Spline-Räume - B-Spline-Basen

Größe: px
Ab Seite anzeigen:

Download "Spline-Räume - B-Spline-Basen"

Transkript

1 Spline-Räume - B-Spline-Basen René Janssens 4. November 2009 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

2 Übersicht 1 Erster Abschnitt: Räume von Splinefunktionen Grundlegende Eigenschaften Eine erste Basis 2 Zweiter Abschnitt: B-Splines Rekursionsformeln für B-Splines Linearkombinationen von B-Splines Reproduktion von Polynomen René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

3 Einige Grundbegriffe Splines sind stückweise Polynome, die eine Kurve anhand gegebener Daten approximieren oder interpolieren sollen und gewisse Glattheitsbedingungen erfüllen. Die Bruchstellen ξ = (ξ 0,..., ξ l ) sind die Punkte, anhand derer der Spline bestimmt werden soll. Der Glattheitsvektor µ = (µ 0,..., µ l ) T regelt, wie glatt ein Stück der Kurve in das nächste übergehen muss, wobei ein höherer Wert eine niedrigere Glattheit bedeutet mit 1 µ j k 1, j = 1,..., l und µ 0 = µ l = 0. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

4 Definition: Spline-Raum (1.1) Definition: Spline-Raum Der Raum der Splines der Ordnung k mit Bruchstellen ξ = (ξ 0,..., ξ l+1 ) und Glattheit µ ist folgendermaßen definiert: Π k,µ,ξ := {f : [a, b] R f (ξj,ξ j+1 ) Π k 1, j = 0,..., l, f C k 1 µ j (ξ j 1, ξ j+1 ), j = 1,..., l} René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

5 Definition: Abgebrochene Potenz (1.2)Definition: Abgebrochene Potenz Eine abgebrochene Potenz ist definiert durch { ( ) m + : R R ; x+ m x = m, wenn x 0, 0, sonst. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

6 Grundlegende Eigenschaften (1.3)Bemerkung: Grundlegende Eigenschaften (i) Π k,µ,ξ ist ein linearer Raum. (ii) Π k 1 Π k,µ,ξ (iii) (x ξ j ) m + Π k,µ,ξ für k µ j m k 1 (iv) dim Π k,µ,ξ = k + l j=1 µ j René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

7 Eine erste Basis (1.4)Satz: Eine erste Basis Die Monome und abgebrochenenen Potenzen bilden eine Basis des Splineraums Π k,µ,ξ mit Koeffizienten a j und c jm aus R. Jedes S Π k,µ,ξ besitzt die eindeutige Darstellung k 1 S(x) = a j x j + j=0 l j=1 k 1 m=k µ j c jm (x ξ j ) m + René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

8 Veranschaulichung: B-Splines als Basis Abbildung: S(x) = 1 + x + 4 j=1 ( 1)j (x j) + und S(x) = 1 + 2x + 4 j=1 ( 1)j (x j) + René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

9 Veranschaulichung: B-Splines als Basis Abbildung: S(x) = 1 + x (x 0.5) + + (x 0.501) + und S(x) = 1 + x 10(x 0.5) (x 0.501) + René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

10 Die dividierten Differenzen (2.1)Bemerkung: Eigenschaften der div. Differenzen Die dividierten Differenzen zu den Stützstellen x 0 x n zu einer Funktion f C n (R) besitzen folgende Eigenschaften: (i) [x 0,..., x n ]P = 0 für alle P Π n 1. (ii) Sei π : {0,..., n} {0,..., n} eine beliebige Permutation. Dann gilt [x 0,..., x n ]f = [x π(0),..., x π(n) ]f für alle f C n (R). (iii) Für x i x j gilt folgende Rekursionsformel [x 0,..., x n ]f = [x 0,..., x i 1, x i+1,..., x n ]f [x 0,..., x j 1, x j+1,..., x n ]f x j xi René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

11 Die dividierten Differenzen (2.1)Bemerkung: Eigenschaften der div. Differenzen (Forts.) (iv) Für jedes f C n (R) gilt [x 0,..., x n ]f = f (n) (λ 0 x λ n x n )dλ 1... dλ n Σ n wobei Σ n := {(λ 0,..., λ n ) T : n j=0 λ j = 1, λ j 0 für j = 0,..., n} der n-dimensionale Standardsimplex ist. (v) [x 0,..., x }{{} 0 ]f = f (n) (x 0 ) n! n+1 (vi) [x 0,..., x n ]f = f (n) (x) n! für ein x [x 0,..., x n ] (konvexe Hülle der x i ) René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

12 Die dividierten Differenzen (2.1)Bemerkung: Eigenschaften der div. Differenzen (Forts.) (vii) [x 0,..., x n ](fg) = n j=0 ([x 0,..., x j ]f )[x j,..., x n ]g (Leibniz-Regel) (viii) Für x 0 < < x n gilt [x 0,..., x n ]f = n ni=0 j=0 i j f (x j ) x i x j (ix) Es existieren stets Konstanten α j = α j (x 0,..., x n ) mit d j = max{r; x j = x j+r }, so dass gilt [x 0,..., x n ]f = n α j f (d j ) (x j ) j=0 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

13 Die dividierten Differenzen Beweis zu (2.1) (iv) Beweis per vollständiger Induktion: (IA): n=1: [x 0, x 1 ]f = f (x 1) f (x 0 ) x 1 x 0 1 x1 = f (ξ)dξ x 1 x 0 = 1 0 x 0 f (x 0 + t 1 (x 1 x 0 ))dt 1 (IV) Sei n N beliebig aber fest und es gelte die Beh. für dieses. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

14 Die dividierten Differenzen Beweis zu (2.1) (Fortsetzung) (IS) n n + 1 [x 0,..., x n+1 ]f = [x 1,..., x n+1 ]f [x 0,..., x n ]f x n+1 x 0 = [x n+1, x 1,..., x n ]f [x 0,..., x n ]f x n+1 x 0 1 = x n+1 x 0 t tn 1 0 (f (n) (t 0 x n+1 + t 1 x t n x n ) f (n) (t 0 x t n x n ))dt 1... dt n René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

