Angewandte Mathematik Für LAK - Übungen PDF

UE Angewandte Mathematik für LAK Lukas Ostermann
Blatt 1 – Fehleranalyse, Kondition, Rundungsoperator, Stabilität

Beispiel 1
Berechnen Sie mit Hilfe des Rundungsoperators ( { }) die

Gleitkommazahl ( ).
∑
( ) { (∑ ) { } }
heißt die Menge aller Gleitkommazahlen zur Basis , mit Mantissenlänge und
Exponentenbereich { }
(∑ ) { }
(∑ ) { }
Definiere den Rundungsoperator ( ) durch:
(∑ )
( (∑ ) )
(∑ )
{
( { }) { }
⏟
⏟
( ) ( ( ) ) ( )
Man muss hier nicht aufrunden, weil .
Anmerkung:
„F P “
( ( ) ) ( )
[ |⏟
|| |||||]
⏟
Seite 1
Beispiel 2
Berechnen Sie mit Hilfe des Rundungsoperators ( { }) die

Gleitkommazahlen rd(102) und rd(115).
Sei ( { }) ( { }) ( { }).
Berechnen Sie .
( { }) { }
( )
( ) ( ( ) ) ( )
Man muss hier nicht aufrunden, weil .
( )
( ) ( ( ) ) ( )
Man muss hier aufrunden, weil .
( { }) ( { }) ( { })
([ ] [ ]) ( ) ( )
Beispiel 3
Berechnen Sie zwei Näherungen ̃ und ̃

̃ an den Wert
( ) √( )
mit Hilfe von den folgenden Algorithmen
(√ )
(√ )
̃ ̃
̃
Verwenden Sie dabei den Rundungsoperator ( { })
Sind diese Algorithmen numerisch stabil?
( ) ( )
( ) ( )
Seite 2
Algorithmus 1:
( ) ( ) ( )
( ) ([ ] ) ( ) ( )
([ ] [ ]) ( )
(√ ) (√ ) ( )
̃ ( ) ( ) ( ) ̃
Algorithmus 2:
( ) ([ ] [ ]) ( )
̃ ( ) ( ) ( ) ̃
Unvermeidbarer Problemfehler:
( ) ( )
( )
( ) ( ) ( )
( ) √ √
√( )
( ) ( ) ( )
( ) √ √ (√ )
√( )
| ( )| | ( )| P
( ) ( ̃)
| | {| ( )|} ( {| ( )|} )
( P ) ( )
( ) ( ̃)
P | |
( )
Akkumulierter Rundungsfehler:
̃
| |
̃
| |
Seite 3
Beispiel 4
( )
Für ( ) soll ( ) ausgewertet werden. Ergibt die Auswertung von ein
gutes numerisches Ergebnis oder ist es besser die äquivalente Formel ( )

( )
auszuwerten?
Zum Beispiel nimm bei der Rechnung mit und .
( ) ( )
Formel 1:
( ( )) ( ) ( )
̃( ) ( )
Formel 2:
( ( )) ( )
( ) ( )
( )
([ ] [ ]) ( )
̃( ) ( ) ( )
Exakter Wert:
( )
Unvermeidbarer Problemfehler:
( ( ) )
( ) ( ) ( )
( )
( ) ( ̃)
P | |
( )
Akkumulierter Rundungsfehler:
̃
F | |
̃
F | |
Man sieht, dass es besser ist Formel 2 auszuwerten, d.h. Formel 2 (Algorithmus 2) ist numerisch
stabil.
Seite 4
Beispiel 5
Berechnen Sie numerisch (mit dem Taschenrechner) den Wert
Ändern Sie diese Formel, so dass Sie eine gute Näherung für erhalten.
Bei Formel 1 ergibt die numerische Näherung √ und damit wird der
Nenner gleich 0 und die Funktion undefiniert.
√
F ̃ √
√ ⏟
√
Also Formel 1 ist äquivalent zu Formel 2, aber liefert einen numerischen Wert.
Blatt 2 – Konditionszahlen, Matrixnormen, Störungssatz

