NUMERISCHE MATHEMATIK I

Ähnliche Dokumente
Numerische Analysis - Matlab-Blatt 5

Modulprüfung Numerische Mathematik 1

Newton-Verfahren für ein Skalarfunktion

2. Geben Sie für das Jacobi-Verfahren eine scharfe a-priori Abschätzung für den Fehler. x (10) x p

MATLAB Einführung. Numerische Methoden für ITET und MATL Dr. S. May, D. Devaud. ETH Zürich, Seminar for Applied Mathematics

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

Nichtlineare Gleichungssysteme

Näherungsverfahren zur Bestimmung der Nullstelle α sind iterativ, d.h. sie liefern eine Folge {x (k) } k=0 mit α = lim x (k). (3.0.

6 Iterationsverfahren für lineare und nichtlineare Gleichungssysteme

5 Numerische Mathematik

6. Iterationsverfahren. Fixpunktiteration. 6.Iterationsverfahren: Fixpunktiteration Numerisches Programmieren, Jürgen Bräckle page 1 of 16

D-MAVT NUMERISCHE MATHEMATIK FS 14 K. Nipp, A. Hiltebrand Lösung vom Test 1

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

Kurztest zur Numerik I WiR AG, Dep. Mathematik, NT-Fakultät, Universität Siegen

Kapitel 4: Nichtlineare Nullstellenprobleme

7. Übungs-/Wiederholungsblatt zu Einführung in die Numerik (SS 2012)

KAPITEL 5. Nichtlineare Gleichungssysteme

Klausur zur Vordiplom-Prüfung

Numerisches Programmieren, Übungen

Nichtlineare Gleichungssysteme

A 1 A 2 A 3 A 4 A 5 A 6 A 7

5. Numerische Differentiation. und Integration

KAPITEL 10. Numerische Integration

(d) das zu Grunde liegende Problem gut konditioniert ist.

Nichtlineare Gleichungen in einer und mehreren Unbekannten

8.3 Lösen von Gleichungen mit dem Newton-Verfahren

Inhalt Kapitel I: Nichtlineare Gleichungssysteme

Iterative Verfahren, Splittingmethoden

Tutorial: Numerisch Differenzieren

Institut für Geometrie und Praktische Mathematik

Aufgabe 2 (5 Punkte) y = 1 x. y + 3e 3x+2 x. von f. (ii) Für welches u in R 2 gilt f(u) = [3, 3, 4] T? x 2 + a x 3 x 1 4x 2 + a x 3 2x 4

Numerische Methoden 6. Übungsblatt

D-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 =

Inverse und implizite Funktionen

Newton-Verfahren zur gleichungsbeschränkten Optimierung. 1 Gleichungsbeschränkte Optimierungsprobleme

Diplom VP Numerik 21. März 2005

TU Ilmenau Institut für Mathematik Übungsaufgaben zum Lehrgebiet Numerische Mathematik III Numerik gewöhnlicher Differentialgleichungen

Übungen zu Einführung in die Lineare Algebra und Geometrie

3 Nichtlineare Gleichungssysteme

Kleine Formelsammlung zu Mathematik für Ingenieure IIA

Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006

9 Lineare Gleichungssysteme

Einführung in MATLAB / GNU Octave

Fixpunkt-Iterationen

Nichtlineare Gleichungssysteme

Mathematik für Anwender I. Beispielklausur I mit Lösungen

Numerische Mathematik I für Ingenieure Multiple-Choice Klausuraufgaben Frühjahr 08

6. Polynom-Interpolation

Nichtlineare Gleichungen, mehrere Unbekannte

Musterlösung zum Übungsblatt Interpolation nach Newton, Nevill, Lagrange.

