Kapitel 1: Fehleranalyse, Kondition, Stabilität
|
|
- Sarah Beck
- vor 6 Jahren
- Abrufe
Transkript
1 Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 1: Fehleranalyse, Kondition, Stabilität Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015
2 HM: Numerik (SS 2015), Kapitel 1, Folie 1/18 Fehlerquellen Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor misst nur erste Nachkommastelle genau (+ zusätzliche Zeitverzögerung) beschränkte Rechengenauigkeit des Computers (üblicherweise 16 Stellen Genauigkeit) Ungenauigkeiten beim Lösungsverfahren z.b. Flächenberechnung unter einer Kurve (Integral) mittels summierter Trapezregel (siehe Kapitel 7) Entscheidende Frage Wie beeinflussen obige Fehler das Ergebnis numerischer Rechnungen?
3 1.1 Kondition
4 HM: Numerik (SS 2015), Kapitel 1, Folie 2/18 Einfluss von Fehlern Konkrete Frage Numerisches Verfahren soll F (p) bestimmen. Aber p ist fehlerbehaftet: p = p + p Frage: Wie weit weicht nun F ( p) von F (p) ab? Wie weit Mathematische Abstandsbegriff Norm
5 HM: Numerik (SS 2015), Kapitel 1, Folie 3/18 Erinnerung: Norm Definition (Norm) Sei V ein Vektorraum. : V [0, ) heißt Norm : 1) v = 0 v = 0 (Definitheit) 2) λv = λ v λ R, v V (absolute Homogenität) 3) v 1 + v 2 v 1 + v 2 v 1,v 2 V (Dreiecksungleichung) Bemerkungen Verallgemeinert den bekannten Betrag x auf allgemeine Vektorräume. Der Abstand zwischen zwei Vektoren v,w V ist definiert als v w
6 HM: Numerik (SS 2015), Kapitel 1, Folie 4/18 Beispiele für Normen a) Euklidische Norm im R n x 1 x 2 := x 12 + x x 2 x 2 n wobei x =. b) Betragssummennorm (1-Norm) im R n x n c) Maximumsnorm ( -Norm) im R n x 1 := x 1 + x x n x := max x i i=1,...,n d) Supremumsnorm ( -Norm) auf Funktionenraum f := sup f (t) wobei f : I R, I R ein Interval t I
7 HM: Numerik (SS 2015), Kapitel 1, Folie 5/18 Induzierte Matrixnorm Definition (Induzierte Matrixnorm) Sei M R m n und eine Norm auf R m bzw. R n. Dann heißt M := max x =1 Mx die induzierte Matrixnorm (und ist tatsächlich eine Norm auf dem Vektorraum R m n ). Bemerkungen Für induzierte Matrixnormen gilt: Mx M x d.h. die Normen sind kompatibel. Es gibt Matrixnormen, die nicht induziert sind, z.b. die Frobenius-Matrixnorm M F := m i=1 n j=1 m ij 2
8 HM: Numerik (SS 2015), Kapitel 1, Folie 6/18 Beispiele für induzierte Matrixnormen a) Zeilensummennorm M = max i=1,...,m n m ij j=1 welche durch auf R m bzw. R n induziert wird b) Spaltensummennorm M 1 = welche durch 1 induziert wird c) Spektralnorm M 2 = welche durch 2 induziert wird Konkrete Beispiele Tafel max j=1,...,n m m ij i=1 λ max (M M)
9 HM: Numerik (SS 2015), Kapitel 1, Folie 7/18 Konditionszahl Definition (Relative Konditionszahl) Sei F : R n R m differenzierbar und eine Norm auf R n bzw. R m. Die relative Konditionszahl von F bezüglich im Punkt p R n ist rel (p) := F (p) p F (p) κ Gut und schlecht gestellte Probleme κ rel (p) klein Problem gut gestellt (p) groß Problem schlecht gestellt κ rel Bemerkung Konditionszahl ist unabhängig von tatsächlich benutzter Lösungsmethode!
10 HM: Numerik (SS 2015), Kapitel 1, Folie 8/18 Kondition der Addition Addition F : R 2 R, ( p1 p 2 ) p 1 + p 2 Mit = 1 ist Also κ rel (p) = F (p) p [1 1] p = F (p) p 1 + p 2 [1 1] = 1 und p = p 1 + p 2. κ rel (p) = p 1 + p 2 = 1 p 1 + p 2 falls p 1 und p 2 gleiches Vorzeichen.