Beispiel 1
Berechnen Sie die Konditionszahlen des Problems
( ) ( )
Für welche , ist dieses Problem gut bzw. schlecht konditioniert?
( )
( ) ( )
( ) ( )
( )
F | | | | | | P
F | | | | | | P
| | | |
{| | | |
Sonst gut konditioniert.
Seite 5
Beispiel 2
Zeigen Sie, dass die Zeilensummennorm
‖ ‖ ∑| | ( )
eine Matrixnorm ist.
Eine Abbildung ‖ ‖ [ ) heißt Matrixnorm, falls:
() ‖ ‖ ‖ ‖
( ) ‖ ‖ | | ‖ ‖
( ) ‖ ‖ ‖ ‖ ‖ ‖
Eigenschaft (i):
‖ ‖ ∑| |
Klar, weil Betrag einer reellen Zahl immer positiv und Summe positiver Zahlen positiv.
‖ ‖
Auch klar, denn damit die Summe der Beträge 0 sein kann, muss jeder Eintrag gleich 0 sein.
Eigenschaft (ii):
‖ ‖ | | ‖ ‖
‖ ‖ ∑| | | | ( ∑| |) | | ‖ ‖
Eigenschaft (iii):
‖ ‖ ‖ ‖ ‖ ‖
‖ ‖ ∑| | (∑| | | |)
∑| | ∑| | ‖ ‖ ‖ ‖
Hier wurden die Eigenschaften der reellen Betragsfunktion und der Maximumsfunktion
ausgenutzt.
Seite 6
Beispiel 3
Berechnen Sie für die Matrizen
( ) ( )
die Inversen , und die Konditionszahlen ( ) und ( )
‖ ‖ ∑| | ( )
‖ ‖ ∑| | ( )
( ) ( )
( ) ‖ ‖ ‖ ‖
( ) ‖ ‖ ‖ ‖
( ) ( )
( ) ‖ ‖ ‖ ‖
( ) ‖ ‖ ‖ ‖
Seite 7
Beispiel 4
Berechnen Sie die exakten Lösungen der Gleichungssysteme
() ( ) ( )
( ) ̃ () ̃ ( )
Ist das Gleichungssystem gut bzw. schlecht konditioniert?
Teil (i):
( )( ) ( ) ( )( ) ( )
( )
Teil (ii):
Für das leicht veränderte System ergibt sich folgende Lösung:
Konditionierung:
‖ ‖
( ) ( )
[ ( ) ( )]
‖ ‖
( ) ‖ ‖ ‖ ‖ P
„ “ F ung an.
Seite 8
Beispiel 5
Betrachten Sie das lineare Gleichungssystem
( )( ) ( )
Wie groß ist der relative Fehler ‖ ̃‖ ‖ ‖ , wenn der Fehler in den Matrixelementen
höchstens und in den Komponenten der rechten Seite höchstens beträgt?
Exakte Lösung:
⁄ ⁄ ⁄ ⁄
( )( ) ( ) ( | ) ( | ) ( | )
⁄ ⁄
( )
‖ ̃‖ ( ) ‖ ̃‖ ‖ ̃‖
( )
⏟‖ ‖ ‖ ̃‖ ⏟ ‖ ‖ ‖ ‖
( )
⏟ ‖ ‖
Voraussetzungen für den Störungssatz:
( )
( ) ‖ ̃‖
‖ ‖
Rechnung:
⁄ ⁄ ⁄ ⁄
( ) ( ) ( ) ‖ ‖
⁄ ⁄ ⁄ ⁄ ⁄ ⁄
‖ ̃‖
‖ ‖
( ) ‖ ‖
( ) ‖ ‖ ‖ ‖ P
‖ ̃‖ ‖ ̃‖
̇
‖ ‖ ‖ ‖
‖ ̃‖
( ̇ )
‖ ‖ ̇
Seite 9
Blatt 3 – Gauß-Elimination, Gesamt- und Einzelschrittverfahren

Aufgabe 2.6.
Gegeben sei das lineare Gleichungssystem mit
( ) ( )
(i) Es gilt ‖ ‖ . Ist dieses Problem gut bzw. schlecht konditioniert? Begründen Sie ihre
Antwort.
(ii) Lösen Sie dieses Gleichungssystem zunächst exakt und dann in fünfstelliger
Gleitkommaarithmetik mit Hilfe der Gauß-Elimination ohne Pivotierung.
(iii) Lösen Sie dieses Gleichungssystem in fünfstelliger Gleitkommaarithmetik mit Hilfe der Gauß-
Elimination mit Pivotierung.
(iv) Skalieren Sie das Gleichungssystem mit Hilfe einer Äquilibrierung/Zeilenskalierung und
berechnen Sie die Lösung des skalierten Systems in fünfstelliger Gleitkommaarithmetik mit Hilfe
der Gauß-Elimination mit Pivotierung.
(v) Vergleichen Sie die relativen Ausgabefehler aus (ii)-(iv). Sind die Algorithmen in (ii)-(iv)
numerisch stabil?
Teil (i):
( ) ‖ ‖
( ) ‖ ‖ ‖ ‖ P
Teil (ii):
( | ) ( | )
( )
( ) [ ]
( )
Seite 10
Gauß-Elimination ohne Pivotierung in 5-stelliger Gleitkommaarithmetik:
( | )
( | ) [ ]
( | ) [ ]
̃
( )
̃ ̃ ( )
( ) ( )
̃
}
Teil (iii):
Gauß-Elimination mit Pivotierung in 5-stelliger Gleitkommaarithmetik:
( | ) [ ]
( | ) [ ]
( | ) [ ]
̃
̃
( )
̃
̃ ̃ ( )
( ) ( )
̃
̃
}
Seite 11
Teil (iv):
Äquilibrierung/Zeilenskalierung:
( )
( | )
( | ) [ ]
Gauß-Elimination mit Pivotierung in 5-stelliger Gleitkommaarithmetik:
( | ) [ ]
( | )
[ ]
( | )
[ ]
̃
̃
̃
̃ ( ) ̃
̃
̃ ( )
̃ ( ) ( )
̃
̃
}
Seite 12
Teil (v):
( ) ̃ ( ) ̃ ( ) ̃ ( )
‖ ̃‖ ‖ ̃‖
‖ ̃‖
‖ ‖ ‖ ‖ ‖ ‖
Abschätzung:
Da wir eine -Matrix und einen Vektor betrachten können wir in der
Zeilensummennorm den relativen Eingabefehler mit eps abschätzen.
‖ ̃‖ ( )
⏟
⏟‖ ‖ ⏟ ( )
‖ ̃‖
( ) ( ( ))
‖ ‖
Damit können wir sagen, dass die Algorithmen (ii) und (iii) numerisch stabil sind.
Um (iv) zu überprüfen muss man beachten, dass sich die Konditionszahl durch die
Äquilibrierung geändert hat. Dort ergibt sich laut (iv) folgende Matrix:
( ) ‖ ‖ ‖ ‖
‖ ̃‖
( )
‖ ‖
Auch (iv) ist numerisch stabil.
Anmerkung zu Aufgabe 2.6.:
Die hier angeführten (gerundeten) Ergebnisse sind nicht korrekt (für korrekte Lösung siehe
Musterlösung).
Merke: „ j “
Um mehr über die Stabilität zu erfahren vergleiche den betragsmäßig größten Wert in der
letzten Dreiecksmatrix mit dem betragsgrößten Wert in der Ausgangsmatrix.
Seite 13
Blatt 4 – Gauß-Elimination, Gesamt- und Einzelschrittverfahren

