previous up next
Foregående: Matematikrustur august 1996. Op: FAMØS september 1996 Næste: Opgavesiden

Man kan også specialisere sig i numerisk analyse ved matematisk institut!!!

Jens Hugger
Mathematisk Institut
(hugger@math.ku.dk)

Følgende er henvendt til aktuar, matematik, matematik-økonomi, statistik og andre studerende der som minimum har taget (eller vil tage) kurserne Matematik 1 og 2AN.

Først et kort hjertesuk: ``Specialisér dig''. Ved således at vælge side giver du din vejleder og dit studienævn meget bedre muligheder for at tilbyde de kurser der er relevante netop for dig og dit studium.

Et af de områder man kan specialisere sig i er numerisk analyse. Og hvad er det så for noget? Jo, Numerisk analyse er en disciplin der er udsprunget af det faktum at meget få problemer der har deres oprindelse i den ``virkelige verden'' kan løses eksakt. Dette rejser straks en række problemer:

Hvordan finder jeg noget der i det mindste er en god tilnærmelse til løsningen til et givet problem. Dette involverer den matematiske modellering af fysiske problemer, hvor man idag arbejder med at konstruere såkaldte hierarkiske modeller. Hvis du vil have en præcis model må du højt op i hierarkiet mens simplere problemer kan klare sig med en model der er lavt placeret i hierarkiet. Kort sagt beskæftiger man sig med at udvikle kontinuerte overgange mellem forskellige fysiske modeller (for eksempel fra Newtons ligninger til relativitetsteori).

At finde gode tilnærmelser til løsningen til den valgte model involverer valget af approximationsmetoder. (For eksempel valget af en metode til beregning af integraler, eller løsning af differentialligninger).

Centralt for de ovennævnte problemer er spørgsmålet om hvordan det vurderes om en tilnærmelse er god eller ej, dvs. fejlanalysen. Fejlanalyse er i høj grad et teoretisk analyse problem. For eksempel kan man for at vurdere fejlen ved løsning af differentialligningsproblemer omforme problemet til variationsform defineret på Sobolev rum, og derefter benytte den kendte teori om sådanne rum (og især Sobolevs indlejringssætning) til at nå teoretiske resultater om præcisionen af tilnærmelserne.

Man kan således specialisere sig i teoretisk numerisk analyse uden nogensinde at komme i kontakt med en computer. På den anden side kan man også koncentrere sig helt og fuldt om beregningsaspektet, og satse på at finde gode løsninger til mere eller mindre relevante fysiske problemer. Den helstøbte numeriker vil dog være en blanding, som er stærk både i det teoretiske og i det beregningsmæssige aspekt.

Hvorfor skal man så specialisere sig i numerisk analyse? Jo det er et af de områder af matematikken, hvor der er mulighed for at få arbejde efter studierne. Dels i det private erhvervsliv, men for dygtige kandidater er det sandelig også muligt at få ph.d. stipendier, uden at der skal trækkes lod mellem dusinvis af lige så brilliante kandidater, og VIP stillinger på universitetet, uden at der skal konkurreres med oceaner af ligestillede. Kort sagt, udbuddet af kandidater i numerisk analyse i Danmark er pt. tilsyneladende lavere end behovet.

Hvordan kan man så specialisere sig i numerisk analyse? Jo, man skal selvfølgelig tage nogle kurser og skrive nogle projekter. Specialiseringen kan foregå på tre niveauer: Bachelor, kandidat, og ph.d.

Nedenfor vil jeg vove et øje og give nogle eksempler, vel vidende at livet ikke er lavet af pakkeløsninger. Forhåbentlig kan de virke som strø mpile. Alle kursus referencer ved numre refererer til listen givet i appendix.

Det er selvfølgelig også muligt at tage kurser og skrive projekter i numerisk analyse uden at specialisere sig. For eksempel kan analytikere have gavn af et enkelt eller to kurser i numerisk løsning af differentialligninger. Andre ønsker at snuse til området for at opnå undervisningskompetence i gymnasiet, eller simpelt hen fordi de syntes at det kunne være spændende.

Du er altid velkommen til at henvende dig til mig i E-217 for at få mere at vide.

Appendix: Numeriske kurser

  1. Anvendelse af computere
    1. Indledende datalogi for matematikere (Fast kursus Datalogi A - 4 punkter). Introduktion til et programmeringssprog, f.eks. Maple; tekstbehandling, f.eks. LaTeX; teksteditering, f.eks. Emacs; information, f.eks. e-mail, news, internet.
    2. Videregående programmering (4 punkter). Indlæring af programmering i et ``numerisk anvendeligt'' programmeringssprog, f.eks. C/C++ eller Fortran: program design; dynamisk allokering; datastrukturer; grafteori; sortering og søgning; tynde matricer; parallel programmering; brug af biblioteksroutiner.
  2. Introducerende numerisk analyse
    1. Indledende numerisk analyse (Fast kursus Matematik 3NA - 2 punkter + 2 punkter projekt). Lineære og ikke lineære ligningssystemer; egenvæ rdiproblemer; interpolation og approximation; differentiation og integration.
    2. Indledende numerisk løsning af differentialligninger (2 punkter). Multistep metoder; Runge-Kutta metoder; stive ligninger; fejl kontrol; differens metoder; element metoder. Eksempel på lærebog: Arieh Iserles. A first course in the numerical analysis of differential equations. Cambridge texts in applied mathematics, 1996.
  3. Eksempler på special-emner indenfor numerisk analyse
    1. Den endelige element metode (2 punkter) Brenner & Scott: The Mathematical Theory of Finite Element Methods.
    2. Numeriske optimeringsmetoder (4 punkter) Fletcher: Practical Methods of Optimization.
    3. Numerisk løsning af differentialligninger indenfor finansiering (2-4 punkter) Lærebog ??
    4. Differens-metoden for systemer af sædvanlige differentialligninger (2 punkter). Lambert: Numerical Methods for Ordinary Differential Systems.
    5. Differens-metoden for partielle differentialligninger (2 punkter). Ames: Numerical Methods for Partial Differential Equations.
    6. Numerisk løsning af ligningssystemer (lineære, ikke lineære, parametriserede) (2-4 punkter) Rheinboldt: Numerical Analysis of Parameterized Nonlinear Equations. Eller Allgower & Georg: Numerical Continuation Methods, an Introduction.
    7. Numerisk løsning af stokastiske differentialligninger (4 punkter). Kloeden & Platen: Numerical Solution of Stochastic Differential Equations.


previous up next
Foregående: Matematikrustur august 1996. Op: FAMØS september 1996 Næste: Opgavesiden

famos@math.ku.dk
Sun Sep 22 00:34:24 MET DST 1996