Numerische Mathematik - Aufgaben Serie 1

Größe: px
Ab Seite anzeigen:

Download "Numerische Mathematik - Aufgaben Serie 1"

Transkript

1 Serie. Gesucht sei die Lösung des linearen Gleichungssystems (LGS) Ax = b mit ( ) ( ) A = und b = Um einfach festzustellen, ob ein Vektor x Lösung des Systems ist, prüft man, ob der Restvektor (Residuum) r = Ax b einen Nullvektor liefert. Nehmen wir also zwei Kandidaten für die Lösung und zwar x = (.34,.87) T, ˆx = (.999,.) T, und berechnen dafür das Residuum. Es gilt entsprechend r = (., ) T, ˆr = (.343,.57) T. Kann man in jedem Fall auf Grund der Güte des Fehlers sich für den besseren Kandidaten entscheiden? Berechnen Sie die exakte Lösung und deuten Sie die erhaltenen Residua durch gewisse Eigenschaften der Koeffizientenmatrix, z. B. mittels Determinante, inverser Matrix, Schnittpunkt zweier Geraden und Ähnliches.. Die eindeutige Lösung des LGS Ax = b mit der rechten Seite b R und der regulären Matrix A = (a ij ) R, der Form x + 6y = 8, x + 6.y = 8., ist x = (, ) T. (a) Man interpretiere die Lösung als Schnittpunkt von Geraden und stelle die Situation grafisch dar. (b) Die inverse Matrix ist ( A = Es gilt bei exakter Arithmetik x = A b. Was ist zu beachten, wenn die Matrix nur mit maximal 6 gültigen Mantissenstellen (z. B. Taschenrechnergenauigkeit) dargestellt werden könnte? Ab- bzw. Aufrunden der Nachkommastelle des Matrixelements a, = 3.5 liefert die Matrizen à = ( 3 3 ). Berechne damit die entsprechenden Vektoren à b und vergleiche diese mit x. ).

2 3. Gegeben sind die LGS () x + () x x 3 + x x x 3 x 4 x x x 3 x 4 x 3 x 3 x 33 x 34 x 4 x 4 x 43 x 44 (3) x + x + x 4 = x + x x 3 + x 4 = x + x + 3x 3 x 4 = 4 x x x 3 + x 4 = = x 4 = Überführen Sie die LGS in die Matrix- bzw. Matrix-Vektor-Schreibweise. Wodurch unterscheidet sich das LGS () von den übrigen? Bestimmen Sie für die LGS () und (3) die erweiterte Matrix (A b). 4. Lösen Sie das LGS Ax = b mit A = , b = mittels des Gaußschen Eliminationsverfahrens ohne Pivotstrategie und geben Sie den Wert der Koeffizientendeterminante an. 5. Lösen Sie durch Zeilenumformungen das LGS (nicht notierte Elemente sind Nullen) x x 4 6 x x 4 =. 4 x 5 6. Bestimmen Sie die LU-Faktorisierung (LU-Zerlegung, LR-Zerlegung) von A = (a) Wie lassen sich alle nötigen Informationen über L und U in einer einzigen (3 3)-Matrix speichern?, (b) Lösen Sie mit Hilfe der LU-Faktorisierung von A das LGS Ax = b mit b = (3, 7, 3) T. (c) Bestimmen Sie A.,

3 7. Gegeben sind die Matrizen A = , M = und N = (a) Bestimmen Sie die Lösung des LGS Ax = b mit der rechten Seite b = (3, 7, 3) T durch die Berechnung einer oberen Dreiecksmatrix U und einer unteren Dreiecksmatrix L, so dass A = LU gilt. (b) Bestimmen Sie die Inversen M und N. 8. Gegeben sind das LGS Ax = b mit einer regulären tridiagonalen Matrix A = 3 4 und b = (a) Bestimmen Sie seine Lösung x mittels des Gaußschen Algorithmus und geben Sie die Faktorisierung der Matrix A = LU an. Begründen Sie, warum sich dabei die tridiagonale Bandstruktur von A auf die Dreiecksmatrizen L und U überträgt. (b) Wie groß ist der Wert der Determinante det(a)? 9. Gegeben ist ein LGS Ax = d mit der tridiagonalen Koeffizientenmatrix b c... d a b c... d a 3 b 3 c 3... d 3 A = , d =..... a n b n c n... a n b n.. d n d n (a) Überführen Sie A durch Eliminationen von a, a 3,..., a n in eine obere Dreiecksgestalt, und geben Sie das Verfahren zur Lösung des LGS komplett an. (b) Ermitteln Sie die Zahl der benötigten Rechenoperationen, und geben Sie die Komplexität des Verfahrens an. (c) Vermeiden Sie durch Zeilenvertauschungen Division durch Null. (d) Notieren Sie das Verfahren in einer Programmiersprache. (e) Ermitteln Sie die Zeitkomplexität des Verfahrens und vergleichen Sie diese mit dem Gaußschen Algorithmus für eine vollbesetzte Koeffizientenmatrix.. Man löse das komplexe LGS Ax = b, A(n, n), n = 3, mit + i + i A = + i 3i 5 + 4i, b = + i 5i 8 + i und der exakten Lösung x = ( + i, 9 3i, + i) T durch Überführung in ein reelles LGS der Dimension n und Anwendung des Gaußschen Algorithmus. Man vergleiche den Aufwand der Verfahren im Komplexen und Reellen.. 3

4 Serie. Lösen Sie das lineare Gleichungssystem x +x +x 4 = x +x x 3 +x 4 = x +x +3x 3 x 4 = 4 3x x x 3 +x 4 = 3 mit dem Gaußschen Eliminationsverfahren bei Spaltenpivotisierung und Zeilenvertauschung. Ist Pivotisierung erforderlich? Geben Sie Permutationsvektor und -matrix der Zeilenvertauschung an.. Wandeln Sie mittels Gauß-Elimination mit Spaltenpivotisierung das LGS x 5 x 4 x 3 = 5 x 4 4 in ein gestaffeltes System um. Bestimmen Sie die Dreiecksmatrizen L und U der LU-Faktorisierung. Wie unterscheiden sich LU und A? 3. Lösen Sie die LGS Ax = b mit () A = () A = , b =, b = 4 4, , mit Hilfe des Cholesky-Verfahrens. Ist A positiv definit? Wie berechnet man aus der Cholesky-Faktorisierung det(a)? 4. Die Matrix A = ist symmetrisch und positiv definit (Begründung). Schreiben Sie ein Programm (a) zur Cholesky-Faktorisierung, (b) zur Lösung des LGS Ax = b. Bestimmen Sie hiermit A. (c) Bestimmen Sie die LU-Faktorisierung von A. Wie kann man daraus die Cholesky-Faktorisierung ableiten. 4

