Übungsblatt Matlab-Zentralübung Musterlösung
|
|
- Angela Sachs
- vor 6 Jahren
- Abrufe
Transkript
1 Einführung in die Numerik Sommersemester 2011 Übungsblatt Matlab-Zentralübung Musterlösung Lösung 1 (Givens-Rotationen für Wilkinson Matrix) a) function [Q,R] = qr_givens (A) % [Q,R] = qr_givens(a) berechnet die QR Zerlegung einer % rechteckigen Matrix A. Die Matrix R i s t die % gesuchte oberen Dreiecksmatrix, Q i s t eine orthogonale % Matrix. % Groesse von A ermitteln n = size (A, 1); m = size (A, 2); % Q i n i t i a l i s i e r e n Q = eye(n ) ; % Schleife ueber die Spalten von A for k = 1:m % Schleife ueber die Zeilen von A bis zur Diagonale for i = n: 1:k+1 % I nitialisierung der Givens Rotation G = speye(n ) ; % i s t eine Drehung notwig? if (A( i, k) ~= 0) % Berechnung von sin, cos und r r = sqrt (A( i 1,k).^2 + A( i, k ).^2); s = A( i, k)/ r ; c = A( i 1,k)/ r ; % Aufstellen der Givens Rotation G( i 1,i 1) = c ; G( i, i ) = c ; G( i 1, i ) = s ; G( i, i 1) = s ; % Update von A A = G A; % Update von Q Q = G Q; %Q 1
2 % Rueckgabe definieren Q = Q ; R = A; b) function [W, b ] = my_wilk(n) % Erzeugt die Wilkinson Matrix der % Groesse nxn und die rechte Seite % b mit b( i )=(i 1)/n, b(n)=1. b = zeros(n, 1); W = eye(n ) ; W( :, n) = ones (n, 1); for i = 1:n W( i, [ 1 : i 1]) = ones (1, i 1); b( i ) = ( i 1)/n ; b(n) = 1; c) clear all ; close all ; % maximale Anzahl von Iterationen kmax = 50; % I nitialisierung der Fehlervektoren n = zeros(kmax, 1 ) ; error = zeros(kmax, 1 ) ; errorqr = zeros(kmax, 1 ) ; for i = 1:kmax n( i ) = i ; x = zeros(n( i ), 1); % Angabe der exakten Loesung exact = 1/n( i ) ones (n( i ), 1); exact (n( i )) = 1/n( i ) ; % Definition der Matrix und der rechten Seite [W, b ] = my_wilk(n( i ) ) ; % Berechnen der LU Zerlegung A = my_lu(w) ; % Ermittlung der unteren Dreiecksmatrix L L = eye(n( i )) + tril (A, 1); % Ermittlung der oberen Dreiecksmatrix U U = triu (A, 0 ) ; % Vorwaertssubstitution x = s o l v e l t r i (L, b ) ; % Rueckwaertssubstitution x = solveutri (U, x ) ; 2
3 % Berechnung des relativen Fehlers error ( i ) = norm(x exact )/norm( exact ) ; % Berechnen der QR Zerlegung [Q,R] = qr_givens (W) ; % Berechnung der rechten Seite x = Q b ; % Rueckwaertssubstitution x = solveutri (R, x ) ; % Berechnung des relativen Fehlers errorqr ( i ) = norm(x exact )/norm( exact ) ; % grafische Ausgabe des Fehlers in Abhaengigkeit von n semilogy (n, error, n, errorqr, LineWidth,3); set (gca, FontSize,14); leg ( LU, QR,2); xlabel ( n ) ; ylabel ( Fehler ) ; Dies ergibt die folge Ausgabe: LU QR Fehler n Im Gegensatz zu der LU-Zerlegung, bei der κ(u) κ(a) auftreten kann, gilt für die QR-Zerlegung stets κ(r) = κ(a). Damit ist die Rückwärtssubstitution gut konditioniert und verstärt eventuelle Rundungsfehler nicht so stark wie die LU- Zerlegung. Lösung 2 (Halbwertszeit & Normalengleichung) Man schreibt die Gesetzmäßigkeit um durch Logarithmieren: ln(y(t)) = ln(y(0))+αt 3