Der CG-Algorithmus (Zusammenfassung)

Einführung in numerische Methoden für Ingenieure (nach A. Quarteroni, F. Saleri: Wissenschaftliches Rechnen mit MATLAB)

5 Numerische Iterationsverfahren

Lineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016

18.4 Das Newton-Verfahren

I f AM. 2. Übung zur Numerischen Mathematik I. Hausübung. Hannover, den

bekannt Analog reduzieren wir die Randwerte im 2d-System. Man erhält dann eine Blocktridia-

Hochschule RheinMain WS 2016/17 Prof. Dr. D. Lehmann. 7. Übungsblatt zur Vorlesung Komplexe Funktionen

Analysis und Lineare Algebra mit MuPAD

5 Interpolation und Approximation

Gleichungen, GS und Nullstellen

Klausur zur Vordiplom-Prüfung

D-INFK Lineare Algebra HS 2014 Roman Glebov Marc Pollefeys. Serie 13

Numerische Methoden I Schriftliche Prüfung Gruppe A 23. Jan :00-14:00 (120 min)

Klausurlösung Einführung in Numerische Methoden und FEM Universität Siegen, Department Maschinenbau,

II. Elliptische Probleme

Lineare Algebra und Numerische Mathematik für D-BAUG

Numerische Verfahren

Prüfung zur Vorlesung Mathematik I/II

Inexakte Newton Verfahren

Numerische Verfahren Übungen und Lösungen, Blatt 1

GMA. Grundlagen Mathematik und Analysis. Nullstellen und Fixpunkte Reelle Funktionen 3. Christian Cenker Gabriele Uchida

Regression, Interpolation, numerische. Integration

Übungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion

Kapitel 5. Lösung nichtlinearer Gleichungen

Einführung in die Programmierung (MA8003)

Numerische Ableitung

Kapitel 3. Konvergenz von Folgen und Reihen

m-files sind Folgen von MATLAB-Anweisungen oder Daten-Files.

Ausgleichsproblem. Definition (1.0.3)

Mathematik für Betriebswirte II (Analysis) 2. Klausur Sommersemester

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

Matlab: eine kurze Einführung

Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang. Institut für Geometrie und Praktische Mathematik RWTH Aachen

Interpolation, lineare Gleichungen (mit und ohne Lösungen) und lineare Regression

i j m f(y )h i h j h m

Optimierung. Optimierung. Vorlesung 2 Optimierung ohne Nebenbedingungen Gradientenverfahren Thomas Brox, Fabian Kuhn

Numerik für Ingenieure I Wintersemester 2008

Implizite Funktionen. Ist für eine stetig differenzierbare Funktion f : R n R m R n. so lässt sich das Gleichungssystem

Trifft uns der Komet?

Nullstellenberechnung von nichtlinearen Funktionen

Vektor und Matrixnormen Vorlesung vom

In haltsverzeich n is

ETHZ, D-MATH. Numerische Methoden D-PHYS, WS 2015/16 Dr. V. Gradinaru

Lineare Algebra und Numerische Mathematik für D-BAUG. Serie 6

Nichtlineare Gleichungen

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

Numerische Mathematik - Aufgaben Serie 1

Numerische Verfahren zur Lösung unrestringierter Optimierungsaufgaben. Eine kurze Einführung in Quasi Newton Verfahren

Transkript:

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, dass gilt: b f(x)dx Q a [a,b][f] C b a 3 f C 0 ([a,b]), mit einer von a, b und f unanhängigen Konstanten C > 0, wobei Q [a,b] die Mittelpunktsregel bezeichnet. b) Für f C 0 ([0, 1]) bezeichne T h [f], h = 1/(N 1) die summierte Trapezregel mit N N äquidistanten Stützstellen auf dem Intervall [0, 1]. Zeigen Sie für f(x) = x α mit 0 < α < 1: 1 f(x)dx T h [f] = O(hα+1 ), h 0. 0 Was ändert sich für f(x) = x α g(x) mit g C 3 ([0, 1])? c) Verwen Sie den MATLAB-Code in Datei Aufgabe1/a1c.m und ergänzen Sie ihn, um ein Konvergenzdiagramm zu erzeugen, welches das Verhalten des Fehlers aus b) für α = 0.3 in Abhängigkeit von h für N = 2 k + 1, k = 4,..., 16 verifiziert. d) Führen Sie ausgeh von T h für jedes h = 1/(N 1) mit N wie in c) einen Schritt der Romberg-Extrapolation durch und stellen Sie die Konvergenz des Resultats als Funktion von h in einem Konvergenzdiagramm dar. Schreiben Sie dazu ein MATLAB-Skript Aufgabe1/a1d.m, welches das Diagramm plottet. Kann so die Konvergenzrate von α + 1 verbessert werden, und was ist der Grund dafür? e) Es sei S R d, d N ein konvexes, beschränktes Gebiet, auf dem das Integral I S [f] := f(x)dx (mit den üblichen Eigenschaften des Integrals) für S f C 0 (S) definiert ist, und α := I S [1] 0. Zeigen Sie, dass die Mittelpunktsregel Q S [f] := αf(ˆx), wobei ˆx i := 1 α I S[x i ], i = 1,..., d, auf linearen Funktionen exakt ist, also I S [f] reproduziert. Hinweis: Alle Diagramme müssen mit Achsenbeschriftungen versehen und mit dem Befehl saveas(gcf, plotname, pdf ) gespeichert werden. Siehe nächstes Blatt!

