- Seite 1 und 2: Numerische Lineare Algebra im WS 20
- Seite 3 und 4: 7 Numerische Berechnung von Eigenwe
- Seite 5 und 6: Frank Wübbeling5
- Seite 7 und 8: 7. AnwendungDie numerische Mathemat
- Seite 9 und 10: werden. Mit der Taylorentwicklung u
- Seite 11 und 12: Sätze dieser Art sind Inhalt der V
- Seite 13 und 14: Abbildung 1.2: Analytische/Diskrete
- Seite 15 und 16: Warnung: Dies ist eine reine Motiva
- Seite 17 und 18: ✞f u n c t i o n [ o u t p u t a
- Seite 19 und 20: Beispiel 2.3 Sei V = C 0 (I) der Ra
- Seite 21 und 22: Beweis: Sei (v 1 , . . . , v n ) ei
- Seite 23 und 24: Satz 2.15 Sei (U, || · || U ) endl
- Seite 25 und 26: 1. Jede Matrix besitzt eine Basis a
- Seite 27 und 28: □Korollar 2.32 Seien V Banachraum
- Seite 29 und 30: mit m 1 ≠ 0 (oder m = 0).eps = b
- Seite 31 und 32: 2.3 FehlerverstärkungUns interessi
- Seite 33 und 34: Für den tatsächlichen relativen F
- Seite 35 und 36: die Kondition von A und es gelteq =
- Seite 37 und 38: Kapitel 3Direkte Verfahren zur Lös
- Seite 39: Für das Auflösen des Gleichungssy
- Seite 43 und 44: 9. Der Rechenaufwand zur Lösung ei
- Seite 45 und 46: Satz 3.6 ( LR-Zerlegung, engl. LU-Z
- Seite 47 und 48: Z ist Produkt linker unterer normie
- Seite 49 und 50: eine LR-Zerlegung. Wegen der Eindeu
- Seite 51 und 52: ✞f u n c t i o n A = t e s t c h
- Seite 53 und 54: 1. Seien q k die Spalten von Q. Dan
- Seite 55 und 56: 3. Falls m < n, so gibt es eine uni
- Seite 57 und 58: Seien a 1 , . . . , a n die Spalten
- Seite 59 und 60: is m von R leer. In diesem Fall kö
- Seite 61 und 62: i f ( nargin 0 und R ′ ii > 0,i
- Seite 63 und 64: ✞f u n c t i o n [ o u t p u t a
- Seite 65 und 66: 4.1 Die Methode der kleinsten Quadr
- Seite 67 und 68: Abbildung 4.2: Beispiel: Polynomial
- Seite 69 und 70: 2. Sei A t Ax = 0, dann gilt0 = (A
- Seite 71 und 72: Die Normalgleichung lautet⎛( )1 1
- Seite 73 und 74: 1. A t Ax + = A t b.2. x + ∈ Bild
- Seite 75 und 76: 1. Falls n = m und A invertierbar,
- Seite 77 und 78: A hat maximalen Rang, also auch R,
- Seite 79 und 80: alsoSeiλ 1 , . . . , λ r > 0, λ
- Seite 81 und 82: Dieser Satz liefert also eine einfa
- Seite 83 und 84: Kapitel 5Iterative Lösung von Glei
- Seite 85 und 86: 5.1 Der Banachsche FixpunktsatzDefi
- Seite 87 und 88: Korollar 5.4 FehlerabschätzungSeie
- Seite 89 und 90: Anders als die Konvergenz hängt al
- Seite 91 und 92:
✞f u n c t i o n [ o u t p u t a
- Seite 93 und 94:
3. Sei ɛ (k) eine positive Nullfol
- Seite 95 und 96:
Für eine invertierbare lineare Abb
- Seite 97 und 98:
das logistische Modell für Bevölk
- Seite 99 und 100:
Bemerkung:1. Der Aufwand zur Berech
- Seite 101 und 102:
✞f u n c t i o n d o i t ( N )%DO
- Seite 103 und 104:
||x|| ∞ = 1. Es gibt also ein m m
- Seite 105 und 106:
dass 5.19 nur mit ≤ statt < erfü
- Seite 107 und 108:
Definition 5.24 ( Relaxierte Verfah
- Seite 109 und 110:
✞f u n c t i o n x = sor ( A , b
- Seite 111 und 112:
des Landweber-Verfahrens haben wir
- Seite 113 und 114:
5.3 Iterative Lösung nichtlinearer
- Seite 115 und 116:
Damit sind alle Voraussetzungen aus
- Seite 117 und 118:
(dies ist natürlich insbesondere d
- Seite 119 und 120:
Bemerkung:1. Natürlich invertiert
- Seite 121 und 122:
4. Durch Berücksichtigung von weit
- Seite 123 und 124:
✞f u n c t i o n [ o u t p u t a
- Seite 125 und 126:
p l o t ( x , f ( x , p ) , x , f0
- Seite 127 und 128:
wohldefiniert. Wir haben bereits in
- Seite 129 und 130:
Abbildung 6.1: Surface Plot von f i
- Seite 131 und 132:
Seien λ 1 , λ n der größte bzw.
