SylabUZ

Generate PDF for this page

Mathematical Software 2 - course description

General information
Course name Mathematical Software 2
Course ID 11.9-WK-IDP-PM2-L-S14_pNadGenY6MC7
Faculty Faculty of Mathematics, Computer Science and Econometrics
Field of study Data Engineering
Education profile academic
Level of studies First-cycle studies leading to Engineer's degree
Beginning semester winter term 2022/2023
Course information
Semester 2
ECTS credits to win 3
Course type obligatory
Teaching language polish
Author of syllabus
  • dr Aleksandra Arkit
Classes forms
The class form Hours per semester (full-time) Hours per week (full-time) Hours per semester (part-time) Hours per week (part-time) Form of assignment
Laboratory 30 2 - - Credit with grade

Aim of the course

Rozwijanie kompetencji studenta w zakresie obsługi programu matematycznego i jego wykorzystania do rozwiązywania podstawowych problemów z zakresu analizy matematycznej i algebry liniowej. Nabycie przez studenta umiejętności wykorzystywania myślenia komputacyjnego i pakietu matematycznego do rozwiązywania prostych problemów matematycznych przy użyciu stworzonych przez siebie programów, ich implementacji wraz z symulacją i wizualizacją otrzymanych wyników.

Prerequisites

Podstawy programowania, Pakiety matematyczne 1.

Scope

1. Wizualizacja danych:
 - wykresy funkcji w postaci jawnej, uwikłanej i parametrycznej,
 - wykresy trójwymiarowe (powierzchnie stopnia drugiego).
2. Elementy programowania:
 - tworzenie funkcji użytkownika.
3. Elementy rachunku zbiorów:
 - definiowanie zbiorów,
 - podzbiory, nadzbiory, zbiory potęgowe,
 - działania na zbiorach.
4. Elementy prawdopodobieństwa:
 - generowanie liczb losowych,
 - wyznaczanie prawdopodobieństwa zdarzeń.
 5. Obliczenia symboliczne:
 - tworzenie i manipulowanie wyrażeniami matematycznymi
 - rozwiązywanie równań i układów równań  
 - badanie własności funkcji.
 

 

Teaching methods

Laboratorium: samodzielne rozwiązywanie zadań z wykorzystaniem pakietu matematycznego; tworzenie własnych programów do rozwiązywania prostych problemów matematycznych; dyskusja nad otrzymanymi rozwiązaniami; symulacja i wizualizacja otrzymanych wyników.

Learning outcomes and methods of theirs verification

Outcome description Outcome symbols Methods of verification The class form

Assignment conditions

Warunkiem zaliczenia przedmiotu jest pozytywna ocena z laboratorium. O ocenie końcowej z laboratorium decyduje suma punktów zdobyta podczas dwóch kolokwiów złożonych z zadań o zróżnicowanym stopniu trudności (70%) i aktywność na zajęciach (30%).
 

Recommended reading

- dla pakietu matematycznego  SageMath

  1. A. Saha, Matematyka w Pythonie : algebra, statystyka, analiza matematyczna i inne dziedziny, Helion, Gliwice 2021
  2. R. Johansson, Matematyczny Python. Obliczenia naukowe i analiza danych z użyciem NumPy, SciPy i Matplotlib, Helion, Gliwice 2021
  3. praca zbiorowa, Computational Mathematics with SageMath, SIAM, Philadephia

Further reading

  1. A. Cewe, H. Nahorska, I. Pancer, Tablice matematyczne, Wyd. Podkowa, 2008
  2. M. Gewert, Z. Skoczylas, Analiza matematyczna 1, Oficyna Wydawnicza GiS, 2007

Notes


Modified by dr Alina Szelecka (last modification: 11-07-2022 06:42)