Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
|
|
- Detlef Lenz
- vor 6 Jahren
- Abrufe
Transkript
1 Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b = i Bestimmen Sie eine untere Dreiecksmatrix L R mit normierter Diagonale sowie eine obere Dreiecksmatrix R R, sodass A = LR gilt ii Lösen Sie mit Hilfe der in Teil i berechneten Matrizen das lineare Gleichungssystem Ax = b iii Es ist A = Dies brauchen Sie nicht zu beweisen Berechnen Sie cond A Weiter sei b =, 0, 00 T eine Störung der rechten Seite Wie groß ist der relative Fehler der Lösung bezüglich der -Norm höchstens? i Die LR-Zerlegung ohne Pivotisierung liefert in den einzelnen Schritten die folgenden Matrizen: 0 0 A := 0, L := 0, A := L A = 0, L := 0 0, 0 A := L A = Daraus erhält man schließlich die Matrizen R := A, sowie 0 0 L := L L = 0 0 ii Mit der Variable y := Rx löst man zunächst das lineare Gleichungssystem Ly = b durch Vorwärtseinsetzen Man erhält als Lösung y =,, T Nun muss noch das lineare Gleichungssystem Rx = y mittels Rückwärtseinsetzen gelöst werden Somit ist die Lösung des linearen Gleichungssystems Ax = b durch x = 0,, gegeben iii Es gilt A =, b = und b = Damit berechnet man cond A = = Mit der Formel aus der Vorlesung erhält man x x cond A b = b = = 0,0
2 Aufgabe Punkte: Gegeben seien die Matrix A sowie deren Inverse A durch A = und A =, Die Eigenwerte von A lauten λ = und λ = i Bestimmen Sie die Konditionszahl cond A der Matrix A ii Führen Sie die ersten drei Schritte der von-mises Iteration mit der Matrix A und dem Startvektor x 0 =, 0 T durch und geben Sie die im dritten Schritt berechnete Näherung und den absoluten Fehler für den approximierten Eigenwert an iii Führen Sie die ersten zwei Schritte der inversen Iteration von Wielandt mit Grobnäherung λ = 0 mit dem Startvektor x 0 =, 0 T durch und geben Sie den so berechneten approximativen Eigenwert, sowie den absoluten Fehler nach dem zweiten Schritt an iv Schreiben Sie eine Matlab-Funktion die zu einer gegebenen Matrix A und einem Startvektor x die ersten N Schritte der inversen Iteration von Wielandt für λ = 0 durchführt, ohne die Inverse von A explizit zu berechnen, und eine Approximation an den betragsmäßig kleinsten Eigenwert als Rückgabewert liefert Hinweis: Gehen Sie ohne Überprüfung davon aus, dass A als quadratische Matrix und x als Vektor passender Dimension korrekt eingelesen sind Sie dürfen außerdem eine Funktion [k]=argmaxx, welche zu einem vorgegebenen Vektor x den Index k des betragsgrößten Elements des Vektors ausgibt, und eine Funktion [x]=a\b, die zu einer Matrix A und einem Vektor b das lineare Gleichungssystem Ax = b löst, verwenden i Es gilt cond A = A }{{} A = }{{} = = ii Die ersten drei Schritte der von-mises Iteration liefern die folgenden Ergebnisse: z := Ax 0 =, i =, x := z z = z =, i z := Ax =, i =, x := z =, z := Ax = z i, i =, x := z z i = z = z Mit dem Index i = erhält man als Approximation für den betragsmäßig größten Eigenwert im dritten Schritt λ = =, Der absolute Fehler beträgt somit = = 0, iii Die ersten beiden Schritte der inversen Iteration von Wieland ergeben z := A x 0 =, i =, x := z z := A x = z i, i =, x := z z i = z = z Wegen i = ist eine Approximation an den Kehrwert des betragsmäßig kleinsten Eigenwertes Es gilt also λ = = =, Der absolute Fehler ist dann = = 0, = = =,