5 5. Finden Sie zu den folgenden symmetrischen Matrizen die Cholesky-Faktorisierung A = LL T. () 4 A = 3, () 7 A =, (3) 5 A =. (4) 4 4 A = 4. 4 Überprüfen sie in jedem Fall, ob A = LL T gilt. Überträgt sich die Bandgestalt von A auf die Dreiecksmatrix? Welche der Matrizen sind positiv definit? Was passiert, wenn durch die Wurzeloperation imaginäre Zahlen auftreten? 6. Gegeben sei die symmetrische parameterabhängige Koeffizientenmatrix 3 c A = 5, c R. c 7 (a) Geben Sie die Cholesky-Faktorisierung als Codefragment oder Struktogramm an. (b) Berechnen Sie die Cholesky-Faktorisierung A = LL T. Für welche Parameterwerte c ist die Faktorisierung möglich, d. h. wann ist die Matrix L reell und regulär? (c) Berechnen Sie die Determinante det(a). (d) Lösen Sie das System Ax = b mit b = (,, ) T für c = mittels Gauss- Elimination. Geben Sie dabei die LU-Faktorisierung an. (e) Ist für symmetrische positiv definite Matrizen eine Pivotisierung im Gaußschen Eliminationsverfahren erforderlich? 7. Ist A symmetrisch und positiv definit, und A = LL T die Cholesky-Faktorisierung, so folgt l kj < a kk, j, k =,,..., n. Welche Schlussfolgerung ergibt sich daraus für den Algorithmus? 5

6 Serie 3. Bestimmen Sie die Normen x, x, x für die folgenden Vektoren x R n. (a) x = (.,,.75,.74) T, (b) x = (,,..., ) T, (c) x = (,,...,,,,..., ) T, (d) x = ( 5, 3, 8 ) T.. Man weise die Normeigenschaften nach für x = (x, x,..., x n ) R n. (a) x = max x i, i=()n n (b) x = x i. i= 3. Man zeige die Ungleichungen n x x x n x x R n. 4. Man beweise. (a) Die durch x induzierte Matrixnorm ist die Spaltensummennorm A = max j=()n n a ij. i= (b) Die durch x induzierte Matrixnorm ist die Zeilensummennorm A = max i=()n n a ij. j= 5. Bestimmen Sie die Matrixnormen A, A, A F der folgenden Matrizen. () A = diag(a, a,..., a n ), a i, i =,,..., n, () 3 A = , 8 5 (3) (4) A = A = ,. Berechnen Sie die Normen auch mit einem Computeralgebrasystem. Wie verhält es sich mit der Norm der dazu inversen Matrizen. 6

7 6. Gesucht ist die Lösung des LGS Ax = b mit 3 8 A = 8, b = (a) Man forme das System in eine iterierfähige Gestalt um. (b) Man bestimme seine Lösung mittels des Jacobi-Verfahrens (Gesamtschrittverfahren, GSV) bis auf drei Dezimalstellen genau. (c) Man begründe anhand der vorgestellten Kriterien die Konvergenz von GSV und Gauß-Seidel-Verfahren (Einzelschrittverfahren, ESV) in diesem Fall. (d) Man gebe eine Abschätzung für den Fehler e (m) = x (m) x der m-ten Näherung x (m) an. (e) Man bestimme mit einem Programm die Lösung mit Hilfe des GSV und des ESV. Was lässt sich bezüglich der Konvergenzgeschwindigkeit aussagen? 7. Gegeben ist das LGS Ax = b mit der regulären Matrix 4 A = 3 4 und b =. (a) Bestimmen Sie seine Lösung x mittels des Gaußschen Algorithmus. Wie groß ist der Wert der Determinante det(a)? (b) Notieren Sie für Ax = b (A = A L + D + A R = D N = D E F, D = diag(a)) das GSV in Matrixform und komponentenweise und führe die ersten zwei Iterationen mit dem GSV aus. Startvektor sei x () = (,, ) T. Ist das GSV konvergent? (c) Berechnen Sie Zeilensummennorm und 3 Eigenwerte der Iterationsmatrix J = I D A und schließen Sie daraus auf das Konvergenzverhalten des GSV. 8. Gegeben ist das LGS Ax = b mit regulärer Koeffizientenmatrix 3 5 A = und b = (a) Notieren Sie das ESV für Ax = b (A = A L + D + A R, D = diag(a)) in Matrixschreibweise als auch komponentenweise. (b) Geben Sie eine hinreichende Bedingung für die Konvergenz des ESV an. Ist diese hier erfüllt? (c) Kann eine geeignete Zeilenvertauschung durchführt werden, so dass dann das ESV konvergent ist. 7

8 9. Die Lösung des LGS Ax = b mit der symmetrischen regulären tridiagonalen Matrix A = 4 und b = ist x = (,,, ) T. (a) Man notiere das GSV für das LGS Ax = b. (b) Man zeige, dass das Zeilensummen- wie auch das Spaltensummen-Kriterium für die Konvergenzbetrachtung keine Aussage ermöglichen. Man weise die Konvergenz des GSV mittels der Eigenwerte λ i, i =,, 3, 4, der Iterationsmatrix nach. (c) Man führe die ersten drei Iterationen mit dem GSV aus. Startvektor sei x () = (,,, ) T. (d) Die a-priori-abschätzung für den absoluten Fehler der Näherung x (m) lautet x (m) x λm λ x() x (), wobei x () = Startvektor und λ < Norm der Iterationsmatrix sind. Man nutze diese, um die Anzahl m der Iterationen zu ermitteln für die Erreichung der Toleranz ε = 3 ( euklidische Norm). Hilfe: lg(3) =.477, lg(4) =.6, lg(5) =.699. Lösen Sie das LGS x x +x 3 = 6 x +x x 3 +3x 4 = 5 x x +x 3 x 4 = 3x x 3 +8x 4 = 5 mit dem GSV und ESV. Berechnen Sie für das GSV die Iterationsmatrix. Begründen Sie, warum dies für die Ausführung der Iterationen im ESV nicht sinnvoll ist.. Beweisen Sie, dass das ESV für jeden Startvektor x () konvergiert, falls für die Koeffizientenmatrix A = (a ij ) die Ungleichungen n a ij n < bzw. a ij < a ii i =,,..., n, gelten. a ii i= i j i= i j. Gegeben sei das LGS Ax = b mit 3 A = 3, b = 3 3. (a) Man verwende das GSV und ESV zu seiner Lösung. Die Startnäherung sei x () = (,, ) T. Man diskutiere das Konvergenzverhalten der IV. (b) Man führe mehrere Schritte der SOR-Iteration aus. Man verwende die Relaxationsparameter ω =.6 und ω =.4 und vergleiche die Konvergenzrate mit der des ESV. 8