4 Man erhält das folge lineare Gleichungssystem: ln(25.9) [ ] ln(y(0)) ln(22.7) = α ln(20.3) ln(17.7) ln(15.6) Mit Matlab berechnet man dann die Halbwertszeit wie folgt: % Gleichungssystem aufstellen >> A = [1 1.5; 1 4.0; 1 6.5; 1 9.0; ]; >> b = [25.9; 22.7; 20.3; 17.7; 15.6]; >> logb = log(b); % Lösen der Normalengleichung >> x = (A *A)\(A *log(b)) x = % Berechnung des Anfangsgewichts y_0 >> y_0 = exp(x(1)) y_0 = % Berechnung von alpha >> alpha = x(2) alpha = % Berechnung der Halbwertszeit: >> t_halb = (log(y_0/2)-log(y_0))/alpha % Alternativ: Berechnung der Halbwertszeit, falls log in der passen basis (hier e): >> t_halb = -log(2) / alpha t_halb = % log. loesung des ausgleichsproblems tausgleich = linspace(0,12,1200); ylogausgleich = log(y_0) + alpha.*tausgleich; yausgleich = y_0 * exp(alpha.*tausgleich); 4
5 figure(1); % log. plot plot(a(:,2),logb, x,tausgleich,ylogausgleich); xlabel( t ); ylabel( ln(y) ); figure(2) % normaler plot plot(a(:,2),b, x,tausgleich,yausgleich); xlabel( t ); ylabel( y ); ln(y) Zeit y Zeit Abbildung 1: Links: Lösung des linearen Ausgleichsproblems. Rechts: Rücktransformation auf die ursprüngliche exponentielle Problemstellung. Lösung 3 (Nichtlineares Ausgleichsproblem) a) function [ x, k ] = gauss_newton ( t, b, Ft, dft, x0, maxit, tol ) x = x0 ; for k = 1: maxit % compute local Jacobian Jac = feval (dft, t, x ) ; % compute system matrix of normal equation given by DF^T DF M = Jac Jac ; % compute right hand side DF^T F r = Jac eval (Ft ) ; % solve normal equation of linearized problem dx = M\r ; % compute update x = x + dx ; % stop i f requested accuracy is achieved if norm(dx)/norm(x0) < tol 5
6 break ; b) function Jac = dft(t, x) F1 = i n l i n e ( exp( (x_2.^2 + x_3^2). t ). sinh (x_3.^2. t )/x_3^2,... x_1, x_2, x_3, t ) ; F2 = i n l i n e ( 2 x_2. t. x_1. exp( (x_2.^2 + x_3^2). t ). sinh (x_3.^2. t )/x_3^2,. x_1, x_2, x_3, t ) ; F3 = i n l i n e ( 2 x_3. t. x_1. exp( (x_2.^2 + x_3^2). t ). sinh (x_3.^2. t )/x_3^2 + 2 x_1, x_2, x_3, t ) ; m = length ( t ) ; n = length (x ) ; Jac = zeros (m, n ) ; Jac ( :, 1) = F1(x (1), x (2), x (3), t ) ; Jac ( :, 2) = F2(x (1), x (2), x (3), t ) ; Jac ( :, 3) = F3(x (1), x (2), x (3), t ) ; % set i n i t i a l value x0 = [ 80; 0.055; ; ] ; % choose tolerance tol = 1e 10; % measurements t = [ ] ; b = [ ] ; %csvwrite ( Messdaten. txt, [ t, b ]) % write data to tabulator spaced f i l e %dlmwrite ( Messdaten. txt, [ t, b ], \ t ) % read data from tabulator spaced f i l e % not needed i f t %f i l e i n p u t = dlmread ( Messdaten. txt, \ t ) ; % check i f f i l e io worked correctly %filecheck = max( abs ( f i leinput (:,1) t ) + abs ( f i l e i n put (:,2) b )) % function phi ( t, x) phit = x(1) exp( (x(2)^2 + x(3)^2) tvec ). sinh (x(3)^2 tvec )/x(3)^2 ; % function F( t, x) Ft = x(1) exp( (x(2)^2 + x(3)^2) t ). sinh (x(3)^2 t )/x(3)^2 b ; % discret times for plot tvec = linspace (6, 180, 200); hold of f ; for k = 1:6 % gauss_newton step [ x, k ] = gauss_newton ( t, b, x0, k, tol ) %evaluate phit fvec = eval ( phit ) ; 6
