Kursmal
Numerisk integrasjon & differensiering i anvendelser (5 moduler)
Numerisk integrasjon og differensiering med Python.
Utdanningsmål
Denne kursmalen kommuniserer sentrale prosedyrer for numerisk integrasjon og numerisk differensiering gjennom konkrete anvendelsesproblemer fra måledata og funksjonsmodeller. Den bygger profesjonelle kompetanser i valg, implementering og evaluering av numeriske metoder, spesielt ved sammenligning av ulike approksimasjonsmetoder og deres feilgrenser. Malen kombinerer matematisk modellering med tydelig strukturert algoritmisk implementasjon i Python og viser hvordan data, formler og implementering påvirker hverandre. Profesjonelt er den å tilordne området numeriske metoder, dataorientert analyse og anvendelsesspesifikke modellering.
Kompetansefokus
- Implementering av trapesmetoden, Simpsons metode, Gauss-Legendre kvadratur og tilpasningsbar trapesmetode for numerisk integrasjon
- Numerisk derivasjon av diskrete data med fremover-, bakover- og sentralt differanse
- Feilanalyse og trinnstørrelsesstudier for å evaluere nøyaktighet og metodevalg
- Behandling og evaluering av CSV-data fra målefiler med pandas og NumPy
- Sammenligning av egne implementasjoner med referansverdier eller bibliotekfunksjoner
- Visualisering av feilutvikling, måleserier og numeriske resultater med Matplotlib
- Interpretasjon av numeriske resultater i anvendelseskontekster som avstand, energi og arbeid
Struktur av modulene
Avstand fra sensordata: Trapezregel
Denne modulen introduserer numerisk integrasjon av diskrete måledata ved hjelp av trapesmetoden for å beregne en avstand basert på hastighetsverdier.
Simpsons metode: Energi fra kraft-tidsserie
Denne modulen dypper inn i integrasjon av jevnt avståtte tidsserier ved hjelp av Simpsons regel og ordner resultatene systematisk gjennom sammenligning av metoder.
Gauss kvadratur: Feil mot nodenummer
Denne modulen utvider metodekanon med Gauss-Legendre-kvadraturen og fokuserer på sammenhengen mellom antall noder og approksimasjonsfeil.
Numerisk derivert: Feil mot trinnstørrelse h
Dette modul handler om numerisk derivasjon av diskret data og gjør effektene av ulike differensmetoder og trinngstørrelser synlige.
Adaptiv trapesmetode: Arbeid fra kraftkurve
Dette modul innfører adaptive forfinningsstrategier og kobler nøyaktighetskrav til innsats og konvergensopptreden i numerisk integrasjon.
De klart strukturerte modulene skaper gjennomsiktige læreformål og kan lett integreres i eksisterende undervisningsplaner for dataanalyse og numerikk.
Test malen i egen undervisning og tilpasse modulene spesifikt til gruppen din og fagets sentrale fokuspunkter.