Beantwortentung der Quizfragen

aus Bartels ”Numerik 9x3”

für die Numerik-Veranstaltungen

31.07.2020

Vorgeplänkel und Quellen

Folgende BeAntworten.ung der Fragen ohne Gewähr. Besonders die nicht-fertiggestellten und rot-markierten
Abschnitte sind als nicht gesichert anzusehen. Berechtigte Verbesserungsvorschläge sind immer willkommen.

Inhaltsverzeichnis
1 Grundlegende Konzepte 2

2 Operatornorm und Konditionszahl 2

3 Matrixfaktorisierungen 3

4 Eliminationsverfahren 3

5 Ausgleichsprobleme 4

6 Singulärwertzerlegung und Pseudoinverse (ausgelassen) 5

7 Das Simplex-Verfahren (ausgelassen) 5

8 Eigenwertaufgaben (ausgelassen) 5

9 Iterative Lösungsmethoden 5

10 Allgemeine Konditionszahl und Gleitkommazahlen (ausgelassen) 5

11 Polynominterpolation 5

12 Interpolation mit Splines 6

13 Diskrete Fourier-Transformation 7

14 Numerische Integration 7

15 Nichtlineare Probleme 8

1
 31.07.2020

1 Grundlegende Konzepte
Sie sollten den Begri↵ der Konditionierung einer mathematischen Aufgabe erklären und anhand von Beispielen
illustrieren können. Ferner sollten Sie die Stabilität eines Algorithmus definieren und mögliche Probleme wie
Auslöschungse↵ekte beschreiben können. Die Landau-Notation sollten Sie erläutern und den Aufwand grundle-
gender Matrix-Operationen bestimmen können.

Quizfragen.

(i) np = O(ln(n + 1))?

(ii) Wenn ' stabil, dann auch gut konditioniert?
(iii) Auslöschungse↵ekte nicht praxisrelevant?
(iv) ', gut konditioniert, dann auch ' ?

(v) LGS Ax = b gut konditioniert für ein b, dann auch für alle anderen?
Antworten.
(i) Nein. (Ggbsp. p = 1, n = O(ln(n + 1)))

(ii) Ja.(i)
(iii) Nein. Die Subtraktion zweier ähnlicher Zahlen ist schlecht konditioniert (= Auslöschungse↵ekte).
(iv) Ja. Dann existiert dann nämlich keine Störung x̃, die größere Fehler erzeugt:

k'( (x̃)) '( (x))k k (x̃) (x)k kx̃ xk

⇡ ⇡
k'( (x))k k (x)k kxk

(v) Nein.

2 Operatornorm und Konditionszahl

Ihnen sollten verschiedene Charakterisierungen der Operatornorm sowie einige konkrete Beispiele bekannt sein.
Sie sollten die Konditionszahl definieren und deren Bedeutung für die approximative Lösung linearer Gleichungs-
systeme erklären können.

Quizfragen.

(i) Ist A bzgl. einer Operatornorm gut konditioniert, so auch bzgl. jeder anderen?
(ii) A, B 2 Rn⇥n , , µ 2 R: k A + µBk  kAk + µkBk?
(iii) (Berechung von Spalten- und Zeilensummennorm)

(iv) A, B Matrizen: AB definiert. ker AB = ker A?

(v) EW von A, dann kAk  | | für alle Operatornormen?
Antworten.
(i) Ja. Die Operatornormen sind aufgrund der Äquivalenz der p-Normen auf den reellen Matrizen äquivalent.

(ii) Nein. Es gilt k A + µBk  | |kAk + |µ|kBk nach Dreiecksungelichung und Homogenität der Norm.
(iii) (Ergebnisse stimmen)
(i) Bemerkung 1.2

2
 31.07.2020

(iv) Nein. Es gilt:

ker AB = {x ABx = 0} = {x Bx = 0} [ {x Ay = 0, y = Bx}
| {z } | {z }
=ker B ⇢ker A

(v) Nein. (Für die Untermenge der symmetrischen, quadratischen Matrizen M gilt: A 2 M ) kAkop | |8
EW von A.(i) ) Alternativ gilt für x EV zu EW von A:

| | · kxk = k xk = kAxk  kAkop kxk

3 Matrixfaktorisierungen
Sie sollten die LU- und Cholesky-Faktorisierungen defineren, hinreichende und notwendige Bedingungen für
deren Existenz benennen sowie Algorithmen zur praktischen Berechnung herleiten können. Aufwands- und Sta-
bilitätseigenschaften der Lösung linearer Gleichungssysteme mittels der Faktorisierungen sollten Sie erläutern
können.