7 plot ( tvec, fvec, linewidth, 2); hold on ; text(182+k, fvec (), num2str(k ), f ontsize, 12); plot ( t, b, r+, linewidth, 2, markersize, 12); set (gca, f ontsize, 12);
MATLAB Einführung. Numerische Methoden für ITET und MATL Dr. S. May, D. Devaud. ETH Zürich, Seminar for Applied Mathematics
Numerische Methoden für ITET und MATL 2016 ETH Zürich, Seminar for Applied Mathematics Dr. S. May, D. Devaud Frame 2 MATLAB Auf ETH Computer vorinstalliert Auf Heim PC: von www.ides.ethz.ch herunterladen
MehrOrthogonale Matrix. Definition 4.19
Orthogonale Matrix Ausgleichsprobleme sind häufig schlecht konditioniert. Matrix des Normalengleichungssystems kann nahezu singulär sein. Spezielle Matrixzerlegung für höhere numerische Stabilität: QR-Zerlegung
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,
MehrNumerisches Programmieren, Übungen
Technische Universität München SoSe 3 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren, Übungen Musterlösung 3. Übungsblatt:
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,
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 4. Aufgabe 4.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.
Dr V Gradinaru D Devaud A Hiltebrand Herbstsemester 4 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Wir betrachten
MehrNumerische Analysis - Matlab-Blatt 5
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Sommersemester 05 Numerische Analysis - Matlab-Blatt 5 Lösung (Besprechung
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
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
MehrElektrischer Schaltkreis lin. Gleichungssystem
Inhalt Kapitel II: Lineare Gleichungssysteme II Lineare Gleichungssysteme II Gestaffelte Systeme II2 LU-Zerlegung II3 QR-Algorithmen Kapitel II (UebersichtKapI) Beispiel : Elektrischer Schaltkreis I R
MehrInhalt Kapitel II: Lineare Gleichungssysteme
Inhalt Kapitel II: Lineare Gleichungssysteme II Lineare Gleichungssysteme II1 Gestaffelte Systeme II2 LU-Zerlegung II3 QR-Algorithmen Kapitel II (UebersichtKapI) 1 Beispiel 1: Elektrischer Schaltkreis
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrQR-Zerlegung mit Householder-Transformationen
1/ QR-Zerlegung mit Householder-Transformationen Numerische Mathematik 1 WS 011/1 Orthogonales Eliminieren / Sei x R n ein Vektor x = 0. Ziel: Ein orthogonales H R n;n bestimmen, sodass Hx = kxke 1 ; ein
Mehr(d) das zu Grunde liegende Problem gut konditioniert ist.
Aufgabe 0: (6 Punkte) Bitte kreuzen Sie die richtige Lösung an. Es ist jeweils genau eine Antwort korrekt. Für jede richtige Antwort erhalten Sie einen Punkt, für jede falsche Antwort wird Ihnen ein Punkt
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
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,
Mehrd) Produkte orthogonaler Matrizen sind wieder orthogonal.
