Numerik I für Ingenieure - Cheatsheet.pdf

Numerik I für Ingenieure - Cheatsheet
Numerik I für Ingenieure - Cheatsheet Arithmetische Rundungsfehler und deren Handhabung Definition: Fehler, die durch die begrenzte Genauigkeit der Darstellung von Zahlen im Computer entstehen. Details: Abschnittsfehler: Fehler durch Abrunden nach bestimmter Anzahle von Stellen Fehlerfortpflanzung: Rundungsfehler können sich durch Rechenoperationen verstärken. Formel: \[\text{Fehler} = \frac{\text...

© StudySmarter 2024, all rights reserved.

Numerik I für Ingenieure - Cheatsheet

Arithmetische Rundungsfehler und deren Handhabung

Definition:

Fehler, die durch die begrenzte Genauigkeit der Darstellung von Zahlen im Computer entstehen.

Details:

  • Abschnittsfehler: Fehler durch Abrunden nach bestimmter Anzahle von Stellen
  • Fehlerfortpflanzung: Rundungsfehler können sich durch Rechenoperationen verstärken.
  • Formel: \[\text{Fehler} = \frac{\text{ungefähres Ergebnis} - \text{genaues Ergebnis}}{\text{genaues Ergebnis}}\]
  • Stabilität eines Algorithmus: Wie anfällig ist er für Rundungsfehler?
  • Vermeidungstechniken: Kahan-Summationsalgorithmus, Verwendung von mehr Stellen
  • Maschinengenauigkeit: Kleinster Unterschied zwischen darstellbaren Zahlen
  • Formel der Maschinengenauigkeit: \[\text{Maschinengenauigkeit} = \frac{1}{2}^{\text{Anzahl der Bits}}\]

LU-Zerlegung und Cholesky-Zerlegung

Definition:

LU-Zerlegung: Zerlegung einer Matrix A in eine untere Dreiecksmatrix L und eine obere Dreiecksmatrix U.Cholesky-Zerlegung: Zerlegung einer symmetrischen, positiv definiten Matrix A in eine untere Dreiecksmatrix L und deren Transponierte L^T.

Details:

  • LU-Zerlegung: A = LU
  • Cholesky-Zerlegung: A = LL^T
  • LU-Zerlegung: Funktioniert für jede quadratische Matrix, erfordert evtl. Zeilenvertauschung (Pivotsuche).
  • Cholesky-Zerlegung: Nur für symmetrische, positiv definite Matrizen.
  • LU-Zerlegung: Nützlich zur Lösung linearer Gleichungssysteme und Invertierung.
  • Cholesky-Zerlegung: Effizienter als LU-Zerlegung bei geeigneten Matrizen, weniger Rechenaufwand.

Iterative Verfahren: Jacobi- und Gauss-Seidel-Verfahren

Definition:

Iterative Verfahren zur Lösung von linearen Gleichungssystemen der Form \(Ax = b\).

Details:

  • Ziel: Nähere Lösung von \(x\) iterativ an.
  • Jacobi-Verfahren: Zerlegung von \(A\) in \(A = D + R\) (\(D\) diagonale, \(R\) Rest). Iterationsvorschrift: \( x^{(k+1)} = D^{-1}(b - Rx^{(k)}) \).
  • Gauss-Seidel-Verfahren: Zerlegung von \(A\) in \(A = L + U\) (\(L\) untere Dreiecksmatrix, \(U\) obere Dreiecksmatrix). Iterationsvorschrift: \( x^{(k+1)} = (L + D)^{-1}(b - Ux^{(k)}) \).
  • Konvergenz: Beide Verfahren konvergieren bei strikt diagonaldominierten oder positiv definiten Matrizen.

Splines und deren Anwendungen

Definition:

Mathematische Funktionen, die verwendet werden, um Kurven oder Flächen anzupassen. Splines bestehen aus stückweise definierten Polynomen und gewährleisten glatte Übergänge.

Details:

  • Spline-Typen: Lineare Splines, Quadratische Splines, Kubische Splines
  • Kubische Splines: Meistverwendet, da sie eine glatte zweite Ableitung an den Knotenpunkten garantieren
  • Verwendung in Numerik I: Lösung von Interpolationsproblemen, Näherung von Funktionen
  • Eigenschaften: Kontinuierliche erste und zweite Ableitungen
  • Formeln: Kubische Splines erfüllen die Bedingung \( S_i(x) = a_i + b_i(x - x_i) + c_i(x - x_i)^2 + d_i(x - x_i)^3 \)
  • Anwendung: CAD (Computergestütztes Design), Animationen, Datenvisualisierung

Newton-Cotes-Formeln und Anwendungen

Definition:

Newton-Cotes-Formeln: numerische Integrationsmethoden, die durch Polynome interpoliert werden.

Details:

  • Einfachste Form: Trapezregel
  • Weitere Formeln: Simpsonregel, 3/8-Regel
  • Formel (allgemein): \ \[ \int_a^b f(x) \, dx \approx \sum_{i=0}^{n} w_i \cdot f(x_i) \]
  • Spezialfälle unterscheiden sich durch Wahl von \( w_i \) und \( x_i \)
  • Simpsonregel: \( w_0 = w_2 = \frac{1}{3} \), \( w_1 = \frac{4}{3} \)
  • Fehlerabschätzung: Abhängig von Grad des Polynoms und Differenzierbarkeit von \( f(x) \)

Gauss'sche Quadratur

Definition:

Verfahren zur numerischen Integration, das Integrale durch eine gewichtete Summe von Funktionswerten approximiert.

Details:

  • Nutzt orthogonale Polynome zur Auswahl der Stützstellen.
  • Gewichte und Stützstellen sind für den betrachteten Intervall und das Polynomsystem spezifisch.
  • Maximale Genauigkeit für Polynome bis Grad \(2n-1\) bei \(n\) Stützstellen.
  • Typische Form: \[ \int_a^b f(x) \,dx \approx \sum_{i=1}^n w_i f(x_i) \] wobei \(x_i\) die Stützstellen und \(w_i\) die Gewichte sind.

Adaptives Quadraturverfahren

Definition:

Adaptives Quadraturverfahren nutzt rekursive Unterteilung des Integrationsbereichs, um den Fehler zu minimieren.

Details:

  • Teile Intervalle adaptiv in Subintervalle
  • Nutze Fehlerabschätzung zur Steuerung der Teilung
  • Anwendung von Standard-Quadraturformeln auf Subintervalle
  • Effizienter für Funktionen mit hoher Variabilität
  • Beispiele: adaptive Trapezregel, adaptive Simpsonregel
Sign Up

Melde dich kostenlos an, um Zugriff auf das vollständige Dokument zu erhalten

Mit unserer kostenlosen Lernplattform erhältst du Zugang zu Millionen von Dokumenten, Karteikarten und Unterlagen.

Kostenloses Konto erstellen

Du hast bereits ein Konto? Anmelden