Finite Elemente I Konvergenzaussagen

Größe: px
Ab Seite anzeigen:

Download "Finite Elemente I Konvergenzaussagen"

Transkript

1 Finite Elemente I onvergenzaussagen 5 onvergenzaussagen TU Bergakademie Freiberg, SoS 2006

2 Finite Elemente I Interpolation in Sobolev-Räumen Wesentlicher Baustein der FE-onvergenzanalyse sind Approximationseigenschaften der FE-Unterräume: Sind etwa die Voraussetzungen des Lax-Milgram Lemmas gegeben, liefert das Céa-Lemma (2.31) bzw. (3.9) als obere Schranke für den Abstand der FE-Approximation u h zur exakten Lösung u bis auf einen konstanten Faktor den der Bestapproximation an u aus dem FE-Unterraum. Die Interpolierende ist im Allgemeinen nicht die Bestapproximation, a jedoch ergibt sich für den Interpolationsfehler dieselbe Approximationsordnung bezüglich h. Wir betrachten hier zunächst die Approximationsgüte der Interpolierenden im linearen Dreieckelement und verweisen für die allgemeine Interpolationstheorie auf die Vorlesung Finite Elemente II. a Insbesondere ergeben unterschiedliche Freiheitsgrade auch unterschiedliche Interpolierende im gleichen Funktionenraum.

3 Finite Elemente I 197 Sei Ω R 2 ein Polygon und T h eine zulässige Zerlegung in Dreiecke. Betrachte zunächst das spezielle gleichschenklige Dreieck mit Höhe s > 0 y ={(x, y) : 0 x s, 0 y s x}, a 3 a 1 = (0, 0), a 2 = (s, 0), a 3 = (0, s). a 1 s a2 x Die Interpolierende des linearen Lagrange-Elementes auf einer Funktion u : R ist gegeben durch (I u)(x ) = u(a 1 )λ 1 (x) + u(a 2 )λ 2 (x ) + u(a 3 )λ 3 (x ). Hierbei sind λ j die baryzentrischen oordinaten bezüglich.

4 Finite Elemente I 198 Wir untersuchen die Differenz u I u gemessen in der H 1 -Norm, d.h. abzuschätzen ist [ ( ) 2 ( ) 2 ] u I u 2 1 = (u I u) 2 + x (u I u) + y (u I u) dx. Zunächst einige Hilfsresultate: Lemma 5.1 Ist u C 2 (), so gilt für die lineare Interpolierende I u ( ) 2 x (u I u) dx s 2 u 2 2, ( ) 2 y (u I u) dx s 2 u 2 2.

5 Finite Elemente I 199 Lemma 5.2 Ist u H 2 (), so gilt für die lineare Interpolierende I u u I u 0 Ch 2 u 2, u I u 1 Ch u 2 mit einer von h unabhängigen onstanten C.

6 Finite Elemente I 200 Im nächsten Schritt benutzen wir die Interpolationsabschätzung auf dem speziellen Element, um den Approximationsfehler der globalen Interpolierenden I h u einer Funktion u H 2 (Ω) bezüglich einer zulässigen Zerlegung T h in Dreiecke abzuschätzen. Hierzu spalten wir zunächst die L 2 -Norm auf in Einzelintegrale u I h u 2 0,Ω = (u I h u) 2 dx = (u I u) 2 dx. Ω T h Hierbei sei nun ein beliebiges Dreieck aus T h mit Ecken a i = (x i, y i ), i = 1, 2, 3. Ferner mögen l j := a j a 1, j = 2, 3, die Längen der an a 1 grenzenden Seiten bezeichnen.

