Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung

Größe: px
Ab Seite anzeigen:

Download "Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung"

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

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

Mehr

Numerische Verfahren zur Lösung der Monge-Ampère-Gleichung, Teil II

Numerische 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

Mehr

Optimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme

Optimale 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

Mehr

Merkblatt zur Funktionalanalysis

Merkblatt zur Funktionalanalysis Merkblatt zur Funktionalanalysis Literatur: Hackbusch, W.: Theorie und Numerik elliptischer Differentialgleichungen. Teubner, 986. Knabner, P., Angermann, L.: Numerik partieller Differentialgleichungen.

Mehr

8 1. GEOMETRIE DIFFERENZIERBARER MANNIGFALTIGKEITEN

8 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

Mehr

Mathematik für Wirtschaftswissenschaftler im WS 12/13 Lösungen zu den Übungsaufgaben Blatt 12

Mathematik 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

Mehr

Iterative Verfahren, Splittingmethoden

Iterative 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

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 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

Mehr

4 Fehlerabschätzungen und Konvergenz der FEM

4 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

Mehr

Einführung 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) 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

Mehr

5.10. Mehrdimensionale Extrema und Sattelpunkte

5.10. 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(

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare 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

Mehr

1.3 Differenzierbarkeit

1.3 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

Mehr

8 Extremwerte reellwertiger Funktionen

8 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

Mehr

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite 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,

Mehr

Fixpunkt-Iterationen

Fixpunkt-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

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung 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:

Mehr

Karlsruher 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 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

Mehr

Modulprüfung Numerische Mathematik 1

Modulprüfung 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

Mehr

Musterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:

Musterlösung. 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,

Mehr

Implizite 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. 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,

Mehr

Finite Elemente I 2. 1 Variationstheorie

Finite 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

Mehr

Anwendungen der Differentialrechnung

Anwendungen 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

Mehr

Seminar Gewöhnliche Differentialgleichungen

Seminar 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

Mehr

KAPITEL 5. Nichtlineare Gleichungssysteme

KAPITEL 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

Mehr

Rückblick auf die letzte Vorlesung. Bemerkung

Rückblick 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

Mehr

Übungen zum Ferienkurs Analysis II 2014

Übungen 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

Mehr

18.4 Das Newton-Verfahren

18.4 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

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare Gleichungssysteme Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung

Mehr

Finite Elemente Methode für elliptische Differentialgleichungen

Finite 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

Mehr

1.6 Implizite Funktionen

1.6 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

Mehr

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

Grundlagen 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

Mehr

Glättung durch iterative Verfahren

Glättung 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

Mehr

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

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

Mehr

Schwache Lösungstheorie

Schwache 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

Mehr

Kapitel 3. Konvergenz von Folgen und Reihen

Kapitel 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

Mehr

Höhere Mathematik III für die Fachrichtung Elektrotechnik und Informationstechnik

Höhere 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

Mehr

Der n-dimensionale Raum

Der 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

Mehr

Partielle Differentialgleichungen Kapitel 11

Partielle 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

Mehr

18.2 Implizit definierte Funktionen

18.2 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

Mehr

12 Gewöhnliche Differentialgleichungen

12 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

Mehr

Analysis II 14. Übungsblatt

Analysis 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

Mehr

2.6 Der Satz von Fubini

2.6 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

Mehr

Darstellungsformeln für die Lösung von parabolischen Differentialgleichungen

Darstellungsformeln 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

Mehr

Lösung zu Serie 18. Lineare Algebra D-MATH, HS Prof. Richard Pink

Lösung 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

Mehr

Übungen zu Einführung in die Numerische Mathematik (V2E2) Sommersemester 2016

Übungen 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)

Mehr

Ausgleichsproblem. Definition (1.0.3)

Ausgleichsproblem. 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

Mehr

Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom

Übungsaufgaben 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

Mehr

Brückenkurs Mathematik. Mittwoch Freitag

Brückenkurs 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

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

KLAUSUR 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

Mehr

Exakte Differentialgleichungen

Exakte Differentialgleichungen Exakte Differentialgleichungen M. Vock Universität Heidelberg Seminar Mathematische Modellierung am 11.11.2008 Gliederung Differentialgleichungen eine erste Begegnung Definition Gewöhnliche DGL Die exakte

Mehr

Kapitel 4: Nichtlineare Nullstellenprobleme

Kapitel 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

Mehr

Newton-Verfahren zur optimalen Steuerung nichtlinearer elliptischer Randwertaufgaben

Newton-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,

Mehr

Folgerungen aus dem Auflösungsatz

Folgerungen 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

Mehr

Analysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS.

