Cursus Toegepaste Calculus met Python

Les 1 • Het Opzetten van de Python-omgeving

Installeer Python, Jupyter, NumPy, SymPy en Matplotlib. Deze gereedschapsketen vormt de basis voor elke computationele oefening in de cursus.

Les 2 • Python-syntax voor Wiskundig Werk

Behandel variabelen, lussen, functies en lijstcomprehensies toegepast op numeriek rekenen. Deze constructies vertalen wiskundige notatie naar uitvoerbare code.

Les 3 • Algebraïsche Uitdrukkingen met SymPy

Gebruik SymPy-symbolen om algebraïsche uitdrukkingen te bouwen, te vereenvoudigen en te ontbinden in factoren. Symbolische manipulatie is de toegangspoort tot analytische calculus in Python.

Les 4 • Numerieke Arrays met NumPy

Maak en bewerk NumPy-arrays om functies over intervallen te evalueren. Array-gebaseerd rekenen is de numerieke ruggengraat van toegepaste calculus-workflows.

Les 1 • Continuïteit en Discontinuïteiten

Definieer continuïteit formeel en classificeer ophefbare, sprong- en oneindige discontinuïteiten. Python-scripts detecteren en visualiseren discontinuïteiten in reële functies.

Les 2 • Het Concept van een Limiet

Introduceer de informele en formele definities van een limiet met behulp van tabellen en grafieken. Numerieke verkenning in Python bouwt intuïtie op voordat symbolische methoden worden gebruikt.

Les 3 • Limieten Berekenen met SymPy

Pas de limietfunctie van SymPy toe om analytische limieten te evalueren, inclusief onbepaalde vormen. Symbolische resultaten worden geverifieerd tegen numerieke benaderingen.

Les 1 • Afgeleiden van Speciale Functies

Differentieer goniometrische, exponentiële en logaritmische functies. SymPy behandelt deze analytisch terwijl NumPy ze numeriek evalueert.

Les 2 • Basis differentiatieregels

Pas de machtsfunctieregel, constante regel, somregel en verschilregel toe om polynomen te differentiëren.

Les 3 • Impliciete en Numerieke Differentiatie

Differentieer impliciet gedefinieerde relaties en pas eindige differentieschema's numeriek toe. Deze technieken behandelen functies die niet expliciet kunnen worden opgelost.

Les 4 • Product-, Quotiënt- en Kettingregels

Breid differentiatie uit naar producten, quotiënten en samengestelde functies. Deze regels behandelen de meeste functies die in toegepaste problemen voorkomen.

Les 1 • Optimalisatie met Afgeleiden

Vind absolute en lokale extremen met behulp van kritieke punten en randanalyse. SymPy lost de afgeleide vergelijkingen op terwijl SciPy's minimize de resultaten valideert.

Les 2 • De Regel van l'Hôpital en Asymptotische Analyse

Los onbepaalde limieten op met de regel van l'Hôpital en analyseer asymptotisch gedrag. SymPy automatiseert herhaalde toepassing en bevestigt grafische asymptoten.

Les 3 • Stijgend, Dalend en Convexiteit

Gebruik eerste en tweede afgeleiden om functiegedrag en convexiteit te bepalen. Python-plots geannoteerd met kritieke kenmerken versterken de analytische bevindingen.

Les 4 • Problemen met Gerelateerde Veranderingssnelheden

Differentieer meer variabelen bevatten de vergelijkingen naar de tijd om veranderende grootheden te koppelen. Python simuleert dynamische scenario's en plot snelheidsrelaties.

Les 1 • De Hoofdstelling van de Analyse

Formuleer en pas beide delen van de Hoofdstelling toe om differentiatie en integratie met elkaar te verbinden. SymPy demonstreert de stelling symbolisch aan de hand van concrete voorbeelden.

Les 2 • Riemannsommen en de Bepaalde Integraal

Benader de oppervlakte onder een kromme met behulp van linker-, rechter- en middelpunts-Riemannsommen. Python-lussen en NumPy-vectorisatie maken convergentiegedrag zichtbaar.

Les 3 • Basis Integratieregels en Formules

Pas machts-, exponentiële en goniometrische primitief functieregels toe. SymPy valideert elk resultaat en benadrukt veelgemaakte valkuilen zoals ontbrekende constanten.

Les 4 • Integratie door Substitutie

Pas u-substitutie toe om integralen naar eenvoudigere vormen te transformeren. SymPy's substitutiehulpmiddelen automatiseren de techniek voor complexe samengestelde integranden.

Les 1 • Gemiddelde Waarde en Middelwaardestelling

Bereken de gemiddelde waarde van een functie en vind het gegarandeerde punt van de middelwaardestelling. Deze concepten komen voor in signaalverwerking en statistische middeling.

Les 2 • Volumes van Omwentelingslichamen

Pas de schijf-, ring- en schilmethode toe om volumes van geroteerde lichamen te berekenen. Driedimensionale Matplotlib-plots maken de geometrie concreet.

Les 3 • Booglengte en Oppervlakte

Leid de booglengte- en oppervlakte-integralen af en evalueer ze voor gladde krommen. SciPy's quad behandelt integranden die weerstand bieden aan symbolische primitieve functies.

Les 4 • Accumulatie en Nettoverandering

Interpreteer de integraal als geaccumuleerde verandering in snelheids-, populatie- en kostenmodellen. Python simuleert tijdreeksaccumulatie en vergelijkt deze met analytische resultaten.

Les 1 • Partiële Afgeleiden en Gradiënten

Bereken partiële afgeleiden symbolisch met SymPy en stel de gradiëntvector samen. De geometrische betekenis van de gradiënt als steilste stijging wordt gevisualiseerd met pijldiagrammen.

Les 2 • Functies van Meerdere Variabelen

Definieer en visualiseer scalaire velden met behulp van contourplots en 3D-oppervlakteplots. Het begrijpen van de geometrie van meervariabele functies gaat vooraf aan analytische technieken.

Les 3 • Richtingsafgeleiden en de Kettingregel

Bereken richtingsafgeleiden en pas de meervariabele kettingregel toe op samengestelde functies. Deze hulpmiddelen modelleren gevoeligheid langs willekeurige richtingen in de parameterruimte.

Les 4 • Optimalisatie van Meervariabele Functies

Vind kritieke punten met behulp van de gradiënt en classificeer ze met de tweede afgeleide test. SciPy's minimize breidt optimalisatie uit naar problemen met beperkingen en hoge dimensionaliteit.

Les 1 • Numerieke ODE-oplossers

Implementeer de methode van Euler en gebruik SciPy's solve_ivp voor nauwkeurige numerieke oplossingen. Het vergelijken van methoden onthult afwegingen tussen eenvoud en precisie.

Les 2 • Scheidbare en Lineaire Eerste-Orde ODE's

Los scheidbare ODE's op door variabelen te scheiden en lineaire ODE's met integrerende factoren. SymPy's dsolve automatiseert beide methoden en geeft algemene oplossingen.

Les 3 • Stelsels van Differentiaalvergelijkingen

Modelleer gekoppelde dynamische systemen zoals roofdier-prooi- en compartimentsmodellen. SciPy solve_ivp behandelt vectorwaardige ODE's en fasediagrammen onthullen gedrag.

Les 4 • Calculus in Toegepaste Modellering

Integreer calculus-hulpmiddelen in end-to-end toegepaste modellen van data naar differentiaalvergelijking naar inzicht. Afsluitende miniprojecten consolideren alle cursuscompetenties.