Ludwig-Maximilians-Universität München (LMU)
Computer, Wellen, Simulationen: Eine praktische Einführung in numerische Methoden mit Python
Ludwig-Maximilians-Universität München (LMU)

Computer, Wellen, Simulationen: Eine praktische Einführung in numerische Methoden mit Python

Heiner Igel

Dozent: Heiner Igel

25.499 bereits angemeldet

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(374 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan
Ca. 35 Stunden
In Ihrem eigenen Lerntempo lernen
97%
Den meisten Lernenden hat dieser Kurs gefallen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(374 Bewertungen)

Stufe Mittel

Empfohlene Erfahrung

Flexibler Zeitplan
Ca. 35 Stunden
In Ihrem eigenen Lerntempo lernen
97%
Den meisten Lernenden hat dieser Kurs gefallen

Was Sie lernen werden

  • Wie Sie eine partielle Differentialgleichung mit der Finite-Differenzen-, der Pseudospektral- oder der linearen (spektralen) Finite-Elemente-Methode lösen.

  • Verständnis der Grenzen expliziter Raum-Zeit-Simulationen aufgrund des Stabilitätskriteriums und der räumlichen und zeitlichen Abtastanforderungen.

  • Strategien für die Planung und Einrichtung anspruchsvoller Simulationsaufgaben.

  • Strategien zur Vermeidung von Fehlern in Simulationsergebnissen.

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

9 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 9 Module

Die Verwendung numerischer Methoden zur Lösung partieller Differentialgleichungen wird anhand von Beispielen aus den Geowissenschaften erläutert. Konzepte der Diskretisierung in Raum und Zeit werden eingeführt und die Notwendigkeit, Felder mit ausreichender Genauigkeit abzutasten, wird begründet (d.h. die Anzahl der Gitterpunkte pro Wellenlänge). Es werden Rechengitter diskutiert und ihre Möglichkeiten und Einschränkungen bei der Modellierung komplexer Geometrien veranschaulicht. Die Grundlagen von Parallelrechnern und paralleler Programmierung werden erörtert und ihre Auswirkungen auf realistische Simulationen. Die spezielle partielle Differentialgleichung, die in diesem Kurs zur Veranschaulichung verschiedener numerischer Methoden verwendet wird, wird vorgestellt: die akustische Wellengleichung. Es werden einige physikalische Aspekte dieser Gleichung veranschaulicht, die für das Verständnis ihrer Lösungen wichtig sind. Schließlich werden Jupyter-Notebooks vorgestellt, die mit Python-Programmen verwendet werden, um die Implementierung der numerischen Methoden zu veranschaulichen.

Das ist alles enthalten

6 Videos1 Lektüre1 Aufgabe1 Unbewertetes Labor

In Woche 2 führen wir die grundlegenden Definitionen der Finite-Differenzen-Methode ein. Wir lernen, wie man Taylor-Reihen verwendet, um den Fehler der Finite-Differenzen-Approximationen für Ableitungen abzuschätzen und wie man die Genauigkeit der Approximationen mit längeren Operatoren erhöht. Wir lernen auch, wie man numerische Ableitungen mit Python implementiert.

Das ist alles enthalten

8 Videos1 Aufgabe3 Unbewertete Labore

Wir entwickeln den Finite-Differenzen-Algorithmus für die akustische Wellengleichung in 1D, erörtern die Randbedingungen und wie man ein Simulationsbeispiel initialisiert. Wir sehen uns Lösungen mit der Python-Implementierung an und beobachten numerische Artefakte. Wir leiten eines der wichtigsten Ergebnisse der numerischen Analyse analytisch her - das CFL-Kriterium, das zu einem bedingt stabilen Algorithmus für explizite Finite-Differenzen-Schemata führt.

Das ist alles enthalten

9 Videos1 Aufgabe2 Unbewertete Labore

Wir entwickeln die Lösung der akustischen 2D-Wellengleichung, vergleichen sie mit analytischen Lösungen und zeigen das Phänomen der numerischen (nicht-physikalischen) Anisotropie. Wir erweitern die von-Neumann-Analyse auf 2D und leiten die numerische Anisotropie analytisch ab. Wir lernen, wie man ein realistisches physikalisches Problem initialisiert und veranschaulichen, dass 2D-Lösungen bereits recht leistungsfähig sind, um komplexe Wellenphänomene zu verstehen. Wir führen die elastische 1D-Wellengleichung ein und zeigen das Konzept der gestaffelten Gitterschemata mit der gekoppelten Geschwindigkeits-Spannungs-Formulierung erster Ordnung.

