260003 VO Computational Physics I: Grundlagen (2016W)
Labels
Details
Sprache: Deutsch
Prüfungstermine
- Dienstag 31.01.2017 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Freitag 17.03.2017 16:00 - 17:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Freitag 19.05.2017 16:00 - 17:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 22.06.2017
- Mittwoch 26.07.2017
Lehrende
Termine (iCal) - nächster Termin ist mit N markiert
- Donnerstag 06.10. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien (Vorbesprechung)
- Dienstag 11.10. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 13.10. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 18.10. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 20.10. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 25.10. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 27.10. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 03.11. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 08.11. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 10.11. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 15.11. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 17.11. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 22.11. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 24.11. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 29.11. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 01.12. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 06.12. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 13.12. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 15.12. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 10.01. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 12.01. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 17.01. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 19.01. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Dienstag 24.01. 12:00 - 13:30 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
- Donnerstag 26.01. 09:45 - 11:15 Ernst-Mach-Hörsaal, Boltzmanngasse 5, 2. Stk., 1090 Wien
Information
Ziele, Inhalte und Methode der Lehrveranstaltung
Art der Leistungskontrolle und erlaubte Hilfsmittel
Schriftliche Prüfung
Mindestanforderungen und Beurteilungsmaßstab
Prüfungsstoff
Literatur
Skriptum zur Vorlesung: http://www.exp.univie.ac.at/cp1/
Zuordnung im Vorlesungsverzeichnis
MF 1, MaG 7, LA-Ph212(5)
Letzte Änderung: Mo 07.09.2020 15:40
Der erste Teil dieser zweisemestrigen Vorlesung, die eher auf das tiefere Verständnis ausgewählter Methoden als auf einen umfassenden, aber oberflächlichen Überblick ausgerichtet ist, bietet eine Einführung in die folgenden Verfahren:
(schnelle) Fouriertransformation
Differenzengleichungen
partielle Differentialgleichungen
Lösung großer Gleichungssysteme
Finite Elemente
Monte Carlo Methoden.
Im zweiten, im Sommersemester abgehaltenen Teil werden spezielle Simulationsverfahren behandelt. Da die Vorlesung praktische anwendbare Kenntnisse vermitteln will, wird zu allen Verfahren so viel Hintergrundinformation gegeben, daß die Teilnehmer in der Lage sein sollten, diese selbst zu implementieren oder die bereitgestellten Demonstrationsprogramme zu verallgemeinern. Daher bilden die begleitenden Übungen auch einen wesentlichen Bestandteil der Lehrveranstaltung.
Computational Physics I und II werden als Grundlage für das Computational Physics Praktikum empfohlen.
Voraussetzungen: Scientific Computing oder vergleichbare Vorkenntnisse, etwas Analysis und lineare Algebra, gute Programmierkenntnisse.