3 iv function z = wielandta,x,n for i = :N z = A\x; ik = argmaxz; if i==n- k = ik; end x = z/zik; end z = /zk; end Aufgabe Punkte: Gegeben sei die Zielfunktion Zx, x = x x 0 Bestimmen Sie eine optimale Basislösung und geben Sie den maximalen Wert von Z an unter den Nebenbedingungen x x 0 x +x 0, x 0, x 0 x +7x 0 Hinweis: Führen Sie zunächst eine geeignete Transformation der beiden Variablen durch Zunächst muss das Problem auf Normalform gebracht werden Die Transformation x := 0 x und x := x 0 liefert das lineare Optimierungsproblem: Maximieren Sie die Zielfunktion Z x, x = x x 90 unter den Nebenbedingungen x + x 0 x + x 0, x, x 0 x +7 x 0 Das Ausgangstableau für dieses Problem lautet: x x y y y y y y Der Simplex-Algorithmus liefert im ersten Schritt das Tableau: x x y y y x y 0 y 0 7 Da in der Zielfunktionszeile nur noch positive Einträge stehen, ist der Algorithmus hier beendet und x, x =, 0 ist eine optimale Basislösung für Z Rücktransformation liefert die optimale Basislösung x, x =, 0 und den optimalen Wert Z, 0 = = 7,
4 Aufgabe Punkte: Gegeben sei das Integral x x + dx, dessen exakter Wert arctan + arctan, beträgt Dies brauchen Sie nicht zu beweisen i Formulieren Sie die Simpson-Regel und verwenden Sie diese um eine Näherung für das obige Integral zu berechnen Geben Sie außerdem den absoluten Fehler an ii Gegeben sei die Quadraturformel fx dx = α f + f0 + α f + f + Rf mit α, α R Rf bezeichne den Fehler der Quadratur Bestimmen Sie die Konstanten α und α so, dass die Quadraturformel für Polynome vom Grad exakt ist Berechnen Sie damit eine Näherung für das Integral und geben Sie den absoluten Fehler an i Die Simpson-Regel lautet b a fx dx = b a [ fa + f a + b ] + fb + R S f Damit berechnet man die folgende Approximation für das obige Integral: x x + dx [ + + ] = 0 =,0 Der absolute Fehler beträgt also,,0 = 0,0 ii Damit die Quadraturformel für Polynome von Grad exakt ist, genügt es die Exaktheit für die Monome p 0 und p zu fordern Daraus erhält man das lineare Gleichungssystem: = α + + α + = α α + Lösen dieses Gleichungssystems liefert die Quadraturgewichte α = und α = Damit erhält man die folgende Approximation für obiges Integral x x + dx = 0 =, In diesem Fall ist der absolute Quadraturfehler also,, = 0,9 Aufgabe Punkte: Gegeben sei das Anfangswertproblem y t = sinπt, y0 = 0 + yt i Formulieren Sie für dieses Anfangswertproblem das Eulersche Polygonzugverfahren zur Schrittweite h = und berechnen Sie damit eine Näherung für y ii Formulieren Sie für dieses Anfangswertproblem das -stufige Runge-Kutta-Verfahren mit β = Verfahren von Heun zur Schrittweite h = und berechnen Sie damit eine Näherung für y Hinweis: Sie können die unten stehende Tabelle verwenden
5 i Die Formel für das Eulersche Polygonzugverfahren zur Schrittweite h = für ft, y = sinπt +y lautet: y i+ = y i + fti, y i = y i + sinπti + y i i 0, wobei t i = i gilt und der Anfangswert durch y0 = 0 gegeben ist Die ersten drei Schritte lauten damit: y = 0 + sin0 + 0 = 0, y = 0 + sin π + 0 =, y = + sin π + = und die gesuchte Näherung für y ist somit, ii Die Formel für das Verfahren von Heun zur Schrittweite h = lautet: y i+ = y i + [ ] ft i, y i + f t i + h, y i + h ft i, y i = y i + sinπti + + y i + sinπt i + y i + sinπt i i 0, +y i wobei hier t i = i gilt und der Anfangswert durch y0 = 0 gegeben ist Die ersten zwei Schritte lauten damit: y = 0 + [0 + ] =, y = + [ ] + 0 = und die gesuchte Näherung für y ist somit,9 Aufgabe Punkte: Gegeben sei die Funktion f : R R durch fx = sinπx 0,x x R Formulieren Sie das Newton- Verfahren zur Berechnung einer Nullstelle von f und führen Sie den ersten Newton-Schritt zum Startwert x 0 = 0, durch Die Vorschrift für das Newton-Verfahren mit Startwert x 0 lautet x k+ = x k fxk f x k = xk sinπxk 0,x k π cosπx k 0, k 0, Nach dem ersten Schritt ergibt sich mit dem Startwert x 0 = 0, die Näherung x = Aufgabe 7 Punkte: Betrachten Sie das Randwertproblem y = f auf 0,, y0 = 0, y = mit f aus Aufgabe Leiten Sie das lineare Gleichungssystem her, welches man erhält, wenn man das Randwertproblem mit finiten Differenzen und Schrittweite h = diskretisiert Sie brauchen das Gleichungssystem nicht zu lösen