Die orthogonale Matrizen Definition: Eine Matrix Q R n n heißt orthogonal, falls QQ T = Q T Q = I gilt. Die Eigenschaften orthogonaler Matrizen: a) det(q) = ±1; b) Qx 2 = x 2 für alle x R n, also Q 2 =
MehrÜberbestimmte Gleichungssysteme
Siebente Vorlesung, 8. Mai 2008, Inhalt Überbestimmte Gleichungssysteme Kleinste Quadrate: einfaches Beispiel, elementare Herleitung Normalengleichungen Transformation mit QR-Zerlegung und SVD Nichtlineare
MehrNumerische Lineare Algebra - Matlab-Blatt 1
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Wintersemester 2014/2015 Numerische Lineare Algebra - Matlab-Blatt 1 Lösung
MehrGaußsche Ausgleichsrechnung
Kapitel 6 Gaußsche Ausgleichsrechnung 6. Gaußsche Methode der kleinsten Fehlerquadrate Die Gaußsche Methode der kleinsten Fehlerquadrate wurde 89 von C.F. Gauß in dem Aufsatz Theorie der Bewegung der Himmelkörper
MehrNumerical Analysis II 1
Numerical Analysis II 1 Prof. Grohs, Exam Summer 2015 Dies ist keine offizielle Musterlösung, wer Fehler findet, darf sie behalten ;), erstellt von Andreas Mono Aufgabe 1 ( k1 ( 1 ) ) a) k 1 = λy n + λh
MehrNumerische Methoden 4. Übungsblatt
Karlsruher Institut für Technologie (KIT) SS 0 Institut für Analysis Prof. Dr. Michael Plum Dipl.-Math.techn. Rainer Mandel Numerische Methoden 4. Übungsblatt Aufgabe 9: QR-Verfahren (Bearbeitung bis Do,.05.)
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
MehrMND Projekt 2. Zur Veranschaulichung werden die einzelnen Phis graphisch dargestellt.
AUFGABENSTELLUNG MND Projekt 2 Das Ziel dieses Projekts war es ein Anfangswertproblem mit Hilfe des klassischen Runge-Kutta Verfahrens und dem Levenberg-Marquardt-Verfahren zu lösen. AUFGABE 1 In der Ersten
MehrNumerische Lineare Algebra - Matlab-Blatt 2
Prof. Dr. Stefan Funken Universität Ulm M.Sc. Andreas Bantle Institut für Numerische Mathematik Dipl.-Math. oec. Klaus Stolle Wintersemester 014/015 Numerische Lineare Algebra - Matlab-Blatt Lösung (Besprechung
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
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)
MehrKurze Einführung in Octave
Kurze Einführung in Octave Numerische Mathematik I Wintersemester 2009/2010, Universität Tübingen Starten von Octave in einer Konsole octave eintippen (unter Linux) Octave als Taschenrechner Beispiele:
Mehr2 Direkte Lösungsverfahren für lineare Gleichungen
2 Direkte Lösungsverfahren für lineare Gleichungen (2.1) Sei L R N N eine normierte untere Dreiecksmatrix und b R N. Dann ist L invertierbar und das Lineare Gleichungssystem (LGS) Ly = b ist mit O(N 2
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.
MehrMATLAB-Toolskurs HS17
7 Analysis 1. Programmieren Sie für folgendes Polynom eine MATLAB Funktion oder eine anonyme Funktion: y(x) = 0.001x 5 + 0.05x 4 + 0.2x 3 x 2 0.8x + 4 Die Variable x ist der Eingabeparameter und y der
MehrTipps und Tricks für Matlab
Tipps und Tricks für Matlab J. Schweitzer Sommersemester 2012 Inhalt Matlab als Taschenrechner Datenformate M-files Schleifen und Abfragen 2D Plots Matlab als Taschenrechner Prompt Elementare Rechnungen
Mehr6. Übungsblatt Aufgaben mit Lösungen
6. Übungsblatt Aufgaben mit Lösungen Exercise 6: Find a matrix A R that describes the following linear transformation: a reflection with respect to the subspace E = {x R : x x + x = } followed by a rotation
MehrD-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den
D-ITET. D-MATL, RW Lineare Algebra HS 7 Dr. V. Gradinaru T. Welti Online-Test Einsendeschluss: Sonntag, den..7 : Uhr Dieser Test dient, seriös bearbeitet, als Repetition des bisherigen Vorlesungsstoffes
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.
