Die in dieser Arbeit vorgestellte Kompositionsmethode beschäftigt sich damit, bestimmte Aufgabenstellungen aus dem Bereich der Berechnung von Graphenkenngrößen und Grapheninvarianten in endlichen ungerichteten Graphen und Hypergraphen in ein einheitliches Schema einzuordnen und so die Umsetzung in Algorithmen zu erleichtern. Dabei werden zwei Hauptziele verfolgt. Zum einen soll die Menge der mit der Methode lösbaren Aufgaben möglichst groß sein, und zum anderen sollen die entstandenen Algorithmen tatsächliche Berechnungen in einigen Netzen praxisrelevanter Größe ermöglichen. Die Kompositionsmethode belegt mit ihren Zielen somit den Bereich zwischen zwei Extremen der Algorithmenentwicklung: Auf der einen Seite steht die Erzeugung von Spezialalgorithmen, die oft so stark an bestimmte Eigenschaften der zu berechnenden Größen gekoppelt sind, dass eine Anpassung an leicht veränderte Aufgabenstellungen nur schwer möglich ist bzw. unter Umständen der Entwicklung eines völlig neuen Algorithmus gleichkommt; auf der anderen Seite stehen die allgemeingültigen Ansätze, deren Umsetzung häufig zu Algorithmen führt, die bereits für sehr kleine Netze nicht mehr praktisch durchführbar sind. Die gestellten Ziele werden durch eine Formalisierung der Aufgabenstellungen erreicht, deren Ergebnisse direkt in Algorithmen umgesetzt werden können. Dabei müssen jeweils nur wenige aufgabenspezifische Details formuliert werden, die anschließend in einen von der konkreten Aufgabe unabhängigen Rahmenalgorithmus eingebunden werden. Ein solches Verfahren ist aus Sicht eines Anwenders aus der Praxis besonders interessant, da der Rahmenalgorithmus nur ein einziges Mal implementiert werden muss und somit bei wiederholter Verwendung der Methode der Entwicklungsaufwand für die erzeugten Kompositionsalgorithmen erheblich sinkt. Bislang wurden mit Hilfe der Kompositionsmethode zirka dreißig Problemstellungen von der Berechnung chromatischer Invarianten über das Zählen von Hamiltonkreisen bis hin zur Bestimmung von Zuverlässigkeitskenngrößen von stochastischen Netzen bearbeitet. Die von der Methode erzeugten Algorithmen sind dabei in aller Regel nicht optimal in Bezug auf Laufzeit und Speicherbedarf. Dieser Nachteil wird allerdings durch den extrem geringen Entwicklungsaufwand und durch die Anwendbarkeit der Methode auf neue Aufgabenstellungen, für die noch keine Spezialalgorithmen existieren, kompensiert. Besonders bei der Berechnung bestimmter Zuverlässigkeitskenngrößen sowie bei der Lösung von #P-vollständigen Abzählproblemen können die Kompositionsalgorithmen aber auch aktuelle Spezialalgorithmen übertreffen.

Ein zentrales Problem der quantitativen Texturanalyse ist die numerische Inversion der eindimensionalen Radontransformation auf der Lie--Gruppe SO(3) aller Rotationen im dreidimensionalen euklidischen Raum. In der vorliegenden Dissertation wird die Lösbarkeit und Eindeutigkeit dieses inversen Problems untersucht und Fehlerabschätzungen unter Berücksichtigung unvollständiger und fehlerbehafteter Daten hergeleitet. Weiterhin wird ein Algorithmus zur Lösung des inversen Problems vorgeschlagen, welcher auf einer Diskretisierung mittels radialer Basisfunktionen basiert und schnelle Fouriermethoden auf der Kugel und der Lie-Gruppe SO(3) benutzt. In numerischen Tests wird gezeigt, dass der Algorithmus für die Rekonstruktion scharfer Texturen aus Beugungsdaten gemessen auf einem hochauflösenden, ungleichmäßigen Messraster geeignet ist.

This paper deals with parallelization methods for time-dependent problems where the time steps are shared out among the processors. A Full Multigrid technique serves as solution algorithm, hence information of the preceding time step and of the coarser grid is necessary to compute the solution at each new grid level. Applying the usual extrapolation formula to process this information, the parallelization will not be very efficient. We developed another extrapolation technique which causes a much higher parallelization effect. Test examples show that no essential loss of exactness appears, such that the method presented here shall be well-applicable.