6 Um die zweite Ableitung zu diskretisieren werden finite Differenzen verwendet: y x k yx k yx k + yx k+ h, wobei x k = k 0 k gilt Mit den Näherungswerten y k yx k k und den Randwerten y 0 = yx 0 = 0 und y = yx = erhält man schließlich die Gleichungen y k + y k y k+ h = sinπx k 0,x k k, also ein lineares Gleichungssystem mit drei Unbekannten: 0 0 y y y = h sin π sinπ sin π + h = 9 Spezielle sin- und cos-werte: x 0 π sinx 0 cosx π π π π 0 π π π π π 0 0 0
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen
Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen Wintersemester 2012/201 Zwischentest Teil 1: 1. Was bedeuten die Bezeichnungen O(h) und o(h)? (Definition) (siehe Skript!)
MehrKlausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,
Universität Siegen, Department Maschinenbau, 7.7. Aufgabe y 3 l 3 3 F l l x Das dargestellte Fachwerk soll statisch mit Hilfe der FEM untersucht werden. Die Knoten und Elemente sind in der Abbildung nummeriert.
MehrD-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1
D-MAVT NUMERISCHE MATHEMATIK FS 4 K. Nipp, A. Hiltebrand Lösung vom Test. Sei eps die Maschinengenauigkeit in Matlab. Dann gilt: eps/4 = Richtig / Falsch + eps/2 = Richtig / Falsch 8 + eps = 8 Richtig
MehrWir 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
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrKlausur 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
Mehr1 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
MehrDifferentialgleichungen
Differentialgleichungen Viele physikalische Probleme können mathematisch als gewöhnliche Differentialgleichungen formuliert werden nur eine unabhängige Variable (meist t), z.b. Bewegungsgleichungen: gleichmäßig
Mehr2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p
Wiederholungsaufgaben Algorithmische Mathematik Sommersemester Prof. Dr. Beuchler Markus Burkow Übungsaufgaben Aufgabe. (Jacobi-Verfahren) Gegeben sei das lineare Gleichungssystem Ax b = für A =, b = 3.
MehrOptimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz
Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel
Mehrbekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR A = LR
LR-Zerlegung bekannt: Eliminationsverfahren von Gauß Verfahren führt zu einer Zerlegung der Koeffizientenmatrix: A = LR Definition 2.17 Unter einer LR-Zerlegung einer Matrix A R n n verstehen wir eine
Mehr, r [0, 2], ϕ [0,π/2], ϑ [0,π/6]. x 3. x 2 2 x 2 1. F(x) = x 2 3
Prof. Dr. Eck Höhere Mathematik 3 9.3.9 Aufgabe ( Punkte) Gegeben ist der Körper K mit der Parametrisierung x r cos ϕ cos ϑ K : x = Φ(r,ϕ,ϑ) = r sin ϕ cos ϑ, r [, ], ϕ [,π/], ϑ [,π/6]. x 3 r sin ϑ a) Berechnen
MehrVorlesung, 26. Mai 2011, Inhalt. Eigenwerte und Eigenvektoren. Gewöhnliche Differentialgleichungen
Vorlesung, 26. Mai 2011, Inhalt Eigenwerte und Eigenvektoren Gewöhnliche Differentialgleichungen 1 Eigenwerte und Eigenvektoren Es sei A eine n n-matrix, x ein vom Nullvektor verschiedener Vektor und λ
MehrLösungen zu Mathematik I/II
Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx
MehrPrüfung zur Vorlesung Mathematik I/II
Dr. A. Caspar ETH Zürich, August 2011 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total Vollständigkeit
MehrLineare Algebra: Determinanten und Eigenwerte
