfreiheit c 5. Berechnen Sie die folgenden unbestimmten Integrale: a x 4
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrMathematik II für Inf und WInf
Gruppenübung Mathematik II für Inf und WInf 8. Übung Lösungsvorschlag G 28 (Partiell aber nicht total differenzierbar) Gegeben sei die Funktion f : R 2 R mit f(x, ) := x. Zeige: f ist stetig und partiell
Mehri j m f(y )h i h j h m
10 HÖHERE ABLEITUNGEN UND ANWENDUNGEN 56 Speziell für k = 2 ist also f(x 0 + H) = f(x 0 ) + f(x 0 ), H + 1 2 i j f(x 0 )h i h j + R(X 0 ; H) mit R(X 0 ; H) = 1 6 i,j,m=1 i j m f(y )h i h j h m und passendem
MehrStetigkeit und Dierenzierbarkeit im R n
Stetigkeit und Dierenzierbarkeit im R n 1 Stetigkeit Wir übertragen den Stetigkeitsbegri auf mehrstellige reellwertige Funktionen. Denition 1. Sei M R n. Eine Funktion f : M R heiÿt stetig in a M gdw.
Mehr31 Die Potentialgleichung
3 Die Potentialgleichung Die Potentialgleichung oder auch Poisson-Gleichung ist die lineare Gleichung zweiter Ordnung u = f in einem Gebiet R n. Im homogenen Fall f = 0 spricht man auch von der Laplace-
Mehr