2. Fixpunktiteration (10 P.) Gegeben sei f(x) = x 2 g(x), x [ 1, 1], wobei g C 2 ([ 1, 1]) mit g(x) 0 x [ 1, 1]. a) Stellen Sie das Newton-Verfahren x n+1 = Φ(x n ) zu f auf. Vereinfachen Sie Ihren Ausdruck für Φ soweit möglich. b) Zeigen Sie: Gilt x 0 < ε 1 für ein hinreich kleines ε > 0, so konvergiert x n 0 für n. Geben Sie einen möglichen Wert für ε an. c) Welche Konvergenzordnung erwarten Sie im Fall x n 0, n? d) Geben Sie ein Verfahren mit quadratischer lokaler Konvergenz bei x = 0 an und beweisen Sie diese. 3. Matrixeigenschaften (5 P.) a) Sei A R n n mit A < 1. Zeigen Sie, dass die Matrix I A invertierbar ist, wobei I R n n die Einheitsmatrix bezeichnet. Verwen Sie dabei den Zusammenhang zwischen Spektralradius und Zeilensummennorm. b) Folgern Sie aus a), dass eine strikt spaltiagonaldominante Matrix B R n n invertierbar ist. 4. Gleitpunktarithmetik (8 P.) a) Betrachten Sie den folgen MATLAB-Code: a = 1; while (1 + a > 1) a = a / 3; Nehmen Sie an, der Code wird auf einem Computer in der Gleitpunktarithmetik F(3, 3, 3, 3) ausgeführt. Zeigen Sie, dass der Code terminiert. Was ist der Wert von a nach der Schleife? Begründen Sie. b) Definieren Sie die Operation rd : Bereich(F) F der Rundung nach IEEE754. Berechnen Sie damit für die Arithmetik F = F(10, 3, 2, 2) den Wert von i) rd( 329 2000 ), ii) rd(2.416), iii) rd( 3 1.7). Bitte wen!

5. Diskretisierung einer Differentialgleichung (25 P.) Betrachten Sie die Differentialgleichung: Für f C 0 ([0, 1]) und g C 0 (R) sei eine Funktion u C 2 ([0, 1]) gesucht, so dass u (x) + u(x) + g(u(x)) = f(x), x (0, 1) u(0) = 0, u(1) = 0. a) Sei zunächst u C 3 ([0, 1]), x (0, 1) beliebig. Zeigen Sie, dass für hinreich kleines h > 0 gilt: u (x) = h 2 [u(x h) 2u(x) + u(x + h)] + O(h). b) Diskretisieren Sie die Differentialgleichung, indem Sie die Ableitung an N + 2 äquidistanten Stützstellen x i [0, 1], i = 0,..., N + 1, durch den Differenzenquotienten aus a) ersetzen. Stellen Sie schematisch ein Gleichungssystem Au + u + G(u) = f in den unbekannten Koeffizienten u = (u 1,..., u N ) für allgemeines N auf und definieren Sie A, f und G(u). c) Zeigen Sie, dass die Fixpunktiteration u (k+1) = Φ(u (k) ) = (A + I) 1 (f G(u (k) )) konsistent ist mit der Gleichung Au + u + G(u) = f. Zeigen Sie, dass Φ eine Kontraktion bezüglich der 2-Norm ist, wenn es ein 0 L < 1 gibt, so dass g(u) g(v) L u v u, v R, und wenn L (A + I) 1 2 < 1. d) Vervollständigen Sie den MATLAB-Code im Ordner Aufgabe5 in den Dateien setupmatrix.m, setuploadvector.m, calcg.m, calcphi.m und ebenfalls exercise5.m, und berechnen Sie die Lösung u. Dabei sei f(x) = 25x(x 2 2) und g(u) = 1 3π sin(πu)2. Berücksichtigen Sie dabei die Anweisungen und Kommentare im Code. Stellen Sie sicher, dass beide generierten Plots gespeichert wurden. e) Interpretieren Sie untenstehen Konvergenzplot, der vom MATLAB-Code erzeugt wird. Um welche Art Konvergenz handelt es sich? Begründen Sie. 10 0 Konvergenz u (k) u (k+1) 2 10 5 10 10 2 4 6 8 k Siehe nächstes Blatt!