7 Finite Elemente I 201 Wir transformieren das Integral über in ein eines über das Referenzdreieck (wie oben für s = 1) vermöge der üblichen affinen Abbildung F :, ξ = (ξ, η) x = (x, y) = B ξ + b. Hier ist speziell [ ] x2 x 1 x 3 x 1 [ x1 ] B = y 2 y 1 y 3 y 1, b = y 1. Ferner ist dx = det(b ) dξ und somit (u I u) 2 dx = det(b ) (u(ξ) I b u(ξ)) 2 dξ. b

8 Finite Elemente I 202 Anwendung von Lemma 5.2 (s = 1) liefert dann u I u 2 0, C det(b ) u 2 2, b. Bei der Rücktransformation des Ausdrucks u 2 2, b ergibt sich die Abschätzung (u I u) 2 dx C max{l 2, l 3 } 4 u 2 2,, und Summation über alle T h führt auf u I h u 0 Ch 2 u 2.

9 Finite Elemente I 203 Abschätzung der Ableitungen führt auf ( ) 2 x (u I u) dx C h 2 (sin ϑ ) 2 u 2 2,, wobei ϑ den kleinsten Innenwinkel von bezeichnet. (Analog für die übrigen Ableitungen.) Summation über die Dreiecke liefert schließlich die gesuchte globale Interpolationsabschätzung für lineare Dreieckelemente: Satz 5.3 Sei T h eine Zerlegung des polygonalen Gebiets Ω R 2 in Dreiecke, h der maximale Durchmesser aller Dreiecke T h und ϑ der minimale Innenwinkel aller Dreiecke. Dann gilt für alle u H 2 (Ω) u I h u 0 C 1 h 2 u 2, u I h u 1 C 2 h u 2 mit von h unabhängigen onstanten. C 1 ist unabhängig von ϑ, C 2 genügt C 2 C (sin ϑ ) 2.

10 Finite Elemente I 204 Sind die Voraussetzungen von Satz 5.3 erfüllt, so konvergiert die Folge {I h u} der globalen Interpolierenden zu einer Folge {T h } von Zerlegungen mit der Eigenschaft h 0 in H 1 (Ω) wie h gegen u. Voraussetzung dabei ist, dass hierbei die onstante C 2 und damit die minimalen Innenwinkel aller Dreiecke gleichmäßig nach unten beschränkt sind. Definition 5.4 Eine Folge {T h } von Dreieckszerlegungen heißt regulär, falls h = max Th diam() 0 und, mit einer von h unabhängigen onstanten σ, gilt h ρ σ für alle T h, wobei h = diam() und ρ den Radius des größten in enthaltenen reises bezeichnen.

11 Finite Elemente I onvergenzsätze Wir betrachten ein Variationsproblem welches den Voraussetzungen des Lax-Milgram Lemmas (Satz 3.5) genügt. Dabei sei V der Raum H 1 (Ω), H 1 0 (Ω) oder ein dazwischenliegender Raum und Ω R 2 ein Polygon. Ferner sei T h eine Folge regulärer Zerlegungen von Ω in Dreiecke sowie V h V ein zugehöriger FE-Raum aus Dreieckelementen. Satz 5.5 Gilt P 1 P für alle T h, so gilt lim u h 0 uh 1 = onvergenzsätze TU Bergakademie Freiberg, SoS 2006

12 Finite Elemente I 206 Liegt mehr Regularität vor, so lohnt der Einsatz von Elementen mit Polynomen höheren Grades, da dies zu einer höheren onvergenzordnung führt: Satz 5.6 Ist P k P und liegt die Lösung des Ausgangsproblems in H k+1 (Ω) (k 1). Dann gilt u u h 1 Ch k. Unter zusätzlichen Regularitätsvoraussetzungen gilt u u h 0 Ch k+1. Die onstante C hängt ab von der Norm der exakten Lösung und der geometrischen onstanten σ in der Regularitätsbedingung für T h. 5.2 onvergenzsätze TU Bergakademie Freiberg, SoS 2006

