FERIENKURS ZUM PROPÄDEUTIKUM NUMERIK -

Ähnliche Dokumente
3 Elementare Umformung von linearen Gleichungssystemen und Matrizen

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Copyright, Page 1 of 5 Die Determinante

Matrizen, Determinanten, lineare Gleichungssysteme

Inverse Matrix. 1-E Ma 1 Lubov Vassilevskaya

Eigenwerte und Diagonalisierung

3. Das Gleichungssystem

1 Singulärwertzerlegung und Pseudoinverse

Kapitel 17. Determinanten

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015

Die quadratische Gleichung und die quadratische Funktion

37 Gauß-Algorithmus und lineare Gleichungssysteme

A2.3 Lineare Gleichungssysteme

In diesem Abschnitt betrachten wir nur quadratische Matrizen mit Komponenten aus einem Körper K, also A K n n für ein n N. Wenn (mit einem n > 1)

Spezialfall: Die Gleichung ax = b mit einer Unbekannten x kann mit Hilfe des Kehrwerts 1 a = a 1 gelöst werden:

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

6 Lösung linearer Gleichungssysteme I: LR-Zerlegung und Verwandte

Serie 10: Inverse Matrix und Determinante

Lineare Algebra. I. Vektorräume. U. Stammbach. Professor an der ETH-Zürich

Lösung (die Geraden laufen parallel) oder unendlich viele Lösungen.

TECHNISCHE UNIVERSITÄT MÜNCHEN

Beginn der Vorlesung zur Numerik I (Wintersemester 2010/2011)

KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren

7 Die Determinante einer Matrix

9.2 Invertierbare Matrizen

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Kap 5: Rang, Koordinatentransformationen

Lineare Ausgleichsprobleme. Jetzt: Lösung überbestimmter linearer GS, d.h. mehr Gleichungen als Unbekannte

3.6 Eigenwerte und Eigenvektoren

Klausur zur Vordiplom-Prüfung

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

4.4 Orthogonalisierungsverfahren und die QR-Zerlegung

Lineare Algebra und Numerische Mathematik für D-BAUG

Kapitel 15. Lösung linearer Gleichungssysteme

4.5 Überbestimmte Gleichungssysteme, Gauß sche Ausgleichrechnung

Gliederung. Links-Rechts-Zerlegung Elimination faktorisiert A = L R. Determinante Inverse. Kleinste Quadrate. Lösung durch. Links-Rechts- Zerlegung

Unterrichtsmaterialien in digitaler und in gedruckter Form. Auszug aus: Lineare Algebra: Lineare Gleichungssysteme und Matrizen

2. Spezielle anwendungsrelevante Funktionen

4 Lineare Algebra (Teil 2): Quadratische Matrizen

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer.

3.1.3 Newtonsche Interpolationsformel / Dividierte Differenzen

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen

Vektor und Matrixnormen Vorlesung vom

45 Eigenwerte und Eigenvektoren

Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.

Vorbereitungskurs Mathematik zum Sommersemester 2011 Tag 7

( ) Lineare Gleichungssysteme

Aufstellen der Funktionsgleichung aus gegebenen Bedingungen

Ergänzungen zur Analysis I

Vorkurs: Mathematik für Informatiker

Übungen Mathematik I, M

MC-Serie 11: Eigenwerte

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Folgerungen aus dem Auflösungsatz

2 Direkte Lösungsverfahren für lineare Gleichungen

Quadratische Matrizen

(Allgemeine) Vektorräume (Teschl/Teschl 9)

Kommentiertes Beispiel für das Gaußsche Eliminationsverfahren

5 Eigenwerte und die Jordansche Normalform

Mathematische Erfrischungen III - Vektoren und Matrizen

Vorkurs: Mathematik für Informatiker

Tutorium Mathematik II, M Lösungen

Vorlesung bzw. 23. Januar Determinanten 1. Cramersche Regel

Vorkurs Mathematik-Physik, Teil 5 c 2016 A. Kersch

Einführung in die linearen Funktionen. Autor: Benedikt Menne

Lineare Algebra KAPITEL III. 12 Matrizen und der Gauß-Algorithmus. I) Matrizen

Integralrechnung - Einführung Seite 1 von 6. Vergleicht man die Ergebnisse miteinander, so kann man folgende Entdeckung machen:

Vervollständigung Lateinischer Quadrate

A N A L Y S I S I F Ü R T P H, U E ( ) 1. Übungstest (FR, ) (mit Lösung )

Im Jahr t = 0 hat eine Stadt Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

20 Kapitel 2: Eigenwertprobleme

Lösungsskizzen zur Klausur

Leitfaden Lineare Algebra: Determinanten

6 Eigenwerte und Eigenvektoren

Musterlösungen zur Linearen Algebra II Blatt 5

Explizite Formeln für rekursiv definierte Folgen

Quadratische Funktion und Parabel: Darstellungsformen

Übungen zu Einführung in die Lineare Algebra und Geometrie

Klausur zur Vordiplom-Prüfung

LU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.