: und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b
MehrMathematik 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
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
Mehr5 Interpolation und Approximation
5 Interpolation und Approximation Problemstellung: Es soll eine Funktion f(x) approximiert werden, von der die Funktionswerte nur an diskreten Stellen bekannt sind. 5. Das Interpolationspolynom y y = P(x)
MehrKlausur zur Höheren Mathematik IV
Düll Höhere Mathematik IV 8. 1. 1 Klausur zur Höheren Mathematik IV für Fachrichtung: kyb Bitte beachten Sie die folgenden Hinweise: Bearbeitungszeit: 1 Minuten Erlaubte Hilfsmittel: 1 eigenhändig beschriebene
MehrKlausur Mathematik I
Technische Universität Dresden 15. August 2008 Institut für Numerische Mathematik Dr. K. Eppler Klausur Mathematik I für Studierende der Fakultät Maschinenwesen (mit Lösungshinweisen) Name: Matrikelnummer.:
MehrAufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen
Aufgabenkomplex 5: Hauptachsentransformation, Lineare Optimierung, Differentialrechnung in mehreren Veränderlichen 1. Bestimmen Sie für die folgenden Funktionen zunächst die kritischen Stellen und entscheiden
Mehr1. Anfangswertprobleme 1. Ordnung
1. Anfangswertprobleme 1. Ordnung 1.1 Grundlagen 1.2 Euler-Vorwärts-Verfahren 1.3 Runge-Kutta-Verfahren 1.4 Stabilität 1.5 Euler-Rückwärts-Verfahren 1.6 Differentialgleichungssysteme Prof. Dr. Wandinger
MehrExtremwerte von Funktionen mehrerer reeller Variabler
Extremwerte von Funktionen mehrerer reeller Variabler Bei der Bestimmung der Extrema von (differenzierbaren) Funktionen f : R n R ist es sinnvoll, zuerst jene Stellen zu bestimmen, an denen überhaupt ein
MehrKlausur zur Mathematik für Maschinentechniker
SS 04. 09. 004 Klausur zur Mathematik für Maschinentechniker Apl. Prof. Dr. G. Herbort Aufgabe. Es sei f die folgende Funktion f(x) = 4x 4x 9x 6 x (i) Was ist der Definitionsbereich von f? Woistf differenzierbar,
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
MehrNewton-Verfahren für ein Skalarfunktion
Newton-Verfahren für ein Skalarfunktion Für eine Näherungsberechnung von Nullstellen einer reellen Funktion f(x) : R R benutzt man das Newton-Verfahren: x (n+1) = x (n) f(x (n) )/f (x (n) ). Das Newton-Verfahren
MehrInexakte Newton Verfahren
Kapitel 3 Inexakte Newton Verfahren 3.1 Idee inexakter Newton Verfahren Wir betrachten weiterhin das nichtlineare Gleichungssystem F (x) = mit einer zumindest stetig differenzierbaren Funktion F : R n
MehrMusterlösung zur Klausur zur Vorlesung Mathematik für Wirtschaftswissenschaftler II. am , Zeit: 120 Minuten
Musterlösung zur Klausur zur Vorlesung Mathematik für Wirtschaftswissenschaftler II am 5.8.25, Zeit: 2 Minuten Aufgabe (3 Punkte Eine Bakterienkultur hat eine stetige Wachstumsrate von % pro Stunde. Wie
MehrNewton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme
Newton-Verfahren zur gleichungsbeschränkten Optimierung Armin Farmani Anosheh (afarmani@mail.uni-mannheim.de) 3.Mai 2016 1 Gleichungsbeschränkte Optimierungsprobleme Einleitung In diesem Vortrag geht es
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrSerie 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
MehrETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld
ETH Zürich Analysis I Zwischenprüfung Winter 2014 D-BAUG Musterlösungen Dr. Meike Akveld Bitte wenden! 1. Die unten stehende Figur wird beschrieben durch... (a) { (x, y) R 2 x + y 1 }. Richtig! (b) { (x,
MehrMathematik 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/
MehrBeginn 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.