Quizfragen.
(i) xT Ax < 0 8x, dann hat A LUZ?
(ii) A = LU symmetrisch, dann U = LT ?
(iii) A invertierbar mit CZ A = LLT , dann A 1
=L T
L CZ?
(iv) A = LLT CZ, dann LGS Ax = b lösbar mit O(n2 )?
(v) A symmetrisch, invertierbar, dann positiv definit?
Antworten.
(i) Ja.
1) Die Bedingung ist falsch (x = 0 2 Rn ) xT Ax = 0).
2) Unter Ausschluss von x = 0 ist A ist neg.def. und besitzt damit eine LUZ.(ii)
(ii) Nein. (Ggbsp. A := ( 11 11 ) ) L = ( 11 00 ), U = ( 10 11 ), U 6= LT )
(iii) Nein. Die Formel ist aber ähnlich: A 1 = L T
L 1
definiert eine CZ, da A 1
ebenfalls symmetrisch und
positiv definit, L 1 ebenfalls invertierbar.
(iv) Ja. Es gilt, dass die Matrix-Vektor-Multiplikation mit einer Dreiecksmatrix den Aufwand O(n2 ) (sowohl
Vorwärts- als auch Rückwärtseinsetzen) besitzt. Also hat das Lösen des LGS mit Cholesky den Aufwand
⇡ 2O(n2 ).
10
(v) Nein. (Ggbsp. A := 0 1 )

4 Eliminationsverfahren
Sie sollten das Gauß’sche Eliminationsverfahren motivieren und anwenden können sowie dessen Beziehungen
zur LU-Zerlegung erklären können. Die Bedeutung von Pivot-Strategien sollten Sie veranschaulichen können.

Quizfragen.
1
(i) Lässt sich mit Gauß A einer LUz-Matrix mit O(n4 ) bestimmen?
(ii) A positiv definit, keine Pivot notwendig?
Q
(iii) L = i L(i) mit den L(i) aus Gauß und L aus der LUZ?
(i) Lemma 2.2 (iii)
(ii) Beispiele3.2 (i)

3
 31.07.2020

(iv) Verhindert Pivot Auslöschungse↵ekte?

(v) Erhält man Permutationsmatrizen durch Zeilenvertauschung in der Einheitsmatrix?
Antworten.
(i) Ja. Der Aufwand ist sogar geringer: Eine LUZ bestimmt man mit dem Aufwand O(n3 ). Daraufhin setzt
man LU A 1 = I und erhält nach Vorwärts- und Rückwärtseinsetzen der n SEV (mit Aufwand 2·n·O(n2 ) =
O(n3 )) den Gesamtaufwand O(n3 )  O(n4 ).
(ii) Ja. Aus der Positiv-Definitheit folgt die Existenz einer LUZ. Dann ist A mit Gauß umformbar.(i)
Q
(iii) Nein. Die Formel ist aber änhlich: L = i (L(i) ) 1 .(ii)
(iv) Nein. Die Pivotsuche vertauscht lediglich Spalten, sodass die betragsmaximalen Spaltenelemente immer
auf der Diagonalen stehen. Das braucht man, damit man nicht durch Null teilt bei der LUZ und damit man
eine bessere Konditionierung erhält.(iii) Auslöschungse↵ekte werden durch Pivot aber nicht vermieden.
(v) Ja. (per definitionem)

5 Ausgleichsprobleme
Ihnen sollten Anwendungen bekannt sein, die auf Ausgleichsprobleme führen, und Sie sollten die Gauß’sche
Normalengleichung herleiten und ihre wichtigsten Eigenschaften aufzeigen können. Die Konstruktion der QRZ
einer Matrix sollten Sie erklären und deren Bedeutung bei der Lösung von Ausgleichsproblemen beschreiben
können.

Quizfragen.
(i) Ausgleichsproblem stets lösbar?
(ii) rk A = n  m ) AT A invertierbar?
T
(iii) Hv := I 2 (vvv
T v)2 Householder-Transformationsmatrix für v 6= 0?

(iv) Q orthogonal ) Spalten und Zeilen von Q paarweise orthogonal?