15 Die dividierten Differenzen Beweis zu (2.1) (Fortsetzung) = = 1 x n+1 x 0 t tn 1 t0 x n+1 + +t nx n 0 t 0 x 0 + +t nx n (f (n+1) )(ξ)dξdt 1... dt n Σ n+1 (f (n+1) (t 0 x t n+1 x n+1 )dt 1... dt n+1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

16 Die dividierten Differenzen Beweis zu (2.1) (Fortsetzung) (vii) Beweis per vollständiger Induktion: (IA): n=1: [x 0, x 1 ](fg) = (fg)(x 1) (fg)(x 0 ) x 1 x 0 = f (x 1)g(x 1 ) f (x 0 )g(x 1 ) + f (x 0 )g(x 1 ) f (x 0 )g(x 0 ) x 1 x 0 = [x 0 ]f [x 0, x 1 ]g + [x 0, x 1 ]f [x 1 ]g (IV) Sei n N beliebig aber fest und es gelte die Beh. für dieses. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

17 Die dividierten Differenzen Beweis zu (2.1) (Fortsetzung) (IS) n n + 1 [x 0,..., x n+1 ](fg) = [x 1,..., x n+1 ](fg) [x 0,..., x n ](fg) x n+1 x 0 n+1 j=1 = [x 1,..., x j ]f [x j,..., x n+1 ]g x n+1 x 0 n j=0 [x 0,..., x j ]f [x j,..., x n ]g x n+1 x 0 n ([x 1,..., x j+1 ]f [x 0,..., x j ]f ) = x n+1 x 0 j=0 [x j+1,..., x n+1 ]g + + [x 0,..., x j ]f ([x j+1,..., x n+1 ]g [x j,..., x n ]g) x n+1 x 0 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

18 Die dividierten Differenzen Beweis zu (2.1) (Fortsetzung) = = n j=0 (x j+1 x 0 )[x 0,..., x j+1 ]f [x j+1,..., x n+1 ]g x n+1 x [x 0,..., x j ]f (x n+1 x j )[x j,..., x n+1 ]g x n+1 x 0 n+1 [x 0,..., x j ]f [x j,..., x n+1 ]g, j=0 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

19 Definition: B-Splines (2.2) Definition B-Splines Teilfolgen der Folge (a n ) n N sind Sei x i,..., x i+k mit x i < x i+k eine Anordnung von Knoten, dann definiere N i,k (t) := (x i+k x i )[x i,..., x i+k ]( t) k 1 + als den B-Spline k-ter Ordnung bezüglich x i,..., x i+k. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

20 Veranschaulichung: B-Splines Abbildung: B-Splines der Ordnung 1-3 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

21 Eigenschaften der B-Splines (2.3) Bemerkung: B-Spline Eigenschaften Die B-Splines besitzen folgende Eigenschaften: (i) supp N i,k [x i, x i+k ], d.h. N i,k (t) = 0 für t / [x i, x i+k ]. (ii) N i,k ist ein stückweises Polynome vom Grad höchstens k 1. Genauer: ist x i 1 < x i = = x i+d < x i+d+1, so gilt N i,k C k 2 d (x i 1, x i+d+1 ). Speziell ist N i,k C k 2 (x i 1, x i+1 ), falls x i 1 < x i < x i+1. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

22 Alternative Charakterisierung der B-Splines (2.4) Gleichung Es gilt 1 (k 1)! für alle f C k (R). N i,k (ξ)f (ξ)dξ = (x i+k x i ) f (λ 0 x i + + λ k x i+k )dλ 1... dλ k Σ n René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

23 Alternative Charakterisierung der B-Splines Herleitung zu 2.4 f (x) = k 1 j=0 (x x i ) j f (j) (x i ) + j! 1 (k 1)! x i (x ξ) k 1 + f (k) (ξ)dξ [x i,..., x i+k ]f (x) = = 1 [x i,..., x i+k ]( ξ) k 1 + (k 1)! f (k) (ξ)dξ x i 1 N i,k (ξ)f (k) (ξ)dξ (k 1)!(x i+k x i ) x i René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

24 Alternative Charakterisierung der B-Splines Herleitung zu 2.4 (Fortsetzung) (x i+k x i )[x i,..., x i+k ]f (x) = 1 (k 1)! 1 N i,k (ξ)f (k) (ξ)dξ (k 1)! N i,k (ξ)f (k) (ξ)dξ = (x i+k x i ) f (k) (λ 0 x i + + Σ n +λ k x i+k )dλ 1... dλ k René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

25 Nicht-Negativität der B-Splines (2.5) Bemerkung: Nicht-Negativität der B-Splines Die B-Splines sind nicht-negativ, d.h. N i,k (x) 0 für alle x R. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

26 Rekursionsformel zur Ableitung eines B-Splines (2.6) Gleichung: Rekursionsformel zur Ableitung eines B-Splines Für die erste Ableitung des B-Splines k-ter Ordnung zu den Knoten x i,..., x i+k gilt ( Ni,k 1 (x) Ṅ i,k (x) = (k 1) N ) i+1,k 1(x). x i+k 1 x i x i+k x i+1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

27 Rekursionsformel zur Ableitung eines B-Splines Beweis zu (2.6) Ṅ i,k (x) = (k 1)(x i+k x i )[x ( i,..., x i+k ]( x) + k 2 [x = (k 1)(x i+k x i ) i+1,...,x i+k ]( x) k 2 ( ) Ni,k 1 (x) = (k 1) N i+1,k 1(x) x i+k x i+1 x i+k 1 x i ) + [x i,...,x i+k 1 ]( x) + k 2 x i+k x i René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

28 Rekursionsformel zur Auswertug eines B-Splines (2.7) Gleichung: Rekursionsformel zur Auswertung eines B-Splines Für den B-Spline k-ter Ordnung zu den Knoten x i,..., x i+k gilt N i,k (x) = x x i N i,k 1 (x) + x i+k x N i+1,k 1 (x). x i+k 1 x i x i+k x i+1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

29 Rekursionsformel zur Auswertung eines B-Splines Beweis zu (2.7) N i,k (x) = (x i+k x i )[x i,..., x i+k ]( x) k 1 + = (x i+k x i )[x i,..., x i+k ](( x) k 2 + ( x)) = (x i+k x i )((x i x)[x i,..., x i+k ]( x) k [x i, x i+1 ]( x)[x i+1,..., x i+k ]( x) k 2 + ) René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

