4 ei* kann Spuren von Katzen enthalten nicht für Humorallergiker geeignet alle Angaben ohne Gewehr *
H¨ ohere Mathematik 4
1. N¨ utzliches Wissen e
ix= cos(x) + i · sin(x)
1.1 Sinus, Cosinus
sin2(x)+cos2(x) = 1x 0 π/6 π/4 π/3 12π π 112π 2π
ϕ 0◦ 30◦ 45◦ 60◦ 90◦ 180◦ 270◦ 360◦ sin 0 12 √1
2
√3
2 1 0 −1 0
cos 1
√3 2 √1
2 1
2 0 −1 0 1
tan 0
√3
3 1 √
3 ±∞ 0 ∓∞ 0
Additionstheoreme Stammfunktionen cos(x−π2) = sinx ´
xcos(x) dx= cos(x) +xsin(x) sin(x+π2) = cosx ´
xsin(x) dx= sin(x)−xcos(x) sin 2x= 2 sinxcosx ´
sin2(x) dx=12 x−sin(x) cos(x) cos 2x= 2 cos2x−1 ´
cos2(x) dx=12 x+ sin(x) cos(x) sin(x) = tan(x) cos(x) ´
cos(x) sin(x) =−12cos2(x) Sinus/Cosinus Hyperbolicussinh,cosh
sinhx=12(ex−e−x) =−i sin(ix) cosh2x−sinh2x= 1 coshx=12(ex+e−x) = cos(ix) coshx+ sinhx=ex Kardinalsinussi(x) =sin(x)x genormt:sinc(x) =sin(πx)πx
1.2 Integrale
´exdx=ex= (ex)0 Partielle Integration:´
uw0=uw−´ u0w Substitution:´
f(g(x))g0(x) dx=´ f(t) dt
F(x) f(x) f0(x)
1
q+1xq+1 xq qxq−1
2
√ ax3 3
√ax 2√aax
xln(ax)−x ln(ax) ax
1
a2eax(ax−1) x·eax eax(ax+ 1) ax
ln(a) ax axln(a)
−cos(x) sin(x) cos(x)
cosh(x) sinh(x) cosh(x)
−ln|cos(x)| tan(x) 1
cos2 (x)
´eatsin(bt) dt=eat asin(bt)+ba2 +b2cos(bt)
´√dt at+b=2
√at+b a
´t2eatdt=(ax−1)2 +1 a3 eat
´teatdt= at−1
a2 eat ´
xeax2dx= 2a1eax2
1.3 Exponentialfunktion und Logarithmus
ax=exlna logax= lnxlna lnx≤x−1 ln(xa) =aln(x) ln(xa) = lnx−lna log(1) = 0
1.4 Determinante von
A∈Kn×n:
det(A) =|A|det A e
0 C e
e D f
!
= det A e
B 0 e e
D f
!
= det(A e
)·det(D f ) HatA
e
2 linear abh¨ang. Zeilen/Spalten⇒ |A e
|= 0 Entwicklung. n.iter Zeile:|A
e
|= n P i=1
(−1)i+j·aij· |A e
ij|
Inverse2×2:
"
a b
c d
#−1
= ad−bc1
"
d −b
−c a
#
i =√
−1 |z|2=zz∗=x2+y2
1.5 Reihen
∞ P n=1
1 n→ ∞ Harmonische Reihe
∞ P n=0
qn|q|<1= 1−q1 Geometrische Reihe
∞ P n=0
zn n! =ez Exponentialreihe
1.6 Wichtige Formeln
Dreiecksungleichung:
|x| − |y|
≤ |x±y| ≤ |x|+|y|
Cauchy-Schwarz-Ungleichung:
x>·y
≤ kxk · kyk Bernoulli-Ungleichung: (1 +x)n≥1 +nx Aritmetrische Summenformel Pn
k=1
k=n(n+1)2 Geometrische Summenformel Pn
k=0
qk=1−qn1−q+1
Binomialkoeffizient n
k
= n n−k
=k!·(n−k)!n!
2. Grundlagen der Numerik
Begriffe:
Numerik liefert eine zahlenm¨aßige L¨osung eines Problems mit einem Algorithmus.