13 Finite Elemente I 207 Bemerkungen Um durch Erhöhung des Polynomgrades eine entsprechende Erhöhung der onvergenzordnung der FE-Approximation zu erhalten ist erforderlich, dass die Lösung u auch in einem Sobolev-Raum H k mit ausreichend hohem k liegt. 2. Die Ordnung des Sobolev-Raums, in dem u liegt, nennt man die Regularität der Lösung. 3. Gilt etwa u H 2 \ H 3, so ist im Allgemeinen von einer Erhöhung des Polynomgrades über k = 1 hinaus keine Verbesserung zu erwarten. In diesem Fall ist diese durch Verfeinerung der Triangulierung, d.h. Verringerung von h zu erzielen. Man spricht von h-verfeinerung im Gegensatz zu p-verfeinerung. a a p bezeichnet traditionell den Polynomgrad. 5.2 onvergenzsätze TU Bergakademie Freiberg, SoS 2006

14 Finite Elemente I 208 Einige grobe Regularitätsaussagen zur Orientierung: 1. Ist Ω konvex und ist auf dem ganzen Rand eine Randbedingung vom gleichen Typ gestellt, so liegt die Lösung in H 2 (Ω). 2. Die Lösung liegt im Allgemeinen nicht in H 2 (Ω), wenn in Randpunkten, in denen Dirichlet-Bedingungen auf Neumann-Bedingungen treffen, der Rand einen inneren Öffnungswinkel hat, der π/2 ist. 5.2 onvergenzsätze TU Bergakademie Freiberg, SoS 2006

Die Methode der Finiten Elemente

Die Methode der Finiten Elemente KAPITEL 2 Die Methode der Finiten Elemente 1. Theoretische Grundlagen Wir bezeichnen im Folgenden mit H m (Ω) L 2 (Ω), Ω R n offen, den Sobolevraum aller Funktionen mit schwachen Ableitungen α u in L 2

Mehr

17. Penalty- und Barriere-Methoden

17. 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

Mehr

Definition und Eigenschaften Finiter Elemente

Definition und Eigenschaften Finiter Elemente Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:

Mehr

Charakteristikenmethode im Beispiel

Charakteristikenmethode 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)

Mehr

Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung

Definition 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

Mehr

Modulabschlussklausur Analysis II

Modulabschlussklausur 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

Mehr

Kevin Caldwell. 18.April 2012

Kevin 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

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

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

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Optimalitätskriterien

Optimalitätskriterien 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

Mehr

Beispiel 11.2. Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Beispiel 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;.

Mehr

Codierungstheorie Rudolf Scharlau, SoSe 2006 9

Codierungstheorie Rudolf Scharlau, SoSe 2006 9 Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets

Mehr

13. Abzählen von Null- und Polstellen

13. Abzählen von Null- und Polstellen 13. Abzählen von Null- und Polstellen 77 13. Abzählen von Null- und Polstellen Als weitere Anwendung des Residuensatzes wollen wir nun sehen, wie man ot au einache Art berechnen kann, wie viele Null- bzw.

Mehr

FEM. Finite Elemente Methode. Diese Unterlagen dienen gemäß 53, 54 URG ausschließlich der Ausbildung an der Hochschule Bremen.

FEM. Finite Elemente Methode. Diese Unterlagen dienen gemäß 53, 54 URG ausschließlich der Ausbildung an der Hochschule Bremen. FEM Finite Elemente Methode Diese Unterlagen dienen gemäß 53, 54 URG ausschließlich der Ausbildung an der Hochschule Bremen. Vorlesung FEM INHALT 1.Einleitung 1.1.Historischer Überblick über die Finite

Mehr

Schulmathematik und Algorithmen der Computeralgebra

Schulmathematik und Algorithmen der Computeralgebra Schulmathematik und Algorithmen der Computeralgebra Prof. Dr. Wolfram Koepf Universität Kassel http://www.mathematik.uni-kassel.de/~koepf Tag der Mathematik 13. Dezember 2008 Universität Passau Überblick

Mehr

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung

Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Fakultät für Mathematik und Informatik Ruprecht-Karls-Universität Heidelberg Diplomarbeit Vergleich verschiedener Finite-Elemente-Approximationen zur numerischen Lösung der Plattengleichung Bärbel Janssen

Mehr

Rekursionen (Teschl/Teschl 8.1-8.2)

Rekursionen (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

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

Vorlesung. Funktionen/Abbildungen 1

Vorlesung. 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.