9 Serie 4. Ermitteln Sie graphisch sämtliche reellen Lösungen der Gleichung e x + x =. Bestimmen Sie mit einem geeigneten Verfahren die kleinste positive Lösung x mit einer absoluten Genauigkeit von 4.. Ermitteln Sie die Anzahl der reellen Lösungen folgender Gleichungen, und geben Sie Intervalle für diese Lösungen an: (a) x 4 = x (b) x = e x + ln(x) (c) x = ln(x) (d) sin(x) = e x (e) e x x. = (f) e x = x. 3. Gegeben sei die skalare reelle Gleichung f(x) = x 4 x =. (a) Bestimmen Sie grafisch näherungsweise alle reellen Nullstellen. (b) Notieren und skizzieren Sie das Konvergenzverhalten des Newton-Verfahrens für die Bestimmung der positiven Nullstelle mit dem Startwert x =. (c) Führen Sie das Halbierungsverfahren (Verfahren der sukzessiven Einschachtelung, Bisektion) aus mit dem Startintervall [,]. Wie viele Schritte braucht man zur Erreichung von drei zusätzlichen genauen Mantissenstellen? 4. Bestimmen Sie die Lösung der Gleichung e x = x mit dem allgemeinen Iterationsverfahren (AIV) dem Sekantenverfahren (Regula falsi) bis auf eine Genauigkeit von ε = 6. (a) Überprüfen Sie für das AIV die Voraussetzungen des Fixpunktsatzes, und geben Sie eine Iterationszahl n bis zum Erreichen der geforderten Genauigkeit an. (b) Geben Sie beim AIV unter Nutzung der exakten Lösung x eine a-priori- und eine a-posteriori-schätzung für den Fehler der. Näherung x an. (c) Erläutern Sie anhand der ermittelten wahren Fehler die lineare Konvergenz des Verfahrens. (d) Lösen Sie die Gleichung e x = x mit derselben Startnäherung x mit der Genauigkeit ε = 6 mittels Newton-Verfahren (Newtonsche Näherungsverfahren, NV) bzw. Regula falsi. Vergleichen Sie den analytischen und arithmetischen Aufwand der Verfahren. 5. Gegeben sind die parameterabhängige Nullstellengleichung f(x) = bzw. ihre Fixpunktgleichung x = g(x) mit einer Funktion g(x) aus der Klasse der sogenannten Einmaximumfunktionen : g (x) = ax, a > g (x) = a sin(x), a >, f (x) = g (x) x g 3 (x) = e ax, a > (a) Stellen Sie alle 3 Fixpunktsituationen grafisch dar und heben Sie den jeweiligen positiven Fixpunkt hervor. 9

10 (b) Führen Sie für g (x) die ersten drei Schritte mit dem AIV x n+ = g (x n ) aus, wobei a = 4, x =, und bestimmen Sie x > sowie g (x ). Überprüfen Sie die Genauigkeit der a-posteriori-fehlerabschätzung mit x, x 3. (c) Berechnen Sie mittels NV (mindestens Iterationsschritte) die positive Nullstelle von f (x) =, wobei a = 3. Nehmen Sie dazu einen geeigneten Startwert x und begründen Sie die Wahl. (d) Für welchen Parameterwert a hat das AIV zu g (x) quadratische Konvergenzordnung? Untersuchen Sie die Bedingung g (x ) =. (e) Zeigen Sie grafisch, dass für g 3 (x) das AIV x n+ = g 3 (x n ), n =,,..., x gegeben, für einen beliebigen Startwert x konvergiert, wenn der Parameter a hinreichend klein wird, d. h. < a < a. 6. Berechnen Sie den Kehrwert /a einer gegebenen reellen Zahl a > ohne Benutzung von Divisionen. (a) Notieren Sie dazu das NV für die Nullstellenaufgabe f(x) = x a = (Begründung!). (b) Ermitteln Sie den Konvergenzbereich des NV in Abhängigkeit von a. Welche Startwerte x sind (ohne Divisionen!) zu empfehlen? (c) Bestimmen Sie den Kehrwert von a = mit verschiedenen Startwerten bis auf Taschenrechnergenauigkeit. 7. Gegeben ist das nichtlineare Gleichungssystem x = 4 (x sin(x ) + x ), x = arctan( 4 x +x ) in iterierfähiger Form (Fixpunktform). (a) Notieren Sie das AIV, und veranschaulichen Sie grafisch, dass x () = (.3,.) T eine geeignete Startlösung darstellt. (b) Überprüfen Sie numerisch, ob für x () die Voraussetzungen des Fixpunktsatzes (Konvergenzkriterien) erfüllt sind. (c) Berechnen Sie die Näherungen x (), x (),..., x (8) mit dem AIV, und geben Sie eine a-posteriori-schätzung des Fehlers x (8) x an. (d) Notieren Sie das NV für das System. 8. Übertragen Sie die bekannten Gesamt- und Einzelschrittverfahren zur Lösung linearer Gleichungssysteme auf das nichtlineare Gleichungssystem f (x, x ) = 4x sin(x + x ) =, f (x, x ) = cos(x x ) 3x =. (a) Überführen Sie das Problem in eine iterierfähige Form. (b) Beweisen Sie die Konvergenz des Verfahrens mit Hilfe des Banachschen Fixpunktsatzes. 9. Bestimmen Sie die komplexwertige Lösung der Gleichung e z = z (z = x + iy) mit der Startnäherung z =. +.i. Untersuchen Sie die Lösungsmenge der Gleichung.