The paper gives an overview over local inequalities for anisotropic simplicial Lagrangian finite elements. The main original contributions are the estimates for higher derivatives of the interpolation error, the formulation of the assumptions on admissible anisotropic finite elements in terms of geometrical conditions in the three-dimensional case, and an anisotropic variant of the inverse inequality. An application of anisotropic meshes in the context of a stabilized Galerkin method for a convection-diffusion problem is given.

Nonsteady Navier-Stokes equations represent a differential-algebraic system of strangeness index one after any spatial discretization. Since such systems are hard to treat in their original form, most approaches use some kind of index reduction. Processing this index reduction it is important to take care of the manifolds contained in the differential-algebraic equation (DAE). We investigate for several discretization schemes for the Navier-Stokes equations how the consideration of the manifolds is taken into account and propose a variant of solving these equations along the lines of the theoretically best index reduction. Applying this technique, the error of the time discretisation depends only on the method applied for solving the DAE.

Anisotropic local interpolation error estimates are derived for quadrilateral and hexahedral Lagrangian finite elements with straight edges. These elements are allowed to have diameters with different asymptotic behaviour in different space directions. The case of affine elements (parallelepipeds) with arbitrarily high degree of the shape functions is considered first. Then, a careful examination of the multi-linear map leads to estimates for certain classes of more general, isoparametric elements. As an application, the Galerkin finite element method for a reaction diffusion problem in a polygonal domain is considered. The boundary layers are resolved using anisotropic trapezoidal elements.

For two-point boundary value problems in weak formulation with piecewise constant coefficients and piecewise continuous right-hand side functions we derive a representation of its weak solution by local Green's functions. Then we use it to generate exact three-point discretizations by Galerkin's method on essentially arbitrary grids. The coarsest possible grid is the set of points at which the piecewise constant coefficients and the right- hand side functions are discontinuous. This grid can be refined to resolve any solution properties like boundary and interior layers much more correctly. The proper basis functions for the Galerkin method are entirely defined by the local Green's functions. The exact discretizations are of completely exponentially fitted type and stable. The system matrices of the resulting tridiagonal systems of linear equations are in any case irreducible M-matrices with a uniformly bounded norm of its inverse.

For solving systems of grid equations approximating elliptic boundary value problems a method of constructing variable preconditioning procedures is presented. The main purpose is to discuss how an efficient preconditioning iterative procedure can be constructed in the case of elliptic problems with disproportional coefficients, e.g. equations with a large coefficient in the reaction term (or a small diffusion coefficient). The optimality of the suggested technique is based on fictitious space and multilevel decom- position methods. Using an additive form of the preconditioners, we intro- duce factors into the preconditioners to optimize the corresponding conver- gence rate. The optimization with respect to these factors is used at each step of the iterative process. The application of this technique to two-level $p$-hierarchical precondi- tioners and domain decomposition methods is considered too.

A new backward stable, structure preserving method of complexity O(n^3) is presented for computing the stable invariant subspace of a real Hamiltonian matrix and the stabilizing solution of the continuous-time algebraic Riccati equation. The new method is based on the relationship between the invariant subspaces of the Hamiltonian matrix H and the extended matrix /0 H\ and makes use \H 0/ of the symplectic URV-like decomposition that was recently introduced by the authors.

Rank-revealing ULV and URV factorizations are useful tools to determine the rank and to compute bases for null-spaces of a matrix. However, in the practical ULV (resp. URV ) factorization each left (resp. right) null vector is recomputed from its corresponding right (resp. left) null vector via triangular solves. Triangular solves are required at initial factorization, refinement and updating. As a result, algorithms based on these factorizations may be expensive, especially on parallel computers where triangular solves are expensive. In this paper we propose an alternative approach. Our new rank-revealing ULV factorization, which we call ¨top-down¨ ULV factorization ( TDULV -factorization) is based on right null vectors of lower triangular matrices and therefore no triangular solves are required. Right null vectors are easy to estimate accurately using condition estimators such as incremental condition estimator (ICE). The TDULV factorization is shown to be equivalent to the URV factorization with the advantage of circumventing triangular solves.