Numerik II für Ingenieure - Cheatsheet
Rundungs-, Trunkations- und Modellierungsfehler
Definition:
Fehlerarten bei numerischen Berechnungen.
Details:
- Rundungsfehler: Fehler durch begrenzte Genauigkeit im Rechner.
- Trunkationsfehler: Fehler durch Approximationsmethoden (z.B. bei numerischer Differentiation/Integration).
- Modellierungsfehler: Abweichung des mathematischen Modells von der realen Welt.
Fehlerfortpflanzung und -verstärkung
Definition:
Fehlerfortpflanzung und -verstärkung in numerischen Berechnungen zeigen, wie sich kleine Fehler in den Daten auf die Endergebnisse auswirken können.
Details:
- Durch Rundungsfehler und Abschätzungen entstehen kleine Fehler.
- Diese Fehler können sich durch die Berechnung fortpflanzen und verstärken.
- Lineare Probleme: Fehler bleibt proportional zur Anfangsstörung.
- Nichtlineare Probleme: Fehler kann sich nichtlinear verstärken.
- Fehlerverstärkungsfaktor: \[ K = \frac{\Delta y}{\Delta x} \text{ mit } 0 < K < 1 \text{ (Dämpfung)}, K > 1 \text{ (Verstärkung)} \]
- Beispiel iterative Methoden: Fehlerverstärkung beeinflusst Konvergenz und Stabilität.
- Bedeutung: Kritische Betrachtung der Genauigkeit bei numerischen Algorithmen.
Gauss-Quadraturmethoden
Definition:
Numerische Methode zur Approximierung von Integralen mittels spezieller Stützstellen und Gewichte, die das Integral von Polynomen beliebigen Grades exakt berechnen können.
Details:
- Verwendet orthogonale Polynome und deren Nullstellen als Stützstellen.
- Der Integrationsfehler hängt von der Anzahl der Stützstellen ab.
- Formel für das Integral: eine Funktion im Intervall ist gegeben - unterteile das Integral in Teilintervalle und verwende z.B.
- Gauss-Legendre Quadratur: die Standardform Beste Approximationsformeln, höher als Simspons Beispiel quadratische Standardregel
Adaptive Integrationsmethoden
Definition:
Adaptive Integrationsmethoden passen die Schrittweite lokal an die Funktion an, um eine vorgegebene Fehlergrenze zu erreichen.
Details:
- Nutzen variable Schrittweiten für höhere Genauigkeit.
- Fehlerkontrolle durch Teilevaluierung des Integrals und Anpassung der Schrittweite.
- Bekannte adaptive Methoden: Adaptive Simpson-Regel, Adaptive Trapezregel.
- Fehlerschätzung durch Differenz zwischen feiner und grober Quadratur.
- Erreichte Genauigkeit abhängig von der Feinheit der Anpassung.
Runge-Kutta-Verfahren
Definition:
Explizites Verfahren zur numerischen Lösung von gewöhnlichen Differentialgleichungen (ODEs).
Details:
- Allgemeine Form des Verfahrens: \[ y_{n+1} = y_n + h \frac{1}{6} \big( k_1 + 2k_2 + 2k_3 + k_4 \big) \]
- Berechnung der Stufen: \[ k_1 = f(t_n, y_n) \] \[ k_2 = f(t_n + \frac{h}{2}, y_n + \frac{h}{2} k_1) \] \[ k_3 = f(t_n + \frac{h}{2}, y_n + \frac{h}{2} k_2) \] \[ k_4 = f(t_n + h, y_n + hk_3) \]
- Stabilität und Genauigkeit höher als bei den meisten einfacheren Verfahren.
- Weit verbreitet aufgrund einfacher Implementierung und guter Performance.
Newton-Verfahren
Definition:
Das Newton-Verfahren ist ein iteratives numerisches Verfahren zur näherungsweisen Lösung von Gleichungen der Form f(x)=0. Es basiert auf der Tangentenmethode und nutzt die Ableitung der Funktion.
Details:
- Startwert: Wähle einen Startwert \(x_0\)
- Rekursionsformel: \[x_{n+1} = x_n - \frac{f(x_n)}{f'(x_n)}\]
- Konvergenz: Quadratische Konvergenz, falls f ausreichend glatt und die Ableitung nicht null ist.
- Anwendung bei Systemen von Gleichungen: Erweiterte Formulierung mit Jakobimatrix \[ \mathbf{F}(\mathbf{x}) = \mathbf{0} \]
- Zusatz (Lineare Gleichungssysteme): Lösung des linearen Gleichungssystems \[ \mathbf{J}(\mathbf{x}_n)\Delta\mathbf{x}_n = -\mathbf{F}(\mathbf{x}_n) \] , wobei \( \mathbf{J} \) die Jakobimatrix ist.
- Vorsicht: Konvergenz nicht garantiert, Wahl des Startwerts entscheidend.
Randwertprobleme bei Differentialgleichungen
Definition:
Randwertprobleme betreffen Differentialgleichungen mit zusätzlichen Bedingungen (Randbedingungen), die an den Rändern des Definitionsbereichs definiert sind.
Details:
- Randwertprobleme benötigen zwei Bedingungen: Anfangsbedingungen und Randbedingungen.
- Gesucht: Funktion, die die Differentialgleichung und die Randbedingungen erfüllt.
- Diskretisierungsmethoden: Finite Differenzen, Finite Elemente.
- Typische Verfahren: Schießverfahren, Diskretisierung.
- Beispiel: BVP für Poisson-Gleichung \[ -\Delta u = f \, \text{in} \, \Omega, \quad u|_{\partial \Omega} = g \]
Gleitkommaarithmetik in der Fehleranalyse
Definition:
Darstellung von Zahlen im Computer, um große Wertebereiche und hohe Präzision zu ermöglichen. Analyse von Rundungsfehlern und deren Einfluss auf numerische Berechnungen.
Details:
- IEEE 754 Standard für Gleitkommazahlen: \texttt{single precision (32-bit)} und \texttt{double precision (64-bit)}
- Normalisierung: Form \texttt{±m * b^e}; \texttt{m} = Mantisse, \texttt{b} = Basis, \texttt{e} = Exponent
- Maschinengenauigkeit: \texttt{ε} definiert als kleinstes \texttt{x} für \texttt{1 + x ≠ 1}
- Rundungsfehler: Unterschied zwischen exaktem und im Rechner dargestelltem Wert
- Kondition von Aufgaben: Stabilität numerischer Algorithmen, empfindlich gegenüber Fehlern
- Beispiele:
- Gleitkommaaddition: \texttt{fl(a + b)}
- Gleitkommamultiplikation: \texttt{fl(a * b)}