Wydział Informatyki
Kierunek studiów Informatyka Poziom i forma studiów pierwszego stopnia inżynierskie stacjonarne
Specjalność / Ścieżka dyplomowania --- Profil kształcenia ogólnoakademicki
Nazwa przedmiotu Matematyka eksperymentalna Kod przedmiotu INF1MEK
Rodzaj przedmiotu obieralny
Forma zajęć i liczba godzin W Ć L P Ps T S Semestr 5
26 30 Punkty ECTS 5
Przedmioty wprowadzające Algebra liniowa z geometrią analityczną (INF1ALG),   Analiza matematyczna (INF1AMA),   Matematyka dyskretna (INF1MDY),  
Cele przedmiotu

Celem przedmiotu jest zapoznanie studentów z metodologią badań matematycznych, których głównych narzędziem badawczym są pakiety matematyczne takie jak Matlab, Maple, Mathematica, Sage, Magma, GAP i in. Na przykładach kilku problemów badawczych z zakresu algebry, analizy matematycznej i teorii liczb, zostaną zademonstrowane najważniejsze zalety tej metodologii, a więc testowanie prawdziwości hipotez, poszukiwanie regularności i schematów pozwalających na stawianie hipotez, identyfikowanie parametrów i zbieranie dowodów na potwierdzenie prawdziwości szczegółowych twierdzeń, ułatwiające przeprowadzenie ich formalnych dowodów.

Treści programowe

W ramach wykładu, zostaną przedstawione wybrane problemy badawcze z zakresu algebry, analizy matematycznej, teorii liczb, kombinatoryki i teorii grafów, oraz teoretyczna otoczka ułatwiająca ich zrozumienie, które będą przedmiotem rozważań w ramach pracowni specjalistycznej.

W ramach pracowni specjalistycznej, po zapoznaniu z podstawami wybranych pakietów, zwłaszcza 'open source' studenci będą rozwiązywać konkretne zadania, w tym dwa szersze projekty dotyczące znanych problemów badawczych z wyżej podanych dziedzin.

Na podstawie przykładów problemów z różnych dziedzin matematyki zostanie zilustrowana metodologia badań zagadnień matematycznych na bazie dużej liczby obliczeń wykorzystujących pakiety matematyczne, w tym pakiety 'open source' takie jak Sage lub GAP. W szczególności zilustrowane zostanie to, jak dzięki obliczeniom
- głębiej zrozumieć badany problem i zdobyć intuicje odnośnie kierunku badań,
- odkryć nowe regularności, schematy i związki,
- graficznie wizualizować matematyczne obiekty,
- testować i w szczególności falsyfikować hipotezy,
- poszukiwać rozwiązania szczegółowych przypadków by ocenić, czy zagadnienie jest warte formalnych rozważań i dowodów,
- zastępować skomplikowane 'ręczne' symboliczne rachunki odpowiednio dostosowanymi do tego programami,
- potwierdzać formuły uzyskane w drodze analizy.

Metody dydaktyczne

wykład konwersatoryjny,   programowanie z użyciem komputera,   metoda projektów,   ćwiczenia przedmiotowe,  

Forma zaliczenia

Wykład: test pisemny dotyczący wiedzy przedstawionej na wykładach..
Pracownia specjalistyczna: ocena rozwiązywanych zadań i projektów realizowanych w ramach pracowni.

Symbol efektu uczenia się Zakładane efekty uczenia się Odniesienie do kierunkowych efektów uczenia się
EU1 istotę wybranych znanych problemów matematycznych omówionych na wykładzie INF1_W01
EU2 wykonywać obliczenia, w tym symboliczne, w środowisku dobranego samodzielnie odpowiedniego pakietu matematycznego INF1_U01
INF1_U07
INF1_U18
INF1_K01
EU3 korzystać z funkcji odpowiedniego pakietu w rozwiązywaniu zadań matematycznych, umie prezentować wyniki w formie wykresów INF1_U10
INF1_U18
EU4 przy realizacji niestandardowych zadań umie rozszerzyć funkcjonalność pakietu matematycznego, implementując procedury w języku programowania tego pakietu H1_U02
INF1_U01
INF1_U02
Symbol efektu uczenia się Sposób weryfikacji efektu uczenia się Forma zajęć na której zachodzi weryfikacja
EU1 test pisemny W
EU2 kontrola pracy w trakcie zajęć, ocena rozwiązań zadań i projektów Ps
EU3 ocena rozwiązań zadań i projektów W
EU4 ocena rozwiązań zadań i projektów Ps
Bilans nakładu pracy studenta (w godzinach) Liczba godz.
Wyliczenie
1 - Udział w wykładach 26
2 - Udział w pracowni specjalistycznej 30
3 - Udział w konsultacjach 4
5 - Realizacja zadań domowych 40
6 - Przygotowanie do zaliczenia pracowni specjalistycznej 15
7 - Przygotowanie do zaliczenia wykładu 10
RAZEM: 125
Wskaźniki ilościowe GODZINY ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela 60
(1)+(2)+(3)
2.4
Nakład pracy studenta związany z zajęciami o charakterze praktycznym 85
(2)+(5)+(6)
3.4
Literatura podstawowa

1. R. Pratap, MATLAB 7 dla naukowców i inżynierów, Wydaw. Naukowe PWN, Warszawa 2013.
2. B. Mrozek, Z. Mrozek, MATLAB i Simulink: poradnik użytkownika, Helion, Gliwice 2010.
3. C. T. Lachowicz, Matlab, Scilab, Maxima: opis i przykłady zastosowań, Oficyna Wydawnicza Politechniki Opolskiej, Opole 2005.
4. A. Brozi, Scilab w przykładach, Wydaw. Nakom, Poznań 2007.
5. Sage Manual, http://www.sagemath.org/doc/
6. GAP Manual, http://www.gap-system.org/Doc/manuals.html

Literatura uzupełniająca

1. D. H. Bailey, J. M. Borwein, N. J. Calkin, R. Girgensohn, D. R. Luke and V. H. Moll, Experimental Mathematics In Action, https://math.dartmouth.edu/~m56s13/BaileyBorweinetal2006book_Experimental_Mathematics_in_Action.pdf
2. W. Gander, J. Hřebíček, Solving problems in scientific computing using Maple and MATLAB, Springer-Verlag, Berlin 1995.
3. S. Eilers, R. Johansen, Introduction to Experimental Mathematics, Cambridge Mathematical Textbooks, Cambridge University Press, Cambridge 2017.
4. J. Borwein, D. Bailey, Mathematics by Experiments, A K Peters Ltd., Wellesley, Massachusetts 2008.
5. F. R. Villegas, Experimental Number Theory, Oxford University Press, Oxford 2007.

Jednostka realizująca Katedra Informatyki Teoretycznej Data opracowania programu
Program opracował(a) dr hab. Czesław Bagiński 2025.03.07