MehrEinführung in die Programmierung (MA8003)
Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Lorenz John Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2016 Theorie 1.2: Inhalt 1
MehrLABORÜBUNG MATLAB/OCTAVE
LABORÜBUNG MATLAB/OCTAVE 1. Riemannsche Summen mit MATLAB/Octave Riemannsche Summen lassen sich sehr einfach mit MATLAB/Octave berechnen. Das Vorgehen ist das folgende: (i) die Breite x der Teilintervallen
MehrEinführung in die Programmierung (MA8003)
Theorie 1.2: Vektoren & Matrizen II, Funktionen, Indizierung Dr. Laura Scarabosio Technische Universität München Fakultät Mathematik, Lehrstuhl für Numerische Mathematik M2 04.10.2017 Theorie 1.2: Inhalt
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
MehrD-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11
D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Serie 11 1. Wir betrachten das überbestimmte Gleichungssystem Ax = y mit 1 1 1 1 A := 1 1 0 1 0 1, y := 2 3 0 0 1 4 Berechnen Sie die
MehrInstitut für Geometrie und Praktische Mathematik
RWTH Aachen Institut für Geometrie und Praktische Mathematik Diplom VP Numerik 13. September 004 Aufgabe 1 10 0 40 Gegeben sei die Matrix A = 80 10 10. 10 5 5 (6 Punkte) a) Skalieren (Zeilenäquilibrierung)
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
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
Mehr2.2. Übung. Einführung in die Programmierung (MA 8003)
Technische Universität München M2 - Numerische Mathematik Dr. Laura Scarabosio 2.2. Übung. Einführung in die Programmierung (MA 8003) Hinweis: Ab jetzt werden Schleifen benötigt. Aufgabe 2.2.1: Verändern
MehrDigitale Audioeekte in Matlab - Limiter
Audiotechnik II Digitale Audiotechnik: 12. Übung Prof. Dr. Stefan Weinzierl 22.01.2015 Musterlösung: 21. Januar 2015, 16:40 Digitale Audioeekte in Matlab - Limiter Ein Limiter ist ein Eekt, der gewährleisten
MehrEinführung in MATLAB zur Veranstaltung Einführung in die Numerik
Einführung in MATLAB zur Veranstaltung Einführung in die Numerik Christian Stohrer Mathematisches Institut der Universität Basel FS 2011 MATLAB Einführung zur Veranstaltung Einführung in die Numerik Bitte
MehrLösung Übungsblatt 7
M4 Numerik für Physiker Lösung Übungsblatt 7 SoSe 008 Lösung Übungsblatt 7 Aufgabe 1: Lineare Ausgleichsrechnung Ein mehrdimensionales, lineares Ausgleichungsproblem lässt sich folgendermaßen darstellen:
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
MehrD-ITET, D-MATL Numerische Methoden SS 2006 Prof. R. Jeltsch. Musterlösung 6. x A 1 b. A 1 b A 1. x A ( A. gestört: x A 1 =
D-ITET, D-MATL Numerische Methoden SS 2006 Prof. R. Jeltsch Musterlösung 6 1. a b exakt: x = c Die Inverse von A lautet x = A 1 b x = A 1 b x A 1 b x A 1 b x A 1 b A x b x κ A b x b 3 1 A 1 = gestört:
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
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
Mehr3. Lineare Gleichungssysteme
3. Lineare Gleichungssysteme 1 3.1. Problemstellung 2 3.2. Direkte Verfahren 3 3.3. Normen und Fehleranalyse 4 3.4. Iterative Verfahren 5 3.5. Konvergenz von linearen Iterationsverfahren 6 3.6. Gradienten-Verfahren
MehrDer Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 19.1.18 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus. Achtung: Durchführbarkeit nur bei
MehrCopyright by Hildegard Heilmann IAG 13.03.2004. Diese Unterlagen stelle ich den SchülerInnen des V. Bachilleratos des IAG zur Verfügung.
