Kapitel 4: Nichtlineare Nullstellenprobleme
|
|
- Maria Johanna Hartmann
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015
2 HM: Numerik (SS 2015), Kapitel 4, Folie 1/23 Aufgabenstellung Nichtlineares Nullstellenproblem Gegeben: f : R n R n Gesucht: x R n mit f (x) = 0 Bemerkung In Kapitel 2 war f (x) = Ax b.
3 HM: Numerik (SS 2015), Kapitel 4, Folie 2/23 Beispiel i Leitung Energiequelle P Q v Q R v L P L Last (Verbraucher) Bekannt Leistung P Q der Energiequelle in Watt Leistung P L der Last Widerstand R der Leitung Unbekannt Spannungen v Q und v L über Quelle und Last Strom i durch Leitung (und Quelle und Last) (insbesondere Leistungsverlust der Leitung)
4 HM: Numerik (SS 2015), Kapitel 4, Folie 2/23 Beispiel i Leitung Energiequelle P Q v Q R v L P L Last (Verbraucher) Physikalische Zusammenhänge i = (v Q v L )/R P Q = v Q i = v Q (v Q v L )/R P L = v L i = v L (v Q v L )/R Nichtlineares Gleichungssystem f (v Q,v L ) := ( ) ( 2 vq v Q v L RP Q! 0 v 2 = L + v L v Q RP L 0)
5 4.1 Kondition des Nullstellenproblems
6 HM: Numerik (SS 2015), Kapitel 4, Folie 3/23 Störung in Nullstellenproblem Störung in f f : R n R n gestört f : R n R n x Lösung von f (x) = 0, x Lösung von f (x) = 0 Frage Wie groß ist x x im Verhältnis zu f f? Achtung Absolute Kondition, da wegen f (x ) = 0 relative Kondition nicht wohldefiniert. Fehleranalyse Tafel
7 HM: Numerik (SS 2015), Kapitel 4, Folie 4/23 Problem mit singulärer Jacobimatrix x x (f (x )) 1 f f f (x) f (x ) 0 f (x) f (x ) = 0 x x x x Eventuell hat f (x) = 0 gar keine Lösung
8 4.2 Fixpunktiteration
9 HM: Numerik (SS 2015), Kapitel 4, Folie 5/23 Grundlegende Idee Problem f (x) = 0 ist i.a. nicht durch Umstellen lösbar Umschreiben als Fixpunktiteration und zugehörige Iterationsvorschrift: f (x) = 0 x = x f (x) x k+1 = x k f (x k ) Hoffnung Falls x k konvergiert für k, dann x = x +1 = x f (x ) Also f (x ) = 0.
10 HM: Numerik (SS 2015), Kapitel 4, Folie 6/23 Beispiel 1: 0,5 Gesucht 0,5, also Lösung von f (x) := x 2 0,5 = 0 Umschreiben als Fixpunktgleichung: x = x (x 2 0,5) mit zugehöriger Iterationsvorschrift: x k+1 = x k xk 2 + 0,5 Iterationen Matlab Funktioniert! (zumindest für gute Startwerte)
11 HM: Numerik (SS 2015), Kapitel 4, Folie 7/23 Illustration der Iteration für 0,5 y 1 y = x y = x x 2 + 0, x
12 HM: Numerik (SS 2015), Kapitel 4, Folie 8/23 Beispiel 2a: 2 Gesucht 2, also Lösung von f (x) := x 2 2 = 0 Umschreiben als Fixpunktgleichung: x = x (x 2 2) mit zugehöriger Iterationsvorschrift: x k+1 = x k xk Iterationen Matlab Funktioniert nicht!
13 HM: Numerik (SS 2015), Kapitel 4, Folie 9/23 Illustration der Iteration für 2 y 2 y = x x y = x x 2 + 2
14 HM: Numerik (SS 2015), Kapitel 4, Folie 10/23 Beispiel 2b: 2 zweiter Versuch Gesucht 2, also Lösung von f (x) := x 2 2 = 0 Umschreiben als neue Fixpunktgleichung: x = x 1 2 (x 2 2) mit zugehöriger Iterationsvorschrift: x k+1 = x k 1 2 x k Iterationen Matlab Funktioniert!