Aufgabe 2.7.
Gegeben sei das lineare Gleichungssystem mit
( ) ( )
(i) Führen Sie zu dem Startvektor [ ] ( ) je drei Schritte des Jacobi- und Gauß-
Seidel-Verfahrens durch.
(ii) Schreiben Sie die Iterationsfunktion des Jacobi- bzw. Gauß-Seidel-Verfahrens hin.
(iii) Zeigen Sie, dass die beiden Verfahren in diesem Fall konvergieren.
(iv) Geben Sie die a priori Fehlerabschätzung für ‖ [ ] ‖ an, ohne weder die Lösung des
Gleichungssystems noch [ ] mit Hilfe des Jacobi-Verfahrens zu berechnen.
(v) Geben Sie die a posteriori Fehlerabschätzung für ‖ [ ] [ ]
‖ an, ohne [ ]
mit Hilfe des
Gauß-Seidel-Verfahrens zu berechnen.
Teil (i)
( ) ( )
( ) ( ) ( ) ( )
⏟ ⏟ ⏟
( )
Jacobi-Verfahren (JV):
⁄ ( ) [ ] [ ] [ ] [ ]
⁄
⁄
[ ] [ ]
( )
Seite 14
Gauß-Seidel-Verfahren (GSV):
⁄ ( ) [ ] [ ] [ ] [ ]
[ ] [ ]
( ) ( )
GSV wird gleich gerechnet wie JV nur, dass die neu berechneten Einträge gleich
wiederverwendet werden.
Teil (ii)
⁄ ⁄
⁄ ⁄
( ) ( ) ( ) ( )
⁄ ⁄
⁄ ⁄
⁄ ⁄
⁄
( ) ( ) ( ) ( ) ( )
⁄
⁄
Teil (iii)
Definition:
Die Iterationsfunktion heißt kontrahierend, falls:
‖ ( ) ( )‖ ‖ ‖
mit Kontraktionszahl
‖ ( )‖ ‖ ( ) ‖
Satz:
Das JV bzw. GSV konvergiert, falls es eine Matrixnorm gibt für die ‖ ‖ .
( ) ( )
[ ]
[ ]
Seite 15
Alternative Methode um Konvergenz zu zeigen:
Satz:
Falls stark diagonaldominant ist, das heißt falls gilt:
| | ∑| |
(also falls die Summe der übrigen Zeileneinträge kleiner als der Diagonaleintrag im Betrag ist), dann
konvergieren JV und GSV für jeden Startvektor [ ] .
[ ]
( )
Teil (iv)
[ ]
A priori Fehlerabschätzung für ‖ ‖ :
[ ] [ ] [ ]
‖ ‖ ‖ ‖ ‖( ) ( )‖
⏟
[ ] [ ] [ ]
‖ ‖ ‖ ‖ ‖( ) ( )‖
Teil (v)
[ ] [ ]
A posteriori Fehlerabschätzung für ‖ ‖ :
⁄
[ ] [ ] [ ] [ ] ⁄
‖ ‖ ‖ ‖ ‖( )‖
⁄
⏟ ⁄
⁄
[ ] [ ] [ ] [ ] ⁄
‖ ‖ ‖ ‖ ‖( )‖
⁄
⁄
Seite 16
Blatt 5 – Kurven in
Aufgabe 3.1.
[ ]
Sei ( ) { ( ]
(i) Zeichnen Sie ( ) für für .

(ii) Zeichnen Sie ( ) für für .
(iii) Zeichnen Sie ( ) für für .
Teil (i)
( )
( )
Teil (ii)
( ) ( )
( ) ( )
Seite 17
Teil (iii)
Aufgabe 3.2.
| | | |
Sei ( ) {
Zeichnen Sie die Kurven
( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
und
( ) ( ) ( ) ( ) ( ) ( ) ( ) [ ]
Seite 18
( )( ) ( |
( )⏟ | ) [ )
[ ]
( )
( ) (⏟ | | ) ( ) (⏟ | | ) [ ]
{ [ ] [ ]
( )( ) ( )( ) [ )
( )
( )( ) ( )( ) [ ]
{
( ) ( ) [ )
( )
( ) ( ) [ ]
{
( ) ( ) [ )
( )
( )( ) ( )( ) [ ]
{
( ) ( ) [ )
( )
( ) ( ) [ ]
{
Seite 19
Blatt 6 – Kurven in
Aufgabe 3.3.
(i) Bestimmen Sie die polynomiale Kurve [ ] ( ) ( ) ( ) ( )
die durch die Punkte ( ) ( ) und ( ) verläuft.
(ii) Bestimmen Sie die polynomiale Kurve [ ] ( ) ( ) ( ) ( )
die durch die Punkte ( ) ( ) und ( ) verläuft.
Teil (i)
( )( ) ( ) ( | ) ( | )
( )( ) ( ) ( | ) ( | )
⁄ ⁄
( ) ( ) ( ) ( ) [ ]
⁄ ⁄
2.0
1.5
1.0
0.5
0.5 1.0 1.5 2.0
0.5
1.0
Seite 20
Teil (ii)
( | ) ( | )
⁄ ⁄
( ) ( ) ( ) ( )
⁄ ⁄
2.0
1.5
1.0
0.5
0.5 1.0 1.5 2.0
Seite 21
Aufgabe 3.4.
[ ]
Sei ( ) { ( ]
Zeigen Sie, dass gilt: ( ) ( ) ( ) ( )
Weil ( ) ( ) ( ) ( ) alle für [ ] gilt:
( ) [ ]
1. Fall, [ ]:
( ) [ ]
( ) ( ) ( ) { ( ) ( ]
( ) ( ) ( )
2. Fall, [ ]:
[ ]
( ) ( ) ( ) ( ) { ( ]
( ) ( ) ( ) ( ) ( )
3. Fall, [ ]:
( ) [ ]
( ) ( ) ( ) ( ) { ( ) ( ]
( ) ( ) ( ) ( )
4. Fall, [ ]:
( ) ( ) ( ) ( )
Seite 22
Blatt 7 – Konvergenz von Unterteilungsalgorithmen