Kondition Ein Maß wie stark sich Eingabefehler auf die Ausgabe auswirken.κ=kδfkkδxk→ |f0(x)|
f(x) Mathematisches Problemfmit exakter Eingabex f˜(˜x) Numerischer Algorithmusf˜mit gerundeter Eingabe˜x
2.1 Zahlen und Arithmetik im Rechner
Gleitkommazahlen nach IEEE 754: W ert= (−1)s·2e−127·1.f s∈
−1; 1 : Vorzeichen,e∈Z: Exponent,f∈N: Mantisse Gleitpunktzahlen:
Gb,t= x∈Gb,t
emin≤emax ∪
±∞,NaN Maschinenzahlen:
Mb,t,emin,emax= x∈Gb,t
emin≤e≤emax ∪
±∞,NaN Anzahl der Maschinenzahlen|M|= 2a(b−1)bt−1+ 1 Maschinengenauigkeitb,t=b−(t−1)
In MATLAB:2,53≈2×10−16 Runden:f lb,t(x)
2.2 Kondition:
κabs(x) = f0(x)
κrel(x) = f0(x)
·|x|
|f(x)|
Fallsκrel100: gute Konditionierung
Verkettungh=g(f(x)) κhabs(x) =κgabs(f(x))κfabs(x)
2.3 Fehler
Absolut:
f˜(x)−f(x)
Relativ:
f(x)−f(x)˜
kf(x)k
2.4 Stabilit¨ at
∀x∈X ∧ x˜: kx−˜kxkxk=O(b,t) Vorw¨artsstabil:
f(x)−f( ˜˜ x)
kf(x)k =O(b,t) R¨uckw¨artsstabil:∀x∈X: ˜f(x) =f(˜x)
Horna-Schema f¨ur Polynome:(...((an)x+an−1)x+...+a1)x+a0
3. Matrix Zerlegung
3.1 LR-Zerlegung von Matrizen (Lower and Upper)
Geeignetes L¨osungsverfahren f¨urAe
x=b, fallsn <500 A
e
=L e
·R e
mitR e
ist obere Dreiecksmatrix Gaußverfahren durch Matrixmultiplikaiton
•Zerlegen des ProblemsA e
x=bin das ProblemL e
(R e
x) =bmit A
e
=L e R
e bzw.L
e y=P
e
b(mit Pivotisierung)
•Zerlegungsmatrix (f¨ur2×2):
A e
=
"
a b
c d
#
→
"
a b
c a d−c
ab
#
=A e
∗mit den Eliminations-
faktorenlik= aik akk
z.B.= ac
•F¨ur jede Spalte der unteren Dreiecksmatrix wiederholen.
F¨ur eine3×3Matrix br¨auchte man 2 Durchl¨aufe, da 3 Spalten Elimationsfaktoren bestimmt werden m¨ussen.
•R e
=triu(A e
∗)
(obere Dreiecksmatrix vonA e
∗, inkl. Diagonalelemente)
•L e
=tril(A e
∗,−1) +1
(untere Dreiecksmatrix mite 1en auf der Diagonale.
•Vorw¨artseinsetzen:L e
y=bbzw.L e
y= P e
b(mit Pivotisierung) (L¨ose nachy)
•R¨uckw¨artseinsetzen:R e
x=y (L¨ose nachx) 3.1.1 Pivotisierung (Spaltenpivotsuche) PermutationsmatrixP
e
>=P e
−1vertauscht Zeilen, damit LR Zerlegung bei 0 Eintr¨agen m¨oglich ist. Tausche so, dass man durch die betragsm¨aßig gr¨oßte Zahl dividiert (Pivoelement)
3.2 QR-Zerlegung
Ae
=Q e R
e mitQ
e
−1=Q e
>
Verfahren: Housholder (numerisch stabil) , Gram-Schmidt, Givens Rotati- on.
A e
−EZF−−−→H f A e
−EZF−−−→H˜ f H f A
e
=R e
⇒A e
=H f
>H˜ f
>R Aufgabe: Finde Vektorvder Senkrecht aufH e
f steht.