11 Serie 5. In einer Zahlentafel sei die Funktion f(x) = lg(x) für die folgenden Argumente x tabelliert. x f(x) Durch Interpolation ermittle man eine Näherung für den Funktionswert f(.5). Ist lineare Interpolation hier zufriedenstellend?. Gegeben sei eine Referenz mit den Stützstellen {x i } i= = {,, 3} zur Funktion f(x) = x/(x + ). (a) Berechnen Sie das Lagrangesche Interpolationspolynom L (x). (b) Bestimmen Sie seine Normalform. (c) Bestimmen Sie L (), L () mit dem zweizeiligen Horner-Schema. (d) Geben Sie ein Polynom q(x) an mit dem Hauptkoeffizienten a =, das an den Stützstellen x i die Funktionswerte hat. 3. Die Funktion f(x) = ln(x) (x )/x wird an den nicht äquidistanten Stützstellen x =, x =, x = 4, x 3 = 8, x 4 = abgetastet, d. h. ihre Funktionswerte bestimmt. (a) Berechnen Sie das Lagrangesche Interpolationspolynom p 4 (x) zu den Knoten (Punkten, Referenz). (b) Erläutern Sie den Aufwand zur Bestimmung von p 4 ( x), x x i, z. B. von p 4 (.9). (c) Bestimmen Sie an den beiden Stellen x =.9 und x = 5.5 die interpolierten Werte mit dem Schema von Neville. Wie groß sind der tatsächliche Interpolationsfehler und die Fehlerschranke? 4. Geben Sie mittels des Schemas der dividierten Differenzen das Newtonsche Interpolationspolynom höchstens 4. Grades an, das durch folgende Punkte (x i, y i ), i =,,, 3, 4, geht. x i - 3 y i 7 5 (a) Finden Sie mit Hilfe des inversen Horner-Schemas seine Normalform. (b) Geben Sie die Normalform des Polynoms an, das durch Hinzunahme des Punktes x 5 = 4, y 5 = 75 zu obigen Punkten entsteht. (c) Geben Sie das Newtonsche Interpolationspolynom höchstens 6. Grades an, das durch die Punkte (x i, y i ), i =,,, 3, 4, sowie durch x 5 =, y 5 = 65 und x 6 = 4, y 6 = 55 verläuft. 5. Man berechne die Newton-Form des Interpolationspolynoms p(x) durch die Daten (, 5), (, ), (, ), (, 3) mittels des Schemas der dividierten Differenzen (a) p(x) besitzt zwischen und eine Nullstelle. Man bestimme diese Nullstelle mit Handrechnung näherungsweise.

12 (b) Man berechne von Hand mit dem Neville-Algorithmus p( ) und p(). 6. Gegeben sei eine Referenz mit den Stützstellen {,, 3} zur Funktion y = f(x) = x/(x + ). (a) Berechnen Sie das Newtonsche Interpolationspolynom. (b) Bestimmen Sie seine Normalform. (c) Welches Interpolationspolynom erhält man bei Hinzunahme einer weiteren Stützstelle x 3 = 7? 7. Eine (transzendente) Funktion f(x) bildet die Basis für die Referenz einer Interpolationsformel L n auf dem Intervall I. Verringert sich durch die Hinzunahme einer neuen Stützstelle die Abweichung (Fehler) f L n = max f(x) L n(x)? x I Eventuell gebe man ein Gegenbeispiel an. 8. Vergleichen Sie mit Hilfe eines Grafikprogramms das oszillierende Verhalten der Knotenpunktpolynome ω n+ (x) = n (x x i ) i= auf dem Intervall [, ] bei folgender Wahl der Stützstellen x i, i =,,..., n. (a) Äquidistante Stützstellen x i = + i/n, i =,,..., n. (b) Nicht äquidistante Tschebyscheff-Stützstellen x i = cos((i + )π/(n + )), i =,,..., n, (Nullstellen des Tschebyscheff-Polynoms T n+ (x) = cos((n + ) arccos(x)). (c) Nicht äquidistante Stützstellen x i = cos(iπ/n), i =,,..., n, (Extremalstellen von T n (x) = cos(n arccos(x)) in [, ]). 9. Gegeben sei die Referenz (Punktfolge) (x i, y i ) = (, ), (, ), (, ). (a) Für diese Referenz gebe man das Interpolationspolynom p (x) höchstens. Grades an. Ermitteln Sie seine Normalform. (b) Berechnen Sie das quadratische Spline S (x) durch diese Punkte mit der zusätzlichen Bedingung S () =. (c) Stellen Sie einen grafischen Vergleich der Funktionen p (x) und S (x) im Intervall [,] an. An welcher Stelle wird die Abweichung max p (x) S (x) am größten? x [,] (d) Berechnen Sie p () und S (). (e) Berechnen Sie das quadratische Spline S (x) durch diese Punkte mit der zusätzlichen Bedingung S () =. (f) Berechnen Sie zur Referenz das natürliche kubische Spline.

13 (g) Testen Sie zur Spline-Interpolation mit den geannten Beispielen die Maple- Kommandos spline und Spline.. Man berechne die stückweise definierte Funktion a(x ) + b(x ) 3, x (, ], f(x) = c(x ), x [, 3], d(x ) + e(x 3) 3, x [3, ). (a) Man bestimme alle Werte a, b, c, d und e, für welche die Funktion f(x) ein kubischer Spline ist. (b) Berechnen Sie die Parameter von f(x) so, dass sie die Interpolationsbedingungen erfüllt. x 4 f(x) Man konstruiere einen natürlichen kubischen Spline S(x), der die Daten (Referenz) (, ), (, ), (, ) interpoliert. Man teste auch die Zusatzbedingungen S () = S () =.. Interpolieren Sie f(x) = sin(x) im Intervall [, π] mittels einer natürlichen kubischen Splinefunktion S(x) bei folgenden vorgegebenen Stützstellen x i =, π 5, π 5, 3π 5, 4π 5, π und den zugehörigen Funktionswerten f(x i ) = sin(x i ). (a) Ermitteln Sie die Ableitungen S (x i ), i =,,..., 5, und vergleichen Sie mit den exakten Werten f (x i ). (b) Bestimmen Sie das Integral exakten Wert f(x) dx. 3. Die Funktionen (a) f(x) = x, (b) f(x) = x, (c) f(x) = sin(5x) π π S(x) dx und vergleichen Sie dies mit dem sind im Intervall [, ] nach den Legendre-Polynomen P n (x) zu entwickeln. 4. Man bestimme für die Funktion f(x), x, das zweite Polynom bester stetiger Approximation im Mittel im Funktionenraum L, [, ] unter Anwendung des Orthogonalsystems der Legendre-Polynome P n (x). (a) f(x) = x, (b) f(x) = x. 3

14 Serie 6. Man bestimme näherungsweise die Integrale I = unter Benutzung der sin(x) x dx = bzw. I = π sin(x) dx = (a) Rechteckregel (Links), (b) Mittelpunktregel, (c) Trapezregel, (d) Simpson-Regel, (e) Newton-3/8-Regel, (f) Milne-Regel bei einer Einteilung des Integrationsintervalls in n =,, 4 Teile. Man vergleiche mit dem exakten Wert und berechne den Fehler. Man bestätige auf Grund des gegebenen exakten Werts die Gesetzmäßigkeit der Fehlerentwicklung.. Eine Funktion sei durch die folgende Wertetabelle gegeben. x f(x) Man approximiere das Integral I = f(x) dx durch die Anwendung der zusammengesetzten Trapezregel Approximieren Sie für die Funktion f(x) = e x das Integral I = f(x) dx = zu den Knoten x i = i, i =,, mit Hilfe der (a) zusammengesetzten Trapezregel und (b) Simpson-Regel. 4. Zur näherungsweisen Berechnung des Integrals I(f) = f(x) dx, a < b, betrachten wir folgende Integrationsformeln: b a Rechteckregel (Mitte) R M = (b a)f( a+b), Trapezregel T = (b a)(f(a) + f(b)), Simpson-Regel S = (b a)(f(a) + 4 f(a+b ) + f(b)), 6 zusammengesetzte Trapezregel bei N = i gleichgroßen Teilintervallen auf [a, b] der Länge h = h i = b a N T i = h (f(a) + f(a + h) + f(a + h) f(b)), i =,,.... Durch Linearkombination von Integrationsformeln kann man neue Formeln mit höherer Genauigkeit gewinnen. Zeigen Sie die Beziehungen (a) S = 3 ( R M + T ), (b) S = 3 (R M + T ), (c) S = 3 (4 T T ). 4