11 HM: Numerik (SS 2015), Kapitel 1, Folie 9/18 Problem der Auslöschung Kondition beliebig schlecht bei verschiedenen Vorzeichen Haben p 1 und p 2 verschiedene Vorzeichen, kann Addition beliebig schlecht gestellt sein. Konkretes Beispiel: p = ( ) ( ) , p = Relativer Fehler in Eingangsdaten (bzgl. -norm): ( 1 p p 1) = ( ) p = = 0, ABER: F (p) F ( p) F (p) = 1 ( 1) 1 = 2 0,0001
12 HM: Numerik (SS 2015), Kapitel 1, Folie 10/18 Kondition der Multiplikation Multiplikation F : R 2 R, ( p1 ) p p 1 p 2 2 κ rel (p) = [ p 2 ( ) p1 ] p 2 p 1 p 1 p 2 = 1 =... = 1 + max{ p 1, p 2 } min{ p 1, p 2 } Scheinbar schlecht gestellt für p 1 p 2 oder p 1 p 2 ABER: F (p) F ( p) F (p) = p 1 p 2 (p 1 + p 1 ) (p 2 + p 2 ) p 1 p 2 = p 1 p 2 + p 2 p 1 p 1 p 2 p 2 p 2 + p 1 p 1 = ( p1 p 1 p 2 p 2 d.h. bezüglich komponentenweisen relativen Fehler sehr gut gestellt! ) 1,
13 HM: Numerik (SS 2015), Kapitel 1, Folie 11/18 Kondition einer Matrix Matrix-Vektor-Multiplikation F : R n R n, p Mp für eine invertierbare Matrix M R n n κ M p rel (p) = Mp = M M 1 Mp M M 1 Mp Mp Mp = M 1 M Definition (Kondition einer Matrix) Sei M R n n eine invertierbare Matrix. Die Kondition von M (bezüglich ) ist κ(m) := M 1 M
14 HM: Numerik (SS 2015), Kapitel 1, Folie 12/18 Beispiel: Schnitt zweier Geraden x 2 g 2 x 2 x 1 g 1 g 2 g 1 x 1 g 1 : a 11 x 1 + a 12 x 2 = b 1 g 2 : a 21 x 1 + a 22 x 2 = b 2
15 HM: Numerik (SS 2015), Kapitel 1, Folie 12/18 Beispiel: Schnitt zweier Geraden x 2 g 2 x 2 x 1 g 1 g 2 g 1 x 1 Ax = b x = A 1 b =: F (b)
16 HM: Numerik (SS 2015), Kapitel 1, Folie 12/18 Beispiel: Schnitt zweier Geraden x 2 g 2 x 2 x 1 g 1 g 2 g 1 x 1 A x = b + b
17 HM: Numerik (SS 2015), Kapitel 1, Folie 12/18 Beispiel: Schnitt zweier Geraden x 2 g 2 x 2 x 1 g 1 g 2 g 1 x 1 Ax = b x = A 1 b =: F (b) A = [ ] 0,3 1, b = 1 0,1 ( ) 0,5 2,5 κ 2 rel = A A 1 1,2 A = [ ] 0,3 1, b = 0,5 1 ( ) 0,5 0,5 κ 2 rel = A A 1 11,6
18 HM: Numerik (SS 2015), Kapitel 1, Folie 13/18 Einfluss der Fehler in den Matrixeinträgen Nach Definition gilt für Lösung x = x + x von A x = b + b dass x x κ(a) b b. Was passiert bei zusätzlichen Störungen in der Matrix A? Satz (Sensitivität von linearen Gleichungssystemen) Sei x = x + x die Lösung von (A + A) x = b + b, wobei Dann gilt A < 1 / A 1. ( x x κ(a) A 1 A 1 A A + b ). b
19 1.2 Stabilität einer Berechnung
20 Definition Stabilität Jede am Computer realisierte Berechnung F (p) stellt sich als Kette von elementaren Rechenschritten dar: F (p) = F N (F N 1 ( F 2 (F 1 (p)) )) ( ) Definition (Stabilität) Eine konkrete numerische Berechnung (Algorithmus) gegeben durch ( ) heißt stabil, wenn der durch die Einzelschritte erzeugte Fehler einen Gesamtfehler ergibt, der nicht wesentlich größer als die Kondition von F ist. Bemerkung Sei F (p) = F 2 (F 1 (p)). Dann gilt für die relativen Fehler δ F1, δ F2, δ p : δ F1 κ F1 (p) δ p δ F = δ F2 κ F2 (F 1 (p)) δ F1 κ F2 (F 1 (p)) κ F1 (p) δ p D.h. ( ) ist stabil, wenn die relative Konditionen von F i alle klein sind. HM: Numerik (SS 2015), Kapitel 1, Folie 14/18
21 HM: Numerik (SS 2015), Kapitel 1, Folie 15/18 Beispiel Stabiliät Stabilität kann sehr stark von verwendetet Berechnungsmethode abhängen. Konkretes Beispiel: F (p) = p + 1 p für p 1 Tafel Schlussfolgerung Mathematisch einfachste Darstellung ist nicht immer die numerisch beste!