MTEquationSection;Flächenintegrale mit Derive Diese Unterlagen stelle ich den SchülerInnen des V. Bachilleratos des IAG zur Verfügung. Einige Anleitungen zum Arbeiten mit Derive: Befehle: VECTOR, ITERATES,
MehrEinführung in MATLAB Blockkurs DLR:
Einführung in MATLAB Blockkurs DLR: 19.4-22.4.2004 Tag 2, 2.Teil Programmieren mit MATLAB II 20.4.2004 Dr. Gerd Rapin grapin@math.uni-goettingen.de Gerd Rapin Einführung in MATLAB p.1/25 Programmieren
MehrD-ITET, D-MATL Numerische Methoden FS 2013 Prof. Dr. A. Jentzen M. Sprecher. Musterlösung 4
D-ITET, D-MATL Numerische Methoden FS 2013 Prof. Dr. A. Jentzen M. Sprecher Musterlösung 4 1. a) function [ x] = bisect(g,a,b,tol) %bisect finds root of G(x) in the interval [a,b] with tolerance tol Ga=G(a);
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
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
MehrSpezielle Matrixformen
Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß
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
MehrDer Gaußsche Algorithmus und Varianten Vorlesung vom
Der Gaußsche Algorithmus und Varianten Vorlesung vom 17114 Gaußsche Elimination und Rückwärtssubstitution: Motivation am Beispiel, Verallgemeinerung und Algorithmus Achtung: Durchführbarkeit nur bei nichtverschwindenden
MehrZusammenfassung Numerische Mathematik für Elektrotechniker
Zusammenfassung Numerische Mathematik für Elektrotechniker RWTH Aachen, SS 2006, Prof. Dr. W. Dahmen c 2006 by Sebastian Strache, Ralf Wilke Korrekturen bitte an Ralf.Wilke@rwth-aachen.de 27. August 2006
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
MehrMATLAB-Toolskurs HS17
4 Kontrollstrukturen 1. Gegeben sei der Vektor x = [1 8 3 9 0 1]. Erstellen Sie kurze Kommandos, die: (for) Die Summe aller Elemente bilden (Kontrolle mit sum) (length) x = [1 8 3 9 0 1] s = 0; for k =
MehrEinführung in Python Teil II Bibliotheken für wissenschaftliches Rechnen
Einführung in Python Teil II Bibliotheken für wissenschaftliches Rechnen Valentin Flunkert Institut für Theoretische Physik Technische Universität Berlin Fr. 28.5.2010 Nichtlineare Dynamik und Kontrolle
MehrMusterlösung zum 8. Übungsblatt der praktischen Übungen zur Vorlesung Einführung in die Numerik
Musterlösung zum 8. Übungsblatt der praktischen Übungen zur Vorlesung Einführung in die Numerik > restart; > with(linalg): Warning, new definition for norm Warning, new definition for trace Aufgabe 1:
MehrEinführung Matlab Aufgabenkatalog
Einführung Matlab Aufgabenkatalog Übungen 1............................... Einführung Tipp: Erstellen Sie gleich zu Beginn eine Script-Datei für diese Übungen wie im ersten Lösungsbeispiel, z.b. mit edit
MehrAufgabe 2: Anzahl Erdbeben als Funktion der Zeit
Übung 2 Analyse von Zeitreihen in der Umweltphysik und Geophysik 1 Aufgabe 2: Anzahl Erdbeben als Funktion der Zeit In dieser Übung wollen wir der Frage nachgehen, was war die Anzahl Erdbeben mit M>1 pro
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,...,
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 +
Mehr4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung
4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung In vielen Anwendungen treten lineare Gleichungssysteme auf, die eine unterschiedliche Anzahl von Gleichungen und Unbekannten besitzen: Ax
MehrWima 1 - Praktikum (Woche 6)
Wima 1 - Praktikum (Woche 6) Lernziele In diesem Praktikum sollen Sie üben und lernen: Erzeugung von Function Handles Umgang mit Function Handles Am Anfang geben wir Ihnen eine kurze Einführung in Function
MehrLineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte
Lineare Ausgleichsprobleme Bisher: Lösung linearer GS Ax = b, A R n,n, A regulär, b R n Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte Ax = b mit A R m,n, b R m, m n, rg(a)
MehrPraktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Matlab: Fortsetzung Jan Mayer 4. Mai 2006 Manipulation von Matrizen und Vektoren [M,N]=size(A); speichert die Dimension einer Matrix bzw.
