Nichtlineare Gleichungssysteme
|
|
- Hertha Dunkle
- vor 6 Jahren
- Abrufe
Transkript
1 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 der Modellierung realer Prozesse entstehen nichtlineare GS als Zwischenstufe bei der numerischen Behandlung von gewöhnlichen und partiellen Differentialgleichungen. Grundlagen der Numerik 119
2 Fixpunktiteration Betrachten zuerst skalare nichtlineare Gleichung (n = 1) f(x) = 0 mit f : R R Idee Fixpunktiteration: Gleichung f(x) = 0 in äquivalente Fixpunktgleichung x = Φ(x) umformen. Dann Startwert x 0 vorgeben und iterieren x k+1 = Φ(x k ), k = 0, 1,... Hoffnung: x k x mit x = Φ(x ) und f(x ) = 0. Grundlagen der Numerik 120
3 Fixpunktiteration Fragen: 1. Wie wählt man den Startwert x 0? 2. Wie findet man zu einer gegebenen nichtlinearen Funktion f eine geeignete Funktion Φ, so daß die Folge {x k } gegen x konvergiert? 3. Unter welchen Voraussetzungen konvergiert die Folge? 4. Wie schnell konvergiert die Folge? Grundlagen der Numerik 121
4 Fixpunktiteration Zu 1: verschiedene Möglichkeiten: Skizze, Wertetabelle, Problemkenntnisse,... Zu 2: Betrachten folgendes Beispiel f(x) := 2x tan x = 0 Beispiele für äquivalente Fixpunktgleichungen: (a) x = 1 2 tan x =: Φ 1(x) x k+1 = 1 2 tan x k (b) x = arctan(2x) =: Φ 2 (x) x k+1 = arctan(2x k ) Geometrische Überlegungen gute Startnäherung x 0 = 1.2 Grundlagen der Numerik 122
5 Fixpunktiteration Die Fixpunktiterationen liefern die folgenden Werte k (a) (b) > π/ Offensichtlich divergiert die erste Folge (tan x hat einen Pol bei π/2 und x 2 > π/2) Grundlagen der Numerik 123
6 Fixpunktiteration Zu 3 und 4: Die Variante (b) konvergiert, bei ca. jedem zweiten Iterationsschritt kommt eine gültige Dezimalstelle dazu. Konvergenz ist abhängig von konkreter Funktion Φ Im folgenden wollen wir hinreichende Bedingungen für die Konvergenz angeben. Grundlagen der Numerik 124
7 Fixpunktiteration Betrachten Iterationsfolge x k+1 = Φ(x k ), k = 0, 1,... und Differenz zweier aufeinanderfolgender Iterationswerte x k+1 x k = Φ(x k ) Φ(x k 1 ) Ziel: x k+1 x k 0 für k Idee: Wenn Φ(x k ) Φ(x k 1 ) < x k x k 1 dann x k+1 x k < x k x k 1 Grundlagen der Numerik 125
8 Fixpunktiteration DEF.: Sei I = [a, b] R ein Intervall und Φ : I R. Dann heißt Φ kontrahierend auf I, wenn es ein 0 L < 1 gibt, so daß Φ(x) Φ(y) L x y x, y I. Für stetig differenzierbares Φ ist die Lipschitz-Konstante L leicht zu berechnen. LEMMA: Sei Φ C 1 [I]. Dann gilt sup x,y I, x =y Φ(x) Φ(y) x y = sup ξ I Φ (ξ) <. Grundlagen der Numerik 126
9 Fixpunktiteration Beispiel: Sei f(x) = a x 2 + 2, a > 0 und I = [0, 2]. Grundlagen der Numerik 127
10 Fixpunktiteration SATZ: (Konvergenzsatz) Sei Φ : I = [a, b] I eine kontrahierende Abbildung mit Lipschitz-Konstante L < 1. Dann gilt 1. Die Folge {x k } mit x k+1 = Φ(x k ) konvergiert für jeden Startwert x 0 I gegen ein x I, den einzigen Fixpunkt von Φ in I. 2. A priori Fehlerabschätzung: x k x Lk 1 L x 1 x 0, k = 0, 1, A posteriori Fehlerabschätzung x k x L 1 L x k x k 1, k = 1, 2,... Grundlagen der Numerik 128
11 Fixpunktiteration Jetzt: Φ : R n R n DEF.: Mit Φ (x) R n,n Funktionalmatrix Φ (x) := bezeichnen wir die Jacobi oder ( ) Φi x j i,j=1,...,n SATZ: (lokaler Konvergenzsatz) Die Abbildung Φ : R n R n besitze einen Fixpunkt x. Φ sei stetig partiell differenzierbar in einer Umgebung von x. Für den Spektralradius von Φ (x ) gelte ρ(φ (x )) < 1. Dann existiert eine Umgebung D von x derart, daß die Folge {x k } mit x k+1 = Φ(x k ) für jedes x 0 D gegen x konvergiert. Grundlagen der Numerik 129