30 Rekursionsformel zur Auswertung eines B-Splines Beweis zu (2.7) (Fortsetzung) N i,k (x) = (x i+k x i ) ( (x i x) [x i,..., x i+k 1 ]( x) k 2 + x i x i+k [x i+1,..., x i+k ]( x) k N i+1,k 1 (x) x i x i+k x i+k x i+1 ) = N i,k (x) = x x i N i,k 1 (x) + x i x + x i+k x i N i+1,k 1 (x) x i+k 1 x i x i+k x i+1 x x i N i,k 1 (x) + x i+k x N i+1,k 1 (x) x i+k 1 x i x i+k x i+1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

31 Rekursionsformeln für B-Splines (2.8) Beispiel Sei x i = 0, x i+1 = 0, x i+2 = 2. Bestimme N i,2 (1) und Ṅ i,2 (1) zu diesen Knoten. N i,2 (1) = N i,1(1) N i+1,1(1) = 1 2 χ [0,2)(1) = 1 2 Ṅ i,2 (1) = (2 1) N i+1,k 1(1) 2 0 = 1 2 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

32 Definition: S k (T ) (2.9) Definition: S k (T ) Sei T := {x i } n+k i=1, x i < x i+k für i = 1,..., n x 1 = = x k = a < x k+1 x n < b = x n+1 = = x n+k. Wir definieren den Raum S k (T ) als das lineare Erzeugnis der B-Splines k-ter Ordnung auf T: S k (T ) := span {N i,k : i = 1,..., n} René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

33 Gleichungen (2.10) Gleichung Es gilt für S S k (T ) n S(x) = c i N i,k (x) i=1 und insbesondere wegen der Lokalität der B-Splines j S(x) = c i N i,k (x), x [x j, x j+1 ). i=j k+1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

34 Gleichungen (2.11) Gleichung Es gilt für die l-te Ableitung von S S (l) (x) = (k 1)... (k l) n i=l+1 c (l) i N i,k l (x) mit c (l) i = { ci für l = 0 c (l 1) i c (l 1) i x i+k l x i für l > 0 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

35 Gleichungen Herleitung zu (2.11) S (l) (x) = (k 1)... (k l + 1) = (k 1)... (k l) = (k 1)... (k l) = (k 1)... (k l) n i=l n i=l+1 n i=l+1 n i=l c (l 1) i c (l 1) i Ṅ i,k l+1 (x) c (l 1) i ( Ni,k l (x) x i+k l x i c (l 1) i 1 x i+k l x i c (l) i N i,k l (x) N i,k l (x) N i+1,k l(x) x i+k l+1 x i+1 ) René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

36 Gleichungen (2.12) Gleichung Es gilt für l k 1 S(x) = n i=1+l c [l] i N i,k l (x) mit c [l] i = c i für l = 0 x x i x i+k l x i c [l 1] i (x) + x i+k l x x i+k l x i c [l 1] i 1 (x) für l > 0 0 für x i+k l = x i René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

37 Gleichungen Herleitung zu (2.12) S(x) = = = = n i=l n i=l n i=l+1 n i=l+1 c [l 1] i N i,k l+1 (x) ( c [l 1] x xi i x ) i+k l+1 x N i+1,k l (x) x i+k l+1 x i+1 N i,k l (x) + x i+k l x i ( x xi c [l 1] i (x) + x ) i+k l x c [l 1] i 1 x i+k l x i x i+k l x (x) N i,k l i c [l] i N i,k l (x) René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

38 Gleichungen (2.13) Gleichung Für l = k 1 in der letzten Rekursionsformel gilt wegen der Lokalität der B-Splines S(x) = c [k 1] i (x). René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

39 Ein N-A-artiges Schema (2.14) Ein N-A-artiges Schema Zur Berechnung der c [k 1] i (x) bietet sich also an: c j k+1 c j k+2 c [1] j k+2 (x) c j k+3 c [1] j k+3 (x) c[2] j k+3 (x) c j c [1] j (x) c [2] j (x)... c [k 1] j (x) René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

40 Ein N-A-artiges Schema (2.15) Beispiel Sei k = 5 und T := {x i } 13 i=1 mit x 1 = = x 5 = 0, x 6 = 0, 2, x 7 = 0, 6, x 8 = 0, 9, 1 = x 9 = = x 13. Weiter sei S(x) = N 4,5 (x) + 4N 5,5 (x) + 3N 6,5 (x) + N 7,5 (x) + 8N 8,5 (x) Bestimme S(0, 95). René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

41 Ein N-A-artiges Schema (2.15) Beispiel (Fortsetzung) 1 4 0, ,95 1 = 3, , , , 25 1, 477 1, , 5 2, 875 2, 176 1, 929 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

42 Marsden-Identität (2.16) Marsden-Identität Es gilt für alle x [a, b), σ R (x σ) k 1 = = n k 1 (x i+j σ)n i,k (x) i=1 j=1 n ϕ i,k (σ)n i,k (x) i=1 mit k 1 ϕ i,k (x) := (x i+j σ). j=1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

43 Marsden-Identität Beweis zu (2.16) per Induktion nach k: Für k = 1 ist (x σ) 0 = 1 = n i=1 1 N i,1(x) wahr nach Definition. Annahme: Die Behauptung gilt bereits für l k 1 und wir zeigen, dass sie dann auch für l = k gilt n ϕ i,k (σ)n i,k (x) = i=1 = n ( x xi ϕ i,k (σ)+ x i+k 1 x i i=2 + x ) i+k 1 x ϕ i 1,k (σ) N i,k 1 (x) x i+k 1 x i n x x k 1 i (x i+j σ)+ x i+k 1 x i i=2 j=1 + x k 1 i+k 1 x (x i 1+j σ) N i,k 1 (x) x i+k 1 x i j=1 René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

44 Marsden-Identität Beweis zu (2.16) n k 2 ( x xi = (x i+j σ) (x i+k 1 σ)+ x i+k 1 x i i=2 j=1 + x ) i+k 1 x (x i σ) N i,k 1 (x) x i+k 1 x i n = (x σ) ϕ i,k 1 (σ)n i,k 1 (x) i=2 = (x σ)(x σ) k 2 = (x σ) k 1 nach Induktionsannahme. Also ergibt sich die Behauptung. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