15 5. Die Simpson-Regel heißt auch Keplersche Fassregel. Man leite die Näherungsformel V = π h (d + D ) für den Inhalt eines Fasses her, in welche die Höhe h, der Durchmesser D in halber Höhe und der Durchmesser d an den Enden des Fasses eingehen. Für welche Fässer ist die Formel exakt bei beliebiger Höhe (kreisförmige Querschnitte vorausgesetzt). Wie ist die Genauigkeit von V im Vergleich zum Volumen des Fasses, dessen Mantellinie durch eine quadratische Parabel beschrieben wird. 6. Man konstruiere Quadraturformeln für b a f(x) dx, indem man f(x) durch ein Polynom p(x) möglichst niedrigen Grades ersetzt, das die Eigenschaften (a) p(a) = f(a), p ( x) = f ( x), p(b) = f(b), (b) p (a) = f (a), p( x) = f( x), p (b) = f (b), für ein x [a, b] besitzt. Ist eine derartige Konstruktion immer möglich? Welche Ordnung haben die gewonnenen Formeln? Man teste die erhaltenen Formeln an f(x) = (x.5) und f(x) = (x.5) 3 für [a, b] = [, ]. 7. Bestimmen Sie mit dem Romberg-Verfahren I = dx x = ln() = (a) Wie lautet die Berechnungsvorschrift der Werte T mk im Romberg-Tableau? (b) Geben Sie die ersten 4 Zeilen des Romberg-Schemas an. 8. Man berechne mittels Romberg-Verfahren bei N = k Teilintervallen die folgenden Intergrale. (a) I = dx = ln() = x+ auf 4 bzw. 6 Stellen nach dem Komma genau. Die Werte der zusammengesetzten Trapezregel T m, m =,,..., 4, für die. Spalte des Romberg-Tableaus sind (.75, , ,.694 8, ). (b) I = e x dx = e = mit folgender Tabelle von Stützwerten x e x / / / / / /8.7 7/

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

Klausur zur Vordiplom-Prüfung

Klausur zur Vordiplom-Prüfung Technische Universität Hamburg-Harburg SS 25 Arbeitsbereich Mathematik Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 22. Juli 25 Sie haben 9 Minuten Zeit zum Bearbeiten der

Mehr

Numerische Mathematik für Ingenieure und Physiker

Numerische Mathematik für Ingenieure und Physiker Willi Törnig Peter Spellucci Numerische Mathematik für Ingenieure und Physiker Band 1: Numerische Methoden der Algebra Zweite, überarbeitete und ergänzte Auflage Mit 15 Abbildungen > Springer-Verlag Berlin

Mehr

Inhalt Kapitel I: Nichtlineare Gleichungssysteme

Inhalt 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

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Polynominterpolation

Polynominterpolation Polynominterpolation In der numerischen Mathematik versteht man unter Polynominterpolation die Suche nach einem Polynom, welches exakt durch vorgegebene Punkte (z. B. aus einer Messreihe) verläuft. Dieses

Mehr

Iterative Lösung Linearer Gleichungssysteme

Iterative Lösung Linearer Gleichungssysteme Iterative Lösung Linearer Gleichungssysteme E. Olszewski, H. Röck, M. Watzl 1. Jänner 00 E. Olszewski, H. Röck, M. Watzl: WAP (WS 01/0) 1 Vorwort C.F.Gauß in einem Brief vom 6.1.18 an Gerling:

Mehr

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0!

2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 25.02.2004 Aufgabe 5 Gegeben ist die Funktion f(x) = 2004, x 0 (e 2x + x) x 1, x > 0. Untersuchen Sie die Funktion auf Stetigkeit an der Stelle x 0 = 0! Klausur 06.08.2003 Aufgabe 5 Gegeben ist

Mehr

( ) Lineare Gleichungssysteme

( ) Lineare Gleichungssysteme 102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv

Mehr

9.2 Invertierbare Matrizen

9.2 Invertierbare Matrizen 34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen

Mehr

Quadratische Formen und Definitheit

Quadratische Formen und Definitheit Universität Basel Wirtschaftswissenschaftliches Zentrum Quadratische Formen und Definitheit Dr. Thomas Zehrt Inhalt: 1. Quadratische Formen 2. Quadratische Approximation von Funktionen 3. Definitheit von

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

Kapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen

Kapitel 4. Interpolation. 4.1 Allgemeines Normen von Funktionen Kapitel 4 Interpolation 4 Allgemeines Nähere Funktion/Daten durch einfache Funktionen (eg Polynome) an Brauchbar für: - Integration - Differentiation [zb f(x) sei durch Polynom p(x) approximiert, F(x)

Mehr

3 Nichtlineare Gleichungssysteme

3 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 ( )

Mehr

1 Singulärwertzerlegung und Pseudoinverse

1 Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

Nichtlineare Gleichungen

Nichtlineare 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.

Mehr

Numerische Integration und Differentiation

Numerische Integration und Differentiation Einführung Grundlagen Bemerkung (Numerische Mathematik) a) Im engeren Sinn: zahlenmäßige Auswertung mathematischer Zusammenhänge z B Lösung von linearen und nichtlinearen Gleichungssystemen Numerische

Mehr

NUMERISCHE MATHEMATIK I

NUMERISCHE MATHEMATIK I D-MATH ETH Zürich, 22. August 2011 Prof. Ch. Schwab NUMERISCHE MATHEMATIK I 1. Interpolation und Quadratur (25 P.) a) Sei [a, b] R 1 mit a < b ein beschränktes Intervall, und f C 2 ([a, b]). Zeigen Sie,

Mehr

Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems

Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems Kapitel 2 Newton Verfahren 2.1 Das lokale Newton Verfahren Wir untersuchen in diesem Abschnitt das (lokale) Newton Verfahren zur Lösung eines nichtlinearen Gleichungssystems F (x) = 0 (2.1) mit einer zumindest

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

Musterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik

Musterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik Aufgabe Punkte Geben Sie die Matrixbeschreibung der Quadrik {x R 3x 3x 8x x +x +4x +7 = 0} an Berechnen Sie die euklidische Normalform der Quadrik und ermitteln Sie die zugehörige Koordinatentransformation

Mehr

Vektor und Matrixnormen Vorlesung vom

Vektor und Matrixnormen Vorlesung vom Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse

Mehr

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil

April (Voll-) Klausur Analysis I für Ingenieure. Rechenteil April (Voll-) Klausur Analysis I für Ingenieure en Rechenteil Aufgabe 7 Punkte (a) Skizzieren Sie die 4-periodische Funktion mit f() = für und f() = für (b) Berechnen Sie für diese Funktion die Fourierkoeffizienten

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Kommentierte 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.

