Inhalt

[ 481MAPHWIRK22 ] KV Wissenschaftliches Rechnen

Versionsauswahl
Workload Ausbildungslevel Studienfachbereich VerantwortlicheR Semesterstunden Anbietende Uni
6 ECTS M1 - Master 1. Jahr Mechatronik Astrid Pechstein 4 SSt Johannes Kepler Universität Linz
Detailinformationen
Quellcurriculum Masterstudium Mechatronik 2025W
Lernergebnisse
Kompetenzen
Die Studierenden sind in der Lage, das erworbene Wissen über die mathematischen Grundlagen des wissenschaftlichen Rechnens auf praktische Problemstellungen aus der Mechatronik zu übertragen, geeignete Algorithmen auszuwählen und diese in C++ umzusetzen.
Fertigkeiten Kenntnisse
Konkret können/beherrschen Studierende - die theoretischen Grundlagen verschiedener Algorithmen zum Lösen von linearen und nichtlinearen Gleichungssysteme sowie Eigen-/Singulärwertproblemen und Regressionsproblemen (k3)

- die Eigenschaften dieser Algorithmen beschreiben (etwa Stabilität, Komplexität) (k3)

- diese Algorithmen in einem C++ Framework umsetzen (k3)

- Anwendungsbereiche der besprochenen Algorithmen in der Praxis erkennen (k3)

- passende Algorithmen für konkrete Problemstellungen auswählen, evaluieren und umsetzen (Stabilität, Speicher- und Laufzeitkomplexität) (k5)

- Fähigkeit zur selbstständigen Transformation/Adaption der Algorithmen zur Behandlung von praktischen Problemen (k6)

- die konkrete und eigenständige Umsetzung von Projekten basierend of den entwickelten Algorithmen in C++ unter Berücksichtigung von Speicher- und Laufzeitoptimalität (k3)

- Grundlagen des wissenschaftlichen Rechnens in C++ (objektorientierte Programmierung, Pointer/Referenzen, Speichermanagement, Templates)

- Umsetzung von untenstehenden Algorithmen in C++ Framework

- Algorithmen zum Lösen linearer Gleichungssysteme, Komplexitäts- und Stabilitätsaussagen

- Darstellung und Lösen dünnbesetzter Gleichungssysteme, Komplexitäts- und Stabilitätsaussagen

- Algorithmen zur Bestimmung von Eigenwerten/Singulärwerten, Komplexitäts- und Konvergenzaussagen

- Algorithmen zum Lösen nichtlinearer Gleichungssysteme, Komplexitäts- und Konvergenzaussagen

- Algorithmen zum Lösen von Regressionsproblemen, Komplexitäts- und Konvergenzaussagen

Beurteilungskriterien Hausübungen während des Semesters und mündliche Prüfung
Lehrmethoden Mathematische Grundlagen: Vortrag an der Tafel interaktives Entwickeln und Testen der Algorithmen
Abhaltungssprache Deutsch
Literatur W.H. Press, S.A. Teukolsky, W.T. Vetterling and B.P. Flannery: Numerical Recipies, 3rd edition, Cambridge University Press, 2007.
Lehrinhalte wechselnd? Nein
Präsenzlehrveranstaltung
Teilungsziffer -
Zuteilungsverfahren Zuteilung nach Reihenfolge