15 HM: Numerik (SS 2015), Kapitel 4, Folie 11/23 Illustration der neuen Iteration für 2 y 2 y = x 1 y = x 1 2 x x
16 HM: Numerik (SS 2015), Kapitel 4, Folie 12/23 Allgemeiner Ansatz zum Erreichen der Konvergenz Fakt Sei M : R n R n n mit M(x) invertierbar x R n. Dann gilt: f (x) = 0 M(x)f (x) = 0 x = x M(x)f (x) =: Φ M (x) Ziel Wähle M(x) so, dass x k+1 = Φ M (x k ) konvergiert. Im Beispiel 2b hat konstante (1 1-) Matrix M(x) = 1 2 funktioniert.
17 HM: Numerik (SS 2015), Kapitel 4, Folie 13/23 Entscheidender Unterschied zwischen Beispielen 2a und 2b Frage Warum funktioniert Beispiel 2b aber 2a nicht? Erklärung Tafel Definition Eine stetig differenzierbare Funktion Φ : R n R n heißt: Kontraktion im Punkt x R n : Φ (x) < 1 Selbstabbildung auf E R n : x E : Φ(x) E
18 HM: Numerik (SS 2015), Kapitel 4, Folie 14/23 Banachscher Fixpunktsatz Satz (Banachscher Fixpunktsatz) Voraussetzungen: Φ : R n R n stetig differenzierbar Φ Selbstabbildung auf kompaktem E R n Φ Kontraktion x E Dann gilt: Es existiert eindeutiges x E mit Φ(x ) = x. x x+1 = Φ(x k ) konvergiert gegen x für alle Anfangswerte x 0 E. Mit L := max x E Φ (x) < 1 gelten folgende Fehlerabschätzungen: Lk x k x 1 L x 1 x 0 a-priori Fehlerschätzer x k x L L 1 x k x k+1 a-posteriori Fehlerschätzer
19 HM: Numerik (SS 2015), Kapitel 4, Folie 15/23 Bemerkungen zu Banachschem Fixpunktsatz Bemerkungen Der Beweis basiert wesentlich auf der Ungleichung x k+1 x k = Φ(x k ) Φ(x k 1 ) L x k x k 1 mit Lipschitz-Konstante L < 1. Falls Φ (x ) < 1 dann ist Φ automatisch Selbstabbildung auf genügend kleiner Umgebung von x. Kontraktion ist normabhängig, Konvergenz aber nicht. Beispiel: Φ ( ( a b ) ) = ( 1 3 b cos2 a + 1 ) ab sin2 a Analyse des Beispiels Tafel Fixpunktiteration Matlab
20 4.3 Newtonverfahren
21 HM: Numerik (SS 2015), Kapitel 4, Folie 16/23 Beste Fixpunktgleichung Nullstellenproblem f (x) = 0 zugehöriges Fixkpunktproblem x = x M(x)f (x) =: Φ M (x) mit frei wählbarem, invertierbarem M(x) Gute Wahl für M(x) M gut Φ M (x) klein, insbesondere für x = x Nahezu perfekte Wahl, falls Φ M (x ) = 0. 0 = I M (x ) f (x ) M(x )f (x ) }{{} =0 M(x ) = f (x ) 1
22 HM: Numerik (SS 2015), Kapitel 4, Folie 17/23 Newton-Verfahren Definition Das Iterationsverfahren x k+1 = Φ M (x k ) mit Φ M (x) := x f (x) 1 f (x) heißt Newton-Verfahren zur Lösung von f (x) = 0. Algorithmus (Newton-Verfahren) 0) Wähle guten Startwert x 0 R n 1) Berechne M k = f (x k ) (Jacobimatrix) 2) Löse lineares Gleichungssystem M k s k = f (x k ) 3) x k+1 = x k s k
23 HM: Numerik (SS 2015), Kapitel 4, Folie 18/23 Konvergenzrate des Newtonverfahrens Wegen Φ M (x ) = 0 < 1 ist Konvergenz in der Nähe der Lösung x von f (x) = 0 durch Banachschen Fixpunktsatz gesichert. Genauer: Satz (Quadratische Konvergenz des Newtonverfahrens) Voraussetzungen: U R n offen und konvex, x U f : U R n differenzierbar f (x) invertierbar mit f (x) 1 β x U für ein β > 0 Es existiere γ > 0: f (x) f (y) γ x y Anfangswert erfülle x 0 x < 2 βγ =: ω Dann konvergiert das Newtonverfahren quadratisch, d.h. x k+1 x < 1 ω x k x 2 x, y U