Aufgabe 3.5.
(i) Berechnen Sie zwei Schritte des Unterteilungsalgorithmus zu
[ ] { }.
( ) ( ) ( ) ( ) und ( ) mit
[ ] [ ] [ ].
Zeichnen Sie die entsprechenden Polygonzüge ( ) und ( ) für
(ii) Berechnen Sie drei Schritte des Unterteilungsalgorithmus zu
[ ] { }.
( ) ( ) ( ) ( ) und ( ) mit
[ ] [ ] [ } [ ].
Zeichnen Sie die entsprechenden Polygonzüge ( ), ( ) und ( ) für
(iii) Sind die Unterteilungsalgorithmen aus (i) und (ii) konvergent?
Teil (i):
[ ] [ ] [ ]
( ) ( ) ( )
[ ] [ ]
( ) ( ) ( ) ( )( )
( )
[ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( )
Seite 23
[ ] [ ] ⁄ ⁄
( ) ( ) ( ) ( )( )
⁄ ⁄ ⁄
( )
[ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ]
( ) ( ) ( ) ( )
Seite 24
Teil (ii):
[ ] [ ]
( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( )
[ ] [ ]
( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ]
( ) ( ) ( ) ( )
Seite 25
[ ] [ ]
( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( ) ( )
[ ] [ ] [ ] [ ] [ ]
( ) ( ) ( ) ( ) ( )
Teil (iii) – Konvergenz:
Zuerst betrachten wir den ersten Algorithmus ( ) ⁄ ⁄ :
( )
( ) ( ) ( ) ( ) ( )
{ }
Nun betrachten wir den zweiten Algorithmus ( )
∑ ∑
Seite 26
Aufgabe 3.6.
( ) ∑ { }
Zeigen Sie, dass die folgenden Bedingungen äquivalent sind:
() ∑ ∑
( ) ( ) ( )
( ) ∑ ∑
( ) ∑ ∑ ∑ ∑ ( )
( )
( ) ∑ ∑ ∑ ∑
Für die Rückrichtung müsste eigentlich gezeigt werden, dass die Reihen (Laurentreihen) absolut
konvergent sind und das umordnen deshalb erlaubt ist.
Seite 27
Blatt 8 – Weitere Eigenschaften von Unterteilungsalgorithmen

Aufgabe 3.7.
Für { }, seien
[ ]
( ) ∑ ( )
Welche Eigenschaften hat die Grenzkurve
[ ] ( ) ∑ ( )
des entsprechenden Unterteilungsalgorithmus? Begründen Sie Ihre Antwort.
( ) ∑ { }
( ) ∑ ( ) [ ]
Eigenschaften von Eigenschaften von
Dann existiert keine Grenzkurve .

( ) ∑ ∑
Also existiert keine Funktion
( ) () ( ) ( ) ( )
Dann ist stetig auf [ ].
( ) {∑| | ∑| |} Auch ist stetig.
( ) () ( ) ( ) ( )
Dann ist stetig differenzierbar auf [ ].
( ) {∑| | ∑| |} Auch ist stetig differenzierbar.
Achtung: Anderes ( ) wie in (2)!
( ) () ( ) ( ) ( )
( ) ̃( ) ( ) ( ) ∑̃ Dann ist stetig differenzierbar auf [ ].
Auch ist stetig differenzierbar.
( ) {∑| ̃ |}
Dann ist ( ) und ( ) { }.

( ) { } ( )
D.h. ( ) verläuft durch .
Dann gilt ( ) [ ].
( ) ( ) ∑ ( ) D.h. hat kompakten Träger [ ].
D.h. Änderung von mit { }
(siehe Aufgabe 3.8.) lokale Änderung von
Seite 28
( )
Schritt 1 – Prüfung der notwendigen Bedingung für Konvergenz:
∑ ∑ P
Schritt 2 – Hinreichende Bedingung für Konvergenz gegen stetige Kurve :
( ) ( ) ( ) ( ) ( )
P ( )⁄( ) ( )
{∑| | ∑| |} { }
[ ]
Der entsprechende Unterteilungsalgorithmus konvergiert gegen eine stetige Kurve ( ).
Schritt 3 – Hinreichende Bedingung für Konvergenz gegen stetig differenzierbare Kurve :
( ) ( ) ( ) ( ) ( )
( ) ( ) ( ) ( ) ( )
P ( )⁄( ) ( )
{∑| | ∑| |} { }
Der entsprechende Unterteilungsalgorithmus konvergiert gegen eine stetig differenzierbare