MehrMathematik. für das Ingenieurstudium. 10 Funktionen mit mehreren Variablen. Jürgen Koch Martin Stämpfle.
10 Funktionen mit mehreren Variablen www.mathematik-fuer-ingenieure.de 2010 und, Esslingen Dieses Werk ist urheberrechtlich geschützt. Alle Rechte, auch die der Übersetzung, des Nachdruckes und der Vervielfältigung
MehrLösung 04 Klassische Theoretische Physik I WS 15/16. c n = 1 T. c n,u e inωt + c n,u e inωt] c n e inωt = c 0 +
Karlsruher Institut für Technologie Institut für theoretische Festkörperphysik www.tfp.kit.edu Lösung 4 Klassische Theoretische Physik I WS 5/6 Prof. Dr. G. Schön 2 Punkte Sebastian Zanker, Daniel Mendler
MehrAusgleichsproblem. Definition (1.0.3)
Ausgleichsproblem Definition (1.0.3) Gegeben sind n Wertepaare (x i, y i ), i = 1,..., n mit x i x j für i j. Gesucht ist eine stetige Funktion f, die die Wertepaare bestmöglich annähert, d.h. dass möglichst
MehrFundamentale Matrix: 8-Punkte Algorithmus
Übungen zu Struktur aus Bewegung Arbeitsgruppe Aktives Sehen Sommersemester 2003 Prof. Dr-Ing. D. Paulus / S. Bouattour Übungsblatt 5 Fundamentale Matrix: 8-Punkte Algorithmus Gegeben sei eine Menge von
MehrMatrixzerlegungen. Überbestimmte Systeme
Matrixzerlegungen. Überbestimmte Systeme 6. Vorlesung 170 004 Numerische Methoden I Clemens Brand und Erika Hausenblas Montanuniversität Leoben 27. März 2014 Gliederung 1 Matrixzerlegungen Links-Rechts-Zerlegung
MehrAufgabe 1: Geben Sie die Nullstellen der Funktion f(x) = sin (3x 2
Etra-Mathematik-Übung: 005--9 Aufgabe : Geben Sie die Nullstellen der Funktion f() sin ( * Pi) an! Skizze: Wertetabelle: X - ½ Pi ½ Pi sin ( ½ Pi) -,0-6,0 -,57-7,57-0,96 -,5 -,5 -,57-6,07 + 0, -,0 -,0
Mehr7. Großübung. Ax =QRx = b Rx =Q 1 b = Q T b. Wir behandeln im Folgenden zwei Verfahren zur Erzeugung der QR-Zerlegung:
7. Großüung 1 QR-Zerlegung Als QR-Zerlegung wird die Zerlegung A QR der Matrix A R m n in die rechte oere Dreiecksmatrix R R m n und die orthogonale Matrix Q R m m ezeichnet. Die Lösung des Gleichungssystems
Mehr2 Lineare Gleichungssysteme
Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation
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.