22 1.3 Zahlendarstellung am Computer
23 HM: Numerik (SS 2015), Kapitel 1, Folie 16/18 Basis, Exponent und Mantisse Fakt Jede reelle Zahl x R \ {0} lässt sich bezüglich Basis b N \ {0,1} wie folgt darstellen: ( ) x = ± d i b i b e i=1 wobei d 1 0, d 2, d 3,... {0,1,..., b 1} und e Z ist der Exponent. Die Zahl x b e = d i b i [b 1,1) heißt Mantisse b = 10 Dezimaldarstellung b = 2 Binärdarstellung i=1 π = ( ) 10 1 = ( ) 2 2
24 HM: Numerik (SS 2015), Kapitel 1, Folie 17/18 Maschinenzahlen Computer kann nur mit endlich vielen Daten arbeiten, d.h. nur folgende endliche Menge reeller Zahlen können dargestellt werden: Definition (Maschinenzahlen) ( m ) x = ± d i b i b e, M(b,m,r,R) := x R i=1 d 1,...,d m {0,1,...,b 1}, d 1 0, r e R wobei m N die sogenannte Mantissenlänge Häufig benutzter Datentyp double gemäß IEEE Standard 754: b = 2, m = 52, 1022 e 1023 (11 bit), ein Vorzeichenbit insgesamt 64 bit
25 HM: Numerik (SS 2015), Kapitel 1, Folie 18/18 Größte und kleinste Maschinenzahlen Größte und kleinste Maschinenzahlen b r 1 = 0, b r =: x MIN ist kleinste Zahl in M(b,m,r,R) b R 0,aa... a b R =: x MAX, a := b 1, ist größte Zahl in M(b,m,r,R) Rundung [ ] : R M(b,m,r,R), x [x] Es gilt für alle x [x MIN,x MAX ]: [x] x x b (m 1) =: eps (relative) Maschinengenauigkeit 2 Für Datentyp double gilt: x MIN = , x MAX , eps = ,
1 Fehleranalyse, Kondition, Stabilität
Fehleranalyse, Kondition, Stabilität Fehlerquellen: Modellierungsfehler z.b. Ohmsches Gesetz u = Ri berücksichtigt nicht die Temperaturabhängigkeit des Widerstandes Messfehler z.b. digitaler Temperatursensor
MehrNumerische Verfahren
Numerische Verfahren 1. Kapitel: Prof. Dr.-Ing. K. Warendorf Hochschule für Angewandte Wissenschaften München Fakultät 03 WS 13/14 Prof. Dr.-Ing. K. Warendorf (Fakultät 03) Numerische Verfahren WS 13/14
MehrMultiplikationen und Divisionen Hauptarbeit des Algorithmus liegt somit in der Berechnung der LR-Zerlegung. (n 1)n(2n 1) 6. = n3 3 n2.