1.9 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Lineare Algebra II 5. Übungsblatt

Aufgaben zu Kapitel 14

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Theorie und Praxis geometrischer Algorithmen

Arithmetik und Algebra

4.4. Rang und Inversion einer Matrix

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

3 Optimierung mehrdimensionaler Funktionen f : R n R

4.2.3 LR-Zerlegung für diagonaldominante Matrizen

9. Primitivwurzeln. O. Forster: Einführung in die Zahlentheorie

PRÜFUNG AUS ALGEBRA UND DISKRETE MATHEMATIK F. INF. U. WINF.

Fragenkatalog Kapitel 1 Fehleranalyse

Elemente der Analysis II

Numerische Mathematik I

Determinanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird,

Transkript:

FERIENKURS ZUM PROPÄDEUTIKUM NUMERIK - LÖSUNGEN MATTHIAS VESTNER. Grundlagen Aufgae.. Bezeichne z 0 zw. z die kleinste Maschinenzahl einfacher Genauigkeit, die noch größer ist als 0 zw.. Gee für die folgenden Mengen jeweils z 0, z sowie das größte und das kleinste Element ± an: a M 0,4, 3,3 M 2,24, 26,27 2 Was passiert, wenn wir auch unnormalisierte Zahlen zulassen? 3 Gesucht sind jeweils zwei Zahlen x 0, y aus oigen Mengen, so dass x y 0 Für allgemeines M,t,emin,e max gilt: z 0 t emin emin zw. im unnormalisierten Fall: z t 0 t emin emin t z + t maxm,t,emin,e max \ t emax t minm,t,emin,e max \ t emax t 2 siehe oen 3 Es muss gelten: fl x y 0, also x y < z0 2. Wähle also zum Beispiel x z 0, y 3 Aufgae.2. Berechne jeweils die asolute und die relative Kondition folgender Proleme fx x y für festes y R 2 fq x, daei ezeichne x die größere Nullstelle des Polanoms x 2 2x+q 3 fp x, daei ezeichne x die größere Nullstelle des Polanoms x 2 px+ Für welche Werte von p und q ist sind diese Proleme schlecht konditioniert? 4 Bestimme die Nullstelle einer stetig differenzieraren Funktion f. Stimmt das Ergenis mit der Intuition üerein? κ as x f x, κ rel x x y. Für x y ist dieses Prolem also schlecht konditioniert Auslöschung, siehe Skript. 2 Es gilt: fq + q und damit für die Kondition: κ as q f q 2 q zw. für q δq: κ rel q /2 δq + δq/ δq δq 2 δq + δq }{{} δq 0

2 MATTHIAS VESTNER Für q ist das Prolem also schlecht konditioniert. 3 Es gilt: fp p 2 + p 2 4 und damit für die Kondition: κ asp f p 2 + p. Somit ist das Prolem für p ±2 schlecht konditioniert. In diesen Fällen handelt es sich ei dem Polynom wie schon in der 4p 2 6 vorherigen Teilaufgae um ein Binom, die Nullstelle tritt also doppelt auf. 4 Intuitiv ist klar: je steiler f die x-achse schneidet, desto esser ist das Prolem konditioniert. Tatsächlich gilt: κ as f 0 f x Aufgae.3. Zur Lösung des Prolems y fa,, c a + + c stehen die folgenden Algorthmen zur Verfügung: f a,, c a c f 2 a,, c a c Welche Auswirkungen haen Rundungsfehler auf das Ergenis? Welchen der Algorithmen sollte man im Fall..2.3.4 t 8 nutzen. Üerprüfe deine Vermutung! a 0.2337258 0 4 0.33678429 0 2 c 0.336778 0 2 Wir erhalten ei Gleitpunktrechnung statt y einen Näherungswert ỹ fla c, für den gilt: z a fla + a + + ε ỹ z c z + c + ε 2 a + + ε + c + ε 2 a + + c + a+ a++c ε + ε 2 + ε 2 Für den relativen Fehler ε y : ỹ y y gilt daher: ε y a + a + + c ε + ε 2 + ε 2 oder ei Vernachlässigung von Termen höherer Ordnung: ε y a + a + + c ε + ε 2 + Oε 2 a+ a++c Die Verstärkungsfaktoren zw. geen an, wie stark sich die Rundungsfehler a+ ε, ε 2 im relativen Fehler ε y des REsultats auswirken. Der kritische Faktor ist a++c : Je nachdem o a + oder + c kleiner ist, ist es günstiger numerisch stailer die Summe a + + c nach der Formel a + + c zw. a + + c zu ilden. Es gilt: a + a + + c + c a + + c 2 05 0, 97