24 HM: Numerik (SS 2015), Kapitel 4, Folie 19/23 Lineare und quadratische Konvergenz Nach Umstellen liefert Banachscher Fixpunktsatz nur lineare Konvergenz: α k := x k x c 1 x k 1 x, 0 < c 1 < 1, wärend unter der stärker Voraussetzung Φ (x ) = 0 (statt Φ (x ) < 1) quadratische Konvergenz gilt: β k := x k x c 2 x k 1 x 2, 0 < c 2 < 1 x 0 x Illustration des Unterschiedes (c 1 = 0,1, c 2 = 1, α 0 = β 0 = 0.5): k α k =c 1 α k 1 0,05 0, β k =c 2 βk 1 2 0,25 0,
25 HM: Numerik (SS 2015), Kapitel 4, Folie 20/23 Zusammenfassung Netwonverfahren Vorteile quadratische Konvergenz (sehr schnell) im R n anwendbar (nicht nur n = 1) Nachteile nur lokale Konvergenz quadratische Konvergenz nur in unmittelbarer Nähe der Lösung Jacobimatrix f (x) muss berechnet/bekannt werden Jacobimatrix f (x) muss invertierbar sein
26 HM: Numerik (SS 2015), Kapitel 4, Folie 21/23 Beispiel Newton-Verfahren Erinnerung an Beispiel vom Anfang des Kapitels ( ) v 2 f (v Q,v L ) = Q v Q v L RP Q vl 2 + v Lv Q RP L! = ( ) 0 0 Invertierbarkeit von f? [ ] f 2vQ v (v Q,v L ) = L v Q v L 2v L + v Q det f (v Q,v L ) = 2(v L v Q ) 2, also f (v Q,v L ) invertierbar v L v Q ( ) vq ist keine Lösungen von f (v v Q,v L ) = 0 Q f (v Q,v L ) invertierbar in Nähe der Lösung
27 HM: Numerik (SS 2015), Kapitel 4, Folie 22/23 Anwendung Newton-Verfahren auf Beispiel R = 10 Ω, P Q = 100 W, P L = 90 W v L = v Q v L 100 k (v k Q,v k L ) 0 (50, 10) 1 (48,44, 27,19) 2 (65,91, 52,94) 3 (90,44, 80,10) 4 (99,63, 89,63).. 8 (100, 90) 100 v Q
28 HM: Numerik (SS 2015), Kapitel 4, Folie 23/23 Hinweise zur praktischen Anwendung Fehlerabschätzung: x k x x k+1 x k für große k [ ] Approximation der Jacobimatrix f (x) = f (x) f (x) f (x) x 1, x 2,..., x n z.b. mit Hilfe von finiten Differenzen: f (x) x i f (x 1,..., x i 1, x i + h, x i+1,..., x n ) f (x), h > 0 klein h ACHTUNG: Für zu kleines h Problem der Auslöschung Optimales h eps (= 10 8 für double) f (x k ) f (x k+1 ) wenn x k x k+1 Benutze dieselbe Jacobimatrix in mehreren Schritten vereinfachtes Newton-Verfahren In der Praxis benutzt man Jacobimatrix für 3 bis 5 Schritte Um Konvergenzbereich zu vergrößern, kann gedämpftes Newton-Verfahren genutzt werden: mit geeignetem λ k (0,1] x k+1 = x k λ k f (x k ) 1 f (x k )
29 4.4 Skalare Nullstellenprobleme Tafel
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
MehrOptimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz
Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel
MehrNumerische Verfahren zur Lösung nichtlinearer Gleichungen
Kapitel 2 Numerische Verfahren zur Lösung nichtlinearer Gleichungen 21 Aufgabenstellung und Motivation Ist f eine in einem abgeschlossenen Intervall I = [a, b] stetige und reellwertige Funktion, so heißt
MehrMathematik für Bioinformatik und Systembiologie. - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz
Mathematik für Bioinformatik und Systembiologie - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz WS 2009/10 Universität Freiburg Dieses Vorlesungsskript ist auf der Basis von Vorlesungen