Mehr

FEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem

FEM in 1D. Kapitel 1. 1.1 Variationsformulierung. Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem apitel 1 FEM in 1D Um die die FEM (Finite Element Method) einzuführen, betrachten wir das Modellproblem 1.1 Variationsformulierung u = f auf := (0, 1) (1.1a) u(0) = u(1) = 0 (1.1b) Eine klassische Lösung

Mehr

Lineare Gleichungssysteme

Lineare 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

Mehr

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung

Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Wintersemester 2005/2006 Gedächtnisprotokoll der mündlichen Prüfung Ulrich Loup 24.03.2006 Prüfungsstoff: Alegebra I, Analysis IV, Graphentheorie I Prüfer: Prof. Dr. Wilhelm Plesken Protokollant: Dipl.

Mehr

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É.

Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Scheduling und Lineare ProgrammierungNach J. K. Lenstra, D. B. Shmoys und É. Tardos Janick Martinez Esturo jmartine@techfak.uni-bielefeld.de xx.08.2007 Sommerakademie Görlitz Arbeitsgruppe 5 Gliederung

Mehr

13.5 Der zentrale Grenzwertsatz

13.5 Der zentrale Grenzwertsatz 13.5 Der zentrale Grenzwertsatz Satz 56 (Der Zentrale Grenzwertsatz Es seien X 1,...,X n (n N unabhängige, identisch verteilte zufällige Variablen mit µ := EX i ; σ 2 := VarX i. Wir definieren für alle

Mehr

2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.

2.12 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

Mehr

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

klar. 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

Mehr

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29

Teil III: Routing - Inhalt I. Literatur. Geometric Routing. Voraussetzungen. Unit Disk Graph (UDG) Geometric Routing 29 1 29 Teil III: Routing - Inhalt I Literatur Compass & Face Routing Bounded & Adaptive Face Routing Nicht Ω(1) UDG E. Kranakis, H. Singh und Jorge Urrutia: Compass Routing on Geometric Networks. Canadian

Mehr

Bestimmung einer ersten

Bestimmung 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,

Mehr

Bericht zum Neubeginn der CLM- Konsortialrechnungen infolge

Bericht zum Neubeginn der CLM- Konsortialrechnungen infolge BugReport: CO2 Modellversion: CLM2.4. Datum: 25.9.2006 Bericht zum Neubeginn der CLM Konsortialrechnungen infolge einer notwendigen Korrektur der CO 2 Konzentrationen im CLM Zusammenfassung Andreas Will,

Mehr

Übungen 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 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.

Mehr

Vorkurs Mathematik Übungen zu Differentialgleichungen

Vorkurs Mathematik Übungen zu Differentialgleichungen Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)

Mehr

11.3 Komplexe Potenzreihen und weitere komplexe Funktionen

11.3 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

Mehr

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn

Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Seminarvortag zum Thema Virtual Private Network Design im Rahmen des Seminars Network Design an der Universität Paderborn Ein 5.55-Approximationsalgorithmus für das VPND-Problem Lars Schäfers Inhalt Einführung:

Mehr

Credit Risk+: Eine Einführung

Credit Risk+: Eine Einführung Credit Risk+: Eine Einführung Volkert Paulsen December 9, 2004 Abstract Credit Risk+ ist neben Credit Metrics ein verbreitetes Kreditrisikomodell, dessen Ursprung in der klassischen Risikotheorie liegt.

Mehr

3-D Finite Elemente zur Diskretisierung der Maxwell-Gleichungen

3-D Finite Elemente zur Diskretisierung der Maxwell-Gleichungen 3-D Finite Elemente zur Diskretisierung der Maxwell-Gleichungen Christoph Schwarzbach (TU Bergakademie Freiberg) schwarzb@geophysik.tu-freiberg.de Abstract Elektromagnetische Phänomene können mathematisch-physikalisch

Mehr

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. 13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)

Mehr

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Elemente 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

Mehr

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

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA) Wintersemester 2013/14 Hochschule Augsburg : Gliederung 1 Aussagenlogik 2 Lineare Algebra 3 Lineare Programme 4 Folgen