12 Fixpunktiteration Frage: Wie schnell konvergiert eine Iterationsfolge? DEF.: Eine Folge {x k }, x k R n, konvergiert mit der Ordnung (mindestens) p 1 gegen x, falls es eine Konstante C 0 gibt, so daß x k+1 x C x k x p für alle genügend großen k gilt, wobei wir im Fall p = 1 zusätzlich C < 1 fordern. Im Fall p = 1 spricht man von linearer, für p = 2 von quadratischer Konvergenz. Weiter heißt {x k } superlinear konvergent, falls lim k x k+1 x x k x = 0. Grundlagen der Numerik 130
13 Fixpunktiteration Bemerkung: 1. Man nennt ein Iterationsverfahren mit der Iterationsfunktion Φ konvergent von der Ordnung p, wenn die Folge {x k } mit x k+1 = Φ(x k ) konvergent von der Ordnung p ist. 2. Wegen der Normäquivalenz im R n gilt für p > 1: Ist {x k } in einer Norm konvergent von der Ordnung p > 1, dann auch in jeder anderen. 3. p und C bestimmen die Konvergenzgeschwindigkeit der Folge, wobei der Wert von p wichtiger ist. Die Konstante C ist wichtig beim Vergleich linear konvergenter Verfahren. Gutes Iterationsverfahren: Superlineare Konvergenz oder lineare Konvergenz mit C 1. Grundlagen der Numerik 131
14 Das eindimensionale Newton-Verfahren Bedeutung: Bekanntestes und wichtigstes Verfahren, weitere gute Verfahren sind lediglich Modifikationen des Newton-Verfahrens. Betrachten: f(x) = 0, f : R R. Voraussetzung: f ist in einer Umgebung einer Nullstelle x stetig differenzierbar. Grundlagen der Numerik 132
15 Das eindimensionale Newton-Verfahren Geometrische Motivation: Sei x 0 eine Startnäherung für x. Legen an die Kurve f(x) eine Tangente im Punkt (x 0, f(x 0 )). Ist diese nicht parallel zur x-achse (f (x 0 ) 0), so erhalten wir einen Schnittpunkt der Tangente mit der x-achse. Dieser Schnittpunkt wird als neue Näherung x 1 genommen und das Verfahren fortgesetzt. Grundlagen der Numerik 133
16 Das eindimensionale Newton-Verfahren Newton-Verfahren: Wiederholte Anwendung liefert x k+1 = x k f(x k), k = 0, 1,... f (x k ) Beobachtung: Newton Verfahren = spezielle Fixpunktiteration 1. x k+1 = Φ(x k ) mit Φ(x) = x f(x) f (x) 2. f(x ) = 0, f (x ) 0 Φ(x ) = x 3. Φ (x) = 1 (f ) 2 f f (f ) 2 = f f (f ) 2 Φ (x ) = 0 Grundlagen der Numerik 134
17 Das eindimensionale Newton-Verfahren SATZ: Sei x einfache Nullstelle von f, d.h. f(x ) = 0 und f (x ) 0, und f dreimal stetig differenzierbar in einer Umgebung von x. Dann konvergiert das Newton Verfahren für jeden hinreichend nahe bei x gelegenen Startwert x 0 mindestens quadratisch mit dem Konvergenzfaktor c = f (x )/(2f (x )). SATZ: Sei x l fache Nullstelle von f mit l 2, d.h. f (p) (x ) = 0 mit 0 p l 1 und f (l) (x ) 0. Sei f 2l mal stetig differenzierbar in einer Umgebung von x. Dann konvergiert das Newton Verfahren für jeden hinreichend nahe bei x gelegenen Startwert x 0 linear mit dem Konvergenzfaktor c = (l 1)/l. Grundlagen der Numerik 135
18 Das eindimensionale Newton-Verfahren Beispiel: Berechnung der m-ten Wurzel einer positiven Zahl a > 0 aus f(x) = x m a = 0. Das Newton-Verfahren lautet mit k = 0, 1,... x k+1 = x k xm k a = 1 ( ) a + (m 1)x k m mx m 1 k x m 1 k Spezialfall: m = 2 (wird im Rechner benutzt) x k+1 = 1 ( ) a + x k Quadratwurzel 2 x k Grundlagen der Numerik 136
19 Das eindimensionale Newton-Verfahren Bemerkungen: 1. Ist der Startwert x 0 für das Newton-Verfahren nicht nahe genug an der gesuchten Nullstelle x, so kann das Newton- Verfahren gegen eine andere Nullstelle konvergieren oder auch divergieren. Das Newton-Verfahren ist nicht global konvergent. 2. Falls Berechnung von f zu aufwendig vereinfachtes Newton-Verfahren x k+1 = x k f(x k) f (x 0 ) Konvergenzordnung: p = 1, d.h. nur linear. Konvergenzfaktor: Φ (x ) = 1 f (x )/f (x 0 ) oft 1. Grundlagen der Numerik 137