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrNichtlineare Optimierungsprobleme mit Komplexität
Definition eines Nichtlinearen Optimierungsproblemes (NLP) min f (x) bzw. min f (x) s.d. x S x S wobei die zulässige Menge S R n typischerweise definiert ist durch S {x R n : h(x) =, c(x) } für Gleichungs-
MehrStefan Funken, Dirk Lebiedz, Karsten Urban. Numerik II. (Einführung in die Numerische Analysis)
Stefan Funken, Dirk Lebiedz, Karsten Urban Numerik II (Einführung in die Numerische Analysis) SKRIPT, UNIVERSITÄT ULM, SOMMERSEMESTER 213 i Vorwort. Dieses Manuskript ist entstanden aus Mitschriften und
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrDefinition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
MehrOptimierung. Florian Jarre Josef Stoer. Springer
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. Florian Jarre Josef Stoer Optimierung Springer Inhaltsverzeichnis
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
MehrCharakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
MehrÜbungen zur Numerischen Mathematik 2 Sommersemester 2014. Übungsblatt 13
Universität Heidelberg Interdisziplinäres Zentrum für Wissenschaftliches Rechnen Prof. Dr. Dres. h.c. Hans Georg Bock Dr. Christian Kirches Dipl.-Phys. Simon Lenz Übungen zur Numerischen Mathematik 2 Sommersemester
MehrSkalare Differentialgleichungen
Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen
MehrSimulation elektrischer Schaltungen
Simulation elektrischer Schaltungen mittels Modizierter Knotenanalyse Teilnehmer: Artur Stephan Andreas Dietrich Thomas Schoppe Maximilian Gruber Jacob Zschuppe Sven Wittig Gruppenleiter: René Lamour Heinrich-Hertz-Oberschule,
MehrStabilität mittels Ljapunov Funktion
Stabilität mittels Ljapunov Funktion Definition Eine C 1 Funktion V : D R, D R, heißt eine Ljapunov Funktion auf K r (0) D für f(y), falls gilt: 1) V(0) = 0, V(y) > 0 für y 0 2) V,f(y) 0 ( y, y r) Gilt
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
Mehr11.3 Komplexe Potenzreihen und weitere komplexe Funktionen
.3 Komplexe Potenzreihen und weitere komplexe Funktionen Definition.) komplexe Folgen: z n = x n + j. y n mit zwei reellen Folgen x n und y n.) Konvergenz: Eine komplexe Folge z n = x n + j. y n heißt
MehrFit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen
Jan Luiken ter Haseborg Christian Schuster Manfred Kasper Fit für die Prüfung Elektrotechnik Effektives Lernen mit Beispielen und ausführlichen Lösungen 18 1 Elektrische Gleichstromnetzwerke det(a 2 )
MehrEinführung in die Numerische Mathematik
Einführung in die Numerische Mathematik Thomas Richter thomas.richter@iwr.uni-heidelberg.de Thomas Wick thomas.wick@iwr.uni-heidelberg.de Universität Heidelberg 30. Oktober 2012 Inhaltsverzeichnis Literaturverzeichnis
MehrBeispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =
Funktionentheorie, Woche Funktionen und Polstellen. Meromorphe Funktionen Definition.. Sei U C offen und sei f : U gilt, nennt man f meromorph auf U: Ĉ eine Funktion. Wenn folgendes. P := f hat keine Häufungspunkte;.