Analysis 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

Mehr

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion

Übungen 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

Mehr

1 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. 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)

Mehr

18 Höhere Ableitungen und Taylorformel

18 Höhere Ableitungen und Taylorformel 8 HÖHERE ABLEITUNGEN UND TAYLORFORMEL 98 8 Höhere Ableitungen und Taylorformel Definition. Sei f : D R eine Funktion, a D. Falls f in einer Umgebung von a (geschnitten mit D) differenzierbar und f in a

Mehr

Nichtlineare Gleichungen in einer und mehreren Unbekannten

Nichtlineare 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

Mehr

Lösung zur Klausur zur Analysis II

Lösung 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

Mehr

1 Formen und äußeres Differential

1 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

Mehr

4.4 Lokale Extrema und die Hessesche Form

4.4 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

Mehr

Übungen zu Grundlagen der Mathematik 2 Lösungen Blatt 12 SS 14. Aufgabe 44. Bestimmen Sie die Taylor-Polynome der Funktion.

Übungen 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.

Mehr

Einführung in partielle Differentialgleichungen

Einführung 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

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Technische 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

Mehr

Finite Elemente Methoden (aus der Sicht des Mathematikers)

Finite 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

Mehr

Ziel: Iterative Lösung der (nichtlinearen) Gleichung f(x) = 0.

Ziel: 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,

Mehr

1 Umkehrfunktionen und implizite Funktionen

1 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

Mehr

Extremwerte von Funktionen mehrerer reeller Variabler

Extremwerte 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

Mehr

Partielle Differentialgleichungen in der Bildverarbeitung. oder

Partielle 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

Mehr

Newton-Verfahren für ein Skalarfunktion

Newton-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

Mehr

Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren

Numerische 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

Mehr

Numerisches 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 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

Mehr

Analysis der Eikonal-Gleichung Teil I

Analysis 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

Mehr

II. Elliptische Probleme

II. 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

Mehr

Übungen zu Partielle Differentialgleichungen, WS 2016

Übungen 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,

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik 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

Mehr

Aufgabe 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

Aufgabe 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)

Mehr

5 Numerische Iterationsverfahren

5 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

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. 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

, 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

Mehr

10 Untermannigfaltigkeiten

10 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

Mehr

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Wirtschaftsmathematik 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

Mehr

3. Normalform linearer PDG zweiter Ordnung

3. 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

Mehr

Implizite Funktionen

Implizite 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

Mehr

Universität des Saarlandes Seminar der Fachrichtung Mathematik Rudolf Umla

Universität 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

Mehr

Klausur Analysis II

Klausur 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

Mehr

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt

Lösungen 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

Mehr

Rechenoperationen mit Folgen. Rekursion und Iteration.

Rechenoperationen 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 )

Mehr

6. Iterationsverfahren. Fixpunktiteration. 6.Iterationsverfahren: Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16

6. 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

Finite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015

Finite 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

Mehr

Optimaler Transport. Marzena Franek. Skiseminar Februar Institut für Numerische und Angewandte Mathematik

Optimaler 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

Mehr

Vorlesung: 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 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

Mehr

Mathematik 3 für Informatik

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

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung 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

Mehr

Mathematik II für Inf und WInf

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

Mehr

i j m f(y )h i h j h m

i 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

Mehr

Stetigkeit und Dierenzierbarkeit im R n

Stetigkeit 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.

Mehr

31 Die Potentialgleichung

31 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