(v) kQxk = kxk 8k·k, Q 2 O(n), x 2 Rn ?
Antworten.
(i) Ja. Die Normalengleichung, die das Problem löst, besitzt immer eine Lösung.(iv)
(ii) Ja. Es gilt ker AT A = ker A ) im AT A = im A(v) . Insbesondere ist damit rk AT A = rk A = n. Also hat
A vollen Rang und ist invertierbar.
(iii) Nein. Im Allgemeinen gilt die Formel

vv T
Hv := I 2 , v 2 Rn \ {0}
vT v
für Householdermatrizen Hv . (Im normierten Fall stimmt die Aussage also, da (v T v)2 = kvk42 = 1.)
(iv) Ja. Die Spaltenorthogonalität folgt per definitionem:
1
( ij )i,j = I = QQ = QQT = (hqi , qj i)i,j

Außerdem ist QT auch orhtogonal, wenn Q orthogonal ist (da Q T

= Q). Daraus folgt die Zeilenortho-
gonalität.
(v) Nein. (Ggbsp. k·kinf )
(i) Satz 4.1
(ii) Satz 4.1
(iii) vgl. Kapitel 3.2
(iv) Satz 5.1
(v) (Numerik II, Blatt 1, Aufgabe 6)

4
 31.07.2020

6 Singulärwertzerlegung und Pseudoinverse (ausgelassen)

7 Das Simplex-Verfahren (ausgelassen)
8 Eigenwertaufgaben (ausgelassen)
9 Iterative Lösungsmethoden
Sie sollten iterative Verfahren zur Lösung linearer Gleichungssysteme herleiten und deren Vorteile im Vergleich
zu anderen Methoden aufzeigen können. Hinreichende Bedingungen für die Konvergenz linearer Iterationsver-
fahren sollten Sie benennen können. Strukturelle Eigenschaften von Matrizen, die die Konvergenz der Verfahren
sicher stellen, sollten Sie erklären und deren Bedeutung veranschaulichen können.

Quizfragen.
(i) A irreduzibel, D diagonal ) (A D) irreduzibel?
(ii) A diagonaldominant ) A regulär?

(iii) A symmetrisch ) M J = M GS ^ cJ = cGS ?

(iv) aii 6= 0 notwendige Bedingung für JV und GSV?
(v) (A µI) regulär 8|µ| 1/4 ) | | < 1/4 8 EW von A?
Antworten.

(i) Ja. Für das Kriterium der Irreduzibilität sind nur die Einträge i 6= j interessant, da I zu J disjunkt ist.
(ii) Nein. (Ggbsp. ( 20 10 )) Strikte Diagonaldominanz wäre hinreichende Regularitätsbedingung.
(iii) Nein. Ist A symmetrisch, so gilt A = L + D + U = U T + D + U , damit gilt

MJ = D 1
(U T + U ) = D 1
UT D 1
U 6= U T
U D 1
U= (U T + D) 1
U = M GS

(iv) Ja. aii = 0 für ein i ) det D = det[L + D] = 0 ) JV und GSV nicht bestimmt.
(v) Ja. Sei µ 2 R fest. Da (A µI) regulär, gilt det[A µI] 6= 0, µ kein EW von A (vgl. Formel charakteristisches
Polynom von A). Für die Einschränkung von µ auf R| · | 1/4 folgt dann die Abschätzung | | < 1/4 8 EW
von A.

10 Allgemeine Konditionszahl und Gleitkommazahlen (ausgelassen)

11 Polynominterpolation
Ihnen sollten verschiedene Interpolationsaufgaben bekannt sein. Entsprechende Fehlerabschätzungen sollten Sie
beweisen können. Die Möglichkeiten der Verbesserung von Interpolationsresultaten durch verschiedene Wahlen
von Stützstellen sollten Sie erläutern und an Beispielen veranschaulichen können.

Quizfragen.
P
(i) i Li (x) = 1 8x 2 [a, b]?

(ii) f (x) := sin(x) auf [0, 1] mit vier Interpolationsstellen mit absoluten Fehler von  0, 01 zu erfassen?
(iii) Tschebysche↵-Knoten Extremstellen der Tschebysche↵-Polynome?

(iv) Berechnet das Nevielle-Schema die Koeffizienten der Lagrange-Interpolationsaufgabe bzgl. der Monomba-
sis?