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrGraphenalgorithmen und lineare Algebra Hand in Hand Vorlesung für den Bereich Diplom/Master Informatik
Vorlesung für den Bereich Diplom/Master Informatik Dozent: Juniorprof. Dr. Henning Meyerhenke PARALLELES RECHNEN INSTITUT FÜR THEORETISCHE INFORMATIK, FAKULTÄT FÜR INFORMATIK KIT Universität des Landes
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrKlausur Analysis II (SS 2005)
Klausur Analysis II (SS 5) Prof. Dr. J. Franke Abschlußklausur vom. Juli 5 Name, Vorname: Matrikelnummer: Gruppe, Tutor: Pseudonym: ir wünschen Ihnen viel Erfolg! Mit 5 Punkten oder mehr von 5 ist die
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
Mehr8. Übung zur Vorlesung Mathematisches Modellieren Lösung
Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ
MehrOptimierung I. 1 Einführung. Luise Blank. Wintersemester 2012/13. Universität Regensburg
Universität Regensburg Wintersemester 2012/13 1 Einführung Anwendungen Finanzwirtschaft: maximale Gewinnrate unter Beschränkungen an das Risiko; Portfolio von Investments Produktion: maximiere Gewinn bei
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrWirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)
Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
Mehr2.4 Adaptive Verfahren mit Schrittweitensteuerung
0 0 0 Euler und RK4 fuer f(t,y) = t 0. Euler RK4 /N 0 0 f(t,y) =. t 0., graduiertes Gitter RK4 /N 4 Fehler bei T = 0 3 0 4 0 5 Fehler bei T = 0 5 0 0 0 6 0 7 0 0 0 0 2 0 3 0 4 0 5 Anzahl Schritte N 0 5
MehrEffiziente numerische Methoden in der Elasto-Plastizität
Karlsruhe Institute of Technology Effiziente numerische Methoden in der Elasto-Plastizität Christian Wieners Institut für Angewandte und Numerische Mathematik, Karlsruhe KIT University of the State of
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
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
Mehr4 Runge-Kutta-Verfahren
Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
MehrComputer Vision: Optische Flüsse
Computer Vision: Optische Flüsse D. Schlesinger TUD/INF/KI/IS Bewegungsanalyse Optischer Fluss Lokale Verfahren (Lukas-Kanade) Globale Verfahren (Horn-Schunck) (+ kontinuierliche Ansätze: mathematische
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
MehrDie Finite Elemente Methode (FEM) gibt es seit über 50 Jahren
Die Finite Elemente Methode (FEM) gibt es seit über 50 Jahren Aber es gibt bis heute kein Regelwerk oder allgemein gültige Vorschriften/Normen für die Anwendung von FEM-Analysen! Es gibt nur sehr vereinzelt
Mehrhttp://www.mathematik.uni-kl.de/ gramlich
Vorwort MATLAB ist inzwischen in vielen Hochschulen, Universitäten und Fachhochschulen gleichermaßen ein etabliertes Programmsystem, das sowohl im Fach Mathematik selbst als auch in noch stärkerem Maße
MehrDünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im Vergleich zu voll besetzten Matrizen. Besetzungsmuster mit spy.
170 005 Übungen zu Numerische Methoden I Fünfte Übungseinheit 21. März, 22. und 23. April 2013 Inhalt der fünften Übungseinheit: Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im
MehrUniversitat Bayreuth Fakultat fur Mathematik und Physik Zur globalen Losung nichtlinearer Gleichungssysteme mit Hilfe von Unterteilungsalgorithmen Oliver Schutze, Lehrstuhl Mathematik V Danksagung An dieser
MehrDr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1
.1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische
MehrErgänzungen zur Analysis I
537. Ergänzungsstunde Logik, Mengen Ergänzungen zur Analysis I Die Behauptungen in Satz 0.2 über die Verknüpfung von Mengen werden auf die entsprechenden Regelnfür die Verknüpfung von Aussagen zurückgeführt.
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung mit Ungleichungsnebenbedingungen Dr. Nico Düvelmeyer Freitag, 8. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 NLP Aufgabe KKT 2 Nachtrag
MehrMATTHIAS GERDTS. Einführung in die lineare und nichtlineare Optimierung
