Lernziele:
Die Studierenden erwerben fundierte Kenntnisse über Datenstrukturen und Algorithmen die zur Behandlung kontinuierlicher Probleme erforderlich sind.
Sie erwerben damit insbesondere die Grundlagen, die für ein vertieftes Studium in den Bereichen Systemsimulation, Mustererkennung, raphischer Datenverarbeitung unabdingbar sind.
Inhalt:
Grundlagen kont. Datenstrukturen (Gleitpunktzahlen, Rundungsfehleranalyse und Kondition, Diskretisierung und Quantisierung, Abtasttheorem, FFT)
Algorithmische Lineare Algebra (direkte und iterative Verfahren für lin. Gleichungssysteme, Ausgleichsprobleme)
Datenstrukturen für geometrische Objekte, Interpolation, Approximation, Grundlagen geometrischer Modellierung, Volumen- und Flächenberechnung.
Kontinuierliche und diskrete Optimierung, nichtlineare Gleichungen.
Grundlagen der Simulation: Algorithmen zur Lösung von Differentialgleichungen