Q/R Zerlegung f¨urA e
∈Rm×n
•Setzea=s1(erste Spalte) undv=a+ sgn(a1)kake1
•Konstruiere dieHouseholderTransformationsmatrix mit H
f v=E
e m− 2
v>vvv>
•Erhalte die MatrixH f
vA e
die in der ersten Spalte bis auf das Element a11nur Nullen enth¨alt
•SetzeQ e
1=H f v
•Wende den gleichen Algorithmus auf die UntermatrixA e
∗(H f
vA ohne erste Zeile und Spalte) an. e
•Setze anschließendQ e
2=H f
vund f¨ulle mit erweitere mitEm(d.h.
erste Zeile und Spalte die vonEm)
•Nachp= min
m−1, n Schritten:H f
vA e
∗ist obere Dreiecks- matrix→Disco, disco, party, party; )
•Somit ist mitQ e
>=Q e
p· · ·Q e
1istQ e
>A e
=R e
undA e
=Q e R
e Anwendungen
L¨osen von LGSen mit der QR Zerlegung Bestimme x durch R¨uckw¨artssubsitution ausR
e x=Q
e
>b
Anwendung in der linearen Ausgleichsrechnung (Minimierung d. Re- stes)
Problem:A e
>A e
x=A e
>bmitA e
∈Rm×nundb∈Rm L¨osen der Normalengleichung
•Bestimme eine reduzierte QR-Zerlegung A
e
= ˜Q e R˜
e mitQ˜
e
∈Rm×n,R˜ e
∈Rn×n
•L¨oseR˜ e
x= ˜Q e
>b
b−A
e x
2= Q
e
>(b−A e x)
2=
˜b−R˜ e x
2+kck2≥ c2
4. Fixpunktiteration
Nullstellenproblemf(x) = 0
Fixpunktproblemφ(x) =x mitφ(x) =g(x)f(x) +x Rekursive L¨osung: xi+1=φ(x)
Bsp:x7−x−2 x=√7
x+ 2, x=x7−2 MATLAB:x=s; for k=1:n; x=phi(x); end
4.1 Konvergenz von Iterationsverfahren
Falls(xk)kmitx0=sundxk+1=φ(xk)dann ist der Grenzwert von (xk)kein Fixpunkt vonφ, dennx= lim
k→∞φ(xk) =φ( lim k→∞xk) = φ(x)
Fehlerek=|xk−x∗|
Libschitzstetig:∃L <∞:kf(a)−f(b)k ≤Lka−bk Globaler Konvergenzsatz von Banach f¨urφ:D→Rn Falls
•D⊆Rnist abgeschlossen
•f(D)⊆D(Selbstabbildung)
• ∃L= sup x∈D
φ0(x)
<1 (Kontraktion)
Dann konvergiertφ∀x0∈Deindeutig gegenx∗und es gilt folgende Fehlerabsch¨atzung:
•A-Priori:kxk−x∗k ≤1−LLk kx1−x0k ≤ε
•A-posteriori:kxk−x∗k ≤1−LL
xk−xk−1
•F¨ur Genauigkeitε:k≥ln ε(1−L) kx1−x0k
/ln(L) Lokale Konvergenz:φ([a, b])⊆[a, b] ∧
φ0([a, b]) <1 Lokale Konvergenz ohne Norm:Fallsmaxλi<1mitλiis EW vonJ
e φ
5. Iterative N¨ aherungsverfahren
Problemstellung
SchreibeAe
x=bin ein Fixpunktproblem um:
FindeA e
=M f
−N f
mitM f
ist invertierbar. ⇒(M f
−N f
)x=b φ(x) =M
f
−1N f
x+M f
−1b=T e
x+C e F¨ur jedesx0∈Rnkonvergent, falls Spektralradiusρ(M
f
−1N f
)<1 Je kleiner der Spektralradius vonM
f
−1N f
desto bessere Konvergenz.
A e
=M f
−N f
Systemmatrix D
f
Diagonalmatrixdiag(diag(A e )) L
e
negative linke untere Dreiecksmatrix R
e
negative rechte obere Dreiecksmatrix
Wichtige Begriffe
Diagonaldominante Matrix:Diagonalelemente sind gr¨oßer als die restli- chen Elemente der selben Zeile:|aii|>P
j|aij|mitj6=i Spektralradiusρ(A
e
)einer MatrixA e
:Betragsm¨aßig gr¨oßter Eigenwert.
