Diese Fragen sollten Sie beantworten können

Slides:



Advertisements
Ähnliche Präsentationen
Diese Fragen sollten Sie morgen beantworten können
Advertisements

Rekursion: Rekurrenz: Algorithmen rufen sich selbst (rekursiv) auf.
Falls Algorithmen sich selbst rekursiv aufrufen, so kann ihr Laufzeitverhalten bzw. ihr Speicherplatzbedarf in der Regel durch eine Rekursionsformel (recurrence,
Simulation komplexer technischer Anlagen
Das virtuelle Physiklabor im Computer: Vom Experiment zur Simulation
Vom graphischen Differenzieren
Wilhelm-Raabe-Schule Fachbereich: Mathematik Thema: Lineare Funktionen
1 1. Splineglättung 1.1 Motivation 1.2 Notation 1.3 Splineglättung
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2012.
Modelle und Methoden der Linearen und Nichtlinearen Optimierung (Ausgewählte Methoden und Fallstudien) U N I V E R S I T Ä T H A M B U R G November 2011.
Theorie psychometrischer Tests, III
Newton-Verfahren Standardverfahren bringt keine Nullstelle
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Klicke Dich mit der linken Maustaste durch das Übungsprogramm!
Simulation komplexer technischer Anlagen
V 5: Partielle Differentialgleichungen - Grundlagen
V11 Wellengleichung Teil 3: Numerische Verfahren zur Lösung partieller Differentialgleichungen V11: Wellengleichung als Beispiel der Diskretisierung.
Numerik partieller Differentialgleichungen
Lösung gewöhnlicher Differentialgleichungen
Simulation komplexer technischer Anlagen
Diese Fragen sollten Sie beantworten können
Was wir zur numerischen Lösung von Dglen wissen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerische Methoden, SS 2003Teil II: Kp. 22/1 Diese.
Diese Fragen sollten Sie beantworten können
Lösung von linearen Gleichungssystemen - Grundlagen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 03Teil.
V 7: Gewöhnliche Differentialgleichungen
Lösung von linearen Gleichungssystemen - Grundlagen
Numerische Methoden Vorlesung im Rahmen des Diplomstudienganges
Kapitel 5 Stetigkeit.
Kapitel 6 Differenzierbarkeit. Kapitel 6: Differenzierbarkeit © Beutelspacher Juni 2005 Seite 2 Inhalt 6.1 Die Definition 6.2 Die Eigenschaften 6.3 Extremwerte.
Numerik partieller Differentialgleichungen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerische Methoden, SS 01Teil II: Kp. 22/1 Grundmodelle.
V1: Modellierung auf endlichen Maschinen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerische Methoden, SS Numerische Methoden.
Universität Stuttgart Institut für Kernenergetik und Energiesysteme Simulation technischer Systeme, WS 03/04Vorlesung 6:Wie beschreiben wir Verhalten1.
Modellierung komplexer Realität mit Objekten
Beispiele für Gleichungssysteme
V 12: Systemen partieller Differentialgleichungen
Vorlesung im Rahmen des Diplomstudiengangs Energie- und Anlagentechnik
(Ron Rivest, Adi Shamit, Leonard Adleman , 1977)
F FnFn z Prof. Dr. Johann Graf Lambsdorff Universität Passau SS a. Anhang zur Bestimmung der optimalen Taylor-Regel.
Konfidenzintervalle Intervallschätzung
Die Simulation von Planetenbewegungen
Simulation komplexer technischer Anlagen
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 02Einführung.
Seminar Stringtheorie und Geometrische Methoden der Physik
Variationsformalismus für das freie Teilchen
Sali zäma.
Universität Stuttgart Wissensverarbeitung und Numerik I nstitut für K ernenergetik und E nergiesysteme Numerik partieller Differentialgleichungen, SS 01Teil.
o. Univ.-Prof. Dr. H.-W. Holub und Mag. Dr. Janette Walde
Kurvendiskussion Los geht´s Klick auf mich! Melanie Gräbner.
Black Box Algorithmen Hartmut Klauck Universität Frankfurt SS
Effiziente Algorithmen Hartmut Klauck Universität Frankfurt SS
Information und Kommunikation Hartmut Klauck Universität Frankfurt SS
Strategie der Modellbildung
Eindimensionale Bewegungen
Fourier-Analyse und technologische Anwendungen
Integritätserhaltung und -Überprüfung in deduktiven Datenbanken
Vom graphischen Differenzieren
Jedem angehenden Ingenieur wird schon zu Beginn beigebracht, zum Beispiel die Summe von zwei Größen nicht etwa in der Form darzustellen. Diese Form ist.
Der Weg und das Ziel Algorithmische Zusammenhänge finden
Grundlagen01Logik 02Mengen 03Relationen Arithmetik04Die natürlichen Zahlen 05Erweiterungen der Zahlenmenge Elementare Geometrie06Ebene Geometrie 07Trigonometrie.
setzt Linearität des Zusammenhangs voraus
Optionsbewertung Elena Kostiaeva.
Vorstellen und Herleiten der Horner Schemas
Klassenstufe 10 -Einführung des Ableitungsbegriffs Julia Klein.
Die Numerische Differentiation
Vorstellen und Herleiten der Horner Schemas
 Präsentation transkript:

Diese Fragen sollten Sie beantworten können Was ist ein Modell - Abstraktion Was sind die mathematischen Grundbeziehungen technischer Modelle - Erhaltungsgleichungen in integraler und differenzieller Form Drei Auswirkungen der Endlichkeit von Rechnern Rundung, Diskretisierung, Abbruch Was bedeuten Kondition, Konsistenz und Konvergenz Rundungsfehler, Diskretisierungsfehler, Abbruchfehler beherrscht Wie diskretisieren wir Funktionen Was ist ein iteratives Verfahren Nullstellensuche nach Newton Berechnen Sie für eine Funktion f(x) das Integral in (a,b)

V6: Differenziation Teil III: Grundoperationen auf diskretisierte Funktionen Kap. 6: Differenzieren von Funktionen Inhalt: Differenzenverfahren Vorwärts-Rückwärts- und zentrale Differenzen Abbruch- und Diskretisierungsfehler Konsistenz Übung: Numerisches Differenzieren

Das sollten Sie heute lernen Wie geht man vor, um numerisch Ableitungen zu bestimmen Welche Fehler macht man dabei und wie kann man sie verringern Bestimmen Sie Differenzen für beliebige Ableitungen

Numerisches Differenzieren -1 Ausgang ist die Taylorreihenentwicklung

Numerisches Differenzieren -2 Daraus ergibt sich folgende Strategie zur Bestimmung von Ableitungen diskretisierter Funktionen. 1. Stelle Tailor-Reihen-Entwicklung bis zur n-ten Ableitung auf. 2. Ist n größer 1, so müssen n-1 Ableitungen niederer Ordnung eliminiert werden. Dazu sind n-1 weitere Tailor-Entwicklungen an der selben Stelle xi aufzustellen (z.B. yi-1, yi+2, yi-2, ...). 3. Eliminiert man die Ableitungen niederer Ordnung, so erhält man Das erste vernachlässigte Glied Allgemein gilt: Zur Approximation eines Differentialquotienten der Ordnung n sind mindestens Funktionswerte an n+1 Maschenpunkten nötig. Der Abbruchfehler ist von der Ordnung xn+1 und der Diskretisierungsfehler hat die Ordnung x

Beispiel 1: Berechnung von vorwärts/rückwärts A1) Aus yi+1 folgt durch Abbruch nach dem zweiten Glied: Der Diskretisierungsfehler (Abbruchfehler/ ) ist: A2) Aus yi-1 folgt durch Abbruch nach dem zweiten Glied:

Beispiel 1: Berechnung von zentral A3) Kombiniert man beide Näherungen, so erhält man: Der Diskretisierungsfehler ist Nach dem Mittelwert der Differentialrechnung gibt es einen Wert derart, daß  = 0 wird. In der Regel ist

Beispiele 2: Näherung von Aus der Summe von yi+1 und yi-1 folgt: Spezialfall

Bildung von Differentialen bei Funktionsentwicklungen Ist Ausgang der Näherung eine Diskretisierung der abhängigen Variablen, so gilt und für die Ableitungen Die Qualität dieser Näherung hängt jetzt stark von der Art der Anpassung von an y, also von der Art der Wichtung und der Basisfunktionen, ab. Es ist auch möglich, den ai die Bedeutung von Ableitungen zu geben (siehe Tailorreihen).

Näherungen höherer Ordnung -1 Näherungen höherer Ordnung kann man über beide Ansätze gewinnen Für die Differenzenmethode wird die Taylorreihe nicht schon bei der Ableitung der Ordnung n sondern erst später abgebrochen. Die höheren Ableitungen müssen ebenso wie die Ableitungen Niederer Ordnung eliminiert werden. Jedes zusätzlich berücksichtigte Glied erhöht die Ordnung der Näherung Bei der Entwicklungsmethode (Page Approximation) erhält man Näherungen höherer Ordnung mit Hilfe der Lagrange-Interpolation. Es gilt und daher

Näherungen höherer Ordnung -2 für n = 2 ist und entsprechend

Näherungen höherer Ordnung -3 Daraus kann man Ableitungen an den Punkten x2, x1 und x2 bestimmen. (Es gilt x1 - x0 = x x2 - x0 = 2 x). Die Fehlerordnung ist 0 (x2), wobei der Fehler der zentralen Ableitung etwa halb so groß wie der bei Vorwärts- bzw. Rückwärtsableitung ist.

Diese Fragen sollten Sie beantworten können Wie kann man eine Funktion numerisch differenzieren Was sind Abbruch und Diskretisierungsfehler Geben Sie Differezenapproximationen für 1. und 2. Ableitungen an Was sind vorwärts, rückwärts und zentraleDifferenzen Geben Sie Kriterien für die Auswahl eine Diskretisierungsvorschrift an