Utbildning

Kursplan för Beräkningsvetenskap II

Scientific Computing II

Kursplan

  • 5 högskolepoäng
  • Kurskod: 1TD395
  • Utbildningsnivå: Grundnivå
  • Huvudområd(en) och successiv fördjupning: Datavetenskap G1F, Teknik G1F
  • Betygsskala: Underkänd (U), 3, 4, 5
  • Inrättad: 2007-03-15
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Reviderad: 2018-02-27
  • Reviderad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: vecka 26, 2018
  • Behörighet: Beräkningsvetenskap I. Grundkurs i matematisk statistik rekommenderas.
  • Ansvarig institution: Institutionen för informationsteknologi

Mål

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;
  • värdera egenskaper hos beräkningsalgoritmer och matematiska modeller samt utgående från sådan värdering argumentera för metoders lämplighet givet olika tillämpningsproblem;
  • lösa problem inom naturvetenskap och teknik genom att strukturera problemet i delproblem och använda programvara, inklusive egen kod, på ett effektivt och generellt sätt;
  • presentera, förklara, sammanfatta, värdera och diskutera lösningsmetoder och resultat i en mindre rapport.

Innehåll

Programmering i MATLAB och problemlösningsmetodik.
Lösning av ordinära differentialekvationer (begynnelsevärdesproblem). Adaptivitet. Stabilitet. Explicita och implicita metoder. Olika metoders noggrannhet och noggrannhetsordning. Monte Carlo-metoder och metoder baserade på slumptal, stokastiska modeller, stokastisk simulering, stokastiska differentialekvationer, inverse transform sampling.
I kursen ingår följande nyckelbegrepp: diskretisering och diskretiseringsfel (trunkeringsfel), noggrannhet och noggrannhetsordning, lokalt och globalt fel, effektivitet, stabilitet och instabilitet, adaptivitet, styv respektive icke-styv ordinär differentialekvation, deterministisk respektive stokastisk modell och metod.

Undervisning

Föreläsningar, lektioner/workouts, laborationer, obligatoriska inlämningsuppgifter/miniprojekt.

Examination

Skriftligt prov (3 hp) samt skriftlig rapport på miniprojekt (2 hp).

Litteratur

Litteraturlista

Gäller från: vecka 26, 2018

  • Chapra, Steven C. Applied numerical methods with MATLAB for engineers and scientists

    3. international ed.: Boston: McGraw-Hill Higher Education, 2012

    Se bibliotekets söktjänst

    Obligatorisk

Kompendium: Andreas Hellander: Stochastic Simulation and Monte Carlo Methods. TDB, 2009