Konvergenzbeweis aller Verfahren: Gershgorinkreise um die Null mitr≤ 1
5.1 Jacobiverfahren
Konvergiert∀x0∈Rn, fallsAe
strikt diagonaldominant.
x0=s∈Rn M f
=D f
N f
=L e
+R e
=D f
−A e xk+1=φ(xk) =D
f
−1·(D f
−A e
)·xk+D f
−1b
Komponentenweise:xk+1= (a−1ii (bi− P j=1,j6=i
aijxk,j)i
Homepage: www.latex4ei.de – Fehler bittesofortmelden. von Emanuel Regnath und Martin Zellner - info@latex4ei.de Stand: 20. Februar 2013 um 0:39 Uhr 1
5.2 Gauß-Seidel Verfahren
Unterschied zu Jacobi: Komponentenweise Berechnung vonxmit bereits iterierten Werten. (K¨urzere Iterationszyklen)
Konvergenz:A e
ist strikt diagonaldominantoderA e
ist positiv definint.
Komponentenweise Darstellung:
x(k+1)i =a−1ii
bi− i−1 X j=1
aijx(k+1)j − n X j=i+1
aijx(k)j
Matrixdarstellung:
x(k+1)= (D f
−L e
)−1· R e
x(k)+b MitM
f
= (D f
−L e
) N
f
=R e
5.3 SOR Verfahren
Konvergenz:f¨ur0< ω <2und positiv definitesA e x(neu)k+1 =ωx(alt)k+1 + (1−ω)xk
Bestimmeωso, dass die Konvergenz besser wird:ωopt=2−λ2 1−λ2 Matrixdarstellung:
xk+1= (1 e
n−ωD f
−1L e
)−1((1−ω)1 e
n+ωD f
−1R e
)xk+ω(1n− ωD
f
−1L e
)−1D f
−1b A
e
= (ω1D f
−L e
)− (ω1−1)D
f +R
e
Komponentendarstellung:
xk+1i =ωa−1ii bi− i−1
P j=1
aijx(k+1)j − Pn j=i+1
aijx(k)j
! + (1− ω)x(k)i
6. Nichtlineare Gleichungen
Problemstellung
Gegeben nichtlineare, stetige Funktion f: [a0, b0]→R, f(a0)·f(b0)<0
6.1 Bisektionsverfahren
Globale, lineare Konvergenz mit|x∗−xk| ≤ 1 2k(b0−a0) Bisektionsverfahren
•xk= 12(ak+bk)
• ak+1=ak, bk+1=xk , fallsf(ak)f(xk)<0 ak+1=xk, bk+1=bk , sonst
•Abbruch falls|bk−ak|< εoder maxiter erreicht
6.2 Newton-Raphson-Verfahren
Funktion durch Gerade ann¨ahern und Nullstelle bestimmen. An dieser Stelle den Vorgang wiederholen. Nur geeignet f¨ur einfache Nullstellen.
∃UmgebungUmitf0(x)6= 0∀x∈U xk+1=xk− f(xk)
f0(xk) xk+1=xk−J
e
−1
f (xk)f(xk) MATLAB:
x=x−J e
f\f Abbruchkriterium:
xk−x∗
≤ k∆xk+c xk−x∗
6.2.1 Vereinfachtes Newtonverfahren
Man benutzt die Jacobimatrix ¨uber mehrer Iterationen.