Das ist alles enthalten

10 Videos1 Aufgabe5 Unbewertete Labore

Wir beginnen mit dem Problem der Funktionsinterpolation, das zum Konzept der Fourier-Reihen führt. Wir gehen zu den diskreten Fourier-Reihen über und beleuchten ihre exakten Interpolationseigenschaften auf regelmäßigen räumlichen Gittern. Wir führen die Ableitung von Funktionen mit Hilfe von diskreten Fourier-Transformationen ein und verwenden sie zur Lösung der 1D- und 2D-Schallwellengleichung. Die Notwendigkeit, Wellen in begrenzten Bereichen zu simulieren, führt uns zur Definition von Tschebyscheff-Polynomen und ihrer Verwendung als Basisfunktionen für die Funktionsinterpolation. Wir entwickeln das Konzept der Differenzierungsmatrizen und diskutieren ein Lösungsschema für die elastische Wellengleichung unter Verwendung von Tschebyscheff-Polynomen.

Das ist alles enthalten

9 Videos1 Aufgabe4 Unbewertete Labore

Wir führen das Konzept der finiten Elemente ein und entwickeln die schwache Form der Wellengleichung. Wir diskutieren das Galerkin-Prinzip und leiten einen Finite-Elemente-Algorithmus für das statische Elastizitätsproblem ab, der auf linearen Basisfunktionen basiert. Wir diskutieren auch, wie man Randbedingungen implementiert. Für dieselbe Gleichung wird die auf Finite-Differenzen basierende Relaxationsmethode abgeleitet und die Lösung mit dem Finite-Elemente-Algorithmus verglichen.

Das ist alles enthalten

5 Videos1 Aufgabe1 Unbewertetes Labor

Wir erweitern die Finite-Elemente-Lösung auf die elastische Wellengleichung und vergleichen das Lösungsschema mit der Finite-Differenzen-Methode. Um einen direkten Vergleich zu ermöglichen, formulieren wir die Finite-Differenzen-Lösung in Matrix-Vektor-Form und zeigen die Ähnlichkeit der linearen Finite-Elemente-Methode und des Finite-Differenzen-Ansatzes. Wir führen das Konzept der h-Adaptivität ein, die Raumabhängigkeit der Elementgröße bei heterogenen Medien.

Das ist alles enthalten

7 Videos1 Aufgabe1 Unbewertetes Labor

Wir stellen die Grundlagen der Spektralelement-Methode vor und entwickeln ein Lösungsschema für die 1D elastische Wellengleichung. Lagrange-Polynome werden als die Basisfunktionen der Wahl diskutiert. Das Konzept der numerischen Integration nach Gauß-Lobatto-Legendre wird eingeführt und gezeigt, dass es zu einer diagonalen Massenmatrix führt, die ihre Inversion trivial macht.

Das ist alles enthalten

7 Videos1 Aufgabe2 Unbewertete Labore

Wir schließen die Herleitung der Spektralelementlösung für die elastische Wellengleichung ab. Wir zeigen, wie man die erforderlichen Ableitungen der Lagrange-Polynome unter Verwendung von Legendre-Polynomen berechnet. Wir zeigen, wie man den Zusammensetzungsschritt durchführt, der zum endgültigen Lösungssystem für die elastische Wellengleichung führt. Wir demonstrieren die numerische Lösung für homogene und heterogene Medien.

Das ist alles enthalten

7 Videos1 Aufgabe2 Unbewertete Labore

Dozent

Lehrkraftbewertungen
4.8 (132 Bewertungen)
Heiner Igel
Ludwig-Maximilians-Universität München (LMU)
1 Kurs25.499 Lernende

von

Empfohlen, wenn Sie sich für Forschungsmethoden interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

4.8

374 Bewertungen

  • 5 stars

    82,18 %

  • 4 stars

    14,09 %

  • 3 stars

    1,86 %

  • 2 stars

    1,59 %

  • 1 star

    0,26 %

Zeigt 3 von 374 an

MI
5

Geprüft am 6. Aug. 2022

TD
5

Geprüft am 25. Juni 2020

AA
4

Geprüft am 1. Dez. 2021

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu 10,000+ Weltklasse-Kursen, praktischen Projekten und berufsqualifizierenden Zertifikatsprogrammen - alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen