Numerische Integration
Numerische Integration:
- wird z. B. genutzt, falls keine der analytischen Methoden erfolgreich anwendbar ist, - näherungsweise Berechnung des bestimmten Integrals
I= Zb
a
f(x)dx,
- nutze bestimmte Funktionswerte,
- Schrittweiteh= (b−a)/n, (n+1Stützstellen), - Stützstellenxi=a+i·h, füri=0,1,2, . . .n, - Funktionswerteyi=f(xi), füri=0,1,2, . . .n.
Numerische Integration
Numerische Integration:
- wird z. B. genutzt, falls keine der analytischen Methoden erfolgreich anwendbar ist, - näherungsweise Berechnung des bestimmten Integrals
I= Zb
a
f(x)dx,
- nutze bestimmte Funktionswerte,
- Schrittweiteh= (b−a)/n, (n+1Stützstellen), - Stützstellenxi=a+i·h, füri=0,1,2, . . .n, - Funktionswerteyi=f(xi), füri=0,1,2, . . .n.
2 4 6 8
I=5.2083
2 4 6 8
I≈2.8935
2 4 6 8
I≈4.3724
Numerische Integration
Numerische Integration:
- wird z. B. genutzt, falls keine der analytischen Methoden erfolgreich anwendbar ist, - näherungsweise Berechnung des bestimmten Integrals
I= Zb
a
f(x)dx,
- nutze bestimmte Funktionswerte,
- Schrittweiteh= (b−a)/n, (n+1Stützstellen), - Stützstellenxi=a+i·h, füri=0,1,2, . . .n, - Funktionswerteyi=f(xi), füri=0,1,2, . . .n.
2 4 6 8
I=5.2083
2 4 6 8
I≈5.4977
2 4 6 8
I≈5.2405
Numerische Integration
Einfache Methoden:
- Trapezregel
Tn=T(f,a,b,n) =hy0
2 +y1+· · ·+yn−1+yn
2 , - Simpsonregel (ngerade wählen)
Sn=S(f,a,b,n) =h
3(y0+4y1+2y2+4y3+· · ·+4yn−1+yn).
Restglied (Fehlerwerte):
- Trapezregel (f zweimal stetig differenzierbar)
I=Tn+R(T)n mit R(T)n =−(b−a)h2
12 f′′(ξ) für einξ∈(a,b), - Simpsonregel (fviermal stetig differenzierbar)
I=Sn+R(S)n mit R(S)n =−(b−a)h4
180 f(4)(ξ) für einξ∈(a,b).
Numerische Integration
Beispiel:
- Bestimmung von
I= Z 6
−4
exp
−x2 2
≈2.506548883, - Stammfunktion nicht zugänglich,
Numerische Integration
Beispiel:
- Bestimmung von
I= Z 6
−4
exp
−x2 2
≈2.506548883, - Stammfunktion nicht zugänglich,
- Trapezregel mitn=6bzw.n=30
−40 −2 0 2 4 6
0.2 0.4 0.6 0.8 1
x f(x),n=6Trapeze
−40 −2 0 2 4 6
0.2 0.4 0.6 0.8 1
x f(x),n=30Trapeze
Numerische Integration
Beispiel:
- Bestimmung von
I= Z 6
−4
exp
−x2 2
≈2.506548883, - Stammfunktion nicht zugänglich,
- Fehlerwerte für Trapez- und Simpsonregel (mitˆI=2.506548883) n |Tn−ˆI| |Sn−ˆI|
6 3.52·10−3 9.08·10−2 10 9.21·10−5 1.21·10−2 20 2.65·10−5 4.66·10−6 30 1.21·10−5 1.07·10−6 100 1.12·10−6 9.59·10−9 200 2.79·10−7 6.04·10−10
Numerische Integration
Trick:
- bei mehrfacher Auswertung vonTnmit Verdopplung der Streifenzahlen gilt
T2n=1 2Tn+h
2 Xn
i=1
f(a+2i−1 2 h), - Näherungswerte (mStützstellen für erste Näherung, z.B.m=1,
Basisschrittweite¯h= (b−a)/m)
Ii,0=T2im (sum. Trapezregel zuh= ¯h/2i), - Romberg-Regel zur Verbesserung der Approximation
Ii,j=4jIi,j−1−Ii−1,j−1
4j−1 , j=1, . . . ,i.
