22 15 Grundlagen der numerischen Methoden Herbst 2014

Wenn analytische Mathematik komplexe physikalische Gleichungen nicht lösen kann, greifen numerische Methoden ein, um die Realität zu simulieren. Dieser textbasierte Kurs führt Sie durch die grundlegenden Algorithmen, die zur Modellierung physikalischer Systeme, der Strömungsdynamik und des Partikelverhaltens verwendet werden. Sie werden vom Verständnis roher mathematischer Formeln zum Schreiben sauberen, effizienten Codes übergehen, der physikalische Phänomene annähert. Durch das Studium der wichtigsten Berechnungsprinzipien gewinnen Sie das Vertrauen, reale Systeme zu simulieren und die Stabilität Ihrer Modelle zu analysieren. Was Sie lernen werden: - Verstehen Sie die grundlegende Terminologie der numerischen Approximation und Diskretisierung. - Anwenden von Finite-Differenz-Methoden zur Lösung gewöhnlicher und partieller Differentialgleichungen. - Implementieren Sie iterative Matrixinversionstechniken für große Systeme linearer Gleichungen. - Analysieren Sie numerische Stabilität, Konvergenzverhalten und Fehlerausbreitung. - Erkunden Sie partikelbasierte Modellierungstechniken, einschließlich Monte-Carlo-Simulationen. - Nutzen Sie moderne wissenschaftliche Computing-Praktiken mit Python und vektorisierten Bibliotheken. Der Kurs beginnt mit grundlegenden Konzepten der Diskretisierung und Fehleranalyse, bevor er zu Differentialgleichungen, Matrixlösern und Partikelsimulationen übergeht. Sie werden klare Erklärungen lesen, Code-Snippets analysieren und konzeptionelle Übungen durcharbeiten, um Ihr Verständnis zu festigen. Dieser Kurs richtet sich an Studenten, Ingenieure und Autodidakten, die sich erst mit Scientific Computing beschäftigen. Es ist kein fortgeschrittener Hintergrund in der Computerphysik erforderlich, da wir aus grundlegenden Konzepten der Kalkül und der linearen Algebra aufbauen. Beginnen Sie noch heute mit der Programmierung Ihrer eigenen physikalischen Simulationen.