Bemerkungen: Es gibt keine Existenz und Eindeutigkeitsaussage zur L¨osbarkeit des Nullstellenproblems
J e
f(x) =
∂f1
∂x1
∂f1
∂x2
∂f2
∂x1
∂f2
∂x2
7. Numerik gew¨ ohnlicher DGL
x(t) =. f t, x(t)
, x(t0) =x0 Samplesh= t−tn0 Vorgehen: Finde diskrete Werte x[ti] anstatt N¨aherungsfunktion x=x(t)
7.1 Einzelschrittverfahren
Def: Man erh¨altxk+1ausxkEulersches Polygonzugverfahren:xk+1=xk+h·f(tk, xk) Mittelpunktregel(implizit):
xk+1=xk+h·f(tk+1 +tk2 ,xk+1 +xk2 )
Implizites Eulerverfahren(rekursiv):xk+1=xk+h·f(tk+1, xk+1) Mit verkleinern der Schrittweite wird die Genauigkeit der L¨osung nicht unbedingt besser (Schrittweitensteuerung)
Mehrschrittverfahren: Man erh¨altxk+1ausxk, xk−1, ...x1
8. Verfahren zum numerischen L¨ osen von DGLs
8.1 4 Stufiges Runge-Kutta Verfahren
Einschrittverfahren f¨ur AWPs mit variabler Schrittweite.Butcher Schema: c A e b>
= 0 1 21 2 1
0 0 0 0
1
2 0 0 0
0 12 0 0
0 0 1 0
1
6 1
3 1
3 1
6 k1=f(tn, xn) k3=f(tn+h2, xn+h2k2) k2=f(tn+h2, xn+h2k1) k4=f(tn+h, xn+hk3) xk+1=xk+hP
biki=xk+h6 k1+ 2(k2+k3) +k4 F¨ur andere Stufenzahl(s):ki=f(tn+cih, xn+hPs
j=1 aijkj)
9. Optimierung
Problemstellung
f:Zielfunktion X Zul¨assigkeitsbereich
⊆Rd→R gesucht:minf= max−f
∇f(x∗) = 0undH f
f(x∗)pos. definit. (Numerische Katastrophe)
9.1 Abstiegsverfahren / Gradientenverfahren
Konvergenz: linear
Abstiegsverfahren
•Bestimme Abstiegsrichtungvk:∇f(xk)vk<0 Gradientenverfahren:vk=−∇f(xk)
•Bestimme Schrittweitehk:f(xk+hkvk)< f(xk) Armijo:maxhk∈
1,12,14,18, ...
f(xk+hkvk)< f(xk) +hkγ∇f(xk)>vk γ∈]0,1[
•Setzexk+1=xk+hkvk
•Abbruch, fallsxkapproximativ station¨ar ist.
9.2 Das lokale Newton-Optimierungsverfahren
Geg:f∈ C2, Ges:x∗:∇f(x∗) = 0lokales Newton-Optimierungsverfahren
•W¨ahle Startpunktx0∈Rd
•Falls∇f(xk) = 0→Stop: Ergebnisxk
•Bestimmevkdurch l¨osen vonH f
f(xk)vk=−∇f(xk)
•Setzexk+1=xk+vk
9.3 Das globale Newton-Optimierungsverfahren
Geg:f∈ C2, Ges:x∗:∇f(x∗) = 0globales Newton-Optimierungsverfahren
•Bestimmevkdurch l¨osen vonH f
f(xk)vk=−∇f(xk) Falls∇f(xk)>vk0→Newtonschritt
Falls∇f(xk)>vk60→Gradientenverfahren mit Armijo
•Setzexk+1=xk+vk
•Abbruch, fallsxkapproximativ station¨ar ist.
10. Funktionentheorie (Komplexe Funktionen)
10.1 Reelifizierung
f(z) =f(x+yi) =u(x, y) + iv(x, y) sin(z) = sin(x) cosh(y) + i cos(x) sinh(y) cos(z) = cos(x) cosh(y)−i sin(x) sinh(y) sinh(z) = cos(y) sinh(x) + i sin(y) cosh(x) cosh(z) = cos(y) cosh(x) + i sin(y) sinh(x)
10.2 holomorphe(analytische, regul¨ are) Funktionen
f Eine Funktionfistholomorph fallsfinGkomplex differenzierbar ist.
ganz fallsfin ganzCkomplex differenzierbar ist.
konform falls Kurven Winkel- und Orientierungstreu bleiben.
