MM862: Udvalgte emner i numerisk analyse II

Det Naturvidenskabelige Studienævn

Undervisningssprog: Engelsk
EKA: N310068102
Censur: Intern prøve, to eller flere bedømmere
Bedømmelse: 7-trinsskala
Udbudssteder: Odense
Udbudsterminer: Forår
Niveau: Kandidat

STADS ID (UVA): N310068101
ECTS-point: 5

Godkendelsesdato: 11-10-2021


Varighed: 1 semester

Version: Godkendt - aktiv

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 numerisk analyse i en bred vifte af applikationer
  • sammenligne og sammenholde metoderne som er gennemgået i kurset
  • overdrage undervisningsindholdet til nye problemer
  • 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
  • give en grundig forståelse af samspillet mellem teoretisk udvikling, gennemførlighed og beregningseffektivitet

Målbeskrivelse

For at opnå kursets formål er det læringsmålet for kurset, at den studerende demonstrerer evne 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
  • tilpasse og overføre kendte koncepter til nye relaterede applikationsscenarier
  • at formulere problemer (inklusive beviser) i et korrekt matematisk sprog
  • at analysere, anvende og modificere metoderne

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 på egenværdiproblemer
  • Design og analyse af computereksperimenter
  • Modelreduktion
  • Matrix manifolds og applikationer som interpolation og optimering
  • Matrix-færdiggørelse

(Valget supplerer eller udvider kurset "MM566").

Litteratur

Se itslearning for pensumlister og yderligere litteraturhenvisninger.

Eksamensbestemmelser

Eksamenselement a)

Tidsmæssig placering

Juni

Udprøvninger

Mundtlig

EKA

N310068102

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.