Finite Elemente. Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 2015
|
|
- Gabriel Geiger
- vor 6 Jahren
- Abrufe
Transkript
1 Dr. S.-J. Kimmerle Institut für Mathematik und Rechneranwendung Fakultät für Luft- und Raumfahrttechnik Wintertrimester 5 Aufgabe 8 (Speichertechniken) Finite Elemente Übung 5 a) Stellen Sie die Matrix aus Bsp. 3.. der Vorlesung als spaltenweise Kompaktliste (CSC) dar. b) Rekonstruieren Sie die ursprüngliche Matrix, die nach MSR abgespeichert wurde, aus den zwei Vektoren a = ( NaN ), i = ( ). Interpretieren Sie die erhaltene Matrix! a) Mithilfe CSC wird die Matrix folgendermaßen abgespeichert a Einträge i Zeilen k Index in a Bemerkung: Der Speicheraufwand von CSC ist 33 wie bei CSR. b) Wir schreiben die Vektoren zuerst als Tabelle und markieren dabei die ersten Einträge in jeder Zeile a Einträge i Index in a/spalten Man rekonstruiert Diese Matrix läßt sich z.b. als Steifigkeitsmatrix für das Modellbeispiel aus der Vorlesung zu einer Friedrichs-Keller-Triangulierung für 6 Knoten interpretieren. Man hat eine Dirichlet-Randbedingung in Knoten 5 berücksichtigt..
2 Aufgabe 9 (Numerische Integration einer Elementsteifigkeitsmatrix) Wir betrachten eine Dreieckszelle T = {x R x h, x h x } einer Triangulierung T h eines Gebietes Ω. Es sei die PDG (( + sin(πx) ) ) u + ˆγu = f Ω mit geeigneten Randbedingungen gegeben und T Ω =. Hierbei ist ˆγ eine gegebene reelle Zahl, und f L (Ω). Man berechne mit der Quadraturformel. Ordnung auf dem Referenzelement P ( ˆT ) die Komponente (A T ), der Elementsteifigkeitsmatrix bzgl. T. Lösen Sie das Integral numerisch z.b. mit Maple oder Matlab und, falls möglich, analytisch. Vergleichen Sie! ( Wir stellen fest, dass A = definit ist. + sin(πx) ) symmetrisch und wegen sin(πx) / auch positiv Die Formel für die gesuchte Komponente von A T lautet (det B und B B eliminieren sich) ( (A T ), = + sin(πx) ) (, )(, ) + γ( ˆx ˆx ) dˆx. Nach der Quadraturformel. Ordnung gilt ˆT (A T ), 3 3 ( + sin(πξ m, )) + γ( ξ m, ξ m, ) m= und mit den Stützstellen ξ = (/, ), ξ = (, /) und ξ 3 = (/, /) folgt = ( + + γ( /) ) ( + + γ( /) ) + ( + + γ ) 6 = γ. Maple liefert (man kann dies auch analytisch zu Fuß nachrechnen) (A T ), π + + γ, wegen π.38 ist 4/3 eine gute Approximation des ersten Summanden, der zweite Summand, ein quadratisches Polynom, wird durch die Quadraturformel. Ordnung (wie zu erwarten) exakt approximiert.
