Undergraduate Elective 1007

• Ελληνικά
• English

Αριθμητική Επίλυση Διαφορικών Εξισώσεων με Μερικές Παραγώγους

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Προπτυχιακό
Κωδικός Μαθήματος	MAE882
Εξάμηνο	8
Τίτλος Μαθήματος	Αριθμητική Επίλυση Διαφορικών Εξισώσεων με Μερικές Παραγώγους
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος	Ειδίκευσης
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Τρόπος Διεξαγωγής Μαθήματος	Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα

Το μάθημα είναι μια εισαγωγή στις βασικές αριθμητικές μεθόδους για την επίλυση Μερικών Διαφορικών Εξισώσεων (Μ.Δ.Ε.). Μετά την επιτυχή ολοκλήρωση του μαθήματος οι φοιτητές θα μπορούν να: περιγράφουν και να εφαρμόζουν βασικές μεθόδους προσέγγισης της λύσης προβλημάτων συνοριακών ή και αρχικών τιμών για ενδεικτικές μερικές διαφορικές εξισώσεις, όπως η Laplace και η εξίσωση θερμότητας. εφαρμόζουν βασικές τεχνικές ανάλυσης μεθόδων πεπερασμένων διαφορών και πεπερασμένων στοιχείων. να γνωρίζουν για μια μέθοδο τη βέλτιστη τάξη ακρίβειάς της καθώς και τους περιορισμούς που μπορεί να απαιτούνται στις παραμέτρους διακριτοποίησης με στόχο την εξασφάλιση της ευστάθειάς της. να υλοποιούν μεθόδους πεπερασμένων διαφορών και πεπερασμένων στοιχείων (σε Octave ἠ Python) και να υπολογίζουν την πειραματική τάξη σύγκλισής τους.

Γενικές Ικανότητες

Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών Προσαρμογή σε νέες καταστάσεις Λήψη αποφάσεων. Αυτόνομη εργασία. Εργασία σε διεπιστημονικό περιβάλλον. Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης. Προαγωγή της αναλυτικής και συνθετικής σκέψης.

Περιεχόμενο Μαθήματος

Προσέγγιση παραγώγων με πεπερασμένες διαφορές. Το πρόβλημα δύο σημείων. Συνοριακές συνθήκες Dirichlet, Neumann, και Robin. Διακριτοποίηση του προβλήματος δύο σημείων με μεθόδους πεπερασμένων διαφορών. Συνέπεια και ευστάθεια των αριθμητικών μεθόδων. Η μέθοδος της ενέργειας. Τάξη ακρίβειας και σύγκλιση. Εισαγωγή στη μέθοδο των πεπερασμένων στοιχείων για τη λύση του προβλήματος δύο σημείων. Εκ των προτέρων και εκ των υστέρων εκτιμήσεις του σφάλματος. Υλοποίηση της μεθόδου πεπερασμένων στοιχείων. Μέθοδοι πεπερασμένων διαφορών και πεπερασμένων στοιχείων για την εξίσωση της θερμότητας. Η άμεση και η πεπλεγμένη μέθοδος του Euler. Η μέθοδος των Crank-Nicolson. Η μέθοδος των πεπερασμένων στοιχείων για ελλειπτικές και παραβολικές εξισώσεις σε πολλές διαστάσεις.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας	Πρόσωπο με πρόσωπο.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές	Η επικοινωνία με τους φοιτητές γίνεται: Μέσω email. Δια ζώσης στο γραφείο. Κατά τη διάρκεια των διαλέξεων. Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.
Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών	Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών	Xρήση ταμπλέτας για την παράδοση διδασκαλίας. Οι σημειώσεις από την τάξη γίνονται διαθέσιμες σε μορφή pdf στο ecourse. Παροχή υλικού μελέτης μέσω του ecourse. Παροχή πρότυπων λύσεων κάποιων ασκήσεων σε μορφή podcast. Επικοινωνία με τους φοιτητές χρησιμοποιώντας e-mail, και τις πλατφόρμες ecourse και MTeams. Εργαστήριο προγραμματισμού με αντικείμενο την υλοποίηση αλγορίθμων σε ηλεκτρονικό υπολογιστή (σε Octave ή Python).
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας	Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής	Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης	Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις (13Χ3) 39 Αυτοτελής Μελέτη 75 Καθοδηγούμενη μελέτη ασκήσεων 6 Μη καθοδηγούμενη μελέτη ασκήσεων 30 Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών	Εργαστηριακές ασκήσεις με προφορική εξέταση. (35% του τελικού βαθμού, κάλυψη μαθησιακών αποτελεσμάτων 2 και 4). Γραπτή εξέταση στο τέλος του εξαμήνου. (65% του τελικού βαθμού, κάλυψη μαθησιακών αποτελεσμάτων 1-3).