MATTHIAS GERDTS Einführung in die lineare und nichtlineare Optimierung Address of the Author: Matthias Gerdts Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Universität
MehrGrundzustandsberechnung von Gross-Pitaevskii Gleichungen
Grundzustandsberechnung von Gross-Pitaevskii Gleichungen Christoph Bischko, Lukas Einkemmer, Dominik Steinhauser Fakultät für Mathematik, Informatik und Physik Universität Innsbruck 2. Juli, 2010 Christoph,
MehrAufgaben- und Formelsammlung zur Lehrveranstaltung NICHTLINEARE ELEKTROTECHNIK
Aufgaben- und Formelsammlung zur Lehrveranstaltung NICHTLINEAE ELEKTOTECHNIK Technischen Universität Ilmenau Fakultät für Elektrotechnik und Informationstechnik Institut für Informationstechnik Fachgebiet
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrTEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
Mehr2 Gleichstrom-Schaltungen
für Maschinenbau und Mechatronik Carl Hanser Verlag München 2 Gleichstrom-Schaltungen Aufgabe 2.1 Berechnen Sie die Kenngrößen der Ersatzquellen. Aufgabe 2.5 Welchen Wirkungsgrad hätte die in den Aufgaben
MehrSerie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
MehrOptimierung mit Matlab
Lehrstuhl Mathematik, insbesondere Numerische und Angewandte Mathematik Prof. Dr. L. Cromme Computerbasierte Mathematische Modellierung für Mathematiker, Wirtschaftsmathematiker, Informatiker im Wintersemester
MehrGewöhnliche Differentialgleichungen
Notizen zur Vorlesung Gewöhnliche Differentialgleichungen G Sweers Wintersemester 08/09 ii Inhaltsverzeichnis Einführung Modelle 2 Explizite Lösungen 4 2 Trennbar 5 22 Linear erster Ordnung 6 23 Homogen
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrModellierung und Simulation
Prüfung SS 2004 Modellierung und Simulation Prof. Dr.-Ing. K. Wöllhaf Anmerkungen: Aufgabenblätter auf Vollständigkeit überprüfen Nur Blätter mit Namen und Matr.Nr. werden korrigiert. Keine rote Farbe
MehrAbsolute Stetigkeit von Maßen
Absolute Stetigkeit von Maßen Definition. Seien µ und ν Maße auf (X, Ω). Dann heißt ν absolut stetig bezüglich µ (kurz ν µ ), wenn für alle A Ω mit µ(a) = 0 auch gilt dass ν(a) = 0. Lemma. Sei ν ein endliches
MehrHöhere Mathematik für Ingenieure IV. Volker John
Höhere Mathematik für Ingenieure IV Volker John Sommersemester 2007 Inhaltsverzeichnis I Weiterführende Integralrechung 2 1 Kurvenintegrale 3 11 Kurven 3 12 Skalares Kurvenintegral 4 13 Vektorielles Kurvenintegral
MehrIm Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
MehrVerbessern, immer wieder verbessern... Gleichungen numerisch behandeln
Verbessern, immer wieder verbessern... Gleichungen numerisch behandeln H.R. Schneebeli, T.P. Wihler Version vom 1. Juli 201 Zusammenfassung Zur näherungsweisen numerischen Lösung von nichtlinearen Gleichungen,
MehrZusammenfassung der 6. Vorlesung
Zusammenfassung der 6. Vorlesung w-transformation Die w-transformationbildet das Innere des Einheitskreises der z-ebene in die linke w-ebene ab. z 1 w= z+1, bzw. z= 1+w 1 w Nach Anwendung der w-transformationist
MehrTransformation und Darstellung funktionaler Daten
Transformation und Darstellung funktionaler Daten Seminar - Statistik funktionaler Daten Jakob Bossek Fakultät für Statistik 7. Mai 2012 Übersicht Einleitung Einordnung im Seminar Motivation am Beispiel
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrKapitel 3: Etwas Informationstheorie
Stefan Lucks 3: Informationstheorie 28 orlesung Kryptographie (SS06) Kapitel 3: Etwas Informationstheorie Komplexitätstheoretische Sicherheit: Der schnellste Algorithmus, K zu knacken erfordert mindestens
Mehra n := ( 1) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 10n + 1. a n := 1 3 + 1 2n 5n 2 n 2 + 7n + 8 b n := ( 1) n
Folgen und Reihen. Beweisen Sie die Beschränktheit der Folge (a n ) n N mit 2. Berechnen Sie den Grenzwert der Folge (a n ) n N mit a n := ( ) n 3n2 + 5 2n 2. a n := 5n4 + 2n 2 2n 3 + 3 n +. 4 3. Untersuchen
MehrUrbild Angriff auf Inkrementelle Hashfunktionen
Urbild Angriff auf Inkrementelle Hashfunktionen AdHash Konstruktion: (Bellare, Micciancio 1997) Hashe Nachricht x = (x 1,..., x k ) als H(x) = k i=1 h(i, x i) mod M. Inkrementell: Block x i kann leicht
