Kursplan för Beräkningsvetenskap II

Scientific Computing II

Det finns en senare version av kursplanen.

Kursplan

  • 5 högskolepoäng
  • Kurskod: 1TD395
  • Utbildningsnivå: Grundnivå
  • Huvudområde(n) och successiv fördjupning: Datavetenskap G1F, Teknik G1F

    Förklaring av koder

    Koden visar kursens utbildningsnivå och fördjupning i förhållande till andra kurser inom huvudområdet och examensfordringarna för generella examina:

    Grundnivå
    G1N: har endast gymnasiala förkunskapskrav
    G1F: har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
    G1E: innehåller särskilt utformat examensarbete för högskoleexamen
    G2F: har minst 60 hp kurs/er på grundnivå som förkunskapskrav
    G2E: har minst 60 hp kurs/er på grundnivå som förkunskapskrav, innehåller examensarbete för kandidatexamen
    GXX: kursens fördjupning kan inte klassificeras.

    Avancerad nivå
    A1N: har endast kurs/er på grundnivå som förkunskapskrav
    A1F: har kurs/er på avancerad nivå som förkunskapskrav
    A1E: innehåller examensarbete för magisterexamen
    A2E: innehåller examensarbete för masterexamen
    AXX: kursens fördjupning kan inte klassificeras.

  • Betygsskala: Underkänd (U), godkänd (3), icke utan beröm godkänd (4), med beröm godkänd (5)
  • Inrättad: 2007-03-15
  • Inrättad av: Teknisk-naturvetenskapliga fakultetsnämnden
  • Gäller från: vecka 27, 2007
  • Behörighet: Beräkningsvetenskap I.
  • Ansvarig institution: Institutionen för informationsteknologi

Mål

För godkänt betyg ska studenten kunna

  • redogöra för de grundläggande begreppen diskretisering, noggrannhet och noggrannhetsordning, effektivitet, stabilitet, diskretiseringsfel (trunkeringsfel), ansats, adaptivitet;
  • översiktligt kunna förklara idén bakom de algoritmer som behandlas i kursen;
  • redogöra för den principiella skillnaden mellan stokastiska och deterministiska algoritmer;
  • analysera några enkla metoders noggrannhetsordning och stabilitetsegenskaper och förstå hur en sådan analys principiellt går till;
  • värdera olika metoders egenskaper med avseende på noggrannhet, stabilitetsegenskaper och effektivitet;
  • utgående från en sådan värdering av metoders egenskaper, argumentera för metoders lämplighet givet olika tillämpningsproblem;
  • lösa teknisk-naturvetenskapliga problem givet matematisk modell, genom att strukturera problemet, välja lämplig numerisk metod, samt generera lösning med hjälp av programvara och egen kod;
  • presentera, förklara, sammanfatta, värdera och diskutera lösningsmetoder och resultat i en mindre rapport .

Innehåll

Fortsatt programmering i MATLAB, med inriktning mot visualisering. Fortsatt problemlösningsmetodik. Dataanalys: minstakvadratproblem med lösning baserad på normalekvationerna och QR-uppdelning. Interpolation, med tonvikt på styckvis interpolation (inklusive kubiska spines).
Lösning av ordinära differentialekvationer (begynnelsevärdesproblem). Adaptivitet. Stabilitet. Explicita och implicita metoder och i samband med detta lösning av icke-linjära ekvationssystem. Monte Carlo-metoder och metoder baserade på slumptal.

Undervisning

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

Examination

Skriftligt prov (3 hp) samt inlämningsuppgifter/miniprojekt (2 hp).

Litteratur

Litteraturlista

Gäller från: vecka 27, 2007

I bibliotekets söktjänst kan du se om en titel finns elektroniskt.

Meddelas senare/To be decided.