Numerische Verfahren: Lernpaket

Numerische Integration: Teile [a, b] in n Streifen der Breite h = (b − a)/n mit den Knoten x₀ … xₙ. Trapezregel: T = (h/2)[f₀ + 2f₁ + 2f₂ + … + 2f_n−1 + fₙ]. Simpson-Regel (n gerade): S = (h/3)[f₀ + 4f₁ + 2f₂ + 4f₃ + … + 4f_n−1 + fₙ]. Der Fehler der Trapezregel schrumpft wie h² (Schranke (b − a)h²·M/12 mit M = max|f″|), der der Simpson-Regel wie h⁴, daher ist Simpson bei denselben Knoten meist weit genauer.

Numerische Lösung von y′ = f(t, y): Das Euler-Verfahren geht entlang der Steigung am Anfang jedes Schritts: y_n+1 = yₙ + h·f(tₙ, yₙ). Das Heun-Verfahren (verbessertes Euler-Verfahren) mittelt die Steigung am Anfang und an einer Euler-Vorhersage: k₁ = f(tₙ, yₙ), k₂ = f(tₙ + h, yₙ + h·k₁), y_n+1 = yₙ + (h/2)(k₁ + k₂). Das klassische Runge-Kutta-Verfahren (RK4) kombiniert vier Steigungen: y_n+1 = yₙ + (h/6)(k₁ + 2k₂ + 2k₃ + k₄). Der globale Fehler ist beim Euler-Verfahren proportional zu h, beim Heun-Verfahren zu h², beim RK4 zu h⁴.

Konvergenz: Streben die Glieder nicht gegen 0, divergiert die Reihe (Trivialkriterium). Σ1/kᵖ konvergiert nur für p > 1 und Σrᵏ nur für |r| < 1. Vergleiche eine Reihe mit einer dieser Reihen, wenn sich ihre Glieder für große k wie diese verhalten. Quotientenkriterium: L = lim |a_k+1/a_k|; Wurzelkriterium: L = lim |a_k|^1/k. L < 1 konvergiert, L > 1 divergiert, L = 1 entscheidet nichts. Eine Potenzreihe Σc_k(x − x₀)ᵏ konvergiert für |x − x₀| < R mit R = lim |c_k/c_k+1|; eine alternierende Reihe mit gegen 0 fallenden Gliedern konvergiert.

Taylor-Polynome: Nahe x = a wird eine glatte Funktion durch Pₙ(x) = f(a) + f′(a)(x − a) + f″(a)(x − a)²/2! + … + f⁽ⁿ⁾(a)(x − a)ⁿ/n! angenähert; für a = 0 ist das das Maclaurin-Polynom. Standardreihen: eˣ = Σxᵏ/k!, sin x = x − x³/3! + x⁵/5! − …, cos x = 1 − x²/2! + x⁴/4! − …, ln(1 + x) = x − x²/2 + x³/3 − …, 1/(1 − x) = Σxᵏ. Lagrangesche Fehlerschranke: |f(x) − Pₙ(x)| ≤ M·|x − a|ⁿ⁺¹/(n + 1)!, wobei M der größte Wert von |f⁽ⁿ⁺¹⁾| zwischen a und x ist.

Matrizen: Die Determinante einer 2×2-Matrix ist ad − bc. Bei 3×3 entwickelst du nach einer Zeile: jeder Eintrag mal die Determinante der 2×2-Matrix, die nach Streichen seiner Zeile und Spalte übrig bleibt, mit abwechselnden Vorzeichen + − +. Eigenwerte λ lösen det(A − λI) = 0; für 2×2 ist das λ² − (Spur)·λ + det = 0.

Matrizen: Die Determinante einer 2×2-Matrix ist ad − bc. Bei 3×3 entwickelst du nach einer Zeile: jeder Eintrag mal die Determinante der 2×2-Matrix, die nach Streichen seiner Zeile und Spalte übrig bleibt, mit abwechselnden Vorzeichen + − +. Eigenwerte λ lösen det(A − λI) = 0; für 2×2 ist das λ² − (Spur)·λ + det = 0.

Lineare Gleichungen zweiter Ordnung: Für y″ + b·y′ + c·y = 0 mache den Ansatz y = e^rt: Das ergibt die charakteristische Gleichung r² + b·r + c = 0. Zwei reelle Wurzeln r₁ ≠ r₂ ergeben y = A·e^r₁t + B·e^r₂t (überdämpft); eine doppelte Wurzel r ergibt y = (A + Bt)·e^rt (aperiodischer Grenzfall); komplexe Wurzeln −α ± jω ergeben y = e^−αt(A cos ωt + B sin ωt) (unterdämpft, schwingend). Die Anfangswerte y(0) und y′(0) legen A und B fest. In der Form y″ + 2ζω_ny′ + ω_n²y = 0 ist ω_n die Eigenfrequenz und ζ der Dämpfungsgrad: Für ζ < 1 schwingt das System. Bei konstanter Eingangsgröße, y″ + by′ + cy = c·K, ist die Lösung der stationäre Wert K plus die freie Antwort.

Differentialgleichungen erster Ordnung: dy/dt = k·y hat die Lösung y = y₀·e^kt (Wachstum für k > 0, Zerfall für k < 0); eine Halbwertszeit T ergibt k = ln 2/T. Das Newtonsche Abkühlungsgesetz dT/dt = −k·(T − Tₐ) ergibt T(t) = Tₐ + (T₀ − Tₐ)·e^−kt. Eine lineare Gleichung y′ + p(x)·y = q(x) löst man mit dem integrierenden Faktor μ = e^{∫p dx}: (μy)′ = μq, also μy = ∫μq dx + C.