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