3 Aufgabe (Gauß-Seidel-/Jacobi-Verfahren) Man betrachte das Gauß-Seidel-Verfahren und das Jacobi-Verfahren zur Lösung des LGS Ax = b für folgende Steifigkeitsmatrizen A und Lastvektoren b (mit Startvektor x () = b): a) A =, b =, b) A =, b = 3. Berechnen Sie einige Schritte. Konvergieren die Verfahren? a) Gauß-Seidel-Verfahren:, N = Mithilfe einer Gauß-Elimination erhält man M = und T = M N = 3. Für den gegebenen Startwert gilt also ist x () = b ein Fixpunkt und Lösung. x () = T x =, Es gilt T = 5 und ρ(t ) =. Wegen ρ(t ) > hat man keine Konvergenz für alle Startwerte. Auch das Sassenfeld-Kriterium ist nicht erfüllt. Jacobi-Verfahren:, N = Es folgt T = M N = N. 3
4 Für den gegebenen Startwert gilt also ist x () = b ein Fixpunkt und Lösung. x () = T x =, Es gilt T = 4, aber ρ(t ) =. Wegen ρ(t ) < hat man Konvergenz für alle Startwerte. Die Matrix allerdings nicht strikt diagonaldominant. b) Gauß-Seidel-Verfahren: M = / / / x () = T x () + M b = (3, 3, )., N =, T = M N = / / / / / / / x () = T x () + M b = ( 3/, 3/, ) + (3, 3, ) = (3/, 3/, ). x (3) = T x () + M b = ( 3/4, 3/4, ) + (3, 3, ) = (9/4, 9/4, ). x (4) = T x (3) + M b = ( 9/8, 9/8, ) + (3, 3, ) = (5/8, 5/8, ). Vermutung: (,, ) ist die Lösung, was man durch direktes Einsetzen überprüfen kann. Satz liefert wegen T = keine Aussage. Wegen ρ(t ) = / hat man Konvergenz für alle Startwerte (Satz 3.5.5). Sassenfeld-Kriterium: Diagonalelemente von A sind alle ungleich, β = ( / + / ) =. Das Sassenfeld-Kriterium ist nicht erfüllt. Jacobi-Verfahren:, N = / / / / T = M N = N x () = T x () + M b = (, 3, 3/) + (3,, ) = (3, 3, 3/). x () = T x () + M b = ( 9/4, 9/, ) + (3,, ) = (3/4, 9/, ). 4
5 x (3) = T x () + M b = ( 9/4, 3/4, 5/8) + (3,, ) = (3/4, 3/4, 5/8). x (4) = T x (3) + M b = (4/3, 9/8, ) + (3,, ) = (3/3, 9/8, ). Vermutlich divergent. T =, Satz liefert keine Aussage. Satz liefert wegen ρ(t ) = keine Konvergenz für alle Startwerte. A ist auch nicht diagonaldominant, also liefert Satz keine Aussage. Aufgabe (CG-Verfahren) Betrachten Sie die Matrix und den Vektor A = 6 8 b = Wir wollen das LGS Ax = b mit dem konjugierten Gradientenverfahren (ohne Vorkonditionierung) lösen. Betrachten Sie den Startvektor x = (,, ) und berechnen Sie Iterationen.. Der Gradient lautet g = Ax b. Man hat g () = (8,, ) und d () = g (). Nach Aufgabe nehmen wir hier an, dass ε = die gegebene Fehlertoleranz im Algorithmus ist ( g () = 8 > ε) und wir iterieren ansonsten bis zum Index k = ( Iterationen) einschließlich:. Iteration α = = 6, x () = x () + α d () = (,, ) + 6 ( 8,, ) = ( /3,, ), g () = g () + α Ad () = (8,, ) + 6 ( 48, 8, 6) = (, 4/3, 8/3), β = 4 /3 + 8 /3 8 = = 5 36, d () = g () + β d () = (, 4/3, 8/3) ( 8,, ) = ( /9, 4/3, 8/3) Wir erhöhen den Index k um auf k =. 5
6 Da g () > ist, iterieren wir weiter:. Iteration α = 8/9 /7 = 6 5, x () = x () + α d () = ( /3,, ) ( /9, 4/3, 8/3) = ( 3/5, 8/5, 6/5), g () = g () + α Ad () = (, 4/3, 8/3) ( /3, 4/3, 6/3) = ( 8/5, 3/5 4/3, 3/5), β = , d () = g () + β d () = ( 8/5, 368/65, 736/65) Wir erhöhen den Index k um auf k =. Da g () > iterieren wir weiter:. Iteration α = 5 4, x (3) = x () + α d () = ( 3/5, 8/5, 6/5) ( 8/5, 368/65, 736/65) = ( 7, 4, 8),.... Da wir nach Satz 3.5. wissen, dass wir nach N = 3 Iterationsschritten theoretisch fertig sind, reicht es hier zu überprüfen, dass x (3) in der Tat die Lösung ist. Besprechung der Aufgaben in der Übung am
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
MehrEigenwerte 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
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrKommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
MehrNumerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
MehrÜbungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
MehrRekursionen (Teschl/Teschl 8.1-8.2)
Rekursionen (Teschl/Teschl 8.1-8.2) Eine Rekursion kter Ordnung für k N ist eine Folge x 1, x 2, x 3,... deniert durch eine Rekursionsvorschrift x n = f n (x n 1,..., x n k ) für n > k, d. h. jedes Folgenglied
Mehr17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
Mehr3.1. 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
Mehr0, v 6 = 2 2. 1, v 4 = 1. 2. span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )
Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,
MehrUntersuchung dünnbesetzter QR-Verfahren bei der Berechnung dünnbesetzter approximativer Inverser
Technische Universität München Institut für Informatik Untersuchung dünnbesetzter QR-Verfahren bei der Berechnung dünnbesetzter approximativer Inverser Diplomarbeit im Fach Informatik Andreas Roy Aufgabensteller
MehrElemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel
MehrPageRank-Algorithmus
Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.