- Seite 133 und 134:
Wählt man die Suchrichtungen also
- Seite 135 und 136:
Es stellt sich also die Frage: Kön
- Seite 137 und 138:
Tatsächlich kann man diese Definit
- Seite 139 und 140:
undn∑||x − y|| 2 A = || α i p(
- Seite 141 und 142:
Damit gilt|p(λ j )| ≤ 1 (√ ) k
- Seite 143 und 144:
✞f u n c t i o n cgdemo%CGDEMOf o
- Seite 145 und 146:
und nutzt zur Definition des Augmen
- Seite 147 und 148:
Aus diesem Grund sind Eigenwertanal
- Seite 149 und 150:
7.1 Kondition des Eigenwertproblems
- Seite 151 und 152:
schlechte Abschätzungen, wenn man
- Seite 153 und 154:
sonst gilt nur|a (j) − λ 1 | ≤
- Seite 155 und 156:
Abbildung 7.2: Langsame Konvergenz
- Seite 157 und 158:
Seien v k die Spalten von X. Wegen
- Seite 159 und 160:
Abbildung 7.4: Konvergenz bei ungü
- Seite 161 und 162:
Wir definieren das QR-Verfahren als
- Seite 163 und 164:
4. (RDR−1 ) k,k = D k,k.5.und dam
- Seite 165 und 166:
2. Falls betragsgleiche, unterschie
- Seite 167 und 168:
Also: Wir führen n Potenzmethoden
- Seite 169 und 170:
Kapitel 8Numerische Approximation i
- Seite 171 und 172:
✞f u n c t i o n [ o u t p u t a
- Seite 173 und 174:
Beispiel 8.21. Sei X = (R 2 , || ·
- Seite 175 und 176:
2. || · || heißt strikt, falls di
- Seite 177 und 178:
Bei der Anwendung von Cauchy-Schwar
- Seite 179 und 180:
Dann hat q(x)p n (x) konstantes Vor
- Seite 181 und 182:
Abbildung 8.5: Gauss-Approximation.
- Seite 183 und 184:
Gauss-Approximation lässt sich auf
- Seite 185 und 186:
y=double ( h e a v i s i d e (0.1
- Seite 187 und 188:
Korollar 8.13 ( Alternantensatz)Sei
- Seite 189 und 190:
Abbildung 8.10: Tschebyscheff-Appro
- Seite 191 und 192:
Lemma 8.17Sei x 0 < . . . < x n+1 .
- Seite 193 und 194:
Abbildung 8.12: Zweite Iteration de
- Seite 195 und 196:
||f − p ∗ n|| ∞ ↦→ 0, n
- Seite 197 und 198:
Die Voraussetzungen dieses Lemmas s
- Seite 199 und 200:
Kapitel 9Grundzüge der linearen un
- Seite 201 und 202:
und offensichtlicher Definition fü
- Seite 203 und 204:
Dies motiviert sofort einen Algorit
- Seite 205 und 206:
Dadurch steht im Vektor die Nichtba
- Seite 207 und 208:
Kapitel 10AusblickÜbersicht über
- Seite 209 und 210:
M. Hanke-Bourgeois. Grundlagen der
- Seite 211 und 212:
Abbildungsverzeichnis1.1 Röntgenbi
- Seite 213 und 214:
Listings1.1 Analytische Lösung der
- Seite 215:
6.4 Treiber zu cg (Krylov/cgdemo.m)