Mehr2) 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
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 5 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 21 Prof. Dr. Klaus Höllig (IMNG)
Mehr18.4 Das Newton-Verfahren
18.4 Das Newton-Verfahren Ziel: Wir suchen die Nullstellen einer Funktion f : D R n, D R n : f(x) = 0 Wir kennen bereits die Fixpunktiteration x k+1 := Φ(x k ) mit Startwert x 0 und Iterationsvorschrift
MehrFunktionen mehrerer Variabler
Vektoranalysis Funktionen mehrerer Variabler Wir untersuchen allgemein vektorwertige Funktionen von vektoriellen Argumenten, wobei zunächst nur reelle Vektoren zugelassen seien. Speziell betrachten wir:
MehrD-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski. Serie 9
D-MATH Numerische Methoden FS 2016 Dr. Vasile Gradinaru Alexander Dabrowski Serie 9 Best Before: 24.5/25.5, in den Übungsgruppen (2 wochen) Koordinatoren: Alexander Dabrowski, HG G 52.1, alexander.dabrowski@sam.math.ethz.ch
MehrKlausur zur Vordiplom-Prüfung
Technische Universität Hamburg-Harburg SS 7 Institut für Numerische Simulation Dr. Jens-Peter M. Zemke Klausur zur Vordiplom-Prüfung Numerische Verfahren 7. Juli 7 Sie haben 9 Minuten Zeit zum Bearbeiten
MehrIterative Verfahren, Splittingmethoden
Iterative Verfahren, Splittingmethoden Theodor Müller 19. April 2005 Sei ein lineares Gleichungssystem der Form Ax = b b C n, A C n n ( ) gegeben. Es sind direkte Verfahren bekannt, die ein solches Gleichungssystem
MehrMatlab: eine kurze Einführung
Matlab: eine kurze Einführung Marcus J. Grote Christoph Kirsch Mathematisches Institut Universität Basel 4. April 2 In dieser Einführung zu Matlab sind die im Praktikum I erworbenen Kenntnisse zusammengefasst.
MehrKlausur 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
MehrNichtlineare Gleichungssysteme
Kapitel 5 Nichtlineare Gleichungssysteme 51 Einführung Wir betrachten in diesem Kapitel Verfahren zur Lösung von nichtlinearen Gleichungssystemen Nichtlineares Gleichungssystem: Gesucht ist eine Lösung
MehrLösungsvorschläge zur Klausur
Prüfung in Höhere Mathematik 3 6 Februar 3 Lösungsvorschläge zur Klausur für bau, ernen, fmt, IuI, mach, tema, umw, verf, geod und so weiter ; Aufgabe : Punkte Die Fläche T im R 3 sei gegeben als T : {x,y,z
MehrRechenaufwand der LR- und LDL T - Zerlegung
6. Großübung Rechenaufwand der LR- und LDL T - Zerlegung Rückwärtseinsetzen Der Algorithmus kann der Folie 3.0 entnommen werden. Dieser kann in die folgenden Rechenoperationen aufgesplittet werden: Für
MehrDer 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
MehrGliederung. 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,
MehrBrückenkurs Mathematik. Mittwoch Freitag
Brückenkurs Mathematik Mittwoch 5.10. - Freitag 14.10.2016 Vorlesung 4 Dreiecke, Vektoren, Matrizen, lineare Gleichungssysteme Kai Rothe Technische Universität Hamburg-Harburg Montag 10.10.2016 0 Brückenkurs
MehrGrundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang
Numerisches Rechnen (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang Institut für Geometrie und Praktische Mathematik RWTH Aachen Wintersemester 2011/12 IGPM, RWTH Aachen Numerisches Rechnen
MehrOptimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren. 2013 Thomas Brox, Fabian Kuhn
Optimierung Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren 1 Minimierung ohne Nebenbedingung Ein Optimierungsproblem besteht aus einer zulässigen Menge und einer Zielfunktion Minimum
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrGewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael
Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und
MehrMusterlösung 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
MehrLösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt
Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
Mehr2. Anfangswertprobleme 2. Ordnung
Zu einem Anfangswertproblem 2. Ordnung gehören folgende Daten: Eine Differenzialgleichung 2. Ordnung: ẍ t f [ x t, ẋ t,t ] Die Anfangsbedingungen: x 0 x 0, ẋ 0 ẋ 0 Das zu untersuchende Zeitintervall: t
MehrLUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN. 13. Übung/Lösung Mathematik für Studierende der Biologie
LUDWIG-MAXIMILIANS-UNIVERSITÄT MÜNCHEN FAKULTÄT FÜR BIOLOGIE Prof. Andreas Herz, Dr. Stefan Häusler email: haeusler@biologie.uni-muenchen.de Department Biologie II Telefon: 89-8-748 Großhadernerstr. Fax:
MehrLineare Differenzengleichungen
Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung
Mehr2 Lineare Gleichungssysteme
2 Lineare Gleichungssysteme Wir betrachten das lineare Gleichungssystem Ax = b mit der n n-koeffizientenmatrix A und der rechten Seite b R n. Wir leiten zuerst eine Variante des Gauss-Algorithmus (LR-Zerlegung)
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrLösungen der Aufgaben zu Kapitel 10
Lösungen der Aufgaben zu Kapitel 10 Abschnitt 10.2 Aufgabe 1 (a) Die beiden Funktionen f(x) = 1 und g(y) = y sind auf R definiert und stetig. 1 + x2 Der Definitionsbereich der Differentialgleichung ist
MehrNEXTLEVEL im WiSe 2011/12
Fachbereich Mathematik der Universität Hamburg Dr. H. P. Kiani NEXTLEVEL im WiSe 2011/12 Vorlesung 5, Teil 2 Linearisierung, einige Eigenschaften differenzierbarer Funktionen Die ins Netz gestellten Kopien
MehrFourier- und Laplace- Transformation
Übungsaufgaben zur Vorlesung Mathematik für Ingenieure Fourier- und Lalace- Transformation Teil : Lalace-Transformation Prof. Dr.-Ing. Norbert Hötner (nach einer Vorlage von Prof. Dr.-Ing. Torsten Benkner)
Mehrnumerische Berechnungen von Wurzeln
numerische Berechnungen von Wurzeln. a) Berechne x = 7 mit dem Newtonverfahren und dem Startwert x = 4. Mache die Probe nach jedem Iterationsschritt. b) h sei eine kleine Zahl, d.h. h. Wir suchen einen
Mehr3.6 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
MehrHöhere Mathematik II für die Fachrichtung Physik
Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz WS 5/6 8..6 Höhere Mathematik II für die Fachrichtung Physik Bachelor-Modulprüfung Aufgabe
Mehr4.3 Anwendungen auf Differentialgleichungen
7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,
Mehry hom (x) = C e p(x) dx
Gewöhnliche Differentialgleichungen F (x, y, y,..., y n ) = 0 Gleichung, die die Veränderliche x sowie die Funktion y = y(x) und ihre Ableitungen y,..., y n beinhaltet. Klassifiaktion: implizit F (...)
MehrÜ b u n g s b l a t t 11
Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 20.12.13 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
Mehr20 Kapitel 2: Eigenwertprobleme
20 Kapitel 2: Eigenwertprobleme 2.3 POTENZMETHODE Die Potenzmethode oder Vektoriteration ist eine sehr einfache, aber dennoch effektive Methode zur Bestimmung des betragsmäßig größten Eigenwertes. Um die
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrSkalarprodukt. Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind. und v := reelle n-tupel, dann ist
Orthogonalität p. 1 Skalarprodukt Das gewöhnliche Skalarprodukt ist für reelle n-tupel folgendermaßen erklärt: Sind u := u 1 u 2. u n reelle n-tupel, dann ist und v := v 1 v 2. v n u v := u 1 v 1 + u 2
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
MehrMethode der kleinsten Quadrate
Versus QR Matrizen mit vollem Rang 27. Mai 2011 Versus QR Inhaltsverzeichnis 1 2 3 Beispiel 4 Beispiel 5 6 Versus QR Kondition Vergleich Beispiel Versus QR Zu finden: Gerade, die den Punkten (0, 6), (1,
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2
MehrKurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren
Kurze Einführung zu Stabilität bei Differentialgleichungen und Einschrittverfahren Was sind typische qualitative Aussagen bei gewöhnlichen Differentialgleichungen der Form x (t) = f(t, x)? (1) 1. Andere
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
MehrMusterlösung 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
MehrÜbungen zu Splines Lösungen zu Übung 20
Übungen zu Splines Lösungen zu Übung 20 20.1 Gegeben seien in der (x, y)-ebene die 1 Punkte: x i 6 5 4 2 1 0 1 2 4 5 6 y i 1 1 1 1 1 + 5 1 + 8 4 1 + 8 1 + 5 1 1 1 1 (a) Skizzieren Sie diese Punkte. (b)
Mehr8 Polynominterpolation
8 Polynominterpolation Interpolations-Aufgabe: Von einer glatten Kurve seien nur lich viele Punktewerte gegeben. Wähle einen lichdimensionalen Funktionenraum. Konstruiere nun eine Kurve in diesem Funktionenraum
Mehr3. Berechnen Sie auch die Beschleunigung a als Funktion der Zeit t. 4. Erstellen Sie ein SIMULINK Modell, das x(t) numerisch berechnet.
unit 1 / Seite 1 Einführung Differenzialgleichungen In physikalischen Anwendungen spielt oft eine Messgrösse in Abhängigkeit von der Zeit die Hauptrolle. Beispiele dafür sind Druck p, Temperatur T, Geschwindigkeit
MehrMusterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.