45 B-Splines und Polynome (2.17) Korollar Der Raum der Polynome vom Grad k 1 auf [a, b] ist in dem von den B-Splines aufgespannten Raum enthalten Π k 1 [a, b] S k (T ). René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

46 B-Splines und Polynome Beweis zu (2.17) Mit der Marsden-Identität gilt n i=1 ( ) ϕ (l) d l i,k (0)N i,k(x) = (x σ) k 1 σ=0 = (k 1)... (k l)x k l 1 ( 1) l dσ (k 1)... (k l)x k l 1 ( 1) l = n i=1 n i=1 ( 1) k m 1 (k 1)... (m + 1) ϕ(k m 1) i,k (0)N i,k (x) = x m für m = k l 1 mit l k 1, also 0 m k 1. ϕ (l) i,k (0)N i,k(x) René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

47 Zerlegung der Eins (2.18) Korollar: Zerlegung der Eins Mit x R bilden die B-Splines eine Zerlegung der Eins Beweis zu (2.18) Mit n N i,k (x) = 1. i=1 ( 1) k 1 (k 1)! ϕ(k 1) i,k (0) = ( 1)k 1 (k 1)! (( 1)k 1 σ k ) (k 1) = 1 eingesetzt in die Darstellung der Monome aus dem Beweis zu Korollar (2.17) für m = 0 folgt die Behauptung. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

48 B-Splines und Polynome (2.19) Satz Die N i,k sind lokal linear unabhängig, d.h gilt n c i N i,k (x) = 0 für x (c, d) [a, b], i=1 dann folgt c i = 0 falls (c, d) (x i, x i+k ). René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

49 B-Splines und Polynome Beweis zu (2.19) (c, d) enthalte keine Knoten. Polynome vom Grad kleiner k lassen sich durch B-Splines darstellen auf (c, d). Es verschwinden alle B-Splines auf (c, d) bis auf k Stück. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

50 B-Splines als Basis (2.20) Satz Betrachte a = ξ 0 < < ξ l+1 = b mit Glattheitsvektor µ = (µ 1,..., µ l ) T, µ j k 1 und erweiterter Knotenfolge T gemäß x 1 = = x k = ξ 0, x k+1 = = x k+µ1 = = ξ 1,..., x k+µ1 + +µ l +1 = = x 2k+µ1 + +µ l = ξ l+1 Dann gilt Π k,µ,ξ = S k (T ), d.h. die B-Splines der Ordnung k spannen den Raum der Splines Π k,µ,ξ auf. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

51 Grundlegende Eigenschaften (Wiederholung) (1.3)Bemerkung: Grundlegende Eigenschaften Für den Raum der Splines der k-ten Ordnung gilt (iv) dim Π k.µ,ξ = k + l j=1 µ j. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

52 B-Splines als Basis Beweis zu (2.20) Die B-Splines sind im Raum der Splines enthalten. dim S k (T ) =dim Π k,µ,ξ. René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

53 Veranschaulichung: B-Splines als Basis Abbildung: Veränderung der Kurven bei Veränderung der Koeffizienten in der B-Spline-Basis René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

54 Veranschaulichung: B-Splines als Basis Abbildung: Die eingebaute Glattheit René Janssens () Spline-Räume - B-Spline-Basen 4. November / 56

5 Interpolation und Approximation

5 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)

Mehr

6. Polynom-Interpolation

6. Polynom-Interpolation 6. Polynom-Interpolation 1 6.1. Klassische Polynom-Interpolation 2 6.2. Lösung mit Hilfe Lagrange scher Basisfunktionen 3 6.3. Lösung mit Hilfe Newton scher Basisfunktionen 4 6.4. Fehlerabschätzung für

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

8 Polynominterpolation

8 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

Mehr

Approximation durch Polynome

Approximation durch Polynome durch n Anwendungen: zur Vereinfachung einer gegebenen Funktion durch einen Polynomausdruck. Dann sind übliche Rechenoperation +,,, / möglich. zur Interpolation von Daten einer Tabelle n Beispiel Trotz

Mehr

Abbildung 10.1: Das Bild zu Beispiel 10.1

Abbildung 10.1: Das Bild zu Beispiel 10.1 Analysis 3, Woche Mannigfaltigkeiten I. Definition einer Mannigfaltigkeit Die Definition einer Mannigfaltigkeit braucht den Begriff Diffeomorphismus, den wir in Definition 9.5 festgelegt haben. Seien U,

Mehr

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung

Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Konvergenz im quadratischen Mittel und die Parsevelsche Gleichung Skript zum Vortrag im Proseminar Analysis bei Dr. Gerhard Mülich Christian Maaß 6.Mai 8 Im letzten Vortrag haben wir gesehen, dass das

Mehr

KAPITEL 8. Interpolation

KAPITEL 8. Interpolation KAPITEL 8. Interpolation 8.2 Lagrange-Interpolationsaufgabe für Polynome Wir beschränken uns auf die Lagrange-Interpolation mit Polynomen. Der Raum der Polynome vom Grad n: Stützstellen: Π n = { n j=0

Mehr

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

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

Mehr

: das Bild von ) unter der Funktion ist gegeben durch

: das Bild von ) unter der Funktion ist gegeben durch % 1.3 Funktionen Seien und Mengen nennt man Funktion oder Abbildung. Beachte: Zuordnung ist eindeutig. Bezeichnungen: : Definitionsbereich : Bildbereich (Zielmenge) von Der Graph einer Funktion: graph!

Mehr

Zur Zykelschreibweise von Permutationen

Zur Zykelschreibweise von Permutationen Zur Zykelschreibweise von Permutationen Olivier Sète 16. Juni 2010 1 Grundlagen Definition 1.1. Eine Permutation von {1, 2,..., n} ist eine bijektive Abbildung σ : {1, 2,..., n} {1, 2,..., n}, i σ(i).

Mehr

Grundlagen der Mathematik 1

Grundlagen der Mathematik 1 Fachbereich Mathematik Sommersemester 2010, Blatt 14 Thomas Markwig Stefan Steidel Grundlagen der Mathematik 1 Die Lösungen müssen nicht eingereicht werden und werden auch nicht korrigiert. Die Aufgaben

Mehr

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

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

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

Mehr

Hilbertpolynom von I, i.z. a HP I.