[ ]
Kurve ( ).
Anmerkung:
Eigenschaft ( ) ist nicht erfüllt!
Seite 29
Blatt 9 – JPEG-Algorithmus
Aufgabe 4.1.
(a) Seien und ( )
(i) Zeigen Sie: ist eine Drehmatrix, d.h. und .
(ii) Skizzieren Sie einmal bzgl. der kanonischen Einheitsbasis des und einmal bzgl. der
Basis, die die Spalten von , bilden.
(b) Sei gegeben durch
( ) ( )
( )
( ) ( )
Benutzen Sie die Eigenschaften des Kroneckerprodukts um zu zeigen, dass auch eine
Drehmatrix ist.
Teil (a):
( )
( )( ) ( )
( )
( )
Wähle ( ) {( ) ( )}
⁄ √ ⁄ √ ⁄
( ) ( ) ( ) ( ) ( )
√ √ ⁄ ⁄
⁄ √ ⁄ ⁄ ⁄
( )( ) ( ) {( ) ( √ )}
√ ⁄ ⁄ √ ⁄ √
Seite 30
Teil (b):
( )
( )( ) ⏟ ⏟
Für eine ( )-Matrix und eine ( )-Matrix gilt: ( ) ( ) ( )
( ) ( )
Aufgabe 4.2.
Bestimmen Sie ein , so dass die Matrizen
( ) ( )
keine Orthogonalen Matrizen sind.
Wähle , dann gilt:
( ) ( ( ⁄ ) ( ⁄ )) ( )
√ ( ⁄ ) ( ⁄ ) √
( ⁄ ⁄ ) ( ⁄ ⁄ ) ( ⁄ ⁄ )
√ ⁄ ⁄ √ ⁄ ⁄ ⁄ ⁄
Oder Argumentiere, dass Matrix nur Rang 2 hat.
ist nicht orthogonal.
( ( ⁄ ) ( ⁄ )) ( √ √ ) ( )
√ ( ⁄ ) ( ⁄ ) √ √ √
(weil schon der erste Diagonaleintrag ist).
Oder Argumentiere, dass Matrix nur Rang 1 hat.
ist nicht orthogonal.
Seite 31
Aufgabe 4.3.
(i) Bestimmen Sie die 2-dimensionale DCT von
( ) ( ) ( )
(ii) Welche Koordinaten haben die Matrizen mit aus (i) bezüglich der Basis
{ ( ) ( ) ( ) ( )}
Lässt es sich feststellen, welche dieser Koordinaten gleich Null sind,ohne die entsprechenden
Darstellungen von zu bestimmen?
Die 2-dimensionale DCT auf mit ist eine Abbildung ̂ mit

und ( [ ]) wobei:
( )
[ ] [ ] ( ) [ ] {
√ √
[ ] [ ]
( ) ( )
[ ] [ ]
[ ] ⏟( ) [ ] ⏟( )
√ √ √ √
( )
√
[ ] √ ( ) [ ] √ ⏟ ( ⁄ )
√ ⏟ √ √ √
⁄√
⁄√ }
̂ ( )( ) ( ) ( )( ) ( ) ( )
√ √
( ) ( ) ( ) ( ) ( )
( ) ( ) ( )
Also liefert die 2-dim DCT die Koordinaten ( ) von bezüglich der angegebenen Basis.
̂ ( )( )( ) ( )( ) ( )
Wieder kann man nachrechnen, dass ( ) tatsächlich die Koordinaten von bezüglich der
Basis sind.
̂ ( )( )( ) ( )( ) ( )
Wieder sind ( ) die Koordinaten von bezüglich der Basis.
Anmerkung: DCT ist Basistransformation, versuche ̂ .
Seite 32
Aufgabe 4.4.
(i) Beschreiben Sie den Ereignisraum des Zufallsexperiments, bei dem zwei Münzen mehrmals
gleichzeitig geworfen wurden. Definieren Sie die Zufallsvariable , die die Anzahl von Köpfen
beim Wurf von zwei fairen Münzen beschreibt. Welche Wahrscheinlichkeitsverteilung hat diese
Zufallsvariable?
(ii) Definieren Sie die standardisierte Zufallsvariable von aus (i).
(iii) Die gemeinsame Wahrscheinlichkeitsverteilung von Zufallsvariablen und sei gegeben

