Wydział Informatyki
Kierunek studiów Matematyka Stosowana Poziom i forma studiów drugiego stopnia stacjonarne
Specjalność / Ścieżka dyplomowania Analityka Danych i Modelowanie Matematyczne Profil kształcenia praktyczny
Nazwa przedmiotu Matematyka eksperymentalna Kod przedmiotu MAT2MEK
Rodzaj przedmiotu obowiązkowy
Forma zajęć i liczba godzin W Ć L P Ps T S Semestr 1
30 30 Punkty ECTS 5
Przedmioty wprowadzające
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

metoda projektów,   programowanie z użyciem komputera,   metoda przypadków,   klasyczna metoda problemowa,   wykład problemowy,   wykład informacyjny,  

Forma zaliczenia

Wykład: test pisemnego.
Pracownia specjalistyczna: ocena rozwiązywanych zadań.

Symbol efektu uczenia się Zakładane efekty uczenia się Odniesienie do kierunkowych efektów uczenia się
EU1 zna i rozumie istotę wybranych znanych problemów matematycznych omówionych na wykładzie K_W01
K_W02
EU2 wykonuje obliczenia, w tym symboliczne, w środowisku dobranego samodzielnie odpowiedniego pakietu matematycznego K_W03
K_U03
K_U09
EU3 korzysta z funkcji odpowiedniego pakietu w rozwiązywaniu zadań matematycznych, umie prezentować wyniki w formie wykresów K_W02
K_W04
K_U03
K_U09
EU4 przy realizacji niestandardowych zadań umie rozszerzyć funkcjonalność pakietu matematycznego, implementując procedury w języku programowania tego pakietu K_W03
K_U01
K_U11
K_U15
Symbol efektu uczenia się Sposób weryfikacji efektu uczenia się Forma zajęć na której zachodzi weryfikacja
EU1 test pisemny W
EU2 kontrola pracy na zajęciach, ocena rozwiązań zadań Ps
EU3 ocena rozwiązań zadań Ps
EU4 ocena rozwiązań zadań Ps
Bilans nakładu pracy studenta (w godzinach) Liczba godz.
Wyliczenie
1 - Udział w wykładach 30
2 - Udział w pracowni specjalistycznej 30
3 - Udział w konsultacjach 3
4 - Realizacja zadań domowych 35
5 - Przygotowanie do zaliczenia pracowni specjalistycznej 22
6 - Przygotowanie do zaliczenia wykładu 5
RAZEM: 125
Wskaźniki ilościowe GODZINY ECTS
Nakład pracy studenta związany z zajęciami wymagającymi bezpośredniego udziału nauczyciela 63
(2)+(3)+(1)
2.5
Nakład pracy studenta związany z zajęciami o charakterze praktycznym 87
(2)+(5)+(4)
3.5
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 2020.04.06