Mehr2 Lineare Gleichungssysteme
Höhere Ableitungen Interpolationsbedingungen d k Φ dx k (x j) = y (k) j, ( j =,,..., n; k =,,..., c j ) bestimmen das Hermite Interpolationspolynom Φ Π r mit r + = n ( + c j ). j= 2 Lineare Gleichungssysteme
MehrZugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II
Zugriff auf Matrizen. Anhängen von Elementen. Punktweise Operatoren. Vektoren und Matrizen in MATLAB II Matrixzugriff Wir wollen nun unsere Einführung in die Arbeit mit Vektoren und Matrizen in MATLAB
Mehry (k) (0) = y (k) y(z) = c 1 e αz + c 2 e βz. c 1 + c 2 = y 0 k=1 k=1,...,m y k f k (x)
9 Ausgleichsrechnung 9.1 Problemstelllung Eine Reihe von Experimenten soll durchgeführt werden unter bekannten Versuchsbedingungen z Ê m. Es sollen Größen x Ê n bestimmt werden, für die ein Gesetz gelten
MehrNormalengleichungen. Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b,
Normalengleichungen Für eine beliebige m n Matrix A erfüllt jede Lösung x des Ausgleichsproblems Ax b min die Normalengleichungen A t Ax = A t b, Normalengleichungen 1-1 Normalengleichungen Für eine beliebige
MehrFunktionen in Matlab. Lehrstuhl für Angewandte Mathematik Sommersemester und 29. Mai 2008
Funktionen in Matlab Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Sommersemester 2008 15. und 29. Mai 2008 Funktionen in Matlab Wir kennen schon diverse
Mehr3 Lineare Gleichungssysteme
Lineare Gleichungssysteme Wir wissen bereits, dass ein lineares Gleichungssystem genau dann eindeutig lösbar ist, wenn die zugehörige Matrix regulär ist. In diesem Kapitel lernen wir unterschiedliche Verfahren
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrMatrizenoperationen mit FORTRAN
Kapitel 2 Matrizenoperationen mit FORTRAN 21 Grundlagen Bei vielen Anwendungen müssen große zusammenhängende Datenmengen gespeichert und verarbeitet werden Deshalb ist es sinnvoll, diese Daten nicht als
MehrÜbungen zum MATLAB Kurs Teil
Übungen zum MATLAB Kurs Teil 1 29.09.04 Indizierung Erzeugen Sie eine 5 x 5 Matrix A mit der Funktion rand Überlegen und testen Sie die Ergebnisse der folgende Ausdrücke: A([3 5],:) A(2,:) A([3,5]) A(:)
MehrÜbung 4: Einführung in die Programmierung mit MATLAB
Übung 4: Einführung in die Programmierung mit MATLAB AUFGABE 1 Was bewirkt der Strichpunkt? - Der Strichpunkt (Semikola) unterdrück die Anzeige der (Zwischen-) Resultate. Welche Rolle spielt ans? - Wenn
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!)
MehrWir konstruieren eine Wasserrutsche!
Wir konstruieren eine Wasserrutsche! Teilnehmer: Leo Graumann Anh Vu Ho Yiyang Huang Felix Jäger Charlotte Kappler Wilhelm Mebus Alice Wamser Gruppenleiter: René Lamour Caren Tischendorf Heinrich-Hertz-Oberschule,
MehrDiplom VP Numerik 21. März 2005
Diplom VP Numerik. März 5 Aufgabe Gegeben sei das lineare Gleichungssystem Ax = b mit A = 3 3 4 8 und b = 4 5.5 6. ( Punkte) a) Berechnen Sie die LR-Zerlegung von A mit Spaltenpivotisierung. Geben Sie
MehrEinführung in MATLAB
Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB
MehrIII. Iterative Löser. III.1 Direkte Löser und ihre Nachteile. III.2 Klassische lineare Iterationsverfahren
III. Iterative Löser III.1 Direkte Löser und ihre Nachteile III.2 Klassische lineare Iterationsverfahren Typeset by FoilTEX 1 Erinnerung: Lineares Gleichungssystem bei FDM Diskretisierung einer linearen
MehrMatlab - eine kurze Einführung
Matlab - eine kurze Einführung Helke Karen Hesse, Thomas Dunne helke.hesse@iwr.uni-heidelberg.de, thomas.dunne@iwr.uni-heidelberg.de 13.11.2006 1 / Gliederung Überblick Grundlegende Syntax Variablen Vektoren
Mehr