Code zu 5.c) Nur im Entwurf enthalten, Code später nur als Dateien auf den Prüfungscomputern gespeichert. Vervollstaigen Sie! function A = setupmatrix(n) Stellt die "Ableitungsmatrix" A in Abhaengigkeit der Systemgroesse N auf Input: N Systemgroesse, N >= 2 Output: A NxN-Matrix des Differenzenquotienten der 2. Ableitung (erste zentrale Differenz) Author:?????? Computer (slabxxx): function A = setupmatrix(n) A wenn moeglich ohne for-schleife berechnen, verwen Sie diag????? Vervollstaigen Sie! function f = setuploadvector(n) Stellt den Spaltenvektor der rechten Seite f in Abhaengigkeit der Systemgroesse N auf Input: N Systemgroesse, N >= 2 Output: f Spaltenvektor der Groesse N, enthaelt die Werte der vorgegebenen Funktion f(x) an den Stuetzstellen x_i Author:?????? Computer (slabxxx): function f = setuploadvector(n) Bitte wen!

f wenn moeglich ohne for-schleife berechnen????? Vervollstaigen Sie! function Gu = calcg(u) Wertet die Funktion G auf einem Vektor u (komponentenweise) aus. Input: u Spaltenvektor Output: Gu Spaltenvektor des Funktionswertes Gu_i = G(u_i) Author:????? Computer (slabxxx): function Gu = calcg(u) Gu wenn moeglich ohne for-schleife berechnen Gu =????? Vervollstaigen Sie! function un = calcphi(ua, A, f) Wertet die Iterationsfunktion Phi auf einer Iterierten ualt aus. Input: ua Spaltenvektor (aktuelle Iterierte) A Systemmatrix f Spaltenvektor der rechten Seite Output: un Spaltenvektor der naechsten Iterierte Author:????? Computer (slabxxx): Siehe nächstes Blatt!

function un = calcphi(ua, A, f) wenn moeglich, ohne eine explizite Inverse zu bilden un =????? Dieses Skript stellt die Matrix A und den Vektor f fuer N=20 auf und fuehrt 30 Iterationen der Fixpunktiteration durch. Der Startwert fuer u ist u(x) = 1. Am Ende plottet es die Loesung u ueber [0,1] und die 2-Norm der Differenz zweier aufeinanderfolger Iterationswerte uˆ{k+1} und uˆ{k} gegen den Iterationszaehler k. Vervollstaigen Sie alle Luecken! Ihr Name:????? Ihr Computer (slabxxx): N = 20; kmax = 30; Startwert fuer die Iteration u = zeros(n, 1); Vektor der Normen der Differenzen zweier aufeinander- folger Iterationswerte udiff = zeros(1, kmax); Durchfuehren der Iteration A = setupmatrix(n); f = setuploadvector(n); for k =?????????? close all; 1. Plot der Loesung figure; plot(0:1/(n+1):1, [0; u ; 0]. ); xlabel( x ); ylabel( u(x) ); title( Aufgabe 5: Ausgerechnete Loesung u ); saveas(gcf, a5loesung.pdf, pdf ); 2. Konvergenzplot Bitte wen!

figure; semilogy(1:kmax, udiff); xlabel( k ); ylabel( uˆ{(k)} - uˆ{(k+1)} _2 ); title( Aufgabe 5: Konvergenz ); saveas(gcf, a5konvergenz.pdf, pdf );