Scientific Computing mit Python - Grundlagen und Anwendungen

Englischer Titel: Scientific Computing with Python - Fundamentals and Applications

Inhalt

Scientific Computing, oder im Deutschen auch wissenschaftliches Rechnen, begegnet uns heute in allen Bereichen. Jeder Studierende der Mathematik wird sich früher oder später damit in der Forschung oder auch im Berufsleben konfrontiert sehen. Das Entwickeln, Umsetzen und Testen, aber auch nur schon das reine Verstehen oder Anwenden von Algorithmen ist in Zeiten der Digitalisierung unumgänglich.

In diesem Seminar wollen wir unsere Programmierkenntnisse auffrischen und vertiefen. Hierzu soll die Programmiersprache Python verwendet werden.

Python ist eine mächtige, höhere Sprache, die durch ihre einfache Bedienbarkeit das schnelle Implementieren und Testen mathematischer Ideen ermöglicht. Mit Hilfe moderner Schnittstellen können hierin ähnlich wie in MATLAB Programme entwickelt aber auch weitergehende Konzepte verfolgt werden.

Die erworbenen Kenntnisse werden anschließend im Bereich der Numerik gewöhnlicher und partieller Differentialgleichungen angewendet. In Abhängigkeit der Teilnehmenden sind Themen wie Mehrzielmethoden, Finite- Element-Methoden, Randintegralgleichungen oder ähnliches möglich.

Zielgruppe

Die Veranstaltung richtet sich vor allem an Studierende der Mathematik (Bachelor, Master und Lehramt) sowie der Natur- und Ingenieurwissenschaften, die sich für numerische Verfahren interessieren.

Hinweise zur Ausarbeitung

Bei einigen Scheinen und Studiengängen wird zusätzlich zum Vortrag eine schriftliche Ausarbeitung gefordert. Es gilt:

  • 3 CP: keine Ausarbeitung
  • 4.5/5 CP: 5 Seiten Ausarbeitung
  • 7/8 CP: 10 Seiten Ausarbeitung

Literatur

  1. K. Braune, J. Lammarsch, M. Lammarsch: LaTeX - Basissystem, Layout, Formelsatz, X.systems.press, Springer, 2006
  2. H. P. Langtangen: A Primer on Scientific Programming with Python, Texts in Computational Science and Engineering, Springer, 2016
  3. G. Varoquaux, E. Gouillart, O. Vahtras: Scipy Lecture Notes - One document to learn numerics, science, and data with Python, siehe http://www.scipy-lectures.org
  4. K.-A. Mardal, H. P. Langtangen: Introduction to Numerical Methods for Variational Problems, online verfügbar https://github.com/hplgit/fem-book unter doc/pub/book/pdf
  5. R. H. Landau, M. J. Páez, C. C. Bordeianu: Computational Physics: Problem Solving with Python, Wiley, 2015
  6. R. Kress: A Nyström method for boundary integral equations in domains with corners, Numerische Mathematik, 58:145-161, 1990
  7. Offizielle Python-Dokumentation: https://docs.python.org
  8. Offizielles Python-Tutorial
  9. B. Arkin, F. Hill, S. Marks, M. Schmid, T. J. Walls und G. McGraw: How we Learned to Cheat in Online Poker: A Study in Software Security, 2006 (pdf auf Anfrage)

siehe auch den Semesterapparat in der Bibliothek

Kontakt

lehre/seminar/scicompws1819.txt · Zuletzt geändert: 2019/04/08 11:30 von agrja
Attribution-NonCommercial-NoDerivatives 4.0 International
Powered by PHP Driven by DokuWiki