MehrZusammenfassung der 8. Vorlesung
Zusammenfassung der 8. Vorlesung Beschreibung und und Analyse dynamischer Systeme im im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit
MehrOptimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
MehrHOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG. Das Luzifer-Rätsel. Prof. Dr. Hartmut Plesske Wintersemester 2008/09. von.
HOCHSCHULE KONSTANZ TECHNIK, WIRTSCHAFT UND GESTALTUNG Fakultät Informatik Das Luzifer-Rätsel Prof. Dr. Hartmut Plesske Wintersemester 2008/09 von Max Nagl nagl@fh-konstanz.de Inhaltsverzeichnis Inhaltsverzeichnis
MehrBestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
MehrFB IV Mathematik Universität Trier. Präsentation von Nadja Wecker
FB IV Mathematik Universität Trier Präsentation von Nadja Wecker 1) Einführung Beispiele 2) Mathematische Darstellung 3) Numerischer Fluss für Diffusionsgleichung 4) Konvergenz 5) CFL-Bedingung 6) Zusammenfassung
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrOptimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
MehrEinführung in die finite Elemente Methode
Einführung in die finite Elemente Methode Andreas Stahel Juni 24 Zusammenfassung In einem ersten Abschnitt werden die Grundideen der Methode der Finiten Elemente an einem einfachen System von Stäben illustriert.
MehrFunktionen. Excel 2010 - Fortgeschritten ZID/Dagmar Serb V.01/Mär-12
Funktionen Excel 2010 - Fortgeschritten ZID/Dagmar Serb V.01/Mär-12 FUNKTIONEN... 1 LOGISCHE FUNKTIONEN... 1 UND-Funktion... 1 Übung 1: UND-Funktion...1 ODER-Funktion... 2 Übung 2: ODER-Funktion...2 WENN-Funktion...
Mehru + 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
Mehr3.3 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.
MehrOPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
MehrRepetitionsaufgaben: Lineare Gleichungen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern
MehrMathematik für Bioinformatik und Systembiologie. - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz
Mathematik für Bioinformatik und Systembiologie - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz WS 2009/10 Universität Freiburg Dieses Vorlesungsskript ist auf der Basis von Vorlesungen
MehrModulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
MehrFinite 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
MehrRekonstruktion von Magnet-Resonanz-Tomographie Bildern
Rekonstruktion von Magnet-Resonanz-Tomographie Bildern Studienarbeit im Rahmen des Diplomstudiengangs Informatik vorgelegt von Tobias Knopp Betreuer Dr. Daniel Potts Universität zu Lübeck Technisch-Naturwissenschaftliche
MehrMathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
MehrDivision Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
MehrFaktorisierung ganzer Zahlen mittels Pollards ρ-methode (1975)
Dass das Problem, die Primzahlen von den zusammengesetzten zu unterscheiden und letztere in ihre Primfaktoren zu zerlegen zu den wichtigsten und nützlichsten der ganzen Arithmetik gehört und den Fleiss
MehrOptimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
Mehr2 Lineare Gleichungssysteme
Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
MehrTangentengleichung. Wie lautet die Geradengleichung für die Tangente, y T =? Antwort:
Tangentengleichung Wie Sie wissen, gibt die erste Ableitung einer Funktion deren Steigung an. Betrachtet man eine fest vorgegebene Stelle, gibt f ( ) also die Steigung der Kurve und somit auch die Steigung
MehrNichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
MehrElemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
MehrZur Numerik großdimensionaler Eigenwertprobleme. Werner Vogt Technische Universität Ilmenau Institut für Mathematik Postfach 100565 98684 Ilmenau
Zur Numerik großdimensionaler Eigenwertprobleme Werner Vogt Technische Universität Ilmenau Institut für Mathematik Postfach 100565 98684 Ilmenau Ilmenau, den 8.11.2004 1 Einführung 1 Zusammenfassung Der
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrErinnerung/Zusammenfassung zu Abbildungsmatrizen
Erinnerung/Zusammenfassung zu Abbildungsmatrizen Thomas Coutandin (cthomas@student.ethz.ch) 7. November 2 Abbildungsmatrizen Im Folgenden betrachten wir stets endlich dimensionale K-Vektorräume (K irgend
MehrOhne Mathematik undenkbar!
Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als
MehrGF(2 2 ) Beispiel eines Erweiterungskörpers (1)
GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr
MehrSimulationsmethoden für Windkraftanlagen: Interaktion von Umströmung und Struktur
Simulationsmethoden für Windkraftanlagen: Interaktion von Umströmung und Struktur Sigrun Ortleb Universtät Kassel FB 10 Mathematik und Naturwissenschaften AG Analysis und Angewandte Mathematik Sigrun Ortleb
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrKapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
MehrDünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im Vergleich zu voll besetzten Matrizen. Besetzungsmuster mit spy.
170 005 Übungen zu Numerische Methoden I Fünfte Übungseinheit 21. März, 22. und 23. April 2013 Inhalt der fünften Übungseinheit: Dünn besetzte Matrizen. Unterschiede in Speicherbedarf und Rechenzeit im
MehrDidaktik der Algebra Jürgen Roth Didaktik der Algebra 4.1
Didaktik der Algebra 4.1 Didaktik der Algebra Didaktik der Algebra 4.2 Inhalte Didaktik der Algebra 1 Ziele und Inhalte 2 Terme 3 Funktionen 4 Gleichungen Didaktik der Algebra 4.3 Didaktik der Algebra
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
MehrTeil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
MehrEinführung. 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,
MehrUmgekehrte Kurvendiskussion
Umgekehrte Kurvendiskussion Bei einer Kurvendiskussion haben wir eine Funktionsgleichung vorgegeben und versuchen ihre 'Besonderheiten' herauszufinden: Nullstellen, Extremwerte, Wendepunkte, Polstellen
MehrMathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrGrundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
MehrAlgorithmen II Vorlesung am 15.11.2012
Algorithmen II Vorlesung am 15.11.2012 Kreisbasen, Matroide & Algorithmen INSTITUT FÜR THEORETISCHE INFORMATIK PROF. DR. DOROTHEA WAGNER KIT Universität des Landes Baden-Württemberg und Algorithmen nationales
MehrKevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
Mehr1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
MehrNumerisches Programmieren
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 Kowarschik Numerisches
Mehr7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
MehrLineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
MehrVorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter
Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser
MehrLösungsblatt zur Vorlesung. Kryptanalyse WS 2009/2010. Blatt 6 / 23. Dezember 2009 / Abgabe bis spätestens 20. Januar 2010, 10 Uhr (vor der Übung)
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May Mathias Herrmann, Alexander Meurer Lösungsblatt zur Vorlesung Kryptanalyse WS 2009/2010 Blatt 6 / 23. Dezember
MehrPraktikum Wissenschaftliches Rechnen 3. Aufgabenblatt
Institut für Wissenschaftliches Rechnen Technische Universität Braunschweig Prof. Hermann G. Matthies, Ph. D. Dipl.-inform. Oliver Kayser-Herold Praktikum Wissenschaftliches Rechnen 3. Aufgabenblatt Wir
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
MehrVorlesung. 1 Zahlentheorie in Z. Leitfaden. 1.1 Teilbarkeit. Angela Holtmann. Algebra und Zahlentheorie. (natürliche Zahlen ohne die Null)
Algebra und Zahlentheorie Vorlesung Algebra und Zahlentheorie Leitfaden 1 Zahlentheorie in Z Bezeichnungen: Z := {..., 3, 2, 1, 0, 1, 2, 3,...} (ganze Zahlen) und N := {1, 2, 3,...} (natürliche Zahlen
MehrNumerisches und Symbolisches Rechnen - Zusammenfassung
Numerisches und Symbolisches Rechnen - Zusammenfassung Patrick Pletscher Oktober 004 1 Function Fitting Gegeben: N Datenpunkte {x i, y i }, i = 1 N Gesucht: Funktion fx welche die Punkte approximiert Ansatz:
MehrSchnelle Lösung großer Gleichungssysteme
Schnelle Lösung großer Gleichungssysteme Anton Schüller 1 Ulrich Trottenberg 1,2 Roman Wienands 2 1 Fraunhofer-Institut Algorithmen und Wissenschaftliches Rechnen SCAI 2 Mathematisches Institut der Universität