20 Das eindimensionale Newton-Verfahren Bemerkungen: 3. Das Verfahren x k+1 = x k l f(x k) f (x k ) konvergiert in der Nähe einer l-fachen Nullstelle quadratisch. 4. Newton-Verfahren ist auch für komplexe Nullstellen geeignet, x 0 muß dann komplex sein. Grundlagen der Numerik 138
21 Ableitungsfreie Verfahren 1. Das Sekantenverfahren Entsteht aus Newton-Verfahren, wenn die Ableitung durch einen Differenzenquotienten ersetzt wird: f (x k ) f k f k 1 x k x k 1, (f k = f(x k )) Damit ergibt sich die Iterationsvorschrift (Sekantenverfahren) x k+1 = x k f k x k x k 1 f k f k 1, k = 1, 2,... Beachte: Man benötigt 2 Startwerte! Grundlagen der Numerik 139
22 Ableitungsfreie Verfahren Bemerkungen: 1. Das Sekantenverfahren hat nicht mehr die Form x k+1 = Φ(x k ), so daß die bisherigen Konvergenzuntersuchungen darauf nicht angewendet werden können. Die Ursache ist, daß zur Bestimmung von x k+1 (x k, f(x k )) und (x k 1, f(x k 1 )) benötigt werden. Man spricht von einem zweistufigen Iterationsverfahren. Bei jedem Schritt ist nur ein neuer Funktionswert zu berechnen (keine Ableitung!). Grundlagen der Numerik 140
23 Ableitungsfreie Verfahren Bemerkungen: 2. Falls f (x ) 0, f (x ) 0, so ist die Konvergenzordnung p = 1 2 (1 + 5) Konvergenz i.allg. nur in hinreichend kleiner Umgebung der Nullstelle, wie beim Newton-Verfahren. Frage: Gibt es global konvergente Verfahren, die für jeden Startwert x 0 gegen den Fixpunkt konvergieren? Grundlagen der Numerik 141
24 Global Konvergente Verfahren 2. Regula falsi: Idee: Sekantenverfahren und Vorzeichenkontrolle 1. Startwerte x 0, x 1 mit f 0 f 1 < 0 (unterschiedl. Vorzeichen) 2. Ein Schritt des Sekantenverfahrens liefert 3. Vorzeichentest x 2 = x 0 f 0 x 1 x 0 f 1 f 0 = f 1x 0 f 0 x 1 f 1 f 0 f 2 f 0 < 0 x 1 := x 2, f 1 := f 2 sonst x 0 := x 2, f 0 := f 2 Auf diese Weise wird die Nullstelle immer eingeschlossen. Grundlagen der Numerik 142
25 Global Konvergente Verfahren 3. Das Bisektionsverfahren. Idee: Regula falsi ohne Sekantenschritt 1. Startwerte x 0, x 1 mit f 0 f 1 < 0 (unterschiedl. Vorzeichen) 2. Berechnung des Funktionswertes im Mittelpunkt 3. Vorzeichentest x m = 1 2 (x 0 + x 1 ) f(x m )f 0 < 0 x 1 := x m, sonst x 0 := x m Das Verfahren ist ebenfalls global konvergent. Grundlagen der Numerik 143
26 Newton-Verfahren für Systeme Wir betrachten jetzt f(x) = 0, f : R n R n bzw. ausführlich f 1 (x 1,..., x n ) = 0 f n (x 1,..., x n ) = 0. Beispiel: f 1 (x 1, x 2 ) = x ex 1 sin x 2 1 = 0 f 2 (x 1, x 2 ) = x 1 x 2 + 4x x3 2 4 = 0. Grundlagen der Numerik 144
27 Newton-Verfahren für Systeme Voraussetzung: f stetig differenzierbar in Umgebung einer Nullstelle x von f. DEF.: Die Jacobi-Matrix f (x) einer Funktion f ist definiert durch f 1 f f x 1 (x)... 1 x n (x) (x) =.. R n,n f n f x 1 (x)... n x n (x) Beispiel: Für obiges Beispiel gilt ( ) 4x f 3 (x) = 1 + e x 1 sin x 2 e x 1 cos x 2 x x 2 1 x 1 + 3x 2 2 Grundlagen der Numerik 145
28 Newton-Verfahren für Systeme Wenn f (x k ) an der Stelle x k invertierbar ist, dann kann der neue Wert x k+1 berechnet werden: x k+1 = x k (f (x k )) 1 f(x k ) Das geschieht praktisch nicht durch die Bildung der Inversen, sondern durch die Lösung eines linearen Gleichungssytems. Newton-Verfahren: f (x k ) x k = f(x k ), x k+1 := x k + x k, k = 0, 1,... Die numerische Lösung des nichtlinearen GS ist damit zurückgeführt auf Lösung einer Folge von linearen GS. Grundlagen der Numerik 146
29 Newton-Verfahren für Systeme Algorithmus: S0: k = 0, Wahl eines Startvektors x 0 S1: Berechnung von f(x k ) Berechnung der Jacobimatrix f (x k ) Bestimmung der Korrektur x k aus f (x k ) x k = f(x k ) Berechne x k+1 = x k + x k S2: Abbruchtest Genauigkeit erreicht x = x k+1, STOP max. Iterationsanzahl erreicht keine Konvergenz, STOP k := k + 1; GOTO S1. Grundlagen der Numerik 147