Hilbertpolynom von I, i.z. a HP I. 9.4.4 Korollar/Def. Sei (1) I k[x 1,..., X n ] ein Ideal. Dann ist die affine Hilbertfunktion a HF I (s) für s 0 ein Polynom in s mit Koeffizienten in Q; es heißt das affine Hilbertpolynom von I, i.z.

Mehr

6. Normale Abbildungen

6. Normale Abbildungen SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare 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

Mehr

Lineare Abbildungen - I

Lineare Abbildungen - I Lineare Abbildungen - I Definition. Seien V und W K-Vektorräume (über demselben K). Eine Abbildung F : V W heißt K-linear, wenn L1) F (v + w) = F (v) + F (w) v, w V L2) F (λv) = λf (v) v V, λ K. Somit

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4)

(x x j ) R m [x] (3) x x j x k x j. R m [x]. (4) 33 Interpolation 147 33 Interpolation In vielen praktischen Anwendungen der Mathematik treten Funktionen f auf, deren Werte nur näherungsweise berechnet werden können oder sogar nur auf gewissen endlichen

Mehr

1 2 x x x x x x2 + 83

1 2 x x x x x x2 + 83 Polynominterpolation Aufgabe 1 Gegeben sei die Wertetabelle i 0 1 2 3 x i 0 1 2 4 f i 3 1 2 7 a) Bestimmen Sie das Interpolationspolynom von Lagrange durch die obigen Wertepaare. b) Interpolieren Sie die

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 18. Januar 2012 ZÜ DS ZÜ XII

Mehr

7.2 Die adjungierte Abbildung

7.2 Die adjungierte Abbildung 7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)

Mehr

Lineare Differenzengleichungen

Lineare 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

Mehr

KAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER

KAPITEL 1: ENDLICHE KÖRPER 1 ALLGEMEINES 2 GLEICHUNGEN ÜBER EINEM ENDLICHEN KÖRPER RUPRECHT-KARLS-UNIVERSITÄT HEIDELBERG MATHEMATISCHES INSTITUT SEMINAR: QUADRATISCHE FORMEN ÜBER DEN RATIONALEN ZAHLEN SOMMERSEMESTER 2007 DOZENT: PROF. DR. KAY WINGBERG ASSISTENT: JOHANNES BARTELS KAPITEL

Mehr

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse.

Differentialformen. Lie-Ableitung von Differentialformen und Poincaré-Formel. Differentialform dp dx und ihre Invarianz bzgl. Hamiltonischer Flüsse. Differentialformen Plan Zuerst lineare Algebra: Schiefsymmetrische Formen im R n. Dann Differentialformen: Invarianz bzgl. Diffeomorphismen (und sogar beliebigen glatten Abbildungen). Äußere Ableitung.

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

NUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002

NUMERISCHE MATHEMATIK II 1. (Studiengang Mathematik) Prof. Dr. Hans Babovsky. Institut für Mathematik. Technische Universität Ilmenau WS 2001/2002 NUMERISCHE MATHEMATIK II 1 (Studiengang Mathematik) Prof Dr Hans Babovsky Institut für Mathematik Technische Universität Ilmenau WS 2001/2002 1 Korrekturen, Kommentare und Verbesserungsvorschläge bitte

Mehr

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 :

Meßbare Funktionen. bilden die Grundlage der Integrationstheorie. Definition 24.1 : 24 Meßbare Funktionen bilden die Grundlage der Integrationstheorie. Definition 24. : Sei X eine beliebige Menge, Y ein topologischer Raum, λ ein Maß auf X. f : X Y heißt λ-messbar, falls f (Ω) λ-messbar

Mehr

8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n.

8 Interpolation. 8.1 Problemstellung. Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen. x 0 < x 1 <... < x n. 8 Interpolation 81 Problemstellung Gegeben: Diskrete Werte einer Funktion f : R R an n + 1 Stützstellen x 0 < x 1 < < x n Eingabedaten: (x 0, f 0 ),(x 1, f 1 ),,(x n, f n ) Gegebene Daten (x j, f j ) Analysis

Mehr

3 Vektorräume abstrakt

3 Vektorräume abstrakt Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare

Mehr

11. Darstellung von Kurven und Flächen

11. Darstellung von Kurven und Flächen H.J. Oberle Approximation WS 23/4. Darstellung von Kurven und Flächen Bézier Kurven. Unser Ziel ist es, polynomiale Kurven auf dem Rechner möglichst effizient darzustellen. Hierzu nutzen wir die Basisdarstellung

Mehr

2.8 KURVENINTEGRALE UND STAMMFUNKTIONEN

2.8 KURVENINTEGRALE UND STAMMFUNKTIONEN 2.8 KURVENINTEGRALE UND STAMMFUNKTIONEN Im folgenden seien X normierter Vektorraum und Y B-Raum über IK = IR oder IK = CI. Wir wollen in diesem Kapitel für stetige Abbildungen f : X D f B(X; Y ) und stückweise

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

6 Polynominterpolation

6 Polynominterpolation Vorlesungsskript HM-Numerik (SS 2014): Kapitel 6 Version: 1 Juli 2014 6 Polynominterpolation Gegeben: Wertepaare { (x i,f i ) R 2 i = 0,,n } Gesucht: Einfache Funktion g : R R mit g(x i ) = f i i {0,1,,n}

Mehr

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2.

KLAUSUR zur Numerik I mit Lösungen. Aufgabe 1: (10 Punkte) [ wahr falsch ] 1. Die maximale Ordnung einer s-stufigen Quadraturformel ist s 2. MATHEMATISCHES INSTITUT PROF. DR. ACHIM SCHÄDLE 9.8.7 KLAUSUR zur Numerik I mit Lösungen Aufgabe : ( Punkte) [ wahr falsch ]. Die maximale Ordnung einer s-stufigen Quadraturformel ist s. [ ]. Der Clenshaw

Mehr

Einführung in die Algebra

Einführung in die Algebra Prof. Dr. H. Brenner Osnabrück SS 2009 Einführung in die Algebra Vorlesung 23 Die Gradformel Satz 1. Seien K L und L M endliche Körperweiterungen. Dann ist auch K M eine endliche Körpererweiterung und

Mehr

70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME

70 IV. ENDLICH-DIMENSIONALE VEKTORRÄUME IV. Endlich-dimensionale Vektorräume Unter einem endlich-dimensionalen Vektorraum verstehen wir einen Vektorraum, der eine endliche Basis besitzt. Die entscheidende Beobachtung ist die Tatsache, dass in

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist

Mehr

3. Übungsblatt zur Lineare Algebra I für Physiker

3. 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

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte

Mehr

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.