KAPITEL LINEARE GLEICHUNGSSYSTEME 7 Rechenaufwand der LR-Zerlegung: A A : n Divisionen, n 2 Multiplikationen und Additionen A L, R: Also insgesamt n j= j2 + j = n3 3 n 3 Multiplikationen und Divisionen
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
Mehr1. Rechnerzahlen, Kondition, Stabilität
1. Rechnerzahlen, Kondition, Stabilität 1 1.1. Rechnerzahlen 2 1.2. Kondition 3 1.3. Stabilität 1. Rechnerzahlen, Kondition, Stabilität 1 / 18 1.1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis
Mehr1 Grundlagen der Numerik
1 Grundlagen der Numerik 1.1 Gleitpunkt-Arithmetik Es gibt nur endlich viele Zahlen auf dem Computer. Gleitpunktzahl: x = σmb E σ: Vorzeichen B: Basis (feste Zahl >1); M: Mantisse E: Exponent B = 2 : Dualzahl
MehrKapitel 4: Nichtlineare Nullstellenprobleme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 4: Nichtlineare Nullstellenprobleme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 2015 HM: Numerik (SS
MehrKAPITEL 2. Fehleranalyse: Kondition, Rundungsfehler, Stabilität. Datenfehler. Dahmen-Reusken Kapitel 2 1
KAPITEL 2 Fehleranalyse: Kondition, Rundungsfehler, Stabilität Datenfehler Fehler im Algorithmus Fehler im Resultat Dahmen-Reusken Kapitel 2 1 Kondition eines Problems Analyse der Fehlerverstärkung bei
Mehr1. Rechnerarithmetik und. Rundungsfehler
1. Rechnerarithmetik und Rundungsfehler 1 Rundung (1) Die natürlichen Zahlen hat der liebe Gott gemacht, alles andere ist Menschenwerk, L. Kronecker Ohne Zahlendarstellung auf einem Rechner wiederholen
MehrVektor und Matrixnormen Vorlesung vom
Vektor und Matrixnormen Vorlesung vom 18.12.15 Grundlagen: Matrix Vektor und Matrixprodukt. Lineare Räume. Beispiele. Problem: Berechne die Lösung x von Ax = b zu gegebenem A R n,n und b R n. Ziele: Konditionsanalyse
MehrKapitel 2: Lineare Gleichungssysteme
Vorlesung Höhere Mathematik: Numerik (für Ingenieure) Kapitel 2: Lineare Gleichungssysteme Jun.-Prof. Dr. Stephan Trenn AG Technomathematik, TU Kaiserslautern Sommersemester 205 HM: Numerik (SS 205), Kapitel
MehrEinleitung Grundlagen Einordnung. Normen. Thomas Gerstner. Institut für Mathematik Goethe-Universität Frankfurt am Main
Institut für Mathematik Goethe-Universität Frankfurt am Main Einführungsvortrag Proseminar 25. Januar 2013 Outline 1 Einleitung Motivation Anwendungsbereiche 2 3 Wichtige Outline Einleitung Motivation
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
Mehrbekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-
3.. Jetzt: Eliminiere 1. und 2. wie folgt u 2 + 2u 1 = h 2 f 1 + α }{{} bekannt Nun: Au = b mit A R n,n, b R n, u R n und A hat die Gestalt 2 1 1 2 1 A =......... =: tridiag( 1, 2, 1)...... 1 1 2 Analog
MehrKurztest 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!)
MehrNumerische Mathematik I: Grundlagen
Numerische Mathematik I: Grundlagen 09.10.2017 Inhalt der Lehrveranstaltung Inhaltlich sollen Sie in der Lehrveranstaltung Numerische Mathematik I insbesondere vertraut gemacht werden mit der Numerik linearer
MehrNumerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn
Numerik für Informatiker, Elektrotechniker und Naturfreunde von Michael Lehn Verfasst von Patrick Schneider E-Mail: Patrick.Schneider@uni-ulm.de Universität Ulm Institut für Numerische Mathematik Sommersemester
MehrNumerische Lineare Algebra
Numerische Lineare Algebra Vorlesung 1 Prof. Dr. Klaus Höllig Institut für Mathematischen Methoden in den Ingenieurwissenschaften, Numerik und Geometrische Modellierung SS 2010 Prof. Dr. Klaus Höllig (IMNG)
MehrNumerische Verfahren und Grundlagen der Analysis
Numerische Verfahren und Grundlagen der Analysis Rasa Steuding Hochschule RheinMain Wiesbaden Wintersemester 2011/12 R. Steuding (HS-RM) NumAna Wintersemester 2011/12 1 / 19 Fehlerbetrachtung R. Steuding
MehrComputer-orientierte Mathematik
Computer-orientierte Mathematik 3. Vorlesung - Christof Schuette 11.11.16 Memo: Rationale und reelle Zahlen Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische
MehrFehlerfortpflanzung. Fehler bei Fließkomma-Arithmetik. Addition x ` y ` z. Fehlerfortpflanzung. Analyse des Relativen Fehlers
Numerisches Programmieren (IN0019) Frank R. Schmidt. Kondition und Stabilität Winter Semester 016/017 Fließkommazahlen (Wdh.) Eine Fließkommazahl benutzt die folgende Zahlendarstellung Fließkomma-Arithmetik
MehrRundungsfehler-Problematik bei Gleitpunktzahlen
Rundungsfehler-Problematik bei Gleitpunktzahlen 1 Rechnerzahlen 2 Die Rundung 3 Fehlerverstärkung bei der Addition Rundungsfehler-Problematik 1 1. Rechnerzahlen allgemeine Zahlendarstellung zur Basis b
MehrMathematische Werkzeuge für Computergrafik 2016/17. Gleitkommzahlen
Mathematische Werkzeuge für Computergrafik 2016/17 Gleitkommzahlen 1 Grundlagen 1 Da im Computer nur endliche Ressourcen zur Verfügung stehen, können reelle Zahlen in vielen Fällen nicht exakt dargestellt
MehrB Vektor- und Matrixnormen
XXXI B Vektor- und Matrixnormen Um die Länge von Vektoren aus einem Vektorraum V über K {R, C} (und damit den Abstand zweier Vektoren) zu messen, definieren wir Normen, das sind Abbildungen : V R + 0,
Mehr1 Arithmetische Grundlagen
Am 4. Juni 1996 explodierte kurz nach dem Start die erste Ariane 5 Rakete durch einen Softwarefehler. Die Horizontalgeschwindigkeit wurde durch eine Gleitkommazahl v [ 10 308, 10 308 ] {0} [10 308,10 308
Mehr2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren
2. Lineare Gleichungssysteme: direkte und iterative Lösungsverfahren Problem (P2): Löse Ax = b, A R n und b R. 2.1 Satz: Die folgenden Aussagen sind äquivalent: (i) Ax = b ist für jedes b eindeutig lösbar;
MehrNumerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen
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
Mehr3. Datentypen, Ausdrücke und Operatoren
3. Datentypen, Ausdrücke und Operatoren Programm muß i.a. Daten zwischenspeichern Speicherplatz muß bereitgestellt werden, der ansprechbar, reserviert ist Ablegen & Wiederfinden in höheren Programmiersprachen
Mehr6 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}
MehrMathematische Grundlagen
Mathematische Grundlagen 1 / 16 Vektorraum u R n, u = (u 1,..., u n ), u k R Euklidisches Skalarprodukt Euklidische Vektornorm (u, v) = u k v k u 2 = (u, u) = n u 2 k Vektoren u, v R n heißen orthogonal,
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,... } = N {0} N. Rationale Zahlen Q := { m n m Z, n N }. Beachte:
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-
MehrDarstellung rationaler und reeller Zahlen Vorlesung vom
Darstellung rationaler und reeller Zahlen Vorlesung vom 30.10.15 Rationale Zahlen: Rationale Zahlen als Brüche ganzer Zahlen. q-adische Brüche, periodische q-adische Brüche. Beispiele. Satz: Jede rationale
MehrNumerik I. Aufgaben und Lösungen
Universität zu Köln SS 2009 Mathematisches Institut Prof Dr C Tischendorf Dr M Selva, mselva@mathuni-koelnde Numerik I Musterlösung Übungsblatt 4, Kondition (5 Punkte) Aufgaben Lösungen (4 Punkte) Zeigen
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrKapitel 2. Zahlenbereiche
Kapitel 2. Zahlenbereiche 2.3. Reelle Zahlen Erweiterung des Zahlenbereichs der natürlichen Zahlen Ganze Zahlen Z := {..., 3, 2, 1, 0, 1, 2, 3,...} = N {0} N. Rationale Zahlen Q := { m } n m Z, n N. Beachte:
Mehr2 Euklidische Vektorräume
Sei V ein R Vektorraum. 2 Euklidische Vektorräume Definition: Ein Skalarprodukt auf V ist eine Abbildung σ : V V R, (v, w) σ(v, w) mit folgenden Eigenschaften ( Axiome des Skalarprodukts) (SP1) σ ist bilinear,
MehrMathematik für Anwender II
Prof Dr H Brenner Osnabrück SS 22 Mathematik für Anwender II Vorlesung Euklidische Vektorräume Im Anschauungsraum kann man nicht nur Vektoren addieren und skalieren, sondern ein Vektor hat auch eine Länge,
MehrComputerorientierte Mathematik II
Computerorientierte Mathematik II Vorlesungen: Christoph Wehmeyer, Frank Noé Übungszettel: Christoph Wehmeyer Tutorien: Anna Dittus, Felix Mann, Dominik Otto 1. Anmeldung im KVV und im Campus Management!