5
 31.07.2020

(v) Führt die Hermite-Interpolationsaufgabe mit jeweils Angabe der ersten und zweiten Ableitung an den vier
Stützstellen zu acht Bedingungen?
Antworten.
(i) Ja. (Zerlegung der Eins) Es gilt
X X
Li (x) = 1 , [Li (x)] 1=0
i i

Betrachte nun das Lagrange’sche Interpolationspolynom P 2 Pn mit den Stützstellen (xi , f (xi )) =
(xi , 1), i = 0, ..., n. Es lässt sich per definitionen schreiben als
X X X
P (x) = [f (xi )Li (x)] = [1 · Li (x)] = Li (x)
i i i

Ebenso ist P 0 = P 1 2 Pn . Da P interpoliert gilt also

0 = f (xk ) 1 = P (xk ) 1 = P 0 (xk ), k = 0, ..., n

| {z }
=1

P 0 2 Pn hat also (n + 1) Nullstellen und ist damit gleich dem Nullpolynom. Damit ist die Aussage
gezeigt.(i)

(ii) Ja. Mit Tschebysche↵-Knoten und n = 3 lässt sich der Sinus auf [0, 1] mit einem absoluten Fehler von
kf (n+1) ksup 1
| 2n (n+1)! | = 24⇤16 < 0, 01(ii) interpolieren.

(iii) Nein. Die Tschebysche↵-Knoten sind gegeben durch die Nullstellen der Tschebysche↵-Polynome.(iii)

(iv) Nein. Das Neville-Schema berechnet p(x) und vereinfacht dessen Auswertung zu einem Aufwand von
O(n2 ).
(v) Nein. Die Hermite-Interpolationsaufgabe hat (N + 1) Bedingungen, wobei
X
N +1= [ li +1] = 4 ⇤ 3 = 12(iv)
|{z}
i =2

12 Interpolation mit Splines

Sie sollten Spline-Räume definieren und deren Dimensionen bestimmen können. Für kubische Splines sollten
Sie eine Minimalitätseigenschaft und deren Berechnung konkretisieren können.

Quizfragen.

(i) s Spline ) s 2 C 1 ?
(ii) S 1,0 (Tn ) \ S 3,2 (Tn ) = {0} 2 P0 ?
(iii) q 2 Pm ) q [a,b]
2 S m,m 1
(Tn )?

(iv) Minimieren interpolierende kubische Spline-Funktionen eine linearisierte Biegenergie unter interpolieren-
den C 2 -Funktionen?
(v) Führt die Berechnung kubischer Splines auf ein diagonaldominantes, irreduzibles LGS?

Antworten.
(i) vgl. Link
(ii) Bemerkung 11.7 (i)
(iii) Definition11.4
(iv) Definition 11.5

6
 31.07.2020

(i) Nein. (Ggbsp. s 2 S 1,0 )

(ii) Nein. (Ggbsp. f (x) = c 2 S 1,0 (Tn ) \ S 3,2 (Tn ))
(iii) Ja. q approximiert sich selbst.
(iv) Ja.(i)
(v) Ja. Für ein äquidistantes Gitternetz gilt die Aussage.(ii)

13 Diskrete Fourier-Transformation
Sie sollten die grundlegenden Ideen der diskreten Fourier-Transformation erklären und die Aufwandsreduktion
der schnellen Fourier-Transformation beschreiben können.

Quizfragen.
(i) dimC Cn = n, dimR Cn = 2n?
n/2
(ii) !n = 1 , n gerade?
(iii) Löst := Tn y die komplexe Interpolationsaufgabe?
(iv) Definiert Sn := p1 Tn
n
eine Isometrie auf Cn ?

(v) Lösung der komplexen Interpolationsaufgabe mit reellen Stützstellen reell?

Antworten.
(i) Ja. Es gilt: dimC C = 1 und dimR C = 2. Die Aussage folgt dann.
(ii) Nein. Die Aussage gilt 8n, insbesondere auch für ungerade, denn es gilt nach Euler
2⇡ n
!nn/2 = (e n i ) 2 = ei⇡ = 1