Satz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent. Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen

Mehr

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome

Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Proseminar Lineare Algebra SS10 Symmetrische Polynome,Diskriminante und Resultante, Fermatscher Satz für Polynome Natalja Shesterina Heinrich-Heine-Universität ASymmetrische Polynome Definition 1 Sei n

Mehr

Lineare Algebra I Zusammenfassung

Lineare Algebra I Zusammenfassung Prof. Dr. Urs Hartl WiSe 10/11 Lineare Algebra I Zusammenfassung 1 Vektorräume 1.1 Mengen und Abbildungen injektive, surjektive, bijektive Abbildungen 1.2 Gruppen 1.3 Körper 1.4 Vektorräume Definition

Mehr

Numerische Verfahren

Numerische Verfahren Numerische Verfahren Jens-Peter M. Zemke zemke@tu-harburg.de Institut für Numerische Simulation Technische Universität Hamburg-Harburg 08.04.2008 TUHH Jens-Peter M. Zemke Numerische Verfahren 1 / 68 Übersicht

Mehr

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j.

Lösung zu Serie 24. a ij b i b j. v = j=1. v = v j b j. Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 24 1. Zeige: Ist 1 n := min{dim K (V 1 ), dim K (V 2 )} < für Vektorräume V 1 und V 2, so ist jeder Tensor in V 1 K V 2 eine Summe von

Mehr

Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Systeme 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

Mehr

Lineare Abhängigkeit

Lineare Abhängigkeit Lineare Abhängigkeit Vorbemerkung. Es sei X eine Menge. Eine Familie von Elementen von X ist eine Abbildung I X, i x i. I heißt dabei Indexmenge. Man verwendet dabei oft die Schreibweise (x i ) oder (x

Mehr

5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch

5.9 Permutationsgruppen. Sei nun π S n. Es existiert folgende naive Darstellung: Kürzer schreibt man auch 5.9 Permutationsgruppen Definition 103 Eine Permutation ist eine bijektive Abbildung einer endlichen Menge auf sich selbst; o. B. d. A. sei dies die Menge U := {1, 2,..., n}. S n (Symmetrische Gruppe für

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof. Dr. H. Brenner Osnabrück WS 2015/2016 Lineare Algebra und analytische Geometrie I Vorlesung 24 Das Lernen und der Orgasmus finden letztlich im Kopf statt Der Satz von Cayley-Hamilton Arthur Cayley

Mehr

Inhalt Kapitel IV: Interpolation

Inhalt Kapitel IV: Interpolation Inhalt Kapitel IV: Interpolation IV Interpolation IV. Polynom-Interpolation IV. Spline-Interpolation Kapitel IV (InhaltIV) Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten

Mehr

6 Permutationen. Beispiele: a) f : R R, f(x) = x 2. b) f : R R, f(x) = e x. c) f : R 2 R, x (Projektion auf die x Achse) y

6 Permutationen. Beispiele: a) f : R R, f(x) = x 2. b) f : R R, f(x) = e x. c) f : R 2 R, x (Projektion auf die x Achse) y 6 Permutationen Seien und B Mengen. Eine bbildung von nach B ist eine Vorschrift f, die jedem Element x ein eindeutig bestimmtes Element y = f(x) B zuordnet. Schreibe f : B, x f(x) Beispiele: a) f : R

Mehr

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen

Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen Kapitel XII Implizite Funktionen, der Umkehrsatz und Extrema unter Nebenbedingungen 53 Implizite Funktionen und allgemeine partielle Differenzierbarkeit 54 Der Umkehrsatz 55 Lokale Extrema unter Nebenbedingungen,

Mehr

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden,

Die Interpolationsaufgabe besteht darin, eine (einfache) Funktion u n U n zu finden, Kapitel 3 Interpolation 31 Einführung Bemerkung 31 Motivation, Aufgabenstellung Gegeben seien eine Funktion f C([a,b]) und x i [a,b], i = 0,n, mit a x 0 < x 1 < < x n b (31) Die Interpolationsaufgabe besteht

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. Vektorräume und lineare Abbildungen 4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt

Mehr

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche

1 Angeordnete Körper. 1.1 Anordnungen und Positivbereiche 1 1 Angeordnete Körper 1.1 Anordnungen und Positivbereiche Definition 1.1. Eine zweistellige Relation auf einer Menge heißt partielle Ordnung, falls für alle Elemente a, b, c der Menge gilt: (i) a a (ii)

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung von Linearer Algebra und Differentialrechnung im R n Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:

Mehr

1 Der Satz von Poincaré-Birkhoff-Witt. 2 Die freie Algebra. 3 Die universell einhüllende Algebra

1 Der Satz von Poincaré-Birkhoff-Witt. 2 Die freie Algebra. 3 Die universell einhüllende Algebra 1 Der Satz von Poincaré-Birkhoff-Witt Darstellungen von assoziativen Algebren sind oft einfacher zu handhaben als Darstellungen von Lie- Algebren. Die universell einhüllende Algebra einer Lie-Algebra hat

Mehr

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,...

Interpolationsproblem. Interpolation. Interpolationsproblem. Interpolationsproblem. Gegeben seien eine Funktion. Φ (x; a 1,... sproblem Heinrich Voss voss@tu-harburg.de Hamburg University of Technology Institute for Numerical Simulation Gegeben seien eine Funktion Φ (x; a 1,..., a n ) : R I R, die auf einem Intervall I erklärt

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte und Diagonalisierung Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende

Mehr

Ein Skript für Lineare Algebra I und II

Ein Skript für Lineare Algebra I und II Ein Skript für Lineare Algebra I und II Chris Preston 2003/04 1 2 Dies ist ein Skript für die Vorlesungen Lineare Algebra I und II. Die Texte von Jänich [5] und Fischer [3] haben die Darstellung beeinflusst.