Übersicht
1. Grundlagen 2. Analysis
2.1 Folgen, Reihen, Zinsen 2.2 Funktionen
2.3 Differentialrechnung 2.4 Extremwertbestimmung 2.5 Nichtlineare Gleichungen 2.6 Funktionen mehrerer Variabler 2.7 Integralrechnung
2.8 Differentialgleichungen
3. Lineare Algebra 4. Literatur
Differentialgleichungen
Definition 2.34
Eine gewöhnliche Differentialgleichung erster Ordnung hat die Form y′(x) =f(x,y)
mit einer Funktionf :R×Rn→Rn. (Engl. ordinary differential equation (ode).)
Problemstellung / Bemerkungen:
- gegeben ist die Differentialgleichung, gesucht ist die Funktiony(x), - oft istxdie Zeit und es gilty˙=f(y,t),
- ein Spezialfall isty˙=f(y)(autonom),
- anderer Spezialfall isty˙=f(t), dann lösen alle Stammfunktionen vonfdie DGL.
Anfangswertprobleme
Definition 2.35
Ein Anfangswertproblem besteht aus einer Differentialgleichung y′=f(y(x),x)
und einem Anfangswert
y(x0) =y0.
Problemstellung:
- gesucht ist eine spezielle Lösungyder DGL, welche den Anfangsbedingungen genügt,
- für die Lösung gilt
y(x) =y0+ Z x
x0
f(y(τ), τ)dτ.
Systeme
Räuber-Beute-Modelle:
- zwei Größen,x(t)(Beutetiere/Hasen) undy(t)(Räuber/Füchse)
→Zustand(x,y)hängt von der Zeittab, - je eine Wachstumsgeschwindigkeit gegeben, - ohne Räuber wachsen die Beutetiere ungehemmt, - ohne Beute verkümmert die Räuberpopulation,
- beide Populationen vorhanden → Zuwachs bei Räubern, Abgänge bei Beute, - Differentialgleichung
˙
x(t) =ax(t)−bx(t)y(t),
˙
y(t) =cx(t)y(t)−dy(t) mit festen Systemparameterna,b,c,d>0.
Beispiel:
- Parameter:a=1.5,b=0.6,c=0.8,d=3.0,
˙
x(t) =ax(t)−bx(t)y(t),
˙
y(t) =cx(t)y(t)−dy(t)
0 2 4 6 8 10
0 1 2 3 4 5 6 7
t
x(t),y(t)
Populationsentwicklung
1 2 3 4 5 6 7
0 1 2 3 4 5 6
x(t)
y(t)
Phasenplot
Anfangswertprobleme
Beispiel eines SEIR-Modells:
- vereinfachte Modellierung der Ausbreitung einer Pandemie, - 4 Klassen
S: Suspectibles, Individuen, die sich mit der Krankheit anstecken können, E: Exposed, Infizierte, die noch nicht infektiös sind,
I: Infectious, Individuen, die infiziert sind und die Krankheit übertragen können, R: Removed, Zahl geheilter oder verstorbener Patienten,
- Individuen durchlaufen
S→E→I→R, - Übergänge zwischen den Stufen modellieren.
Anfangswertprobleme
Modellierung des DurchlaufsS→E→I→R:
- Übergänge
S′(t) =−βS(t)I(t) proportional Begegnungen vonS(t)undI(t) E′(t) =+βS(t)I(t)−αE(t) Durchlaufen der Stufen
I′(t) = +αE(t)−γI(t) Durchlaufen der Stufen R′(t) = +γI(t)
- Parameterα, β, γ >0
β: Kehrwert mittlerer Zeit zwischen Kontakten, α: Kehrwert mittlerer Latenzzeit,
γ: Kehrwert mittlerer infektiöser Zeit.
- βsteuerbar, α, γbiologisch fest (mglw. durch Arznei leicht reduzierbar).
Anfangswertprobleme
Modellierung:
- Anzahlen normiert Menge mit 4 Mio. Individuen, anfangs nur ein(!) Infizierter
S(0) =1, E(0) = 1
4 000 000, I(0) =R(0) =0.
Anfangswertprobleme
Modellierung:
- Anzahlen normiert Menge mit 4 Mio. Individuen, anfangs nur ein(!) Infizierter
S(0) =1, E(0) = 1
4 000 000, I(0) =R(0) =0.
Frei laufen lassen:
β=6, α=1
5, γ=1 7
1 2 3 4
IndividueninMio.
Anfangswertprobleme
Modellierung:
- Anzahlen normiert Menge mit 4 Mio. Individuen, anfangs nur ein(!) Infizierter
S(0) =1, E(0) = 1
4 000 000, I(0) =R(0) =0.