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 017 Institut für Informatik Prof Dr Thomas Huckle Michael Obersteiner, Michael Rippl Numerisches Programmieren, Übungen Musterlösung 1 Übungsblatt: Zahlendarstellung,
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
MehrEinführung in die Computerorientierte Mathematik
Einführung in die Computerorientierte Mathematik Wintersemester 2014/15 Thomas Gerstner Institut für Mathematik Goethe-Universität Frankfurt 17. Oktober 2014 Inhaltsverzeichnis Inhaltsverzeichnis ii 1
MehrKonkrete Mathematik. Eine Einführung in die Numerische Mathematik für LehramtskandidatInnen. Vorlesungsskript, Sommersemester 2008.
Konkrete Mathematik Eine Einführung in die Numerische Mathematik für LehramtskandidatInnen Vorlesungsskript, Sommersemester 2008 Christian Clason Stand vom 12. September 2008 Institut für Mathematik und
MehrVektorräume. Stefan Ruzika. 24. April Mathematisches Institut Universität Koblenz-Landau Campus Koblenz
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 3: Vektorräume 24. April 2016 1 / 20 Gliederung 1 Schulstoff 2 Körper 3 Vektorräume Erinnerung:
MehrKapitel 1. Vektoren und Matrizen. 1.1 Vektoren
Kapitel 1 Vektoren und Matrizen In diesem Kapitel stellen wir die Hilfsmittel aus der linearen Algebra vor, die in den folgenden Kapiteln öfters benötigt werden. Dabei wird angenommen, dass Sie die elementaren
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
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
Mehr2. 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
MehrGrundzüge der Informatik Tutorium Gruppe 6
Grundzüge der Informatik Tutorium Gruppe 6 Inhalt Einführung Numerik Fest- und Termin 5 07.2.2006 Apfelthaler Kathrin Test-Beispiel e0225369@student.tuwien.ac.at Numerik Festpunkt-Darstellung Berechnung
MehrLineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 12. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching December 14, 2017 1 Erinnerung: Determinanten, Orthogonale/unitäre Matrizen Sei A R 2 2, dann kann die Inverse
MehrKapitel 3. Konvergenz von Folgen und Reihen
Kapitel 3. Konvergenz von Folgen und Reihen 3.1. Normierte Vektorräume Definition: Sei V ein Vektorraum (oder linearer Raum) über (dem Körper) R. Eine Abbildung : V [0, ) heißt Norm auf V, falls die folgenden
MehrD-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13
D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys Serie 13 1. Um einen Tisch sitzen 7 Zwerge. Vor jedem steht ein Becher mit Milch. Einer der Zwerge verteilt seine Milch gleichmässig auf alle
MehrNumerisches Programmieren, Übungen
Technische Universität München SS 0 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dr-Ing Markus Kowarschik Numerisches Programmieren, Übungen Musterlösung
Mehr1.4 Stabilität der Gauß-Elimination
KAPIEL 1. LINEARE GLEICHUNGSSYSEME 18 1.4 Stabilität der Gauß-Elimination Bezeichne x die exakte Lösung von Ax = b bzw. ˆx die mit einem (zunächst beliebigen Algorithmus berechnete Näherungslösung (inklusive
MehrWiederholung 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:
Mehr3.4 Kondition eines Problems
38 KAPITEL 3. FEHLERANALYSE Beispiel 3.18 Betrachte M(10, 5, 1). Dann sind x 4.2832, y 4.2821, z 5.7632 darstellare Zahlen und (x y)z 0.00633952. Das korrekte Ergenis in M ist daher 0.0063395. Der Ausdruck
MehrBanach scher Fixpunktsatz. 1) D ist abgeschlossen und konvex; 2) f ist selbstabbildend, d.h. f(d) D;
Institut für Geometrie und Praktische Mathematik Höhere Mathematik IV (für Elektrotechniker und Technische Informatiker) - Numerik - SS 2007 Dr. S. Börm, Dr. M. Larin Banach scher Fixpunktsatz Gegeben
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
MehrMathematik 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
MehrKLAUSUR 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
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrVektorräume und lineare Abbildungen
Kapitel 11. Vektorräume und lineare Abbildungen 1 11.1 Vektorräume Sei K ein Körper. Definition. Ein Vektorraum über K (K-Vektorraum) ist eine Menge V zusammen mit einer binären Operation + einem ausgezeichneten
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Verständnisfragen-Teil Institut für Geometrie und Praktische Mathematik 4 Punkte Es gibt zu jeder der Aufgaben vier Teilaufgaben. Diese sind mit bzw. zu kennzeichnen hinschreiben. Es müssen
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
MehrAngewandte Mathematik für die Informatik
Angewandte Mathematik für die Informatik Sommersemester 2017, Teil 2 Louchka Popova-Zeugmann und Wolfgang Kössler Humboldt-Universität zu Berlin, Institut für Informatik 24. Juli 2017 1 / 1 Inhalt (1)
MehrRechnet mein Taschenrechner richtig?
