Numerische Methoden D-PHYS+ITET 2024
====================================


* **Februar, 20**: 
    Quadratur: Grundideen, MR, TR, SR

* **Februar, 27**:
    2D, adaptive Quadratur; Gauss-Quadratur;

    Die aktuelle videos sind online; alte (2023) videos (mehr Details):

    `Quadratur in 2d <https://video.ethz.ch/lectures/d-math/2023/spring/401-2664-00L/314e62ca-f3f4-47da-b3c2-02a98b6f5916.html>`_ von 00:12:54 bis 00:29:51

    `Adaptive Quadratur <https://video.ethz.ch/lectures/d-math/2023/spring/401-2664-00L/5e1c0cb3-0eff-459d-aa02-99e1ae0538ba.html>`_ von 00:46:01 bis 01:23:52

    `Gauss Quadratur <https://video.ethz.ch/lectures/d-math/2023/spring/401-2664-00L/866e8c3a-c1c6-4d60-add5-fb68dbb35d2f.html>`_


* **März, 5**:
    Fourier Approximation und DFT
    
* **März, 12**:
    Clenshaw-Curtis quadratur, eE, iE, iMP, iTR, St-V, leap-frog, VV, Vergleich mit der Linearisierung
  
* **März, 19**:  
    Splitting
  
    lineare Transportgleichung: Fourier in Raum, zentrale Differenz, Lax-Wendroff,
  

* **März, 26**:   
    Runge-Kutta-Verfahren; Kollokationsverfahren;  Adaptivitaet; RK45; PRK

------*Osterpause 1.-7.04*------  
 
* **April 9**: 
    Nullstellenprobleme: konvergenz iterativer Verfahren; Fixpunktiterationen, Newton

* **April, 16**:     
    vereinfachtes Newton, SekantenVerfahren; gedämpftes Newton-Verfahren; Broyden, Sherman-Morisson;
  
    steife ODEs; stabilität der RK-Verfahren; Stabilitätsgebiet; LI und ROW-Methoden für steife Differentialgleichungen

* **April, 23**:    
    Intermezzo über Lineare Algebra; Die methode der kleinsten Quadrate; lineare Ausgleichsrechnung; 

  
* **April, 30**:     
    Unterschied zwischen lineare Ausgleichsrechnung und PCA; Nebenbedingungen; Nicht-lineare Ausgleichsrechnung
  
  
* **Mai 7**: 
    Wiederholung  Nicht-lineare Ausgleichsrechnung: N und GN mit zwei Beispiele:
    x_1 + x_2*exp(-t*x_3) leastsqRH04.py und GPS/spoofing;
    Gradient-Descend für NLSQ, Vergleich mit N und GN, CG angesprochen,
    Beispiele: gradit.py, vizGD03.py
  
 
* **Mai 14**:   
    vizGD02.py Stochastic Gradient, Random Kaczmarz fuer LLSQ: randkacz.py
    Parameteridentifikation bei ODEs, DNN, PINNs
    paramode02dv.py, paramode02.py,
    onlyautograd02.py onlyautograd03.py paramodeWpytorch01.py damposc03.py
  
* **Mai 21**: 
    Arnoldi und Lanczos: Beispiele und Simmulationen;
  
 **Mai 28**:
   lineare ODEs: mit konstanter Matrix, mit inhomogener Term (Formel der Variation der Konstanten),
   mit Zeitabhaengiger Matrix: Magnus-Verfahren;  exponentiele Integratoren; Zusammenfassung