Mehr

Interpolationsverfahren

Interpolationsverfahren Kapitel 3 Interpolationsverfahren Peter-Wolfgang Gräber Systemanalyse in der Wasserwirtschaft KAPITEL 3 INTERPOLATIONSVERFAHREN Problem: Durch Messung sind einige Messwerte (abhängige Variable) in Abhängigkeit

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) M. Sc. Frank Gimbel Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011) 1 Motivation Ziel ist es, ein gegebenes lineares Gleichungssystem der Form Ax = b (1) mit x, b R n und A R n n zu lösen.

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Brückenkurs Mathematik TU Dresden 2016 Lineare Gleichungssysteme Schwerpunkte: Interpretation und Verständnis der Gleichungen Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik unter

Mehr

Gliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung

Gliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung Matrixzerlegungen. 7. Vorlesung 170004 Numerische Methoden I Clemens Brand 29. April 2010 Gliederung Elimination faktorisiert A = L R Die A = L R Faktorisieren: Zerlege A in ein Produkt (einfacherer) Angenommen,

Mehr

2. Spezielle anwendungsrelevante Funktionen

2. Spezielle anwendungsrelevante Funktionen 2. Spezielle anwendungsrelevante Funktionen (1) Affin-lineare Funktionen Eine Funktion f : R R heißt konstant, wenn ein c R mit f (x) = c für alle x R existiert linear, wenn es ein a R mit f (x) = ax für

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

Zusammenfassung zu Numerische Mathematik I

Zusammenfassung zu Numerische Mathematik I Sara Adams Zusammenfassung zu Numerik I - WS 003/04 Inhaltsverzeichnis Zusammenfassung zu Numerische Mathematik I Sara Adams 11. August 004 Diese Zusammenfassung basiert auf der Vorlesung Numerische Mathematik

Mehr

A2.3 Lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme A2.3 Lineare Gleichungssysteme Schnittpunkte von Graphen Bereits weiter oben wurden die Schnittpunkte von Funktionsgraphen mit den Koordinatenachsen besprochen. Wenn sich zwei Geraden schneiden, dann müssen

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

Zahlen und Gleichungen

Zahlen und Gleichungen Kapitel 2 Zahlen und Gleichungen 21 Reelle Zahlen Die Menge R der reellen Zahlen setzt sich zusammen aus den rationalen und den irrationalen Zahlen Die Mengen der natürlichen Zahlen N, der ganzen Zahlen

Mehr

Klausur zur Vordiplom-Prüfung

Klausur zur Vordiplom-Prüfung Technische Universität Hamburg-Harburg WS 7/8 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. März 8 Sie haben 9 Minuten Zeit zum Bearbeiten

Mehr

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.

2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R. Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum

Mehr

Joachim Puls Sigmund Stintzing Numerik für Physiker

Joachim Puls Sigmund Stintzing Numerik für Physiker Ludwigs-Maximilians-Universität München Sektion Physik Joachim Puls Sigmund Stintzing Numerik für Physiker zweite, überarbeitete Ausgabe (2004) Sebastian Bauer, Stephan Maciej, Benjamin Rieff Wintersemester

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

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

3 Optimierung mehrdimensionaler Funktionen f : R n R

3 Optimierung mehrdimensionaler Funktionen f : R n R 3 Optimierung mehrdimensionaler Funktionen f : R n R 31 Optimierung ohne Nebenbedingungen Optimierung heißt eigentlich: Wir suchen ein x R n so, dass f(x ) f(x) für alle x R n (dann heißt x globales Minimum)

Mehr

Übungen zur Vorlesung MATHEMATIK II

Übungen zur Vorlesung MATHEMATIK II Fachbereich Mathematik und Informatik der Philipps-Universität Marburg Übungen zur Vorlesung MATHEMATIK II Prof. Dr. C. Portenier unter Mitarbeit von Michael Koch Marburg, Sommersemester 2005 Fassung vom

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen KAPITEL 3 INTERPOLATION UND APPROXIMATION 4 33 Newtonsche Interpolationsformel / Dividierte Differenzen Das Verfahren von Neville ist unpraktisch, wenn man das Polynom selbst sucht oder das Polynom an

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

Lineare Gleichungssysteme (Teschl/Teschl 11.1)

Lineare Gleichungssysteme (Teschl/Teschl 11.1) Lineare Gleichungssysteme (Teschl/Teschl.) Ein Lineares Gleichungssystem (LGS) besteht aus m Gleichungen mit n Unbekannten x,...,x n und hat die Form a x + a 2 x 2 +... + a n x n b a 2 x + a 22 x 2 +...

Mehr

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2

Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II. x 2 Musterlösung zu den Übungen zur Vorlesung Mathematik für Physiker II Wiederholungsblatt: Analysis Sommersemester 2011 W. Werner, F. Springer erstellt von: Max Brinkmann Aufgabe 1: Untersuchen Sie, ob die

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

6 Übungsaufgaben. 6.1 Übungsaufgaben zu Kapitel ÜBUNGSAUFGABEN

6 Übungsaufgaben. 6.1 Übungsaufgaben zu Kapitel ÜBUNGSAUFGABEN 0 6 ÜBUNGSAUFGABEN 6 Übungsaufgaben In diesem Kapitel sind Übungsaufgaben zusammengestellt, die den Stoff der Vorlesung vertiefen und die für Prüfungen erforderliche Praxis und Schnelligkeit vermitteln

Mehr

Numerische Lösung linearer Gleichungssysteme

Numerische Lösung linearer Gleichungssysteme Kapitel 2 Numerische Lösung linearer Gleichungssysteme Dieses Kapitel behandelt numerische Verfahren zur Lösung linearer Gleichungssysteme der Gestalt Ax = b, A R n n, x, b R n (21) mit a 11 a 1n A = a

Mehr

Nichtlineare Gleichungssysteme

Nichtlineare 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

Mehr

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R

9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 9 Optimierung mehrdimensionaler reeller Funktionen f : R n R 91 Optimierung ohne Nebenbedingungen Ein Optimum zu suchen heißt, den größten oder den kleinsten Wert zu suchen Wir suchen also ein x R n, sodass