30 Newton-Verfahren für Systeme Wahl von x 0 : schwierig! aus Problemkenntnissen, Tabelle, probieren,... (siehe auch Kapitel Stetigkeitsmethode) Abbruchtest: Toleranz TOL vorgeben, dann z.b. Test f(x k+1 ) + x k T OL. Berechnung von f (x): Bei kleineren Problemen analytisch, i.allg. Approximation durch Differenzenquotienten. f i f i(x + δ j e j ) f i (x) x j δ j mit e j = (0,..., 0, 1, 0,..., 0) T und δ j = max(1, x j ) ε, ε = Maschinengenauigkeit Grundlagen der Numerik 148
31 Newton-Verfahren für Systeme SATZ: Sei f(x ) = 0. Weiterhin gelte 1. f ist in Umgebung von x stetig partiell differenzierbar, 2. f (x ) ist nichtsingulär. Dann existiert ein δ > 0, so daß für jedes x 0 B[x, δ] := {x R n : x x δ} die durch das Newton-Verfahren x k+1 = x k f (x k ) 1 f(x k ), k = 0, 1,... gewonnene Folge {x k } definiert ist (d.h. f (x k ) ist nichtsingulär) und superlinear gegen x konvergiert. Grundlagen der Numerik 149
32 Newton-Verfahren für Systeme Gilt sogar 3. f ( ) ist auf einer (hinreichend kleinen) Kugel um x Lipschitzstetig in x, d.h., es existieren η > 0 und L > 0 mit f (x) f (x ) L x x, falls x x η, so konvergiert {x k } bei hinreichend kleinem δ > 0 für jedes x 0 B[x, δ] von mindestens zweiter Ordnung gegen x. Bemerkungen: Bei diesem Satz handelt es sich um einen lokalen Konvergenzsatz: Voraussetzungen an f, f + x 0 = hinreichend gute Näherung superlineare bzw. quadratische Konvergenz; Existenz einer Nullstelle wird vorausgesetzt. Grundlagen der Numerik 150
33 Newton-Verfahren für Systeme Beobachtung: Der Hauptaufwand beim Newtonverfahren besteht in der Berechnung der Jacobi-Matrix (n zusätzliche Funktionsaufrufe) und in der LR-Zerlegung dieser Matrix. Idee: f (x k ) durch const. Matrix, z.b. f (x 0 ), ersetzen Vereinfachtes Newton-Verfahren: f (x 0 ) x k = f(x k ), x k+1 = x k + x k, k = 0, 1,... Vorteil: Nur einmal Differenzenapproximation, nur eine LR- Zerlegung. Nachteil: Quadratische Konvergenz geht verloren, nur noch linear konvergent. Trotzdem i.allg. schnell konvergent wesentlich schneller als normales Newton-Verfahren. Grundlagen der Numerik 151
34 Stetigkeitsmethode Ziel: Berechnung einer besseren Startlösung x 0 Sei x 0 unsere beste Lösungsnäherung für f(x) = 0, aber das Newton Verfahren konvergiert nicht. Idee: Einbettung des Lösungsprozesses ˆf(x; α) := f(x) + (α 1)f(x 0 ) = 0, 0 α 1 Beobachtung: 1. α = 0: f(x) f(x 0 ) = 0 mit Lösung x 0 2. α = 1: f(x) = 0, unsere Aufgabe Algorithmus: Wende für eine Folge {α j } j=1,...,n mit 0 = α 0 < α 1 <... < α N = 1 das Newton Verfahren an und benutze jeweils x α j als Startlösung für α j+1. Grundlagen der Numerik 152
7. Nichtlineare Gleichngssysteme. Problem 7: Sei f : R n R n stetig. Löse f(x) = 0.
7. Nichtlineare Gleichngssysteme Problem 7: Sei f : R n R n stetig. Löse f(x) = 0. Das Gleichungssystem f(x) = 0 lässt sich in die Fixpunktgleichung x = φ(x) umschreiben, wobei φ : D R n R n. Beispielsweise
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
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.
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
MehrKapitel 6. Nichtlineare Gleichungen. 6.1 Einführung. Problem: Idee: Beispiel:
Kapitel 6 Nichtlineare Gleichungen 6. Einführung Problem: Gesucht sind Lösungen nichtlinearer Gleichungen bzw. Systeme, das heißt es geht beispielsweise um die Bestimmung der Nullstellen eines Polynoms
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
MehrNäherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.
