Algorithmik kontinuierlicher Systeme - Cheatsheet
Grundlagen der Numerik
Definition:
Basiswissen zur numerischen Lösung mathematischer Probleme; Fokus auf Algorithmen zur Lösungsfindung bei Differentialgleichungen, Eigenwertproblemen, Interpolation und Integration.
Details:
- Approximation mathematischer Funktionen
- Lösen von Gleichungssystemen (lineare und nichtlineare)
- Fehleranalyse und -schätzung
- Stabilität und Konvergenz von Algorithmen
- Numerische Integration und Differentiation
- Anwendung finiter Differenzenmethoden
- Eigenwerte und Eigenvektoren
- Interpolation und Kurvenanpassung
- Auswertung der Leistung und Effizienz von Algorithmen
Iterative Verfahren
Definition:
Iterative Verfahren sind Algorithmen, die sukzessive Approximationen nutzen, um schrittweise eine Lösung für ein Problem zu finden. Häufig eingesetzt zur Lösung von linearen und nichtlinearen Gleichungen sowie Optimierungsproblemen.
Details:
- Anfangswert (Initialisierung) notwendig.
- Verfahren konvergiert, wenn die Folge der Approximationen gegen einen Wert strebt.
- Konvergenzgeschwindigkeit: linear, sublinear, oder superlinear.
- Zwei Haupttypen: stationäre (Jacobi, Gauss-Seidel) und nicht-stationäre Verfahren (Gradientenverfahren, Newton-Verfahren).
- Abbruchkriterium, wenn geforderte Genauigkeit oder maximale Iterationsanzahl erreicht.
Numerische Lösungen von ODEs und PDEs
Definition:
Numerische Methoden, um Differentialgleichungen (ODEs) und partielle Differentialgleichungen (PDEs) zu lösen.
Details:
- ODEs: Methoden wie Euler-Verfahren, Runge-Kutta-Verfahren
- PDEs: Finite-Differenzen-Methoden, Finite-Elemente-Methoden
- Fehleranalyse und Konvergenz
- Stabilität der numerischen Lösungen
- Diskretisierung des Zeit- und Raumdomänen
- Implementierung in Programmiersprachen wie C++ oder Python
Gittergenerierung und Interpolation
Definition:
Gittergenerierung: Erstellen eines Netzes/Gitters zur Diskretisierung kontinuierlicher Systeme. Interpolation: Verfahren zur Schätzung von Werten innerhalb eines Datensatzes basierend auf bekannten Werten.
Details:
- Delaunay-Triangulation: Erzeugt Gitternetz aus Dreiecken zur Flächenabdeckung.
- Uniformes Gitter: Gleichmäßige Verteilung der Gitternpunkte.
- Adaptives Gitter: Verdichtung bei höheren Fehlern oder Detailreichtum.
- Lineare/Nichtlineare Interpolation: Berechnung von Zwischenwerten; linear: Zwischenpunkte auf gerader Linie, nichtlinear: Splines, Polynom-Interpolation.
- Bilineare Interpolation: Erweiterung auf zwei Dimensionsachsen.
- Fehlerabschätzung: Genauigkeit der Interpolation bewerten.
Fehlerschätzung und Konvergenzanalyse
Definition:
Abschätzung des Fehlers und Überprüfung der Konvergenz bei numerischen Algorithmen, um die Genauigkeit und Zuverlässigkeit zu gewährleisten.
Details:
- Fehlerschätzung: Differenz zwischen approximierter Lösung und exakter Lösung.
- Absolute Fehler: \(|x_{\text{approx}} - x_{\text{exakt}}|\).
- Relative Fehler: \(|\frac{x_{\text{approx}} - x_{\text{exakt}}}{x_{\text{exakt}}}|\).
- Konvergenzanalyse: Untersuchung, ob eine numerische Methode gegen die exakte Lösung konvergiert, wenn die Anzahl der Iterationen oder der Grad der Diskretisierung erhöht wird.
- Konvergenzrate: Beschreibt, wie schnell die approximierte Lösung der exakten Lösung näher kommt, oft in der Form \(O(n^{-p})\).
Grundlagen der Digitalisierung
Definition:
Grundlagen der Umwandlung von analogen Signalen in digitale Form zum Zwecke der Verarbeitung, Speicherung oder Übertragung. Wesentliche Konzepte beinhalten Abtastung, Quantisierung und Codierung.
Details:
- Abtastung (Sampling): Konvertierung eines kontinuierlichen Signals in diskrete Werte.
- Quantisierung: Zuordnung der abgetasteten Werte zu einer begrenzten Anzahl von Pegelwerten.
- Nyquist-Theorem: Stichprobenrate muss mindestens das Doppelte der höchsten Frequenz des Signals betragen.
- Alias-Effekt: Verzerrung durch zu niedrige Abtastfrequenz.
- Codierung: Konvertierung der quantisierten Werte in ein digitales Bitmuster.
- Gängigste Abtastfrequenz für Audio: 44,1 kHz (CD-Qualität).
- Formel für Sampling: \[ x[n] = x(nT) \] wobei \( T \) die Abtastperiode ist.
Stabilitäts- und Konsistenzanalyse
Definition:
Stabilität: Verhalten numerischer Verfahren bei kleinen Störungen. Konsistenz: Annäherung eines numerischen Verfahrens an die exakte Lösung bei feiner werdender Diskretisierung.
Details:
- Stabilität: Ein numerisches Verfahren ist stabil, wenn kleine Fehler im Verlauf der Berechnungen nicht zu großen Abweichungen führen.
- Formale Beschreibung: Ein Verfahren ist stabil, wenn für jede Folge von Störungen \ \( \tau_n \ ) gilt, dass \ \( e^{tA} \tau_n \ ) beschränkt bleibt.
- Konsistenz: Ein Verfahren ist konsistent, wenn die Diskretisierungsfehler gegen Null gehen, wenn die Schrittweite gegen Null geht.
- Formale Beschreibung: Ein Verfahren ist konsistent, wenn der lokale Diskretisierungsfehler \ \( \tau_n \rightarrow 0 \ ) für \ \( h \rightarrow 0 \ ) geht.
- Von-Neumann-Kriterium zur Stabilität: Für ein lineares Verfahren ist stabil, wenn der Spektralradius der Iterationsmatrix kleiner oder gleich 1 ist.
- Zusammenhang: Ein konsistentes und stabiles Verfahren ist nach dem Lax-Äquivalenzsatz konvergent.
Fourier Transformation und Filtertechniken
Definition:
Mathematische Methode zur Analyse von Signalen in Frequenzkomponenten und Anwendung in der Signalverarbeitung.
Details:
- Fourier-Transformation (FT): Wandelt zeit- oder raumbasierte Daten in ihre Frequenzkomponenten um.
- Formel: \(\hat{f}(\xi) = \int_{-\infty}^{+\infty} f(x) e^{-2\pi i \xi x} \,dx\)
- Inverse Fourier-Transformation (IFT): Rücktransformation von Frequenz- auf Zeit-/Raumdomäne.
- Formel: \(f(x) = \int_{-\infty}^{+\infty} \hat{f}(\xi) e^{2\pi i \xi x} \,d\xi\)
- Filtertechniken: Dienen zur Beeinflussung bestimmter Frequenzanteile (z.B. Tiefpass, Hochpass, Bandpass).
- Beispiele:
- Ideal Low-Pass Filter
- High-Pass Filter
- Filterung oft durch Multiplikation im Frequenzbereich.