Mehr

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS)

Literatur. Dominating Set (DS) Dominating Sets in Sensornetzen. Problem Minimum Dominating Set (MDS) Dominating Set 59 Literatur Dominating Set Grundlagen 60 Dominating Set (DS) M. V. Marathe, H. Breu, H.B. Hunt III, S. S. Ravi, and D. J. Rosenkrantz: Simple Heuristics for Unit Disk Graphs. Networks 25,

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

Approximation durch Taylorpolynome

Approximation durch Taylorpolynome TU Berlin Fakultät II - Mathematik und Naturwissenschaften Sekretariat MA 4-1 Straße des 17. Juni 10623 Berlin Hochschultag Approximation durch Taylorpolynome Im Rahmen der Schülerinnen- und Schüler-Uni

Mehr

Skriptum zur Vorlesung. Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P. Spellucci

Skriptum zur Vorlesung. Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P. Spellucci Skriptum zur Vorlesung Numerische Mathematik für Ingenieure, Physiker und Computational Engineering (CE) P Spellucci WS 2007/2008 2 HINWEIS: Dieses Skriptum stellt einen ersten Entwurf für den tatsächlichen

Mehr

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn

Optimierung. Optimierung. Vorlesung 7 Lineare Programmierung II. 2013 Thomas Brox, Fabian Kuhn Optimierung Vorlesung 7 Lineare Programmierung II 1 Lineare Programme Lineares Programm: Lineare Zielfunktion Lineare Nebenbedingungen (Gleichungen oder Ungleichungen) Spezialfall der konvexen Optimierung

Mehr

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen

Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen Eine divergenzfreie Rekonstruktion für eine nicht-konforme Diskretisierung der inkompressiblen Stokes-Gleichungen von Christian Brennecke Bachelorarbeit in Mathematik vorgelegt der Fakultät für Mathematik

Mehr

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)

Mehr

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada

Stochastische Analysis. Zufallsmatrizen. Roland Speicher Queen s University Kingston, Kanada Stochastische Analysis für Zufallsmatrizen Roland Speicher Queen s University Kingston, Kanada Was ist eine Zufallsmatrix? Zufallsmatrix = Matrix mit zufälligen Einträgen A : Ω M N (C) Was ist eine Zufallsmatrix?

Mehr

Division 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 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

Mehr

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140

4. Woche Decodierung; Maximale, Perfekte und Optimale Codes. 4. Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 4 Woche Decodierung; Maximale, Perfekte und Optimale Codes 4 Woche: Decodierung; Maximale, Perfekte und Optimale Codes 69/ 140 Szenario für fehlerkorrigierende Codes Definition (n, M)-Code Sei C {0, 1}

Mehr

Grundlagen der Variationsrechnung

Grundlagen der Variationsrechnung Universität des Saarlandes Fachrichtung 6.1 Mathematik /home/lehrstuhl/ag-fuchs/olli/work/texstyles/eule-eps-conv Grundlagen der Variationsrechnung Eine anwendungsorientierte Einführung in die lineare

Mehr

http://www.olympiade-mathematik.de 7. Mathematik Olympiade 1. Stufe (Schulolympiade) Klasse 12 Saison 1967/1968 Aufgaben und Lösungen

http://www.olympiade-mathematik.de 7. Mathematik Olympiade 1. Stufe (Schulolympiade) Klasse 12 Saison 1967/1968 Aufgaben und Lösungen 7. Mathematik Olympiade 1. Stufe (Schulolympiade) Klasse 12 Saison 1967/1968 Aufgaben und Lösungen 1 OJM 7. Mathematik-Olympiade 1. Stufe (Schulolympiade) Klasse 12 Aufgaben Hinweis: Der Lösungsweg mit

Mehr

Mathematik 1 für Wirtschaftsinformatik

Mathematik 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

Mehr

1 Stochastische Prozesse in stetiger Zeit

1 Stochastische Prozesse in stetiger Zeit 1 Stochastische Prozesse in stetiger Zeit 1.1 Grundlagen Wir betrachten zufällige Prozesse, definiert auf einem Wahrscheinlichkeitsraum (Ω, F, P), welche Werte in einen fest gewählten Zustandsraum annehmen.