3 Nullstellenbestimmung von Funktionen Sei x f(x) eine reellwertige Funktion, definiert auf einem Intervall I = [a, b] R. suchen Nullstellen der Funktion f, d.h. Wir finde α R so, das f(α) = 0. (3.0.1)
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
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
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
MehrKapitel 5. Lösung nichtlinearer Gleichungen
Kapitel 5. Lösung nichtlinearer Gleichungen 5.1 Nullstellen reeller Funktionen, Newton-Verfahren 5.2 Das Konvergenzverhalten iterativer Verfahren 5.3 Methode der sukzessiven Approximation 5.4 Das Newton-Verfahren
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 ( )
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170004 Numerische Methoden I Clemens Brand 26. Februar 2009, Gliederung,, Gleichungen in einer Variablen Was ist... Wie geht... eine lineare (nichtlineare,
MehrIterative Verfahren: Allgemeines, Fixpunkt-Iteration, Nullstellen. Prof. U. Rüde - Algorithmik kontinuierlicher Systeme
Algorithmik kontinuierlicher Systeme Iterative Verfahren: Allgemeines, Fiunkt-Iteration, Nullstellen Motivation Viele numerische Probleme lassen sich nicht mit endlich vielen Schritten lösen Nullstellen
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
Mehr6. Numerische Lösung des. Nullstellenproblems
6. Numerische Lösung des Nullstellenproblems 1 Problemstellung Zwischenwertsatz: Sei f : [a,b] R stetig und c R mit f(a) c f(b) oder f(b) c f(a). Dann gibt es ein x [a,b] mit f(x) = c. Frage: Wie lässt
MehrEinführung in die numerische Mathematik
Prof. Dr. M. Günther K. Gausling, M.Sc. C. Hendricks, M.Sc. Sommersemester 4 Bergische Universität Wuppertal Fachbereich C Mathematik und Naturwissenschaften Angewandte Mathematik / Numerische Analysis
MehrNullstellen von algebraischen Gleichungen
Kapitel 2 Nullstellen von algebraischen Gleichungen 2.1 Vorbemerkungen Suche Lösung der Gleichung f(x) = 0 (2.1) Dies ist die Standardform für eine Dimension. - typisch nichtlineare Gleichung, sonst elementar
MehrNichtlineare Gleichungen in einer und mehreren Unbekannten
(MUL) 1. März 2012 1 / 37 Nichtlineare Gleichungen in einer und mehreren Unbekannten 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand MUL 1. März 2012 Gliederung 1 Wiederholung Begriffe, Verfahren
MehrVF-2: 2. Es seien x = 1 3 und y = π Bei der Berechnung von sin(x) sin(y) in M(10, 12, 99, 99) tritt. Auslöschung auf.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H11 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrAlgebra. Roger Burkhardt Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft
Algebra Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft FS 2010 Roger Burkhardt roger.burkhardt@fhnw.ch Algebra
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
MehrFixpunkt-Iterationen
Fixpunkt-Iterationen 2. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 3. März 2016 Nichtlineare Gleichungen, Fixpunkt-Iterationen 1 Wiederholung Aufgabentypen
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
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,
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
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
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
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
MehrKapitel 5 Nichtlineare Gleichungssysteme und Iterationen
Kapitel 5 Nichtlineare Gleichungssysteme und Iterationen Wir betrachten das System f() = 0 von n skalaren Gleichungen f i ( 1,..., n ) = 0, i = 1,..., n. Gesucht: Nullstelle von f() = 0. Es sei (0) eine
MehrBegleitmaterial zur Vorlesung Numerik II
Begleitmaterial zur Vorlesung Numerik II Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik II 1 / 35 Inhalte der Numerik
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
MehrLeseprobe. Hans-Jochen Bartsch. Taschenbuch mathematischer Formeln für Ingenieure und Naturwissenschaftler. ISBN (Buch):
Leseprobe Hans-Jochen Bartsch Taschenbuch mathematischer Formeln für Ingenieure und Naturwissenschaftler ISBN (Buch): 978-3-446-43800-2 ISBN (E-Book): 978-3-446-43735-7 Weitere Informationen oder Bestellungen
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
MehrBestimmung der Wurzeln nichtlinearer Gleichungen. Mária Lukáčová (Uni-Mainz) Nichtlineare Gleichungen June 22, / 10
Bestimmung der Wurzeln nichtlinearer Gleichungen Mária Lukáčová (Uni-Mainz) Nichtlineare Gleichungen June 22, 2010 1 / 10 Problem Definition Gegeben f : (a, b) R R. Finde α (a, b) : Existiert eine Lösung?
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
Mehr5 Numerische Mathematik
6 5 Numerische Mathematik Die Numerische Mathematik setzt sich aus mehreren Einzelmodulen zusammen Für alle Studierenden ist das Modul Numerische Mathematik I: Grundlagen verpflichtend In diesem Modul
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
MehrVF-3: Gegeben seien die Daten f(x 0 ), f(x 1 ),..., f(x n ) mit x 0,..., x n paarweise verschiedenen und
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Aussagen Diese sind mit wahr bzw falsch zu kennzeichnen (hinschreiben) Es müssen alle Fragen mit wahr
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben).
