دوره پیاده‌سازی الگوریتم‌های تفاضل محدود و روش‌های تکراری در محیط پایتون (Jupyter) همراه با فلش‌کارت آموزشی — ارائه روی فلش مموری

🎓 دوره آموزشی جامع

📚 اطلاعات دوره

عنوان دوره: دوره پیاده‌سازی الگوریتم‌های تفاضل محدود و روش‌های تکراری در محیط پایتون (Jupyter)

موضوع کلی: محاسبات عددی و ریاضیات مهندسی

موضوع میانی: حل معادلات دیفرانسیل با مشتقات جزئی به روش‌های عددی

📋 سرفصل‌های دوره

• 1. مبانی و مفاهیم پایه در معادلات دیفرانسیل با مشتقات جزئی
• 2. معرفی محیط پایتون و کتابخانه‌های محاسباتی برای حل معادلات دیفرانسیل
• 3. گسسته‌سازی دامنه محاسباتی و شبکه‌بندی در تفاضل محدود
• 4. تقریب مشتقات با استفاده از بسط سری تیلور
• 5. خطای برشی و پایداری در روش‌های تفاضل محدود
• 6. معادله انتقال حرارت یک‌بعدی و گسسته‌سازی آن
• 7. روش صریح اویلر برای حل معادله انتشار
• 8. روش ضمنی کرانک-نیکلسون و پایداری عددی
• 9. حل معادله لاپلاس در یک شبکه دوبعدی
• 10. شرایط مرزی دیریکله و نویمان در حل معادلات بیضوی
• 11. پیاده‌سازی الگوریتم گوس-سایدل برای حل معادلات خطی
• 12. روش تکراری آرامش متوالی فوقانی یا SOR
• 13. انتخاب پارامتر بهینه آرامش در روش SOR
• 14. تحلیل نرخ همگرایی در روش‌های تکراری
• 15. حل معادله پواسون با استفاده از روش‌های تکراری
• 16. بررسی پایداری فون-نویمان در معادلات سهموی
• 17. پیاده‌سازی عددی معادله موج یک‌بعدی
• 18. استفاده از کتابخانه NumPy برای برداری‌سازی محاسبات
• 19. بهینه‌سازی کدهای پایتون برای حل ماتریس‌های تنک
• 20. تجسم میدان‌های اسکالر با استفاده از Matplotlib
• 21. بررسی خطاهای گردکردن در محاسبات ممیز شناور
• 22. حل معادلات دیفرانسیل در مختصات قطبی و استوانه‌ای
• 23. پیاده‌سازی روش تفاضل محدود برای مسائل با شرایط مرزی ترکیبی
• 24. تحلیل اثر گام‌های زمانی و مکانی بر دقت حل
• 25. پیاده‌سازی یک پروژه جامع حل معادله حرارت در محیط ژوپیتر
• 26. روش‌های تکراری مبتنی بر گرادیان برای سیستم‌های بزرگ
• 27. مقایسه عملکرد روش‌های مستقیم و تکراری در حل دستگاه‌های خطی
• 28. تکنیک‌های مدیریت حافظه در پیاده‌سازی الگوریتم‌های عددی
• 29. اعتبارسنجی نتایج عددی با حل‌های تحلیلی موجود
• 30. کاربرد روش‌های تفاضل محدود در شبیه‌سازی‌های مهندسی با رعایت اصول استاندارد علمی