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

3D-Skulpturen aus Algebraischen Flächen

3D-Skulpturen aus Algebraischen Flächen 3D-Skulpturen aus Algebraischen Flächen FORWISS Universität Passau Institut für Softwaresysteme in technischen Anwendungen der Informatik 18. September 2008 Teil I Rapid Prototyping Begriff Rapid Prototyping

Mehr

Computer Vision: Optische Flüsse

Computer 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

Mehr

Mathematische Methoden in den Ingenieurwissenschaften 2. Übungsblatt

Mathematische Methoden in den Ingenieurwissenschaften 2. Übungsblatt Prof. Dr. T. Apel J. Mihael Mathematishe Methoden in den Ingenieurwissenshaften. Übungsblatt Wintertrimester 5 Aufgabe 4 : (Variationsrehnung Extremalen Bestimmen Sie die Extremalen der folgenden Variationsprobleme

Mehr

7 Die Determinante einer Matrix

7 Die Determinante einer Matrix 7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =

Mehr

8 Diskrete Optimierung

8 Diskrete Optimierung 8 Diskrete Optimierung Definition 8.1. Ein Graph G ist ein Paar (V (G), E(G)) besteh aus einer lichen Menge V (G) von Knoten (oder Ecken) und einer Menge E(G) ( ) V (G) 2 von Kanten. Die Ordnung n(g) von

Mehr

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet

Mehr

Lösungen zum 3. Aufgabenblatt

Lösungen 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.

Mehr

( ) als den Punkt mit der gleichen x-koordinate wie A und der

( ) als den Punkt mit der gleichen x-koordinate wie A und der ETH-Aufnahmeprüfung Herbst 05 Mathematik I (Analysis) Aufgabe [6 Punkte] Bestimmen Sie den Schnittwinkel α zwischen den Graphen der Funktionen f(x) x 4x + x + 5 und g(x) x x + 5 im Schnittpunkt mit der

Mehr

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung A Maple-Skripte A.1 Einleitung Bei der Ausführung mechanischer Rechnungen können Computeralgebra-Programme sehr nützlich werden. Wenn man genau weiß, was eingesetzt, umgeformt, zusammengefaßt oder entwickelt

Mehr

Numerische Verfahren und Grundlagen der Analysis

Numerische Verfahren und Grundlagen der Analysis Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 16 4. Groß-O R. Steuding (HS-RM)

Mehr

Vorkurs Mathematik Übungen zu Polynomgleichungen

Vorkurs Mathematik Übungen zu Polynomgleichungen Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.

Mehr

Absolute Stetigkeit von Maßen

Absolute 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

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 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

Mehr

4 Runge-Kutta-Verfahren

4 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

Mehr

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen

Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel

Mehr

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper

3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper 32 Andreas Gathmann 3. Die Eigenschaften der reellen Zahlen II: Geordnete Körper Wir haben bisher von den reellen Zahlen nur die Körpereigenschaften, also die Eigenschaften der vier Grundrechenarten ausgenutzt

Mehr

Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz

Optimale 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

Mehr

Das Lastverteilungsproblem

Das Lastverteilungsproblem Das Lastverteilungsproblem Approximationsalgorithmen Referent Franz Brauße Veranstaltung Proseminar Theoretische Informatik Universität Trier, FB IV Dozent Prof. Dr. Henning Fernau 23.02.2012 Übersicht

Mehr

Serie 13: Online Test

Serie 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.