durch
( ) ( ) ( ) ( ) ( )
⁄
⁄
Berechnen Sie die Kovarianz und den Korrelationskoeffizient von und . Sind die
Zufallsvariablen und unkorreliert?
Teil (i):
ist die Menge der Ereignisse.
{ } ist Ereignisfeld mit
( ) heißt Ereignisraum.
{( )( )( )( )} und { ( ) } Potenzmenge von .
{ }
( ) ( ) ( ) ( )
( ) ⁄ ( ) ⁄ ( ) ⁄
( ) ∑ ( ) ⁄ ⁄ ⁄
√ ( ) √ ( ) ( ( )) √ ⁄ ⁄√
( )
Teil (ii):
( )
√ ( )
√
Teil (iii): ( ) ( ) ( ) ( ) ( ) ( ) ( )
( ) ⁄ √
( )
√ ( ) ( ) ⁄√
Seite 33
Aufgabe 4.5.
Sei ( [ ]) ein stationäres stochastisches Feld mit dem Erwartungswert

( [ ]) für und ( ) ( ) mit
Weiterhin, seien (√ ) und die DCT-Matrix.

√
(i) Berechnen Sie ( ) und (̃ ̃ ) für bzw. ̃ .
(ii) Vergleichen Sie ( [ ] [ ] ) mit ( [ ] [ ] ) bzw. (̃[ ] ̃ [ ] ) aus (i).

Welche Eigenschaft von bzw. von ist wichtig bei diesem Vergleich?
(iii) Sind die Zufallsvariablen [ ] und [ ] unkorreliert?
Teil (i):
[ ]
( ) ( [ ]) ( [ ]) ( ) ( )
[ ]
Zufallsvariaben [ ] sind standardisiert, denn ( [ ]) und ( [] [ ]) für .
( [ ] [ ]) ( [ ] [ ]) ( [ ] ) ( [ ] [ ])
( ) ( ) ( ) ( )
( [ ] [ ]) ( [ ] [ ]) ( [ ] [ ]) ( [ ] )
( ) ( ) ( )
√ √
( ) (√ )( ) (√ ) ( ) (√ )
√ √ √ √ √
√ √ √ √ √
( ) ( )
√ √ √ √ √
( ) ̃ ( ̃ ̃) ( )
( ) ( )( ) ( ) ( )( )
√ √
( ) ( )
Seite 34
Teil (ii):
( [ ] [ ] ) ( [ ] ) ( [ ] )
( [ ] [ ] ) ( [ ] ) ( [ ] ) √ ⁄ √ ⁄
( ̃[ ] ̃[ ] ) ( ̃[ ] ) ( ̃[ ] )
Orthogonale Transformationen ändern die Energie eines stochastischen Feldes nicht.
Wissen bereits, dass eine orthogonale Matrix ist und wir können leicht nachprüfen, dass
, also auch orthogonal ist.
Teil (iii):
( [ ] [ ])
[ ] [ ] [ ] [ ]
( ̃ [ ] ̃ [ ]) ̃[ ] ̃[ ]
Seite 35
Aufgabe 4.6.
Sei ( [ ]) ein stationäres stochastisches Feld mit dem Erwartungswert

( [ ]) für und ( ) ( ) mit
Weiterhin, seien ( ) und .
Bestimmen Sie [ ), sodass
(i) ( [ ] [ ]) maximal wird,
(ii) und [ ] und [ ] unkorreliert sind.
( ) ( )
( ) ( ) ( )( )( )
( )( )
( )
( [ ] [ ]) ( [ ] [ ])
[ ( )]
( [ ] [ ]) ( [ ] [ ])
Bedingungen:
( ) ( [ ] [ ])
( ) ( [ ] [ ]) ( [ ] [ ] )
( [ ] [ ]) ( )
( )
( ) ( ) ( ) ( )
( [ ] [ ])
( ) ( ) ( [ ] [ ])
Ergebnis:
Die beiden Bedingungen sind erfüllt, falls man ⁄ oder ⁄ wählt.
Seite 36

Angewandte Mathematik Für LAK - Übungen PDF

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Angewandte Mathematik Für LAK - Übungen PDF

Hochgeladen von

Copyright:

Verfügbare Formate

UE Angewandte Mathematik für LAK Lukas Ostermann

Blatt 1 – Fehleranalyse, Kondition, Rundungsoperator, Stabilität

Berechnen Sie mit Hilfe des Rundungsoperators ( { }) die

Definiere den Rundungsoperator ( ) durch:

Man muss hier nicht aufrunden, weil .