MehrDiplom VP Numerik 28. August 2006
Diplom VP Numerik 8. August 6 Multiple-Choice-Test Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese Aufgabe
Mehr( ) Dann gilt f(x) g(x) in der Nähe von x 0, das heisst. Für den Fehler r(h) dieser Näherung erhält man unter Verwendung von ( )
64 Die Tangente in x 0 eignet sich also als lokale (lineare) Näherung der Funktion in der Nähe des Punktes P. Oder gibt es eine noch besser approximierende Gerade? Satz 4.9 Unter allen Geraden durch den
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen IGPM RWTH Aachen Institut für Geometrie und Praktische Mathematik Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
MehrGleichungen, GS und Nullstellen
TU Ilmenau Institut für Mathematik FG Numerische Mathematik und Informationsverarbeitung PD Dr. W. Neundorf Datei: UEBG5.TEX Übungsaufgaben zum Lehrgebiet Numerische Mathematik - Serie 5 Gleichungen, GS
MehrKlausur Numerische Mathematik (für Elektrotechniker), 24. Februar 2016
Verständnisfragen-Teil ( Punkte) Jeder der Verständnisfragenblöcke besteht aus Verständnisfragen. Werden alle Fragen in einem Verständnisfragenblock richtig beantwortet, so gibt es für diesen Block Punkte.
Mehr(b) Bestimmen Sie mit Hilfe des Newton-Verfahrens eine Nullstelle von f auf 6 Nachkommastellen
Mathematik I für Naturwissenschaften Dr. Christine Zehrt 5.10.18 Übung 6 (für Pharma/Geo/Bio) Uni Basel Besprechung der Lösungen: 9. Oktober 018 in den Übungsstunden Aufgabe 1 GebenSieohneTaschenrechnereineNäherungvon
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:
MehrNEXTLEVEL I, Analysis I
NEXTLEVEL I, Analysis I Hanna Peywand Kiani Wintersemester 9/ Die ins Netz gestellten Kopien der Folien sollen nur die Mitarbeit während der Veranstaltung erleichtern. Ohne die in der Veranstaltung gegebenen
MehrNewton- und und Quasi-Newton-Methoden in der Optimierung. János Mayer
Newton- und und Quasi-Newton-Methoden in der Optimierung János Mayer 1 GLIEDERUNG Newton-Methode für nichtlineare Gleichungen nichtlineare Gleichungssysteme freie Minimierung. Quasi-Newton-Methoden für
Mehr8 Iterationsverfahren zur Lösung von Gleichungen
Numerik 396 8 Iterationsverfahren zur Lösung von Gleichungen Nichtlineare Gleichungssysteme (sogar eine nichtlineare Gleichung in einer Unbekannten) müssen fast immer iterativ gelöst werden (vgl. Kapitel
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
MehrNumerisches Lösen von Gleichungen
Numerisches Gesucht ist eine Lösung der Gleichung f(x) = 0. Das sverfahren ist eine numerische Methode zur Bestimmung einer Nullstelle. Es basiert auf dem Zwischenwertsatz: Satz (1.1.1) Zwischenwertsatz:
MehrGleichungsbasierte Modellierung
1 Gleichungsbasierte Modellierung Die Benutzung von Gleichungen zur Geometrischen Modellierung wurde bereits von Sutherland eingeführt. Fortgeführt wurde sie durch die Arbeiten von Light und Gossard. Wie
Mehr8 Iterationsverfahren zur Lösung von Gleichungssystemen
Numerische Mathematik 378 8 Iterationsverfahren zur Lösung von Gleichungssystemen Nichtlineare Gleichungssysteme (sogar eine nichtlineare Gleichung in einer Unbekannten) müssen fast immer iterativ gelöst
MehrDiplom VP Numerik 27. August 2007
Diplom VP Numerik 27. August 2007 Multiple-Choice-Test 30 Punkte Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine einzige Aussage angekreuzt, gilt diese
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
Mehr4 Nichtlineare Gleichungssysteme
4 Nichtlineare Gleichungssysteme 4.1 Nichtlineare Gleichungssysteme und Optimierungsprobleme Sei f : D Ê n mit D Ê n ein Gebiet. Gesucht ist dann ein x D mit f(x) = 0 oder f i (x 1,...,x n ) = 0 für i
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 11. Juli 2016 Ableitungen im Höherdimensionalen Im Eindimensionalen war die Ableitung f (x 0 ) einer Funktion f : R R die
Mehr(x x j ) x [a,b] n! j=0
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB F10 (4 Punkte Es gibt zu jeder der 1 Aufgaben vier Aussagen. Diese sind mit bzw. zu kennzeichnen (hinschreiben. Es müssen alle Fragen mit oder gekennzeichnet
MehrAlgorithmen zur Nullstellenbestimmung Ac 2018
Algorithmen zur Nullstellenbestimmung Ac 2018 Bestimmt werden sollen Lösungen x der Gleichung f(x) = 0 für eine stetige Funktion f. Diese Lösungen x nennt man Nullstellen von f. 1. Methode: Bisektionsverfahren
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.