Mehr

11. Primfaktorzerlegungen

11. Primfaktorzerlegungen 78 Andreas Gathmann 11 Primfaktorzerlegungen Euch ist sicher aus der Schule bekannt, dass sich jede positive ganze Zahl a als Produkt a = p 1 p n von Primzahlen schreiben lässt, und dass diese Darstellung

Mehr

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1

Abiturprüfung Mathematik 2008 (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe 1 Abiturprüfung Mathematik (Baden-Württemberg) Berufliche Gymnasien ohne TG Analysis, Aufgabe Für jedes t f t () + t R ist die Funktion f t gegeben durch = mit R. Das Schaubild von f t heißt K t.. (6 Punkte)

Mehr

Beispiellösungen zu Blatt 19

Beispiellösungen zu Blatt 19 µathematischer κorrespondenz- zirkel Mathematisches Institut Georg-August-Universität Göttingen Aufgabe 1 Beispiellösungen zu Blatt 19 a) In dem Buch der Wahrheit stehen merkwürdige Dinge: Auf der ersten

Mehr

Spline Morphing. Softwarepraktikum im IWR. Carl Friedrich Bolz. Carl Friedrich Bolz

Spline Morphing. Softwarepraktikum im IWR. Carl Friedrich Bolz. Carl Friedrich Bolz Spline Morphing Softwarepraktikum im IWR Einführung Motivation: Splines sind die Grundlage von jeglicher Vektorgrafik, 3D-Grafik, CAD/CAM,... Splines werden häufig zur Beschreibung von Schrift verwendet,

Mehr

Teil II. Nichtlineare Optimierung

Teil 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

Mehr

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also

2 3 x3 17. x k dx = x k x k+1 k +1. Mit jeder weiteren partiellen Integration reduziert sich der Grad des Faktors x n, induktiv erhalten wir also Universität Konstanz Fachbereich Mathematik und Statistik Repetitorium Analysis 0 Dr DK Huynh Blatt 8 Aufgabe 6 Bestimmen Sie (a) (x + x 7x+)dx (c) (f) x n exp(x)dx (n N fest) sin (x)dx (g) (b) (d) ln(x)dx

Mehr

Numerische Simulation in der Luft- und Raumfahrttechnik

Numerische Simulation in der Luft- und Raumfahrttechnik Numerisce Simulation in der Luft- und Raumfarttecnik Dr. Felix Jägle, Prof. Dr. Claus-Dieter Munz (IAG) Universität Stuttgart Pfaffenwaldring, 70569 Stuttgart Email: felix.jaegle@iag.uni-stuttgart.de Inalt

Mehr

Institut für Informatik. Rheinische Friedrich-Wilhelms-Universität Bonn

Institut für Informatik. Rheinische Friedrich-Wilhelms-Universität Bonn Institut für Informatik Rheinische Friedrich-Wilhelms-Universität Bonn Hauptseminar: Schnelle Parallele Algorithmen Leitung: Prof. Dr. M. Karpinksi, P. Wegner, M. Hauptmann Sommersemester 2000 Ausarbeitung

Mehr

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)

Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.) Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen

Mehr

Mathematik I Internationales Wirtschaftsingenieurwesen

Mathematik I Internationales Wirtschaftsingenieurwesen Mathematik I Internationales Wirtschaftsingenieurwesen Integralrechnung 03.12.08 Das unbestimmte Integral/Stammfunktion Das bestimmte Integral/Flächenberechnung Integral als Umkehrung der Ableitung Idee:

Mehr

Computer Graphik I Polygon Scan Conversion

Computer Graphik I Polygon Scan Conversion 11/23/09 lausthal omputer raphik I Polygon Scan onversion. Zachmann lausthal University, ermany zach@in.tu-clausthal.de Klassifikation der Polygone Konvex Für jedes Punktepaar in einem konvexen Polygon

Mehr

3.1. Die komplexen Zahlen

3.1. Die komplexen Zahlen 3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen

Mehr

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009

Einführung. Vita Rutka. Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Einführung Vita Rutka Universität Konstanz Fachbereich Mathematik & Statistik AG Numerik SS 2009 Was ist FEM? Die Finite-Elemente-Methode (FEM) ist ein numerisches Verfahren zur näherungsweisen Lösung,

Mehr

Abschlussprüfung an der Fachoberschule im Schuljahr 2013/2014

Abschlussprüfung an der Fachoberschule im Schuljahr 2013/2014 Senatsverwaltung für Bildung, Jugend und Wissenschaft Abschlussprüfung an der Fachoberschule im Schuljahr 0/04 Fach (A) Prüfungstag 9. Mai 04 Prüfungszeit Zugelassene Hilfsmittel Allgemeine Arbeitshinweise

Mehr

Was war vor dem Startwert?