Rechnet mein Taschenrechner richtig? René Lamour Humboldt-Universität zu Berlin Institut für Mathematik Lange Nacht der Wissenschaften 2011 Unser Institutsgebäude c 2010 WISTA-MANAGEMENT GMBH www.adlershof.de
Mehr3 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
Mehr2 Zahldarstellungen und Fehleranalyse *
5 2 Zahldarstellungen und Fehleranalyse * Im Rahmen der angewandten Mathematik wird, und das sollte nicht wirklich überraschen, der Computer als eines der zentralen Hilfsmittel eingesetzt und ist bei anspruchsvollen
MehrAusgewählte Lösungen zu den Übungsblättern 4-5
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit
MehrIm Allgemeinen gibt es drei verschiedene Ursachen der numerischen Fehler:
Numerik I. Version: 19.02.08 18 3 Fehleranalyse Im Allgemeinen gibt es drei verschiedene Ursachen der numerischen Fehler: Rundungsfehler Approximationsfehler Konditionsfehler (Instabilität) Alle diese
MehrVF-3: Es seien A R n n beliebig aber regulär, b R n und gesucht sei die Lösung x R n von A x = b.
NumaMB F14 Verständnisfragen-Teil (24 Punkte) Es gibt zu jeder der 12 Aufgaben vier Teilaufgaben. Diese sind mit wahr bzw. falsch zu kennzeichnen (hinschreiben). Bewertung: Vier Fragen richtig beantwortet
MehrHauptsatz der Zahlentheorie.
Hauptsatz der Zahlentheorie. Satz: Jede natürliche Zahl n N läßt sich als Produkt von Primzahlpotenzen schreiben, n = p r 1 1 p r 2 2... p r k k, wobei p j Primzahl und r j N 0 für 1 j k. Beweis: durch
MehrInhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen Darstellung ganzer Zahlen
3 Zahlendarstellung - Zahlensysteme - b-adische Darstellung natürlicher Zahlen - Komplementbildung - Darstellung ganzer und reeller Zahlen Inhaltsangabe 3.1 Zahlensysteme und Darstellung natürlicher Zahlen......
MehrStabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom
Stabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom 26.1.18 Auswirkung von Auswertungsfehlern: Beispiel und Definition der Stabilität. Stabilitätsanalyse in drei verschiedenen Auflösungen. Einfachster
MehrKapitel II. Vektoren und Matrizen
Kapitel II. Vektoren und Matrizen Vektorräume A Körper Auf der Menge R der reellen Zahlen hat man zwei Verknüpfungen: Addition: R R R(a, b) a + b Multiplikation: R R R(a, b) a b (Der Malpunkt wird oft
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrErweiterungen der LR-Zerlegung
Prof. Thomas Richter 6. Juli 2017 Institut für Analysis und Numerik Otto-von-Guericke-Universität Magdeburg thomas.richter@ovgu.de Material zur Vorlesung Algorithmische Mathematik II am 06.07.2017 Erweiterungen
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
Mehr00. Einiges zum Vektorraum R n
00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen
Mehr1 Euklidische und unitäre Vektorräume
1 Euklidische und unitäre Vektorräume In diesem Abschnitt betrachten wir reelle und komplexe Vektorräume mit Skalarprodukt. Dieses erlaubt uns die Länge eines Vektors zu definieren und (im Fall eines reellen
MehrStabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom
Stabilitätsanalyse des Gaußsche Algorithmus Vorlesung vom 22.1.16 Auswirkung von Auswertungsfehlern: Beispiel und Definition der Stabilität. Stabilitätsanalyse in drei verschiedenen Auflösungen. Einfachster
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrNumerische Mathematik für Ingenieure (SoSe 2013)
Numerische Mathematik für Ingenieure (SoSe 2013) PD Dr(USA) Maria Charina Auszüge aus Vorlesungsfolien von Prof Joachim Stöckler werden verwendet Für die Bereitstellung dieses Materials und der Tex-Files
MehrVorlesung Mathematik 2 für Informatik
Vorlesung Mathematik für Informatik Inhalt: Lineare Algebra Rechnen mit Vektoren und Matrizen Lineare Gleichungssysteme, GauÿAlgorithmus Vektorräume, Lineare Abbildungen Eigenwerte und Eigenvektoren Literatur
MehrLineare Algebra. 10. Übungsstunde. Steven Battilana.