MehrMATTHIAS GERDTS NUMERISCHE MATHEMATIK I. Universität Würzburg WiSe 2009/2010
MATTHIAS GERDTS NUMERISCHE MATHEMATIK I Universität Würzburg WiSe 2009/2010 Addresse des Authors: Matthias Gerdts Institut für Mathematik Universität Würzburg Am Hubland 97074 Würzburg E-Mail: gerdts@mathematik.uni-wuerzburg.de
Mehr3. Anwendungen. 3.1. Chemische Reaktionen. Aufgabe: Die Gleichung + +
1 3. Anwendungen 3.1. Chemische Reaktionen Aufgabe: Die Gleichung + + beschreibt die Verbrennung von Ammoniak zu Stickstoffoxid und Wasser Für welche möglichst kleine natürliche Zahlen x1, x2, x3 und x4
MehrAbschnitt: Algorithmendesign und Laufzeitanalyse
Abschnitt: Algorithmendesign und Laufzeitanalyse Definition Divide-and-Conquer Paradigma Divide-and-Conquer Algorithmen verwenden die Strategien 1 Divide: Teile das Problem rekursiv in Subproblem gleicher
MehrAufgabenblatt Nr.: 1 Grundlagen Elektrotechnik
Aufgabenblatt Nr.: 1 Grundlagen Elektrotechnik 1) Berechnen Sie den Widerstand R einer Leitung, Cu spez. R 0.0175 Leitungslänge: 15 m R = Rho * l * 2 / A = 0.0175 * 15m * 2 / 1.5 = 0.350 Ohm Querschnitt:
MehrKennlinienaufnahme elektronische Bauelemente
Messtechnik-Praktikum 06.05.08 Kennlinienaufnahme elektronische Bauelemente Silvio Fuchs & Simon Stützer 1 Augabenstellung 1. a) Bauen Sie eine Schaltung zur Aufnahme einer Strom-Spannungs-Kennlinie eines
MehrRealtime Human Body Tracking
Realtime Human Body Tracking Vortrag im Rahmen des Seminars Ausgewählte Themen zu Bildverstehen und Mustererkennung Lehrstuhl: Professor Dr. X. Jiang Referenten: Dipl.-Math. Kai Rothaus Dipl.-Inform. Steffen
MehrFixpunktsemantik logischer Programme Pascal Hitzler Juli 1997 Kurzuberblick im Rahmen der Vorlesung Einfuhrung in Prolog von T. Cornell im Sommersemester 1997 an der Universitat Tubingen. Beweise sind
MehrOptimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
MehrSemidiskretisierung der PDA-Systeme
Kapitel 4 Semidisretisierung der PDA-Systeme Eine Möglicheit zur numerischen Behandlung von Anfangsrandwertproblemen partieller Differentialgleichungen ist die Linienmethode method of lines, MOL, vgl.
MehrStefan Lucks Krypto und Mediensicherheit (2009) 4: Stromchiffren
4: Stromchiffren Zwei Grundbausteine der symmetrischen Kryptographie: Stromchiffren Verschlüsseln beliebig langer Klartexte, interner Zustand Blockchiffren Verschlüsseln von Blocks einer festen Größe,
Mehr(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
MehrInformationsgehalt von Messungen von IR-Bildsensor und FTIR Spektrometer für die Bestimmung von CO2 und CO Säulengehalten über Vegetationsfeuern
Informationsgehalt von Messungen von IR-Bildsensor und FTIR Spektrometer für die Bestimmung von CO2 und CO Säulengehalten über Vegetationsfeuern M.HESS, F.SCHREIER und A.DOICU Institut für Methodik der
MehrPraktische Mathematik I
Praktische Mathematik I ausgearbeitet von Sandra Görke und Simon Jörres nach einer Vorlesung von Prof Dr Angela Kunoth im Wintersemester 2002/2003 an der Rheinischen Friedrich Wilhelms Universität Bonn
MehrMonte Carlo Simulationen
Monte Carlo Simulationen Erkenntnisse durch die Erschaffung einer virtuellen Welt Stefan Wunsch 31. Mai 2014 INSTITUT FÜR EXPERIMENTELLE KERNPHYSIK (IEKP) KIT Universität des Landes Baden-Württemberg und
MehrVorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
MehrModellierung und Simulation eines Biogasreaktors. Dissertation. zur Erlangung des Doktorgrades. der Naturwissenschaften. vorgelegt beim Fachbereich 12
Modellierung und Simulation eines Biogasreaktors Dissertation zur Erlangung des Doktorgrades der Naturwissenschaften vorgelegt beim Fachbereich 12 der Johann Wolfgang Goethe-Universität in Frankfurt am
MehrWir unterscheiden folgende drei Schritte im Design paralleler Algorithmen:
1 Parallele Algorithmen Grundlagen Parallele Algorithmen Grundlagen Wir unterscheiden folgende drei Schritte im Design paralleler Algorithmen: Dekomposition eines Problems in unabhängige Teilaufgaben.
Mehr