Etwas Abstand halten:
β=1.33, α= 1
5, γ= 1 7
1 2 3 4
IndividueninMio.
Anfangswertprobleme
Modellierung:
- Anzahlen normiert Menge mit 4 Mio. Individuen, anfangs nur ein(!) Infizierter
S(0) =1, E(0) = 1
4 000 000, I(0) =R(0) =0.
Abstand halten + Schutzmaßnahmen:
β= 1
4, α= 1
5, γ=1 7
1 2 3 4
IndividueninMio.
Anfangswertprobleme
Modellierung:
- Anzahlen normiert Menge mit 4 Mio. Individuen, anfangs nur ein(!) Infizierter S(0) =1, E(0) = 1
4 000 000, I(0) =R(0) =0.
Hier zu beachten:
- vereinfachende Modellierung,
- keine adaptive Steuerung (Drosten, Wieler, Vorsicht) durch angepasste Werte.
Anpassung/Steuerung in der realen Welt durch:
- Erfahrungen, - Vorsicht, - Quarantäne etc.
Übersicht
1. Grundlagen 2. Analysis 3. Lineare Algebra
4. Literatur
Übersicht
1. Grundlagen 2. Analysis 3. Lineare Algebra
3.1 Vektoren und Matrizen 3.2 Lineare Gleichungssysteme 3.3 Lineare Unabhängigkeit 3.4 Lineare Abbildungen
3.5 Über- und unterbestimmte Systeme 3.6 Optimierung
4. Literatur
Vektoren
Einfachstes Beispiel eines Vektors:
- n-Tupel reeller Zahlen,
- Zeilenvektor x= (x1,x2, . . . ,xn) mit xi∈R, - Spaltenvektor
y=
y1
... ym
, - Beispiele
w= (35,2,17), z=
9 11 18
.
Vektoren
Transponieren eines Vektors:
- macht aus einem Zeilenvektor eine Spaltenvektor und umgekehrt
(35,2,17)T=
35
2 17
,
9 11 18
T
= (9,11,18).
Vektoren
Visualisierung in der Ebene:
- Zwei- und dreidimensionale Vektoren werden häufig als Pfeile visualisiert, - Einige Vektoren:
-2 -1 0 1 2 3
-1 0 1 2 3 4 5
x1
x2
0 1
1 0.5
0.5 0.5
1
0 0
x1
x2
x3
Vektoren
Rechenregeln für Vektoren:
- Addition von Vektoren gleichen Formats
(x1,x2, . . . ,xn)T+ (y1,y2, . . . ,yn)T= (x1+y1,x2+y2, . . . ,xn+yn)T, - Subtraktion von Vektoren gleichen Formats
(x1, . . . ,xn)−(y1, . . . ,yn) = (x1−y1, . . . ,xn−yn),
- Multiplikation mit Skalaren (d. h. Zahlen)
α(x1, . . . ,xn) = (αx1, . . . , αxn), - Vektoren unterschiedlichen Formats lassen sich nicht Addieren.
Vektoren
Addition und Subtraktion von Vektoren - graphisch:
u v
v+u
v−u
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Anmerkungen:
- Vektoren aus verschiedenen Vektorräumen lassen sich im allgemeinen nicht sinnvoll addieren,
- x+yist nicht ausfürbar, wenn die Formate nicht zu einander passen, - Vektorräume werden auch lineare Räume genannt,
- Standardfall istK=R, eventuellK=Q,K=C.
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Beispiel 1: IstV=Rnein VR?
- ja, denn
(i) α(x1, . . . ,xn)T= (αx1, . . . , αxn)T ∈Rn,
(ii) (x1, . . . ,xn)T+ (y1, . . . ,yn)T) = (x1+y1, . . . ,xn+yn)T ∈Rn.
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Beispiel 2: IstV=Rn+ein VR?
- nein, denn z.B. fürn=2:
1 1
+ 1
2
= 2
3
∈R2+, 1
1
| {z }
∈V
− 1
2
| {z }
∈V
= 0
−1
| {z }
∈/V
,
also ist die Linearität gebrochen.
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Beispiel 3: Menge aller Polynome bis zum Gradp
- SeiVdie Menge aller Polynome vom Grad kleiner oder gleichp, also z.B. fürp=4sind
x2∈V, x4+3x3+2x2−4x−1∈V, sin(x)∈/V,
- Vist ein VR, denn
(i) f,gPolynome vom Grad ≤p ⇒ f+gPolyn. vom Grad ≤p (ii) f Polynom vom Grad ≤p ⇒ αfPolynom vom grad ≤p.