Mehr

Lineare Gleichungssysteme - Grundlagen

Lineare Gleichungssysteme - Grundlagen Lineare Gleichungssysteme - Grundlagen Betrachtet wird ein System linearer Gleichungen (im deutschen Sprachraum: lineares Gleichungssystem mit m Gleichungen für n Unbekannte, m, n N. Gegeben sind m n Elemente

Mehr

Nichtlineare Optimierung ohne Nebenbedingungen

Nichtlineare 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

Mehr

9.1 Eine Gleichung mit einer Unbekannten exakt lösen x Beispiel 1: Die Gleichung x 2 = 4 lösen. solve( x / (x 2) = 4, x ); 8 3

9.1 Eine Gleichung mit einer Unbekannten exakt lösen x Beispiel 1: Die Gleichung x 2 = 4 lösen. solve( x / (x 2) = 4, x ); 8 3 MAPLE_Mini_09_V1-0.doc 9-1 9 Gleichungen 9.1 Eine Gleichung mit einer Unbekannten exakt lösen x Beispiel 1: Die Gleichung x 2 = 4 lösen. solve( x / (x 2) = 4, x ); 8 3 Beispiel 2: Lösen Sie die Gleichung

Mehr

Kapitel 16 : Differentialrechnung

Kapitel 16 : Differentialrechnung Kapitel 16 : Differentialrechnung 16.1 Die Ableitung einer Funktion 16.2 Ableitungsregeln 16.3 Mittelwertsätze und Extrema 16.4 Approximation durch Taylor-Polynome 16.5 Zur iterativen Lösung von Gleichungen

Mehr

Nichtlineare Gleichungen in einer Unbekannten

Nichtlineare Gleichungen in einer Unbekannten Nichtlineare Gleichungen in einer Unbekannten 1. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 25. Februar 2016 Organisatorisches Die Termine der Übungsgruppen

Mehr

13 Stetige Funktionen

13 Stetige Funktionen $Id: stetig.tex,v.4 2009/02/06 3:47:42 hk Exp $ 3 Stetige Funktionen 3.2 Stetige Funktionen In anderen Worten bedeutet die Stetigkeit einer Funktion f : I R also f(x n) = f( x n ) n n für jede in I konvergente

Mehr

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe

Themen Lagrange-Interpolation Hermite-Interpolation. Splines. Bézier-Kurven. 5 Interpolation. Interpolation Die Lagrangesche Interpolationsaufgabe 5 Themen Lagrange- Bézier-Kurven saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad n. saufgabe sformel Der sfehler 5.1 saufgabe È n = Raum der reellen Polynome vom Grad

Mehr

Wirtschaftsmathematik Formelsammlung

Wirtschaftsmathematik Formelsammlung Wirtschaftsmathematik Formelsammlung Binomische Formeln Stand März 2015 (a + b) 2 = a 2 +2ab + b 2 (a b) 2 = a 2 2ab + b 2 (a + b) (a b) =a 2 b 2 Fakultät (Faktorielle) n! =1 2 3 4 (n 1) n Intervalle Notation

Mehr

Der CG-Algorithmus (Zusammenfassung)

Der CG-Algorithmus (Zusammenfassung) Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine

Mehr

Klausur zum Fach Mathematik 1 Teil 1

Klausur zum Fach Mathematik 1 Teil 1 (Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 0.03.204 Klausur zum Fach Mathematik Teil Bearbeitungszeit: 90 Minuten Hilfsmittel: ein (beidseitig)

Mehr

Corinne Schenka Vorkurs Mathematik WiSe 2012/13

Corinne Schenka Vorkurs Mathematik WiSe 2012/13 4. Lineare Gleichungssysteme Ein lineares Gleichungssystem ist ein System aus Gleichungen mit Unbekannten, die nur linear vorkommen. Dieses kann abkürzend auch in Matrizenschreibweise 1 notiert werden:

Mehr

Numerische Integration

Numerische Integration Numerische Integration home/lehre/vl-mhs-1/folien/uebung/num_integration/cover_sheet_5a.tex Seite 1 von 12. p.1/12 Inhaltsverzeichnis 1. Einführung 2. Newton-Cotes Formeln Rechteckformel Trapezformel Simpsonsche

Mehr

Gleichungen und Ungleichungen

Gleichungen und Ungleichungen Gleichung Eine Gleichung erhalten wir durch Gleichsetzen zweier Terme. Kapitel 3 Gleichungen und Ungleichungen linke Seite = rechte Seite Grundmenge: Menge aller Zahlen, die wir als Lösung der Gleichung

Mehr

Lineare Algebra. Teil III. Inhaltsangabe

Lineare Algebra. Teil III. Inhaltsangabe Teil III Lineare Algebra Inhaltsangabe 3 Lineare Algebra 22 3.1 Einführung.......................... 22 3.2 Matrizen und Vektoren.................... 23 3.3 Spezielle Matrizen...................... 24

Mehr

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

3 Elementare Umformung von linearen Gleichungssystemen und Matrizen 3 Elementare Umformung von linearen Gleichungssystemen und Matrizen Beispiel 1: Betrachte das Gleichungssystem x 1 + x 2 + x 3 = 2 2x 1 + 4x 2 + 3x 3 = 1 3x 1 x 2 + 4x 3 = 7 Wir formen das GLS so lange

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D. Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion

Mehr

d) Berechnen Sie eine Stammfunktion mithilfe der Partialbruchzerlegung und des Horner-Schemas: x x 3 4 x x dx

d) Berechnen Sie eine Stammfunktion mithilfe der Partialbruchzerlegung und des Horner-Schemas: x x 3 4 x x dx MATHEMATIK Beispiel für eine schriftliche Prüfung. Grundlagen in Analysis (6 Punkte): a) Die Folge (a n ) n N ist rekursiv definiert durch a n+ := a n +, a = Zeigen Sie, dass a n für alle n N gilt und

Mehr

Mathematik für Bauingenieure

Mathematik für Bauingenieure Mathematik für Bauingenieure von Kerstin Rjasanowa 1. Auflage Mathematik für Bauingenieure Rjasanowa schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Hanser München 2006 Verlag C.H.