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV 6.8.005 1 Aufgabe N1 Gegeben seien A = 5-10 -5-10 8-10 -5-10 13 R 3 3 und b = a) Überprüfen Sie, ob die Matrix A positiv definit ist. b) Bestimmen
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Multiple-Choice-Test NumaMB F08 (30 Punkte) Bei jeder MC-Aufgabe ist mindestens eine Aussage korrekt. Wird dennoch bei einer MC-Aufgabe keine
MehrLösung der Diplom-Vorprüfung Höhere Mathematik III/IV Aufgabe N1 (LR-Zerlegung mit Pivotisierung) Gegeben seien R 3.
Lösung der Diplom-Vorprüfung Höhere Mathematik III/IV 7.7.6 Aufgabe N (LR-Zerlegung mit Pivotisierung) Gegeben seien 6 8 A = 8 6 R und b = 6 R. a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung.
MehrD-ITET, D-MATL. Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn
Name: Wichtige Hinweise D-ITET, D-MATL Prüfung Numerische Methoden, Sommer 2012 Dr. Lars Kielhorn Prüfungsdauer: 90 Minuten. Nur begründete Resultate werden bewertet. Zugelassene Hilfsmittel: 10 A4-Seiten
MehrDiplom VP Informatik/Numerik 9. September 2000 / Seite 1. Aufgabe 1: L-R-Zerlegung, Nachiteration / Ly = b. y = Rx = y.
Diplom VP Informatik/Numerik 9 September 2000 / Seite 1 1 Pivotisierung : 2 L-R-Zerlegung von A: 3 Vorwärtseinsetzen: (pivotisierung) Aufgabe 1: L-R-Zerlegung, Nachiteration A A = 4 2 10 2 6 9 2 1 6 L
Mehreps für alle x D. 4. Die Zahl 256 ist in M(2, 4, 6, 6) exakt darstellbar.
IGPM RWTH Aachen Verständnisfragen-Teil NumaMB H13 (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Es müssen mindestens zwei
MehrKap. 6: Iterative Lösung von Gleichungssystemen
Kap. 6: Iterative Lösung von Gleichungssystemen 6.1 Einleitung In vielen Anwendungen sind Gleichungssysteme zu lösen, in denen die Unbekannten nichtlinear auftreten. Beispiel: Der Betrag der Gravitationskraft
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 )
MehrDifferential- und Integralrechnung
Brückenkurs Mathematik TU Dresden 2016 Differential- und Integralrechnung Schwerpunkte: Differentiation Integration Eigenschaften und Anwendungen Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
MehrKlasse WI06b MLAN2 zweite-klausur 13. Juni 2007
Klasse WI6b MLAN zweite-klausur 3. Juni 7 Name: Aufgabe Gegeben sind die beiden harmonischen Schwingungen ( y = f (t) = +3 sin ωt + π ) (), ( 4 y = f (t) = 8 cos ωt + π ) (). 4 a) Bestimmen Sie mit Hilfe
Mehr8 Iterationsverfahren zur Lösung von Gleichungssystemen
Numerische Mathematik für ingenieurwissenschaftliche Studiengänge 281 8 Iterationsverfahren zur Lösung von Gleichungssystemen Nichtlineare Gleichungssysteme (sogar eine nichtlineare Gleichung in einer
MehrUE Numerische Mathematik für LA
06.986 UE Numerische Mathematik für LA Übungsbeispiele zur VO 06.942 Numerische Math für LA G. Schranz-Kirlinger Kapitel : Fehlerbetrachtungen. Berechnen Sie sinx dx mit Hilfe der Trapezregel für verschiedene
MehrNichtlineare Gleichungen, mehrere Unbekannte
Dritte Vorlesung, 6. März 2008, Inhalt Aufarbeiten von Themen der letzten Vorlesung, und Nichtlineare Gleichungen, mehrere Unbekannte Systeme nichtlinearer Gleichungen Vektor- und Matrixnormen Fixpunkt-Iteration,
Mehr7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)
Technische Universität München Zentrum Mathematik, M1 Prof. Dr. Boris Vexler Dr. Ira Neitzel Dipl.-Math. Alana Kirchner 7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012) Diese Auswahl
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
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
MehrAnalysis 2, Woche 9. Mehrdimensionale Differentialrechnung I. 9.1 Differenzierbarkeit
A Analysis, Woche 9 Mehrdimensionale Differentialrechnung I A 9. Differenzierbarkeit A3 =. (9.) Definition 9. Sei U R m offen, f : U R n eine Funktion und a R m. Die Funktion f heißt differenzierbar in
MehrAnalysis I für Studierende der Ingenieurwissenschaften
Analysis I für Studierende der Ingenieurwissenschaften Ingenuin Gasser Department Mathematik Universität Hamburg Technische Universität Hamburg Harburg Wintersemester 2008/2009 1 Definition: Sei M R, alsom
MehrÜbungen zur Mathematik Blatt 1
