Kursmall
Numerisk integration och differentiering i applikationer (5 moduler)
Numerisk integration och differentiering med Python.
Utbildningsmål
Denna kursmall förmedlar centrala procedurer inom numerisk integration och numerisk differentiering genom konkreta problem från mätdata och funktioner. Den utvecklar professionella kompetenser i val, implementering och bedömning av numeriska metoder, särskilt vid jämförelse mellan olika approximationstekniker och deras felkänslighet. Mallen kombinerar matematisk modellering med tydligt strukturerad algoritmisk implementering i Python och visar hur data, formler och implementation påverkar varandra. Professionellt ska den placeras inom området numeriska metoder, datanära analys och applikationsrelaterad modellering.
Kompetensfokus
- Implementering av trapetsregeln, Simpsons regel, Gauss-Legendre kvadratur och adaptiv trapetsregel för numerisk integration
- Numerisk differentiering av diskreta data med framåt-, bakåt- och centralt differens
- Felanalys och steglängdsstudier för att bedöma noggrannhet och metodval
- Bearbetning och utvärdering av CSV-data från mätfiler med pandas och NumPy
- Jämförelse mellan egna implementationer och referensvärden eller biblioteks funktioner
- Visualisering av fel-trender, mätserier och numeriska resultat med Matplotlib
- Interpretation av numeriska resultat i tillämpningskontexter som avstånd, energi och arbete
Struktur av modulerna
Avstånd från sensordata: Trapezregeln
Denna modul introducerar numerisk integration av diskreta mätdata med trapezregeln för att beräkna ett avstånd utifrån hastighetsvärden.
Simpsons regel: Energi från kraft-tidsserie
Denna modul fördjupar integrationen av lika avståndstidsserier med Simpsons regel och ordnar resultaten metodiskt genom jämförelse mellan metoder.
Gauss kvadratur: Fel mot nodnummer
Denna modul utvidgar metoden canon med Gauss-Legendre-kvadraturen och fokuserar på kopplingen mellan antal noder och approximationfel.
Numerisk derivata: Fel mot steglängd h
Detta modul handlar om numerisk differentiering av diskreta data och visar effekten av olika differensmetoder och steglängder.
Adaptiv trapezregel: Arbete från kraftkurva
Detta modul introducerar adaptiva förbättringsstrategier och kopplar exakthetskrav till ansträngning och konvergensbeteende vid numerisk integration.
De tydligt strukturerna moduler skapar transparenta lärandemål och kan enkelt integreras i befintliga undervisningsplaner för dataanalys och numerik.
Testa mallen i din egen undervisning och anpassa modulerna specifikt efter ditt grupp och ämnesrelaterade fokusområden.