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html

Mehr

Numerisches Lösen von Gleichungen

Numerisches 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:

Mehr

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen

Algebra und Diskrete Mathematik, PS3. Sommersemester Prüfungsfragen Algebra und Diskrete Mathematik, PS3 Sommersemester 2016 Prüfungsfragen Erläutern Sie die Sätze über die Division mit Rest für ganze Zahlen und für Polynome (mit Koeffizienten in einem Körper). Wodurch

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

13. Übungsblatt zur Mathematik I für Maschinenbau

13. Übungsblatt zur Mathematik I für Maschinenbau Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 3. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS 00/ 07.0.-.0. Aufgabe G Stetigkeit) a) Gegeben

Mehr

Aufgaben zu Kapitel 14

Aufgaben zu Kapitel 14 Aufgaben zu Kapitel 14 1 Aufgaben zu Kapitel 14 Verständnisfragen Aufgabe 14.1 Haben (reelle) lineare Gleichungssysteme mit zwei verschiedenen Lösungen stets unendlich viele Lösungen? Aufgabe 14.2 Gibt

Mehr

Analysis I. 4. Beispielklausur mit Lösungen

Analysis I. 4. Beispielklausur mit Lösungen Fachbereich Mathematik/Informatik Prof. Dr. H. Brenner Analysis I 4. Beispielklausur mit en Aufgabe 1. Definiere die folgenden (kursiv gedruckten) Begriffe. (1) Eine bijektive Abbildung f: M N. () Ein

Mehr

Höhere Mathematik 1 Übung 9

Höhere Mathematik 1 Übung 9 Aufgaben, die in der Präsenzübung nicht besprochen wurden, können in der darauf folgenden übung beim jeweiligen übungsleiter bzw. bei der jeweiligen übungsleiterin abgegeben werden. Diese Abgabe ist freiwillig

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Lineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte

Lineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Lineare Ausgleichsprobleme Bisher: Lösung linearer GS Ax = b, A R n,n, A regulär, b R n Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Ax = b mit A R m,n, b R m, m n, rg(a)

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, Determinanten, lineare Gleichungssysteme Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n

Mehr

Arbeitsblatt 4: Kurvendiskussion - Von Skizzen zu Extremstellen-Bedingungen

Arbeitsblatt 4: Kurvendiskussion - Von Skizzen zu Extremstellen-Bedingungen Arbeitsblatt 4: Kurvendiskussion - Von Skizzen zu Etremstellen-Bedingungen Häufig sind Ableitungsfunktionsterme leichter zu handhaben als die Terme der Ausgangsfunktonen, weil sie niedrigere Eponenten

Mehr

Klausur zum Fach Mathematik 1 Teil 1

Klausur zum Fach Mathematik 1 Teil 1 (Name) (Vorname) (Matrikelnummer) Fachbereich Elektrotechnik und Informationstechnik Prof. Georg Hoever 06.07.202 Klausur zum Fach Mathematik Teil Bearbeitungszeit: 90 Minuten Hilfsmittel: ein (beidseitig)

Mehr

Numerisches Programmieren, Übungen

Numerisches Programmieren, Übungen Technische Universität München SS 2012 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Alexander Breuer Dipl.-Math. Dipl.-Inf. Jürgen Bräckle Dr.-Ing. Markus

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

Mehr

3.4 Der Gaußsche Algorithmus

3.4 Der Gaußsche Algorithmus 94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,

Mehr

Nichtlineare Gleichungen in einer Unbekannten

Nichtlineare Gleichungen in einer Unbekannten Nichtlineare Gleichungen in einer Unbekannten 1. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 20. Februar 2014 Clemens Brand und Erika Hausenblas

Mehr

Inhaltsverzeichnis. 1 Definition: Interpolationsproblem 2 1.1 Problemstellung... 2 1.2 Eigenschaften... 2 1.3 Varianten... 2

Inhaltsverzeichnis. 1 Definition: Interpolationsproblem 2 1.1 Problemstellung... 2 1.2 Eigenschaften... 2 1.3 Varianten... 2 Dieser Artikel behandelt einige Interpolationsverfahren. Numerische Verfahren kann man nur mit der dazugehörigen Theorie verstehen und anwenden. Daher sind hier auch Theorie-Anteile und Beweise enthalten.

Mehr

Übungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung.

Übungsaufgaben. Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler. Teil 1: Lineare Algebra und Optimierung. Übungsaufgaben Grundkurs Höhere Mathematik für Wirtschaftswissenschaftler Teil : Lineare Algebra und Optimierung Wintersemester Matrizenrechnung Aufgabe ( 3 0 Gegeben sind die Matrizen A = 2 5 2 4 D =

Mehr

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1) 34 Determinanten In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N Wenn (mit einem n > 1) a 11 a 12 a 1n a 21 a 22 a 2n A =, (1)

Mehr

Näherungsmethoden zum Lösen von Gleichungen

Näherungsmethoden zum Lösen von Gleichungen Mag. Gabriele Bleier Näherungsmethoden zum Lösen von Gleichungen Themenbereich Gleichungen, Differentialrechnung Inhalte Näherungsweises Lösen von Gleichungen Untersuchen von Funktionen, insbesondere Ermitteln

Mehr

Übungen Ingenieurmathematik

Übungen Ingenieurmathematik Übungen Ingenieurmathematik 1. Übungsblatt: Komplexe Zahlen Aufgabe 1 Bestimmen Sie Real- und Imaginärteil der folgenden komplexen Zahlen: a) z =(3+i)+(5 7i), b) z =(3 i)(5 7i), c) z =( 3+i)( 3+ 3 i),

Mehr

Abschlussprüfung an der Fachoberschule im Schuljahr 2008 / 2009

Abschlussprüfung an der Fachoberschule im Schuljahr 2008 / 2009 Senatsverwaltung für Bildung, Wissenschaft und Forschung Abschlussprüfung an der Fachoberschule im Schuljahr 008 / 009 Fach (A) Name, Vorname Klasse Prüfungstag 9. April 009 Prüfungszeit Zugelassene Hilfsmittel

Mehr

3 Interpolation und Approximation

3 Interpolation und Approximation In dem ersten großen Kapitel beschäftigen wir uns mit der Frage, wie eine Reihe von Daten (z.b. aus physikalischen Messungen, experimentelle Beobachtungen, Börse, etc.) durch eine möglichst einfache Funktion

Mehr

Mathematikaufgaben zur Vorbereitung auf das Studium

Mathematikaufgaben zur Vorbereitung auf das Studium Hochschule für Technik und Wirtschaft Dresden (FH) Fachbereich Informatik/Mathematik Mathematikaufgaben zur Vorbereitung auf das Studium Studiengänge Informatik Medieninformatik Wirtschaftsinformatik Wirtschaftsingenieurwesen

Mehr

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler

Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Wintersemester 2007/08 27.2.2008 Dr. Sascha Kurz Klausur zur Vorlesung Mathematische Grundlagen für Wirtschaftswissenschaftler Bitte lesbar ausfüllen, Zutreffendes ankreuzen Herr Frau Name, Vorname: Anschrift:

Mehr

Zusatzübung Wintersemester 2010/11 1

Zusatzübung Wintersemester 2010/11 1 Zusatzübung Wintersemester 2010/11 1 Aufgabe 1: (8 Punkte) Zeigen Sie durch vollständige Induktion die folgende Formel für die Potenzen der Matrix A: A = 1 1 0 1 1 1 n 0 : A n = 1 a n n a n n 1 n n (n

Mehr