MM537: Introduktion til Matematiske Metoder

Naturvidenskabeligt studienævn

Undervisningssprog: På dansk eller engelsk afhængigt af underviser
EKA: N300005102, N300005112
Censur: Ekstern prøve, Intern prøve, en bedømmer
Bedømmelse: 7-trinsskala, Bestået/Ikke bestået
Udbudssteder: Odense
Udbudsterminer: Efterår
Niveau: Bachelor

STADS ID (UVA): N300005101
ECTS-point: 5

Godkendelsesdato: 28-03-2025


Varighed: 1 semester

Version: Godkendt - aktiv

Intern kursuskode

MM537

Kommentar

Fælles undervisning med DM549: Diskrete metoder til datalogi, DM547: Diskret matematik samt DS820: Diskrete metoder for Data Science

Indgangskrav

Kurset kan ikke følges hvis man har bestået: MM540, MM568, DM527, DM535, DM547 og DM549.

Faglige forudsætninger

Studerende, der følger kurset, forventes at have A-niveau i matematik fra en gymnasial uddannelse.

Formål

Kurset giver et fundament for det videre studie i matematik idet de studerende bl.a. lærer om logik og herunder, hvordan man ræsonnerer i matematik. Derudover bliver de introduceret for andre fundamentale begreber, som mængder, relationer og funktioner, som er grundlæggende i matematikken.

Kurset danner grundlag for samtlige efterfølgende kurser på Bachelorgraden i matematik og anvendt matematik idet de studerende her lærer de grundlæggende metoder i matematik. Kurset spiller endvidere sammen med kurserne MM536 Calculus i matematik idet, de studerende lærer om de underliggende mængdeteoretiske definitioner af begreber anvendt i analysen, samt kurset MM5xx Algebra 1, da de fx lærer om ækvivalensrelationer, som er et vigtigt begreb i algebraen.

Målbeskrivelse

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at give viden om grundlæggende matematiske begreber og emner, at give kompetence til at opstille, gennemføre og fremstille matematiske ræsonnementer samt at give færdigheder i at:
  • formalisere udsagn på en korrekt logisk måde.
  • udtrykke sig kort og præcist.
  • bevise påstande ved hjælp af forskellige bevismetoder såsom direkte bevis, kontrapositionsbevis, modstridsbevis og induktionsbevis.
  • anvende kendte begreber, resultater og teknikker på konkrete problemer, kendte såvel som nye.
  • argumentere fyldestgørende for sine løsninger.

Indhold

Kurset indeholder følgende faglige hovedområder:
  • Logik
  • Bevisteknikker: direkte bevis, kontrapositionsbevis, modstridsbevis og induktionsbevis
  • Mængder og kardinalitet
  • Funktioner
  • Rekursive definitioner og stærk induktion
  • Relationer, herunder forskellige repræsentationer af relationer, lukninger, partielle ordninger og ækvivalensrelationer

    Litteratur

    Se itslearning for litteraturhenvisninger.

    Eksamensbestemmelser

    Eksamenselement b)

    Tidsmæssig placering

    Januar

    Udprøvninger

    Skriftlig eksamen

    EKA

    N300005102

    Censur

    Ekstern prøve

    Bedømmelse

    7-trinsskala

    Identifikation

    Studiekort - Eksamensnummer

    Sprog

    Følger, som udgangspunkt, undervisningssprog

    Varighed

    3 timer

    Hjælpemidler

    Eksamen er med begrænsede hjælpemidler. Det er kun følgende hjælpemidler som er tilladt:
    • lærebøger, noter, forelæsningspræsentationer, kompendier og formelsamlinger mv.

    Internet er ikke tilladt. Du må dog gå ind på kursets hjemmeside i itslearning i forbindelse med åbning af system "DE – Digital Eksamen" og udfyldelse af evt. test i systemet.

    ECTS-point

    4

    Uddybende information

    Eksamensopgaven er MCQ-format. MCQ udleveres i system DE-Digital Eksamen 

    Eksamenselement a)

    Tidsmæssig placering

    Efterår

    Udprøvninger

    Obligatoriske opgaver

    EKA

    N300005112

    Censur

    Intern prøve, en bedømmer

    Bedømmelse

    Bestået/Ikke bestået

    Identifikation

    Fulde navn og SDU brugernavn

    Sprog

    Følger, som udgangspunkt, undervisningssprog

    Hjælpemidler

    Oplyses på kurset

    ECTS-point

    1

    Vejledende antal undervisningstimer

    48 timer per semester

    Undervisningsform

    Skemalagte undervisningstimer:
    Antal undervisningstimer i alt: 48
    Heraf:
    Fællestimer i klasselokale/auditorium: 48

    I forelæsningerne benyttes en modificeret udgave af klassisk forelæsning, hvor fagets grundbegreber og metoder præsenteres, med såvel teori som eksempler. I disse timer er der mulighed for spørgsmål og diskussion. I holdtimerne arbejdes der med opgaver, som relaterer sig til indholdet i de forudgående forelæsninger. I disse timer er der mulighed for at arbejde specifikt med særligt vanskelige emner.

    Andre planlagte undervisningsaktiviteter:
    • Løse opgaver
    • Læse den tildelte litteratur
    • Øve at anvende den tilegnede viden
    De studerende arbejder selvstændigt med opgaver og med forståelsen af fagets termer og begreber. Der er efterfølgende mulighed for at bringe spørgsmål op i enten forelæsninger eller holdtimer.

    Ansvarlig underviser

    Navn E-mail Institut
    Teresa Anna Steiner Steiner@imada.sdu.dk Institut for Matematik og Datalogi

    Skemaoplysninger

    Administrationsenhed

    Institut for Matematik og Datalogi (matematik)

    Team hos Registratur

    NAT

    Udbudssteder

    Odense

    Anbefalede studieforløb

    Profil Uddannelse Semester Udbuds periode
    KA Data Science, Economics and Business Administration - optag 1. september 2023, 2024 og 2025 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E25
    KA Data Science, Economics and Business Administration - optag 1. september 2023, 2024, 2025 og 2026 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E26
    KA Data Science, Environmental Data Science - optag 1. september 2023, 2024 og 2025 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E25
    KA Data Science, Environmental Data Science - optag 1. september 2023, 2024, 2025 og 2026 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E26
    KA Data Science, Health Data - optag 1. september 2023, 2024 og 2025 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E25
    KA Data Science, Health Data - optag 1. september 2023, 2024, 2025 og 2026 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E26
    KA Data Science, Human Informatics - optag 1. september 2023, 2024 og 2025 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E25
    KA Data Science, Human Informatics - optag 1. september 2023, 2024, 2025 og 2026 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E26
    KA Data Science, Mediatech - optag 1. september 2023, 2024 og 2025 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E25
    KA Data Science, Mediatech - optag 1. september 2023, 2024, 2025 og 2026 Kandidat Data Science kandidat | Kandidat i Data Science | Odense 1 E26

    Overgangsordninger

    Overgangsordninger beskriver, hvordan et kursus erstatter et andet kursus, når der ændres i et studieforløb.
    Hvis der er lavet en overgangsordning for et kursus vil den fremgå af oversigten.
    Se overgangsordninger for alle kurser på Det Naturvidenskabelige Fakultet.