FERIENKURS ZUM PROPÄDEUTIKUM NUMERIK - LÖSUNGEN 3 Man sollte also den zweiten Algorithmus verwenden. Die Üerprüfung ergit: a + + c 0, 64372258 0 3 a c 0, 33678452 0 2 0, 336778 0 2 0, 6400000 0 3 a c 0, 2337258 0 4 0, 6800000 0 3 0, 643726 0 3 Aufgae.4. Zeige, dass eine rückwärtsstaile Implementierung der Sutraktion ist. Schreie fx, y x y zw. fx, y x y. Es gilt: fx, y flx fly x + ε y + ε 2 + ε 3 x + ε + ε 3 y + ε 2 + ε 3 x + ε 4 y + ε 5 für ε 4,5 2ε + Oε 2 Mit x x + ε 4 zw. ỹ y + ε 5 erhalten wir also fx, y f x, ỹ und x x ε4 ỹ y Oε. ε 5 2. Lineare Gleichungssysteme Aufgae 2.. Sei A eine 3 3-Matrix. Schreie folgende Operationen als Matrix- Matrix-Produkte: verdopple Spalte haliere Zeile 3 addiere Zeile 2 auf Zeile 3 vertausche die Spalten und 2 2 0 0 A 0 0 0 0 0 0 0 0 A 0 0 2 0 0 0 0 A 0 0 0 A 0 0 0 0 Aufgae 2.2. Bescheie mit Worten, wie die Multiplikation von B mit A die Matrix A verändert. 0 0 0 0 0 B 0 0 von links B 0 6vonrechts B 0 von rechts 0 0 0 0 0

4 MATTHIAS VESTNER Spaltenoperationen entsprechen Multiplikationen von rechts, Zeilenoperationen Multiplikationen von links. Sutrahiere Zeile 2 von allen anderen Zeilen Üerschreie Spalte 3 mit Spalte 2 Lösche Spalte. Aufgae 2.3. Zeige, dass die nichtsingulären zw. unipotenten unteren Dreiecksmatrizen jeweils eine Untergruppe der invertieraren m m-matrizen ilden! Induktion Wir zeigen per Induktion üer die Dimension m, dass die nicht-singulären zw. unipotenten unteren Dreiecksmatrizen unter Multiplikation und Invertierung ageschlossen sind. Induktionsanfang m : Die nichtsingulären zw. unipotenten unteren Dreiecksmatrizen ilden die multiplikativen Gruppen R\0 zw.. Induktionsschritt m m: L 0 K 0 Es seien L u T und K λ v T nichtsinguläre unipotente κ untere Dreiecksmatrizen der Dimension m. L nichtsinguläre unipotente untere Dreiecksmatrix sämtliche Diagonalelemente 0 L nichtsinguläre unipotente Dreiecksmatrix der Dimension m und λ 0 λ Die Induktionsvoraussetzung liefert: L K ist eine nichtsinguläre unipotente untere Dreiecksmatrix, also auch L K L K 0 u T K + λv T λ κ Die Induktionsvoraussetzung liefert: L ist eine nichtsinguläre unipotente untere Dreiecksmatrix. Setzt man den Ansatz L L 0 w T in die Beziehung L L I ein, so wird diese durch w T ut L λ gelöst. Also ist auch L eine nichtsinguläre zw. unipotente untere Dreiecksmatrix. Aufgae 2.4. Bringe die Matrix A 2 4 3 3 durch geeignete Multiplikation 8 7 9 mit unteren Dreiecksmatrizen auf oere Dreiecksgestalt! λ 0 0 0 0 2 2 0 0 2 0 4 3 3 0 0 3 4 0 8 7 9 0 0 2

FERIENKURS ZUM PROPÄDEUTIKUM NUMERIK - LÖSUNGEN 5 Aufgae 2.5. Zeige: Besitzt eine Matrix A R m m eine Zerlegung A L R, so sind L und R eindeutig. Hinweis: Auch die oeren Dreieckmatrizen ilden eine Gruppe. Seien A L R L 2 R 2 zwei solche LR-Zerlegungen. Multiplikation von links mit L 2 und von rechts mit R liefert die Identität L 2 L R 2 R einer unippotenten unteren Dreiecksmatrix mit einer oeren Dreiecksmatrix. Da die Einheitematrix die einzige Matrix mimt dieser Eigenschaft ist, gilt L L 2 und R R 2. 0 Aufgae 2.6. Zeige, dass die Matrix keine LR-Zerlegung esitzt! 0 0 r r Der Ansatz 2 r l 0 r 3 r l r 2 r 2 l + r 3 liefert zunächst r 0 und somit einen Widerspruch, da 0 r l. Aufgae 2.7. SPD-Matrizen lassen sich folgendermaßen zerlegen: A LL T Cholesky- Zerlegung. Entwickle einen Algorithmus zur Bestimmung von L. Hinweis: Werte die Gleichung elementweise aus. Elementweises Auswerten von A LL T liefert: Auf der Diagonale: a kk l 2 k + + l2 k,k + l2 kk Unter der Diagonale: a ik l i l k + + l i,k l k,k + l ik l kk Aus dieser Beoachtung resultiert der folgende Algorithmus: for k:n Lk,ksqrtAk,k-Lk,:k-*Lk,:k- ; for ik+:n Li,kAi,k-Li,:k-*Lk,:k- ; end end 3. Lineare Ausgleichsproleme 4. Nichtlineare Gleichungssysteme 5. Polynominterpolation 6. Schnelle Fourier-Transformation