Lineare Algebra. Übungsstunde Steven Battilana stevenb@student.ethz.ch November 3, 26 Erinnerung Gram-Schmidt Verfahren Sei V ein euklidischer/unitärer Vektorraum mit dim(v ) n < Gegeben: W span{v,...,
MehrPrüfung EM1 28. Jänner 2008 A :=
1. Die Menge der Eigenwerte der Matrix ist Prüfung EM1 28. Jänner 2008 A := ( 0 1 ) 0 1 A. {1, 0} B. { 1} C. {0} D. {0, 1, 1} E. {0, 1} 2. Es seien V ein n-dimensionaler reeller Vektorraum, ein Skalarprodukt
MehrGeometrische Deutung linearer Abbildungen
Geometrische Deutung linearer Abbildungen Betrachten f : R n R n, f(x) = Ax. Projektionen z.b. A = 1 0 0 0 1 0 0 0 0 die senkrechte Projektion auf die xy-ebene in R 3. Projektionen sind weder injektiv
Mehr7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)
Technische Universität München Zentrum Mathematik, M1 Prof. Dr. Boris Vexler Dr. Ira Neitzel Dipl.-Math. Alana Kirchner 7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012) Diese Auswahl
Mehr2 Direkte Lösungsverfahren für lineare Gleichungen
2 Direkte Lösungsverfahren für lineare Gleichungen Sei A R invertierbar und b R. Löse Ax = b genau und effizient. Die LR-Zerlegung Wir berechnen eine Zerlegung A = LR mit L, R R und den folgen Eigenschaften:
MehrNumerik. Festpunkt-Darstellung
Numerik Ablauf: Festpunkt-Darstellung Gleitpunkt-Darstellung Runden Addition/Subtraktion Multiplikation Ausblick und Zusammenfassung Wolfgang Kastner, Institut für Rechnergestützte Automation, TU Wien
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
Mehr3 Numerisches Rechnen
E Luik: Numerisches Rechnen 65 3 Numerisches Rechnen 31 Zahlen und ihre Darstellung Grundlage der Analysis bilden die reellen Zahlen Wir sind heute daran gewöhnt, eine reelle Zahl im Dezimalsystem als
Mehr, 2015S Übungstermin: Mi.,
VU Grundlagen digitaler Systeme Übung 1: Zahlendarstellungen, Numerik 183.580, 2015S Übungstermin: Mi., 18.03.2015 Allgemeine Hinweise: Versuchen Sie beim Lösen der Beispiele keine elektronischen Hilfsmittel
MehrReelle Zahlen. Kapitel Der Körper der reellen Zahlen
Kapitel 2 Reelle Zahlen 2.1 Der Körper der reellen Zahlen Definition 2.1 (Gruppe). Sei G eine Menge und eine Verknüpfung auf G (d. h. x, y G. x y G, x y ist eindeutig). Das Paar (G, ) heißt eine Gruppe,
MehrNumerik für Ingenieure I Wintersemester 2008
1 / 34 Numerik für Ingenieure I Wintersemester 2008 J. Michael Fried Lehrstuhl Angewandte Mathematik III 7.1.2009 2 / 34 Technisches Vorlesungswebsite: http://www.am.uni-erlangen.de/am3/de/lehre/ws08/numing1/
Mehr3.6 Approximationstheorie
3.6 Approximationstheorie Bisher haben wir uns im Wesentlichen mit der Interpolation beschäftigt. Die Approximation ist weiter gefasst: wir suchen eine einfache Funktion p P (dabei ist der Funktionenraum
Mehrε 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
Mehr4 Vektorräume. 4.1 Definition. 4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48. Sei K ein Körper.
4 Vektorräume Pink: Lineare Algebra 2014/15 Seite 48 4 Vektorräume 4.1 Definition Sei K ein Körper. Definition: Ein Vektorraum über K, oder kurz ein K-Vektorraum, ist ein Tupel (V,+,, 0 V ) bestehend aus
Mehr