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος ή το τοπικό αποθετήριο του Τμήματος Μαθηματικών για τα παρεχόμενα συγγράμματα ανά ακαδημαϊκό έτος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

• “Αριθμητική επίλυση μερικών διαφορικών εξισώσεων”, Π. Χατζηπαντελίδης, & Μ. Πλεξουσάκης, Κάλλιπος, (2015). http://hdl.handle.net/11419/665
• “Αριθμητικές Μέθοδοι για Συνήθεις Διαφορικές Εξισώσεις”, Γ. Δ. Ακρίβης, & Β. Α. Δουγαλής., Πανεπιστημιακές Εκδόσεις Κρήτης, Ηράκλειο, 2η έκδοση, 2013.
• “The mathematical theory of finite element methods”, S. C. Brenner & L. R. Scott (Third ed., Vol. 15), Springer, New York, 2008.
• “Partial differential equations with numerical methods”, S. Larsson, & V. Thomée, Springer-Verlag, Berlin, 2009.

Numerical Solution of Partial Differential Equations

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Undergraduate
Course Code	MAE882
Semester	8
Course Title	Numerical Solution of Partial Differential Equations
Independent Teaching Activities	Lectures (Weekly Teaching Hours: 3, Credits: 6)
Course Type	Special background, skills development.
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Mode of Course Delivery	Face-to-face (100%)
Is the Course Offered to Erasmus Students	Yes (in English)
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes

Upon successful completion of the course, students will be able to: describe and apply key numerical methods for the solution of boundary/initial value problems for elliptic and parabolic equations (e.g., Laplace, Heat Equation). be aware of the optimal order of accuracy of key numerical methods as well as the limitations that may be required in the discretization parameters to ensure stability. apply common techniques for analyzing finite difference and finite element methods. implement finite difference and finite element methods (in Octave ἠ Python) to compute the numerical solution of PDEs and calculate their experimental order of convergence.

General Competences

Search for, analysis and synthesis of data and information, with the use of the necessary technology. Adapting to new situations. Decision-making. Working Independently. Production of free, creative, and inductive thinking. Promotion of analytical and synthetic thinking.

Syllabus

Finite difference approximations to derivatives. The two-point boundary value problem. Boundary conditions of type Dirichlet, Neumann, and Robin. Finite differences schemes for the two-point boundary value problem. Consistency and stability. The energy method. Order of accuracy and convergence. The Finite Element Method (FEM) for the two-point boundary value problem. A priori and a posteriori estimates. Implementation of FEM. Finite differences and Finite element methods for the Heat Equation in 1D. Explicit- and implicit Euler, the Crank-Nicolson method. Consistency and stability. The finite element method for elliptic and parabolic equations in higher dimensions.

Teaching and Learning Methods - Evaluation

Mode of Instruction	Face-to-face.
Mode and Frequency of Communication with Students	Communication with students takes place through: Email. In-person meetings during office hours. During lectures. The frequency of communication with students is determined by their needs.
Ensuring Communication Among Students	Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology	Use of a tablet device to deliver teaching. Lecture materials in pdf-format are made available to students, for later review, on Moodle e-learning platform. Provision of study materials in Moodle e-learning platform. Provision of model solutions for some exercises in podcast format. Communication with students through e-mails, Moodle platform and Microsoft Teams. Use of sophisticated software (Python or Octave) for the implementation of the numerical algorithms.
Required Technological Equipment and Technology Skills	No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools	Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence	The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods	Activity Semester Workload Lectures 39 Study and analysis of bibliography 75 Directed study of Computer-based exercises 6 Non-directed study of Computer-based exercises 30 Course total 150
Student Performance Evaluation	Computer-based exercises with oral examination (Weighting 35%, addressing learning outcomes 2 and 4) Written examination (Weighting 65%, addressing learning outcomes 1-3)

Attached Bibliography

See the official Eudoxus site or the local repository of Eudoxus lists per academic year, which is maintained by the Department of Mathematics. Books and other resources, not provided by Eudoxus:

• “Αριθμητική επίλυση μερικών διαφορικών εξισώσεων”, Π. Χατζηπαντελίδης, & Μ. Πλεξουσάκης, Κάλλιπος, (2015). http://hdl.handle.net/11419/665
• “Αριθμητικές Μέθοδοι για Συνήθεις Διαφορικές Εξισώσεις”, Γ. Δ. Ακρίβης, & Β. Α. Δουγαλής., Πανεπιστημιακές Εκδόσεις Κρήτης, Ηράκλειο, 2η έκδοση, 2013.
• “The mathematical theory of finite element methods”, S. C. Brenner & L. R. Scott (Third ed., Vol. 15), Springer, New York, 2008.
• “Partial differential equations with numerical methods”, S. Larsson, & V. Thomée, Springer-Verlag, Berlin, 2009.