MehrBlack Jack - Kartenzählen
Black Jack - Kartenzählen Michael Gabler 24.01.2012 Literatur: N. Richard Werthamer: Risk and Reward - The Science of Casino Blackjack, Springer Black Jack - Kartenzählen 1 Wie zähle ich Karten? Historisches
MehrRekursion und Iteration - Folgen und Web-Diagramme
Rekursion und Iteration - Folgen und Web-Diagramme Ac Einführungsbeispiel Quadratpflanze Ein Quadrat mit der Seitenlänge m wächst wie in der Grafik beschrieben: Figur Figur2 Figur3 Täglich kommt eine Generation
MehrWeb Algorithmen. Ranking. Dr. Michael Brinkmeier. Technische Universität Ilmenau Institut für Theoretische Informatik. Wintersemester 2008/09
Web Algorithmen Ranking Dr. Michael Brinkmeier Technische Universität Ilmenau Institut für Theoretische Informatik Wintersemester 2008/09 M.Brinkmeier (TU Ilmenau) Web Algorithmen Wintersemester 2008/09
Mehr4 Runge-Kutta-Verfahren
Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0
MehrGrundlagen der Programmiersprache C für Studierende der Naturwissenschaften
Grundlagen der Programmiersprache C für Studierende der Naturwissenschaften Teil 8: Komplexität und Speicheraufwand Patrick Schreier Abteilung für Angewandte Mathematik Vorlesung vom 23. Juni 2014 Gliederung
MehrÜbungen aus den numerischen Methoden der Astronomie SS 2011
Übungen aus den numerischen Methoden der Astronomie SS 2011 1. Fermat Teil I : Berechnen Sie die Fläche eines rechtwinkeligen Dreiecks mit Hilfe des pythagoräischen Lehrsatzes. Die beiden Katheten sollen
MehrMathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
MehrLernzettel Mathe Inhaltsverzeichnis
Lernzettel Mathe Inhaltsverzeichnis Aufgabe 1 - Vollständige Induktion 2 Aufgabe 2 - Grenzwertbestimmung 2 Aufgabe 3 - Lin/Log 2 Aufgabe 4 - Barwert/Endwert 3 Aufgabe 5 - Maximalstellen, steigend/fallend
MehrKapiteltests zum Leitprogramm Binäre Suchbäume
Kapiteltests zum Leitprogramm Binäre Suchbäume Björn Steffen Timur Erdag überarbeitet von Christina Class Binäre Suchbäume Kapiteltests für das ETH-Leitprogramm Adressaten und Institutionen Das Leitprogramm
Mehr1.) Soll die gesamte Spalte oder Zeile ausgewählt werden, reicht es auf den Spalten-/Zeilenkopf (Ziffer bzw. Buchstabe) zu klicken
Leitfaden für Excel Inhaltsverzeichnis Grundsätzliches... 3 Nützliche Tastenkombinationen... 4 Die oberste Zeile einer Tabelle fixieren... 5 Eine Seite einrichten (für ein übersichtliches Layout beim Drucken)...
MehrTeil II. Schaltfunktionen
Teil II Schaltfunktionen 1 Teil II.1 Zahlendarstellung 2 b-adische Systeme Sei b IN mit b > 1 und E b = {0, 1,..., b 1} (Alphabet). Dann ist jede Fixpunktzahl z (mit n Vorkomma und k Nachkommastellen)
MehrWir unterscheiden folgende drei Schritte im Design paralleler Algorithmen:
1 Parallele Algorithmen Grundlagen Parallele Algorithmen Grundlagen Wir unterscheiden folgende drei Schritte im Design paralleler Algorithmen: Dekomposition eines Problems in unabhängige Teilaufgaben.
MehrSimulation mit modernen Tools - runde und spitze Berechnung von π -
Simulation mit modernen Tools - runde und spitze Berechnung von π - Prof. Dr. rer. nat. Stefan Ritter Fakultät EIT 7. April 01 Gliederung 1. Wozu Simulation?. Moderne Tools zur Simulation 1. Maple, Geogebra
MehrSatz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
MehrA Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
MehrVorkurs 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.
MehrLineare Gleichungssysteme und Gauß'scher Algorithmus
Zurück Letzter Update 7... Lineare Gleichungssysteme und Gauß'scher Algorithmus In der Mathematik bezeichnet man mit Matrix ein rechteckiges Schema, in dem Zahlen oder Funktionen angeordnet werden. Hier
Mehr11. 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
Mehr13. 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)
MehrSchulmathematik 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