Blatt 1 Aufgabe 1: Bestimmen Sie die Fourier-Reihe der im Bild skizzierten periodischen Funktion, die im Periodenintervall [ π, π] durch die Gleichung f(x) = x beschrieben wird. Zeichnen Sie die ersten
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
Mehr8 Allgemeine Iterationsverfahren
Numerik I. Version: 24.06.08 215 8 Allgemeine Iterationsverfahren Vor der Diskussion der konkreten Verfahren für lineare Gleichungssysteme, präsentieren wir die Grundidee der Iterationsverfahren. 8.1 Die
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:
MehrPS Numerische Mathematik für LAK WS 08/09, LV-Nr.: , HS Übungsblatt (bis )
. Übungsblatt (bis 5.0.2008). Aufgabe. Skizzieren Sie die Einheitskugeln K (0,) im R 2 für die Normen, 2 und. 2. Aufgabe. Beweisen Sie x x 2 n x für alle x R n. 3. Aufgabe. Bestimmen Sie die relative Konditionszahl
MehrApproximation von Nullstellen mit Hilfe der Ableitung Mit Tangenten geht es oft einfacher und schneller als mit Sehnen oder Sekanten
Gegeben ist die Funktion f mit f(x :' x 4 & 2@x 3 & 3@x 2 % 3@x % 2 Man erkennt leicht, dass es durch die Dominanz des vierten Potenzterms ( x 4 genügt, die Funktion über dem Intervall [ -3 ; 3 ] zu betrachten,
MehrAllgemeines Näherungsverfahren zur Lösung von f(x) = 0 - Fixpunkt-Iteration -
Allgemeines Näherungsverfahren zur Lösung von f(x) = 0 - Fixpunkt-Iteration - Gernot Lorenz März 2006 Zusammenfassung Das Lösen von Gleichungen der Form f(x) = 0 auf algebraische Art, d.h. durch Auflösung
MehrMusterlösungen zur Leistungsnachweisklausur vom Studiengang Informatik, Ingenieurinformatik, Lehramt
TU ILMENAU Institut für Mathematik Numerische Mathematik PD Dr. W. Neundorf Musterlösungen zur Leistungsnachweisklausur vom.0.006 Studiengang Informatik, Ingenieurinformatik, Lehramt 1. Lineare Algebra
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,
MehrWiederholungsklausur Numerisches Rechnen ( ) (Musterlösung)
Rheinisch-Westfälische Technische Hochschule Aachen Institut für Geometrie und Praktische Mathematik Numerisches Rechnen WS 2010/2011 Prof. Dr. Martin Grepl Jens Berger, Jörn Thies Frings Wiederholungsklausur
MehrD-ITET Analysis II FS 13 Prof. Horst Knörrer. Musterlösung 1. 3xy 2 = 2 x 2. y y. 3 y y. 3 x v x + v = 2 3 v v.
D-ITET Analysis II FS 3 Prof. Horst Knörrer Musterlösung. a) Es gilt: dy d 3 + y 3 3y 3 y + y 3. Dies ist eine homogene Differentialgleichung, das heisst y hängt nur von y ab. Setze v : y y() v() y v +
MehrFormelsammlung Numerik
Formelsammlung Numerik Fachbereich Design und Informatik Fachhochschule Trier University of Applied Sciences - 1-1 Grundlagen 1. Festlegungen: x - exakter Wert x - Näherungswert 2. Wahrer Fehler: 3. Absoluter
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme 4. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 17. März 2016 Lineare Gleichungssysteme 1 Wiederholung: Normen, Jacobi-Matrix,
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Beispiel: Feder Masse System festes Ende Feder k 1 Masse m 1 k 2 m 2 k 3 m 3 k 4 festes Ende u 0 = 0 Federkraft y 1 Verschiebung u 1 y 2 u 2 y 3 u 3 y 4 u 4 = 0 Grundlagen der
MehrBegleitmaterial zur Vorlesung Numerik I
Begleitmaterial zur Vorlesung Numerik I Andreas Meister Universität Kassel, AG Analysis und Angewandte Mathematik Andreas Meister (Universität Kassel) Begleitmaterial Numerik I 1 / 49 Inhalte der Numerik
MehrName: Matr.-Nr.: 2. Aufgabe 1. Gegeben sei die Matrix
Name: Matr.-Nr.: 2 Aufgabe 1. Gegeben sei die Matrix 1 1 1 A = 3 3 3 2 2 2 (a) Bestimmen Sie Rang(A), Kern(A) und Bild(A). Ist A invertierbar? Geben Sie zwei verschiedene rechte Seiten b 1, b 2 an, so
MehrTeil 6. Differentialrechnung mehrerer Veränderlicher
Teil 6 Differentialrechnung mehrerer Veränderlicher 95 96 6.1 Topologie von Mengen Umgebung ε-umgebung eines Punktes x R n : B ε (x) = {y : y x < ε} Umgebung U von x: Menge, die eine ε-umgebung von x enthält
MehrMa 10 / 11 Das Newton-Verfahren Na - 4. September 2014
Was ist das Newton-Verfahren? Das Newton-Verfahren ist ein nuerisches Verfahren zur näherungsweisen Bestiung einer Nullstelle einer gegeben Funktion. Analytisch exakt können Nullstellen von Geraden von
Mehr