1TD342 · Uppsala universitet
Introduktion till beräkningsvetenskap
7
tentor
Kursinnehåll
2025-01-15
0 uppgifter
2024-05-23
0 uppgifter
2024-01-11
0 uppgifter
2024-01-10
0 uppgifter
2023-01-03
0 uppgifter
Vad ingår?
0 uppgifter
Sorterat efter ämne och svårighet, direkt från tentor.
7 tentor med lösningar
Alla tidigare tentor samlade, öva på riktiga examensfrågor.
AI-handledare (KAI)
Få steg-för-steg-hjälp dygnet runt, skräddarsydd för den här kursen.
0 studieplaner
Personliga studieplaner som anpassar sig till dina framsteg.
Generera tester
Skapa anpassade övningstester baserat på ämne och svårighet.
Framstegsanalys
Se vad du vet, vad du behöver granska och vad som finns kvar.
HP
5
Språk
Engelska, Svenska, Svenska
Fakultet
Teknisk-naturvetenskapliga fakulteten
Institution
Institutionen för informationsteknologi
Lärandemål
Efter godkänd kurs ska studenten kunna:
- redogöra för och utföra uppgifter som kräver kännedom om de nyckelbegrepp som ingår i kursen;
- beskriva och använda de algoritmer som ingår i kursen;
- undersöka egenskaper hos beräkningsalgoritmer och matematiska modeller med hjälp av de analysförfaranden som ingår i kursen;
- lösa tekniska och naturvetenskapliga beräkningsproblem givet en matematisk modell, genom att strukturera problemet, välja lämplig numerisk metod, samt generera lösning med hjälp av matematisk programvara och egen kod (Python).
Kursinnehåll
Numeriska algoritmer för funktioner av en variabel och användning av programvara för att lösa sådana problem. Innehållet är indelat i tre huvudområden med algoritmer för: polynomanpassning och numerisk integration, numerisk lösning av ordinära differentialekvationer, lösning av icke-linjära ekvationer. Numerisk integration: Simpsons metod och Trapetsregeln. Ordinära differentialekvationer: Runge-Kutta metoder, explicita och implicita metoder. Lösning av icke-linjära ekvationer: Bisektion, Newton-Raphsons metod och kombinationer av dessa. Analys av algoritmernas noggrannhet, stabilitet, konvergens och effektivitet. IEEE-standard för flyttalsrepresentation. Problemlösning och programmering i Python. Problemlösningsmetodik. Uppdelning av ett problem i delproblem och implementation i Python. Användande av avancerad programvara för numeriska problem (NumPy och Matlab). Viktiga nyckelbegrepp som ingår i kursen är bl.a. algoritm, numerisk metod, diskretisering och diskretiseringsfel, stabilitet och instabilitet, avrundningsfel, maskinepsilon, overflow och underflow, kancellation, flyttal, noggrannhet och noggrannhetsordning, iteration och iterativ metod, adaptivitet och adaptiv metod, konvergens hos iterativ metod, konvergenshastighet.
Förutsättningar
- Kurs i programmering i Python (exempelvis Programmeringsteknik I) ska vara genomgången eller läsas parallellt. En av kurserna Envariabelanalys, Envariabelanalys M, Geometri och analys och Funktionslära för ingenjörer ska vara genomgången.
Litteratur
Saknas
Liknande kurser vid andra universitet
Gör som 15 000+ studenter och ta kontroll över ditt tentaplugg.
Kom igång gratis