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Beispiel 4: IstV={x∈R3 : x3=0}ein VR?
- V={x∈R3: x3=0}ist VR, denn
(i)
x1
x2
0
| {z }
∈V
+
y1
y2
0
| {z }
∈V
=
x1+y1
x2+y2
0
| {z }
∈V
, (ii) α
x1
x2
0
=
αx1
αx2
0
∈V,
Lineare Räume
Definition 3.1
Vektoren sind Elemente eines Vektorraums.
Ein VektorraumVist eine nichtleere Menge mit zwei Operationen (i) x,y∈V ⇒ ∃x+y∈V Addition
(ii) α∈K,x∈V ⇒ ∃αx∈V Multiplikation mit Skalar
Beispiel 5: IstV={x∈R3 : x3=1}ein VR?
nein, denn
(i)
x1
x2
1
| {z }
∈V
+
y1
y2
1
| {z }
∈V
=
x1+y1
x2+y2
2
| {z }
∈/V
,
Längenmessung in der Ebene
Ebener Vektor von PunktPnach PunktQ:
0 0.2 0.4 0.6 0.8 1
0 0.1 0.2 0.3 0.4 0.5 0.6
P
Q
PQ
Vektornormen
Idee der Normen:
- Vektoren eine Maßzahlen zuordnen,
- für die Maßzahlen gelten bestimmte Rechenregeln, - verschiedene Normen ergeben verschiedene Maßzahlen.
Definition 3.2
SeiVein Vektorraum über dem KörperK(oft istK=R). Eine Vektornorm ist eine Abbildungk · k:V→Kund definiert die Länge eines Vektors sowie Abstände inV. Sie besitzt die Eigenschaften
kxk ≥0 und kxk=0⇔ x= (0, . . . ,0)T (Definitheit),
kλxk=|λ|kxk ∀λ∈K (Linearität),
kx+yk ≤ kxk+kyk ∀x,y∈V (Dreiecksungleichung).
Vektornormen
Definition 3.3
Fürp∈N,p≥1ist dielp-Norm
kxkp = p vu ut
Xn i=1
|xi|p.
Oft genutzte Standardnorm:
- Euklidische Norm (l2-Norm) inRn
kxk= vu ut
Xn i=1
x2i, - euklidische Länge der Vektoren.
Vektornormen
Beispiele fürp-Normen:
- Betragssummennorm (l1-Norm)
kxk1=|x1|+· · ·+|xn|, - Euklidische Norm (l2-Norm)
kxk2= q
x21+x22+. . .+x2n, - Maximumnorm (l∞-Norm)
kxk∞= max
i=1...n|xi|, - zux= (1,−2,3,−4)∈R4sind
kxk2 =p
12+ (−2)2+32+ (−4)2=√
30≈5.48, kxk1 =1+2+3+4=10,
kxk∞=4.
Vektornormen
Metrik:
- Abstandsmessung zwischen zwei Punkten d(x,y) =kx−yk,
- Beispiel fürV=R2
x= 1
5
, y=
−3 2
Abstand zwischenxundyist
d(x,y) =p
(1−(−3)2+ (5−2)2=√ 25=5.
Produkte
Definition 3.4
Das Euklidische Skalarprodukt (inneres Produkt) von Vektorenx,y∈Rnist
(x,y) =hx,yi= Xn
i=1
xiyi.
Weiter heißen zwei Vektorenx,yorthogonal, wenn(x,y) =0gilt.
Beispiel:
1 2
· −1
3
=1·(−1) +2·3=−1+6=5
Bemerkungen:
- die Euklidische Norm lässt sich definieren alskxk2=p (x,x), - es gibt noch Vektorprodukt und Spatprodukt – lassen wir aus.
Matrizen
Definition 3.5
Einem×n-Matrix hat die Form
A=
a11 . . . a1n
... ... am1 . . . amn
∈Rm×n.
Die einzelnen Einträge aij (i-te Zeile,j-te Spalte) werden Elemente genannt.
Beispiel für Matrizen:
A=
0 1
−1 −1
1 5
∈R#Zeilen×#Spalten=R3×2.
Matrizen
Weiteres Beispiel für Matrizen:
B=
14 π 2e
√3 −5 0
∈R2×3.
Komponentenweise Definition:
C∈R3×2, c11=0, c32=5, c12=c22=1, c21=c31=−1
⇒C=
0 1
−1 1
−1 5