Berechnen Sie mit Hilfe des Rundungsoperators ( { }) die

Man muss hier nicht aufrunden, weil .

Man muss hier aufrunden, weil .

Berechnen Sie zwei Näherungen ̃ und ̃

mit Hilfe von den folgenden Algorithmen

Verwenden Sie dabei den Rundungsoperator ( { })

Sind diese Algorithmen numerisch stabil?

gutes numerisches Ergebnis oder ist es besser die äquivalente Formel ( )

Zum Beispiel nimm bei der Rechnung mit und .

Berechnen Sie numerisch (mit dem Taschenrechner) den Wert

Blatt 2 – Konditionszahlen, Matrixnormen, Störungssatz

Berechnen Sie die Konditionszahlen des Problems

Für welche , ist dieses Problem gut bzw. schlecht konditioniert?

Sonst gut konditioniert.

Zeigen Sie, dass die Zeilensummennorm

eine Matrixnorm ist.

Eine Abbildung ‖ ‖ [ ) heißt Matrixnorm, falls:

Berechnen Sie für die Matrizen

die Inversen , und die Konditionszahlen ( ) und ( )

Berechnen Sie die exakten Lösungen der Gleichungssysteme

Ist das Gleichungssystem gut bzw. schlecht konditioniert?

Für das leicht veränderte System ergibt sich folgende Lösung:

Betrachten Sie das lineare Gleichungssystem

Voraussetzungen für den Störungssatz:

Blatt 3 – Gauß-Elimination, Gesamt- und Einzelschrittverfahren

Gegeben sei das lineare Gleichungssystem mit

Gauß-Elimination ohne Pivotierung in 5-stelliger Gleitkommaarithmetik:

Gauß-Elimination mit Pivotierung in 5-stelliger Gleitkommaarithmetik:

Gauß-Elimination mit Pivotierung in 5-stelliger Gleitkommaarithmetik:

Auch (iv) ist numerisch stabil.

Anmerkung zu Aufgabe 2.6.:

Blatt 4 – Gauß-Elimination, Gesamt- und Einzelschrittverfahren

Gegeben sei das lineare Gleichungssystem mit

Die Iterationsfunktion heißt kontrahierend, falls:

Alternative Methode um Konvergenz zu zeigen:

Falls stark diagonaldominant ist, das heißt falls gilt:

(i) Zeichnen Sie ( ) für für .

Zeichnen Sie die Kurven

(i) Bestimmen Sie die polynomiale Kurve [ ] ( ) ( ) ( ) ( )

die durch die Punkte ( ) ( ) und ( ) verläuft.

(ii) Bestimmen Sie die polynomiale Kurve [ ] ( ) ( ) ( ) ( )

die durch die Punkte ( ) ( ) und ( ) verläuft.

0.5 1.0 1.5 2.0

0.5 1.0 1.5 2.0

Zeigen Sie, dass gilt: ( ) ( ) ( ) ( )

Weil ( ) ( ) ( ) ( ) alle für [ ] gilt:

Blatt 7 – Konvergenz von Unterteilungsalgorithmen

(i) Berechnen Sie zwei Schritte des Unterteilungsalgorithmus zu

(ii) Berechnen Sie drei Schritte des Unterteilungsalgorithmus zu

(iii) Sind die Unterteilungsalgorithmen aus (i) und (ii) konvergent?

Teil (iii) – Konvergenz:

Zuerst betrachten wir den ersten Algorithmus ( ) ⁄ ⁄ :

Nun betrachten wir den zweiten Algorithmus ( )

Zeigen Sie, dass die folgenden Bedingungen äquivalent sind:

Blatt 8 – Weitere Eigenschaften von Unterteilungsalgorithmen

Welche Eigenschaften hat die Grenzkurve

des entsprechenden Unterteilungsalgorithmus? Begründen Sie Ihre Antwort.

Eigenschaften von Eigenschaften von