(Für die Exponenten n/4, 3n/4, n ergeben sich ebenfalls die schönen Werte i, i, 1 aus geometrischer
Überlegung.)
1 ⇤ (iii)
(iii) Nein. Die Formel ist aber ähnlich: Die diskrete Fourier-Transformation := n Tn y löst die komplexe
Interpolationsaufgabe.(iv)
1
(iv) Ja. Sn ist normal, d.h. Sn Sn⇤ = ⇤
n Tn Tn = I. Dann gilt:

kSn yk22 = y ⇤ Sn⇤ Sn y = y ⇤ y = kyk22

| {z }
=I

(v) Nein. (Ggbsp. (xi , yi ) = {(0, 2), ( ⇡2 , 1), (⇡, 0), ( 3⇡

2 , 4)}
(v)
)

14 Numerische Integration
Sie sollten den Exaktheitsgrad einer Quadraturformel definieren und darauf basierend abstrakte Fehlerabschätzungen
herleiten können. Die Newton–Cotes-Formeln sollten Sie konkretisieren und an Beispielen anwenden können.
Die Konstruktion der Gauß-Quadratur sollten Sie beschreiben und die Eigenschaften des Verfahrens benennen
können.

Quizfragen.
(i) Satz 12.3
(ii) Beispiel 12.1
(iii) Definition 13.4
(iv) Bemerkung 12.2 (ii)
(v) Numerik II, Blatt 4, Aufgabe 4

7
 31.07.2020

(i) Q linear in Funktionen?

(ii) Q exakt mit r 1 ) Gewichte positiv?
(iii) Newton-Cotes-Formeln mit 2q = n + 1 Stützstellen exakt mit r = (n + 2)?
(iv) Verwendet die Gauß-Quadratur (n + 1) Nullstellen eines Orthogonalpolynoms ⇡n 2 Pn als Quadratur-
punkte?
f (1) f ( 1)
(v) QT rap = 2 auf [ 1, 1]?

Antworten.
(i) Ja. Da Summen linear sind und Q über diese definiert sind.(i)
(ii) Nein.
(iii) Nein. Die NCF ist exakt mit r = n für n + 1 Stützstellen.

(iv) Nein.
1) ⇡n 2 Pn hat nur n voneinander verschiedene Nullstellen.
2) Geht man von ⇡n+1 aus, so ist die Verwendung der Nullstellen nicht zwingend notwendig, ermöglicht
aber den bestmöglichen Exaktheitsgrad von r = 2n + 1.
b a
(v) Nein. Die Formel ist aber ähnlich: Der Koeffizient wird bestimmt durch 2 (= 1 6= 12 ).

15 Nichtlineare Probleme
Ihnen sollten verschiedene Verfahren zur näherungsweisen Berechnung von Null- und Minimalstellen bekannt
sein. Sie sollten die Verfahren motivieren und deren Eigenschaften darlegen können.

Quizfragen.
P1
(i) k=0 k konvergent ) ( k )k linear konvergent?
1
(ii) ( k )k := sin k k
quadratisch konvergent gegen 0?
(iii) Definiert das GV mit g eine konvergente Folge, deren Grenzwert ein kritischer Punkt von g ist?
(iv) g 2 C 2 (Rn ) konvex hinreichende Bedingung für die Konvergenz des GZ?
(v) NV konvergiert ) kf (xk )k  ckx⇤ xk k, für ein c und alle k?

Antworten.
P1 1 ⇡ 1/n2
(i) Nein. (Ggbsp. n=1 n2 = 6 < 1, 1/(n+1)2 ! 1 =: q 6< 1)

(ii) Nein.

(iii) Nein. (xk ) ist nicht immer konvergent. Falls die Folge jedoch konvergiert, ist die Aussage wahr.(ii)
x!±1
(iv) Ja. Die Konvexität impliziert (im 2-Dimensionalen) das Verhalten g(x) ! 1. Damit ist g außerhalb
eines geeigneten kompakten Intervalls um das (einzige und damit globale) Minimum hinreichend groß(iii)
und das Gradientenverfahren ist global konvergent.
(i) Definition
14.1
(ii) Bemerkung 15.6 (i)
(iii) Bemerkung 15.6 (iii)

8
 31.07.2020

(v) Ja. Im NV definiert man die Iterationsvorschrift:(i)

1
xk+1 := xk Df (xk ) f (xk )

Es gilt also:

kf (xk )k  kDf (xk )k · kxk+1 xk k  kDf (xk )k · kx⇤ xk k  ckx⇤ xk k 8k

da f 2 C 1 und damit die Ableitung stetig und auf unendlich-abzählbaren Teilmengen beschränkt ist.
Bestimme c := supk2N kDf (xk )k.

(i) Algorithmus 15.3