Vorlesung + Übung: Multiskalenmethoden - Details

General information

Course name	Vorlesung + Übung: Multiskalenmethoden
Subtitle	Numerical Homogenization of Partial Differential Equations
Course number	MTH-1600
Semester	SS 2024
Current number of participants	6
expected number of participants	16
Home institute	Angewandte Analysis/Numerische Mathematik
Courses type	Vorlesung + Übung in category Teaching
First date	Tuesday, 16.04.2024 12:15 - 13:45
Veranstaltung findet in Präsenz statt / hat Präsenz-Bestandteile	Yes
Hauptunterrichtssprache	englisch
ECTS points	9

Lecturers

• Prof.Dr. Daniel Peterseim
• Prof.Dr. Ngoc Tien Tran

Tutors

• Camilla Belponer
• Dr. Sophie Thery

Rooms and times

No room preference

Monday: 12:15 - 13:45, weekly

Tuesday: 12:15 - 13:45, weekly

Thursday: 10:00 - 11:30, weekly

Fields of study

• Mathematisch-Naturwissenschaftlich-Technische Fakultät > Institut für Mathematik > Master Mathematik

Module assignments

• Mathematik Masterstudiengang Mathematik PO 2013, 18. Version (SS 2024) > Master Mathematik A: Wahlpflichtbereich Mathematik > MTH-1600 - Multiskalenmethoden > Multiskalenmethoden
• Mathematical Analysis and Modelling Int. Master Mathematical Analysis and Modelling, 8. Version (SS 2024) > Modulgruppe E: Wahlbereich > MTH-1600 - Multiskalenmethoden > Multiskalenmethoden
• Mathematik Masterstudiengang Mathematik PO 2013, 18. Version (SS 2024) > Master Mathematik D: Wahlbereich > MTH-1600 - Multiskalenmethoden > Multiskalenmethoden
• Wirtschaftsmathematik Masterstudiengang Wirtschaftsmathematik, 18. Version (SS 2024) > Modulgruppe E: Wahlbereich [MastWiMa] > MTH-1600 - Multiskalenmethoden > Multiskalenmethoden

Comment/Description

Physikalische Prozesse in heterogenen Medien werden meist durch partielle Differentialgleichungen mit springenden Koeffizienten beschrieben. Die numerische Approximation wird dadurch sehr komplex und benötigt somit spezielle (homogenisierte oder effiziente) Methoden.
Numerische Homogenisierung ist eine Multiskalenmethode zur Herleitung eines makroskopichen Models. Die Vorlesung behandelt aktuelle Methoden der numerischen Homogenisierung sowie weiterführende Techniken, die auch anwendbar sind, wenn keine starken (und unrealistischen) Annahmen wie die Periodiziät der Koeffizienten oder Skalen-Separierbarkeit gegeben ist.