Angewandte Mathematik Ing.-Wiss., HTWdS Dipl.-Math. Dm. Ovrutskiy Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange. Aufgabe 1 Approximieren Sie cos(x) auf [ /, /] an drei Stützstellen
MehrInhalt Kapitel I: Nichtlineare Gleichungssysteme
Inhalt Kapitel I: Nichtlineare Gleichungssysteme I Nichtlineare Gleichungssysteme I. Nullstellenbestimmung von Funktionen einer Veränderlichen I.2 I.3 Newton-Verfahren Kapitel I (UebersichtKapI) 3 Bisektionsverfahren
Mehr$Id: integral.tex,v /05/05 14:57:29 hk Exp hk $ ln(1 + t) 2 = ln 2 ln 3 + ln 2 = ln
$Id: integral.tex,v.5 2009/05/05 4:57:29 hk Exp hk $ 2 Integralrechnung 2.3 Die Integrationsregeln Wir wollen noch eine letzte kleine Anmerkung zur Substitutionsregel machen. Der letzte Schritt bei der
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
MehrKlausurvorbereitungsblatt Lineare Algebra
Klausurvorbereitungsblatt Lineare Algebra Sommersemester 25 Aufgabe 2 2 Sei A 3 3 8 2 4 3 R4 5. 5 2 a) Bestimmen Sie die Lösungsmenge des linearen Gleichungssystems Ax b) Ist Ax b mit b lösbar? (Begründen
MehrSelbsteinschätzungstest Auswertung und Lösung
Selbsteinschätzungstest Auswertung und Lösung Abgaben: 46 / 587 Maximal erreichte Punktzahl: 8 Minimal erreichte Punktzahl: Durchschnitt: 7 Frage (Diese Frage haben ca. 0% nicht beantwortet.) Welcher Vektor
MehrNUMERISCHE 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,
MehrMathematische Behandlung der Natur- und Wirtschaftswissenschaften I. f(x) := e x + x.
Technische Universität München WS 009/0 Fakultät für Mathematik Prof. Dr. J. Edenhofer Dipl.-Ing. W. Schultz Übung Lösungsvorschlag Mathematische Behandlung der Natur- und Wirtschaftswissenschaften I Aufgabe
Mehr18.2 Implizit definierte Funktionen
18.2 Implizit definierte Funktionen Ziel: Untersuche Lösungsmengen von nichtlinearen Gleichungssystemen g(x) = 0 mit g : D R m, D R n, d.h. betrachte m Gleichungen für n Unbekannte mit m < n, d.h. wir
MehrLösungen - Serie 2 zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie
Lösungen - Serie zu den Übungsaufgaben zur Vorlesung Algebraische Zahlentheorie Aufgabe : Berechnen Sie für die folgenden Elemente x in einer Körpererweiterung L K die Norm Nm L K (x) und die Spur T r
MehrTechnische 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. Berechnen Sie die folgenden unbestimmten Integrale.
Mehr6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme
6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme 6.1 Nullstellen reeller Funktionen Bemerkung 6.1 (Problemstellung) geg.: f C[a, b] ges.: x [a, b] mit f(x ) = 0 Lösungstheorie f linear
Mehr8. Übungsblatt Aufgaben mit Lösungen
8 Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Matrix Bestimmen Sie die allgemeine reelle Lösung des Differentialgleichungssystems u x = Aux für die A =, 9 indem Sie das System auf eine einzelne gewöhnliche
MehrMethode der kleinsten Quadrate
1. Phase: Methode der kleinsten Quadrate Einführung Im Vortrag über das CT-Verfahren hat Herr Köckler schon auf die Methode der kleinsten Quadrate hingewiesen. Diese Lösungsmethode, welche bei überbestimmten
Mehr