Mehr

Der Fundamentalsatz der Algebra. 1 Motivation

Der Fundamentalsatz der Algebra. 1 Motivation Vortrag im Rahmen des Proseminars zur Analysis, 24. April 2006 Micha Bittner Motivation Den ersten des Fundamentalsatzes der Algebra erbrachte C.F. Gauss im Jahr 799 im Rahmen seiner Dissertation. Heute

Mehr

Tangentialebene. Sei f eine stetig differenzierbare Funktion und p = (p 1,..., p n ) die Koordinaten eines Punktes P auf der durch

Tangentialebene. Sei f eine stetig differenzierbare Funktion und p = (p 1,..., p n ) die Koordinaten eines Punktes P auf der durch Tangentialebene Sei f eine stetig differenzierbare Funktion und p = (p 1,..., p n ) die Koordinaten eines Punktes P auf der durch implizit definierten Fläche. f (x 1,..., x n ) = c Tangentialebene 1-1

Mehr

Pr[X t+1 = k] = Pr[X t+1 = k X t = i] Pr[X t = i], also. (q t+1 ) k = p ik (q t ) i, bzw. in Matrixschreibweise. q t+1 = q t P.

Pr[X t+1 = k] = Pr[X t+1 = k X t = i] Pr[X t = i], also. (q t+1 ) k = p ik (q t ) i, bzw. in Matrixschreibweise. q t+1 = q t P. 2.2 Berechnung von Übergangswahrscheinlichkeiten Wir beschreiben die Situation zum Zeitpunkt t durch einen Zustandsvektor q t (den wir als Zeilenvektor schreiben). Die i-te Komponente (q t ) i bezeichnet

Mehr

Lineare Algebra II, Lösungshinweise Blatt 9

Lineare Algebra II, Lösungshinweise Blatt 9 Prof Dr Katrin Wendland Priv Doz Dr Katrin Leschke Christoph Tinkl SS 27 Lineare Algebra II, Lösungshinweise Blatt 9 Aufgabe (4 Punkte) Sei 2 3 4 A = 5 6 Berechnen Sie A k für alle k N und verifizieren

Mehr

2.11 Eigenwerte und Diagonalisierbarkeit

2.11 Eigenwerte und Diagonalisierbarkeit 2.11. EIGENWERTE UND DIAGONALISIERBARKEIT 127 Die Determinante eines Endomorphismus Wir geben uns jetzt einen endlichen erzeugten K-Vektorraum V und einen Endomorphismus ϕ : V V vor. Wir wollen die Determinante

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zu Einführung in die Lineare Algebra und Geometrie Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax

Mehr

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller

technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller technische universität dortmund Dortmund, im Dezember 2011 Fakultät für Mathematik Prof. Dr. H. M. Möller Lineare Algebra für Lehramt Gymnasien und Berufskolleg Zusammenfassung der Abschnitte 4.3 und 4.4

Mehr

Kapitel 13. Lineare Gleichungssysteme und Basen

Kapitel 13. Lineare Gleichungssysteme und Basen Kapitel 13. Lineare Gleichungssysteme und Basen Matrixform des Rangsatzes Satz. Sei A eine m n-matrix mit den Spalten v 1, v 2,..., v n. A habe den Rang r. Dann ist die Lösungsmenge L := x 1 x 2. x n x

Mehr

Darstellungstheorie endlicher Gruppen Charaktere

Darstellungstheorie endlicher Gruppen Charaktere Darstellungstheorie endlicher Gruppen Charaktere Ramon Braunwarth, Georg Grützner. März 016 Die folgenden Ausführungen sind eine geringfügig veränderte Exposition des Kapitels 13 aus [1]. Sei F ein algebraisch

Mehr

4.2 Grenzwerte und Stetigkeit reeller Funktionen

4.2 Grenzwerte und Stetigkeit reeller Funktionen 4. Grenzwerte und Stetigkeit reeller Funktionen 73 4. Grenzwerte und Stetigkeit reeller Funktionen Definition 4.. Gegeben sei eine Funktion y = mit D(f). (i) Sei D(f). heißt stetig in, falls es für alle

Mehr

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung

Mehr

Teil III. Fourieranalysis

Teil III. Fourieranalysis Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)

Mehr

Übersicht Kapitel 9. Vektorräume

Übersicht Kapitel 9. Vektorräume Vektorräume Definition und Geometrie von Vektoren Übersicht Kapitel 9 Vektorräume 9.1 Definition und Geometrie von Vektoren 9.2 Teilräume 9.3 Linearkombinationen und Erzeugendensysteme 9.4 Lineare Abhängigkeiten

Mehr

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen

Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Algorithmik III Algorithmen und Modelle für kontinuierliche Datenstrukturen Rekonstruktion kontinuierlicher Daten Interpolation multivariater Daten Ulrich Rüde Lehrstuhl für Systemsimulation Sommersemester

Mehr

11. BASIS, UNTERRAUM, und DIMENSION

11. BASIS, UNTERRAUM, und DIMENSION 11. BASIS, UNTERRAUM, und DIMENSION 1 Basen werden zu unterschiedlichen Zwecken benutzt: Um lineare Abbildungen in ihrer Matrixdarstellung zu vereinfachen, um die Dimension von Vektorräumen und ihren Unterräumen

Mehr

Seminar zur Numerischen Analysis im Wintersemester 2009/2010 Splines Spline-Räume - B-Spline-Basen

Seminar zur Numerischen Analysis im Wintersemester 2009/2010 Splines Spline-Räume - B-Spline-Basen Semnar zur Numerschen Analyss m Wntersemester 2009/2010 Splnes Splne-Räume - B-Splne-Basen René Janssens 16.10.2009 Inhaltsverzechns 1 Enletung 1 2 Räume von Splnefunktonen 2 2.1 Der Raum der Splnes.............................

Mehr

ε δ Definition der Stetigkeit.