fist genau dann holomorph, fallsf(x+yi) =u(x, y) + iv(x, y)und
•u, vsind stetig partiell diffbar
•Cauchy-Riemann DGLs sind erf¨ullt:
∂xu(x, y) =∂yv(x, y) ∂yu(x, y) =−∂xv(x, y) Holomorph:exp,sin,cosh, Polynome,f±g,f g,fg,f(g)
10.3 harmonische Funktionen
u, vubzw.vsind harmonisch, falls gilt:
∆u=∂xxu+∂yyu= 0 ∆v=∂xxv+∂yyv= 0 oder fallsf(z) =u+ ivholomorph ist; denn mit Satz von Schwarz:
∆u=∂yxv−∂xyv= 0 ∆v=−∂yxu+∂xyu= 0 Bestimmung der harmonischen Konjugierten
•geg: harm. Fkt.u:G→R,(x, y)→u(x, y)
•ges: harm. Fkt.v : G → R,(x, y) → v(x, y) so, dass f:G→V, f(z) =u(x, y) + iv(x, y)
•v(x, y) =´
uxdymit Integrationskonstanteg(x)
•vx=−uy⇒g0(x)
•g(x) =´
g0(x) dx⇒vbis auf KonstanteCbestimmt
•zugeh¨orige holomorphe Fkt.f(z) =u(x, y) + iv(x, y)
10.4 M¨ obiustransformation
Cˆ=C∪∞
Einzige bijektive, holomorphe, konforme Abbildung vonˆCauf sich selbst.
f:C\
−d c →C\
−d
c ,f(z) =az+bcz+d ad−bc6= 0 f−1(w) =−cw+adw−b
10.5 Komplexes Kurvenintegral
f¨urD⊂CGebiet,f :D→Cstetig,γ : [t1, t2]→stetig diffbar orientierte Kurve.
So brechnet man ein komplexes Kurvenintegral
•Bestimme Parametrisierung vonγ γ=γ1+. . .+γ2,γi: [ai, bi]→C
•Stelle Inegrale auf
´
γif(z) dz= bi´ ai
f γi(t)·. γi(t) dt Fallsfholomorph:´
γf(z) dz=F γ(b)
−F γ(a)
•Berechne die Integrale und addiere:
´ γ
f(z)dz= h P i=1
´
γif(z) dz
10.6 Cauchy-Integralformel
(falls Unstetigkeitsstelle auf GebietG) Fallsγ geschl. doppelpunktfreie Kurve in einfach zsh. GebietGmit holomorphen Fkt.f, gilt f¨ur jedes z0∈G
f(z0) = 1 2πi
‰ γ
f(z) z−z0 dz f(k)(z0) =2πik! ¸
γ f(z) (z−z0 )k+1dz
10.7 Integralsatz von Cauchy
Falls keine Unstetigkeitsstelle innerhalb der Kurveγ
f:G→Ckomplex diffbar auf offenem, einfach zusammenh¨angendem GebietG⊂C.γsei einfach geschlossene Kurve inG(keine Doppel- punkte).
¸ γ
f(z) dz= 0
10.8 Singularit¨ aten
Isolierte Singularit¨atz0: f:G\
z0 →C (einzelne Punkte) Hebbare Sing., fallsfauf punktierter Umgebung beschr¨ankt ist.
Polmter Ordnung:(z−zo)mf(z)ist hebbar inz0 Wesentliche Singularit¨at: Sonst.
10.9 Taylorreihe und Laurentreihe
Taylorreihe:fallsfholomorph:f(z) =
∞ X k=0
f(k)z0 k! (z−z0)k Laurentreihe:Fallsfnicht holomorph ist.
∞ X k=−∞
ck(z−z0)k
zerf¨allt in
∞ P k=1
dkwkmitdk=c−kundw=z−z1
0(Hauptteil) und
∞ P k=0
ck(z−z0)k(Nebenteil)
Konvergenz falls Hauptteil und Nebenteil konvergiert.
Konvergenzradien:R= lim
ck ck+1
∈[0,∞]
Resiudensatz:Resz0f=c−1= 2πi1 ¸ f(z) dz Allgemeiner Residuensatz GGebiet:f : G\
z1, . . . , zn →C hol.
∀ doppelpunktfrei, geschlossene und pos. orientierte Kurven γ mit z1, . . . znliegen im Inneren vonγ:
¸
γf(z) dz= 2πiPn
k=1Reszkf Resz0
g h= g(z0 )
h0(z0 ) Resz0 g(z) (z−z0 )m= g
(m−1) (z0 ) (m−1)!
Resz0ghh0 =mg(z0) m:Ordnung der Polstelle
Homepage: www.latex4ei.de – Fehler bittesofortmelden. von Emanuel Regnath und Martin Zellner - info@latex4ei.de Stand: 20. Februar 2013 um 0:39 Uhr 2