MM566: Udvalgte emner i numerisk analyse I

Det Naturvidenskabelige Studienævn

Undervisningssprog: Engelsk
EKA: N300054102
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Bachelor

STADS ID (UVA): N300054101
ECTS-point: 5

Godkendelsesdato: 10-10-2021


Varighed: 1 semester

Version: Arkiv

Kommentar

Kurset samlæses med kursus MM863

Indgangskrav

Ingen

Faglige forudsætninger

Studerende, der følger kurset, forventes at 

  • have kendskab til grundlæggende matematisk baggrund som leveret af kurserne Calculus, Lineær Algebra, Matematisk og Numerisk analyse og Ordinære differentialligninger

Grundlæggende færdigheder i videnskabelig programmering kan være nyttige, men er ikke obligatoriske

Formål

Formålet med kurset er at berige de studerendes færdigheder og rækkevidde i numerisk analyse og anvendt matematik og at vise udsigter til mulige specialeemner, og sætte den studerende i stand til:

  • forstå de vidergående principper for numerisk tænkning
  • forstå og arbejde med numeriske metoder i en bred vifte af applikationer
  • sammenligne og sammenholde metoderne som er gennemgået i kurset
  • at bringe denne teknikker i anvendelse

I forhold til uddannelsens kompetenceprofil har kurset eksplicit fokus på at:

  • Give kompetence til at analysere og at anvende matematisk modeller
  • Giv en grundlæggende forståelse af samspillet mellem teoretisk udvikling, gennemførlighed og beregningseffektivitet

Kurset danner grundlag for MM862: Udvalgte emner i numerisk analyse II.
Kurset kan bruges som grundlag for BAMM501: Bachelorprojekt i anvendt matematik.
Dels diskuterer kurset spørgsmål, der opstår, men ikke behandles i kurset MM834: Partielle differentialligninger: teori, modellering og beregning.

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evnen til at:

  • kende definitionerne af de koncepter og tekniske termer, der blev introduceret i forelæsningen.
  • fortælle hovedformålet og raison d'être for hver sektion af hele kurset
  • kende nøgleidéerne til afledning af de vigtigste sætninger og algoritmer, der introduceres i kurset
  • demonstrerer evnen til at dække nogle udvalgte emner i detaljer, inklusive prøveteknikker
  • at formulere problemer (inklusive beviser) i et korrekt matematisk sprog

Indhold

Kurset indeholder følgende faglige hovedområder: Introduktion til et eller flere emner indenfor numerisk analyse.

Dette kunne for eksempel være:

  •     Matrixanalyse og matrixdekomposition
  •     Iterative løsninger til lineære ligningssystemer
  •     Iterative løsninger på egenværdiproblemer
  •     Design og analyse af computereksperimenter
  •     Modelreduktion
  •     Matrix manifolds og applikationer

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Juni

Udprøvninger

Mundtlig

EKA

N300054102

Censur

Intern prøve, to eller flere bedømmere

Bedømmelse

7-trinsskala

Identifikation

Studiekort

Sprog

Følger, som udgangspunkt, undervisningssprog

Hjælpemidler

Oplyses på kurset

ECTS-point

5

Vejledende antal undervisningstimer

42 timer per semester

Undervisningsform

På naturvidenskab er undervisningen tilrettelagt efter trefasemodellen dvs. intro, trænings- og studiefasen. Disse undervisningsaktiviteter udmønter sig i en anslået vejledende fordeling af arbejdsindsatsen hos en gennemsnitsstuderende på følgende måde:

  • Introfase (forelæsning, holdtimer) - Antal timer: 28
  • Træningsfase: Antal timer: 14, heraf 14 timers eksaminatorier

Aktiviteter i studiefasen: 

  • Læsning af foreslået litteratur
  • Udarbejdelse af øvelser i studiegrupper
  • At bidrage til online læring aktiviteter i forbindelse med kurset

Undervisningens omdrejningspunkter er interaktion og dialog. I introfasen introduceres og perspektiveres koncepter, teorier og modeller. I træningsfasen træner de studerende færdigheder og trænger dybere ned i det stof. I studiefasen får de studerende faglige, personlige og sociale erfaringer, der sætter dem i stand til at befæste og videreudvikle deres videnskabelige kompetencer. Der er fokus på fordybelse, forståelse og udvikling af samarbejdskompetencer.

Ansvarlig underviser

Navn E-mail Institut
Ralf Zimmermann zimmermann@imada.sdu.dk Computational Science

Skemaoplysninger

Administrationsenhed

Institut for Matematik og Datalogi (matematik)

Team hos Uddannelsesjura & Registratur

NAT

Udbudssteder

Odense

Anbefalede studieforløb

Profil Uddannelse Semester Udbuds periode

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.