Was war vor dem Startwert? 63 Hans Walser Was war vor dem Startwert? Das mathematische Analogon zur Frage, was vor Adam und Eva war, ist die Frage, ob und wie Folgen und mathematische Strukturen, welche einen natürlichen Anfang

Mehr

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010

Induktive Limiten. Arpad Pinter, Tobias Wöhrer. 30. Jänner 2010 Induktive Limiten Arpad Pinter, Tobias Wöhrer 30. Jänner 2010 1 Inhaltsverzeichnis 1 Induktiver Limes von Mengen 2 2 Induktiver Limes von Vektorräumen 4 3 Lokalkonvexe topologische Vektorräumen 7 4 Induktiver

Mehr

Finite Differenzen und Elemente

Finite Differenzen und Elemente Dietrich Marsal Finite Differenzen und Elemente Numerische Lösung von Variationsproblemen und partiellen Differentialgleichungen Mit 64 Abbildungen Springer-Verlag Berlin Heidelberg NewYork London Paris

Mehr

Versuchsauswertung mit Polynom-Regression in Excel

Versuchsauswertung mit Polynom-Regression in Excel Versuchsauswertung mit Polynom-Regression in Excel Aufgabenstellung: Gegeben sei die in Bild 1 gezeigte Excel-Tabelle mit Messwertepaaren y i und x i. Aufgrund bekannter physikalischer Zusammenhänge wird

Mehr

Literatur zu geometrischen Konstruktionen

Literatur zu geometrischen Konstruktionen Literatur zu geometrischen Konstruktionen Hadlock, Charles Robert, Field theory and its classical problems. Carus Mathematical Monographs, 19. Mathematical Association of America, Washington, D.C., 1978.

Mehr

Extrema von Funktionen in zwei Variablen

Extrema von Funktionen in zwei Variablen Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,

Mehr

Effiziente numerische Methoden in der Elasto-Plastizität

Effiziente 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

Mehr

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

Mehr

Einführung in FEM Motivationsbeispiel. Berechnungsbeispiel COMSOL Multiphysics: Elastizitätsberechnung eines F1 Frontflügels. www.comsol.

Einführung in FEM Motivationsbeispiel. Berechnungsbeispiel COMSOL Multiphysics: Elastizitätsberechnung eines F1 Frontflügels. www.comsol. Einführng in FEM Motivationsbeispiel Berechnngsbeispiel COMSO Mltiphysics: Elastizitätsberechnng eines F Frontflügels. www.comsol.de Originalgeometrie CAD-Modell mit Berechnngsgitter FEM Ergebnis der Aslenkng

Mehr

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren.

Basis und Dimension. Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Basis und Dimension Als nächstes wollen wir die wichtigen Begriffe Erzeugendensystem und Basis eines Vektorraums definieren. Definition. Sei V ein K-Vektorraum und (v i ) i I eine Familie von Vektoren

Mehr

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u. Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume

Mehr

Grundlagen der 3D-Modellierung

Grundlagen der 3D-Modellierung April 28, 2009 Inhaltsverzeichnis 1 Einführung 2 Direkte Darstellungsschemata 3 Indirekte Darstellungsschemata 4 Parametrische Kurven und Freiformflächen 5 Abschluss Motivation Vom physikalischen Körper

Mehr

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, 17-19 Uhr

Klassische Theoretische Physik II. V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch. Klausur 1 Lösung. 01. August 2012, 17-19 Uhr KIT SS 0 Klassische Theoretische Physik II V: Prof. Dr. M. Mühlleitner, Ü: Dr. M. Rauch Klausur Lösung 0. August 0, 7-9 Uhr Aufgabe : Kurzfragen (+++4=0 Punkte (a Zwangsbedingungen beschreiben Einschränkungen

Mehr