ε δ Definition der Stetigkeit. ε δ Definition der Stetigkeit. Beweis a) b): Annahme: ε > 0 : δ > 0 : x δ D : x δ x 0 < δ f (x δ f (x 0 ) ε Die Wahl δ = 1 n (n N) generiert eine Folge (x n) n N, x n D mit x n x 0 < 1 n f (x n ) f (x

Mehr

Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013

Gitterfreie Methoden. Florian Hewener. 29. Oktober 2013 Gitterfreie Methoden 1D 2D Florian Hewener 29. Oktober 2013 Gliederung 1 Interpolationsprobleme Problemstellung Haar-Räume 2 Mehrdimensionale Polynominterpolation 3 Splines Kubische Splines und natürliche

Mehr

Seminar Gewöhnliche Differentialgleichungen

Seminar Gewöhnliche Differentialgleichungen Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden

Mehr

Analytische Zahlentheorie

Analytische Zahlentheorie 4. April 005. Übungsblatt Aufgabe (4 Punkte Sei k N. Beweisen Sie, dass f : N C mit f(n := n k streng multiplikativ ist. Sei τ die Funktion, die der natürlichen Zahl n die Anzahl der Teiler von n zuordnet

Mehr

Surjektive, injektive und bijektive Funktionen.

Surjektive, injektive und bijektive Funktionen. Kapitel 1: Aussagen, Mengen, Funktionen Surjektive, injektive und bijektive Funktionen. Definition. Sei f : M N eine Funktion. Dann heißt f surjektiv, falls die Gleichung f(x) = y für jedes y N mindestens

Mehr

Lineare Gleichungssysteme

Lineare Gleichungssysteme Kapitel 2 Lineare Gleichungssysteme 21 Lineare Gleichungssysteme und Matrizen Lernziele 2 Lineare Gleichungssysteme definieren Matrizen, Matrizen definieren lineare Abbildungen, Lösen von linearen Gleichungssystemen

Mehr

Lineare Abbildungen und Matrizen

Lineare Abbildungen und Matrizen Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 31. Mai 2016 Stefan Ruzika 9: Lineare Abbildungen und Matrizen 31. Mai 2016 1 / 16 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume

Mehr

8.2 Ring- und Körperadjunktion

8.2 Ring- und Körperadjunktion 320 8.2 Ring- und Körperadjunktion 8.2.1 Definition (Ringadjunktion, Körperadjunktion) Sei jetzt L : K eine Körpererweiterung. Als Einsetzung von λ L oder auch als Auswertung an der Stelle λ bezeichnen

Mehr

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C)

Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, (Version C) Misterlösung zur Klausur zur Vorlesung Analysis I, WS08/09, Samstag, 14..009 (Version C Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen aus der Vorlesung

Mehr

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.

Nun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren. 56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt

Mehr

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 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

Mehr

Die Unlösbarkeit der Gleichung fünften Grades durch Radikale. Teilnehmer: Gruppenleiter:

Die Unlösbarkeit der Gleichung fünften Grades durch Radikale. Teilnehmer: Gruppenleiter: Die Unlösbarkeit der Gleichung fünften Grades durch adikale Teilnehmer: Max Bender Marcus Gawlik Anton Milge Leonard Poetzsch Gabor adtke Miao Zhang Gruppenleiter: Jürg Kramer Andreas-Oberschule Georg-Forster-Oberschule

Mehr

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum,

In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa. Unterraum, 2 Vektorräume In diesem Kapitel wird der Vektorraumbegriff axiomatisch eingeführt und einige grundlegende Begriffe erläutert, etwa Unterraum, Linearkombination, lineare Unabhängigkeit und Erzeugendensystem.

Mehr

Bild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit

Bild und Kern. Für eine lineare Abbildung L : V W bezeichnet man mit. Kern L = {v V : L(v) = 0} V. den Kern und mit Bild und Kern Für eine lineare Abbildung L : V W bezeichnet man mit Kern L = {v V : L(v) = 0} V den Kern und mit Bild L = {w W : v V mit L(v) = w} W das Bild von L. Bild und Kern 1-1 Bild und Kern Für

Mehr

6.1 Holomorphe Funktionen und Potenzreihen. n=0 α n (z z 0 ) n mit Konvergenzradius größer oder gleich r existiert und

6.1 Holomorphe Funktionen und Potenzreihen. n=0 α n (z z 0 ) n mit Konvergenzradius größer oder gleich r existiert und Funktionentheorie, Woche 6 Analytische Funktionen 6. Holomorphe Funktionen und Potenzreihen Definition 6. Eine Funktion f : U C C nennt man analytisch in z 0 U, wenn es r > 0 gibt mit B r (z 0 ) U derart,

Mehr

Lineare Algebra I (WS 13/14)

Lineare Algebra I (WS 13/14) Lineare Algebra I (WS 13/14) Alexander Lytchak Nach einer Vorlage von Bernhard Hanke 05.11.2013 Alexander Lytchak 1 / 14 Linearkombinationen Definition Es sei V ein reeller Vektorraum. Es sei (v i ) i

Mehr

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y. Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls

Mehr

{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1,

{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1, Aufgabe I1 (4 Punkte) Es seien (G, ) und (H, ) Gruppen a) Wann heißt eine Abbildung Φ : G H ein Gruppenhomomorphismus? b) Es seien Φ, Ψ : G H zwei Gruppenhomomorphismen Zeigen Sie, dass eine Untergruppe

Mehr

Computergrafik Inhalt Achtung! Kapitel ist relevant für CG-2!

Computergrafik Inhalt Achtung! Kapitel ist relevant für CG-2! Coputergrafik Inhalt Achtung! Kapitel ist relevant für CG-2! 1 2 3 4 5 6 7 8 Historie, Überblick, Beispiele Begriffe und Grundlagen Objekttransforationen Objektrepräsentation und -Modellierung Sichttransforationen

Mehr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr

Musterlösung. 1 Relationen. 2 Abbildungen. TUM Ferienkurs Lineare Algebra 1 WiSe 08/09 Dipl.-Math. Konrad Waldherr TUM Ferienkurs Lineare Algebra WiSe 8/9 Dipl.-Math. Konrad Waldherr Musterlösung Relationen Aufgabe Auf R sei die Relation σ gegeben durch (a, b)σ(c, d) : a + b c + d. Ist σ reflexiv, symmetrisch, transitiv,

Mehr