-
Apresentação
Apresentação
A UC de Análise Numérica pretende dar ferramentas aos alunos para: reconhecerem a necessidade de utilização de métodos numéricos e a relevância do conceito de erro; conhecerem alguns métodos numéricos clássicos de resolução de sistemas de equações lineares e de equações não lineares; conhecerem alguns métodos numéricos clássicos de interpolação e aproximação e de quadratura; utilizarem um sistema computacional apropriado para avaliar os métodos; e desenvolverem espírito crítico, capacidade de trabalho autónomo e em grupo.
-
Disciplina do curso
Disciplina do curso
-
Grau | Semestres | ECTS
Grau | Semestres | ECTS
Licenciado | Semestral | 6
-
Ano | Natureza | Lingua
Ano | Natureza | Lingua
1 | Obrigatório | Português
-
Código
Código
ULHT6634-335
-
Pré-requisitos e co-requisitos
Pré-requisitos e co-requisitos
Não aplicável
-
Estágio Profissional
Estágio Profissional
Não
-
Conteúdos Programáticos
Conteúdos Programáticos
CP1. Python para Análise Numérica CP2. Erros e propagação de erros CP3. Regressão Linear CP4. Interpolação CP5. Equações não lineares CP6. Sistemas de equações lineares CP7. Integração numérica
-
Objetivos
Objetivos
Os objetivos principais desta disciplina são: OA1. Compreender a limitação finita de algoritmos numéricos. OA2. Trabalhar com estimativas de erros e compreender a propagação de erros em algoritmos. OA3. Resolver equações não lineares e sistemas de equações lineares por métodos numéricos. OA4. Interpolar e extrapolar dados por interpolação e mínimos quadrados. Aplicar a ciências de dados e medições experimentais. OA5. Aproximar funções e integrais por métodos numéricos. OA6. Desenvolver projetos computacionais elementares. Aplicar a diversos problemas de ciência de dados.
-
Metodologias de ensino
Metodologias de ensino
As aulas são divididas em aulas teóricas e práticas, sendo na sua maioria aulas expositivas presenciais. ME1. Aulas expositivas. ME2. Aulas práticas, com alguns momentos expositivos e outros com exercícios. ME3. Listas de exercícios teóricas e práticas. ME4. Desenvolvimento de projetos de maneira autónoma. ME5. Recomendação de leitura complementar.
-
Bibliografia principal
Bibliografia principal
Slides e apontamentos das aulas Pedro M. A. Miranda, Laboratório Numérico (em python). Disponível em: https//fenix.ciencias.ulisboa.pt/downloadFile/2251937252639182/LabNum_2018_v4.pdf Qingkai Kong, Timmy Siauw, Alexandre Bayen, Python Programming and Numerical Methods. A Guide fir Engineers and Scientists. ISBN: 9780128195499. Disponiível em: https://pythonnumericalmethods.berkeley.edu/notebooks/Index.html
-
Avaliação
Avaliação
A avaliação é composta por:
- Avaliação contínua: dois testes realizados em aula.
- Avaliação final, em único teste de 90 minutos, caso o aluno não tire uma nota suficiente na avaliação contínua.
- Recurso, em único teste de 90 minutos.
-
Mobilidade
Mobilidade
Não
