Numeriska metoder mental förberedelse
Hej, nästa period ska jag läsa en kurs i numeriska metoder. Jag är rädd för att det blir svårt eftersom jag inte gillar det och tycker det är fult. Jag är fördomsfull fast öppen att bli övertygad, men vill gärna undvika att bli det när halva kursen redan gått, så jag vore väldigt tacksam om någon gav mig en motivational speech här.
Är någon högre matte jag lärt mig användbar månntro? Då blir jag med ens mycket intresserad. Något säger mig att konvergens blir ett centralt begrepp, som ju är vanlig analys.
Hej!
En första kurs i numeriska metoder bör inte vara speciellt "matematik"-tung. Nu beror det säkert på program, kurs och universitet, men för mig var det jobbigaste att faktiskt försöka implementera/programmera vissa av dom numeriska metoderna.
Sen så kan jag tycka att just den första kursen var lite "meh". Vad ska man med det till kanske man kan tycka? Men i senare kurser i numeriska metoder så börjar man se att det man tidigare lärt sig blir verktyg för att lösa "faktiska" problem (differentialekvationer av olika slag osv.). Det var mest då jag tyckte att numeriska metoder började bli intressant.
Du ska inte tro att numeriska metoder bara är att stoppa in lite tal i en formel och vips så kommer det ut ett annat tal. Det finns mycket teori bakom. Som du redan nämnt är konvergens ett viktigt ord. I mina kurser på numeriska metoder har det generellt varit mycket fokus på (metoden i sig såklart, bakgrund/härledning) konvergens, konvergenshastighet, stabilitet, olika typer av fel, användningsområden och för/nackdelar.
Jag vet inte vad du har koll på, men för lite inspiration kan du söka på exempelvis Monte-Carlo metoder (som bygger på sannolikhetsteori) och finita elementmetoden (där det inte spelar någon roll hur vår mesh ser ut, och i bakgrunden och härledning ingår vektorrum, baser, weak derivatives osv..).
Jag tror (inte baserat på något, bara min egna uppfattning) att numeriska metoder kanske ses lite som statistik hos "the average joe". Lite tal som vi stoppar in i någon formel och så kanske vi hittar ett medelvärde och sitter med excel hela dagarna. Det är liksom långt ifrån vad statistik faktiskt är och det finns djup teori bakom. Kanske att numeriska metoder kan uppfattas lite likadant, jag vet inte.
Mitt tips är hur som helst att ge det en chans, och det blir bara bättre ju mer du lär dig och ju djupare in du kommer.
Moffen skrev:Hej!
En första kurs i numeriska metoder bör inte vara speciellt "matematik"-tung. Nu beror det säkert på program, kurs och universitet, men för mig var det jobbigaste att faktiskt försöka implementera/programmera vissa av dom numeriska metoderna.
Vad är den ”hmhmhm”-tung på då? Programmering? Jag tror det kan vara så; boken (numerical analysis Sauer) ger exempel med matlab överallt, och vår kurs heter faktiskt grundläggande programmering och numeriska metoder.
Sen så kan jag tycka att just den första kursen var lite "meh". Vad ska man med det till kanske man kan tycka? Men i senare kurser i numeriska metoder så börjar man se att det man tidigare lärt sig blir verktyg för att lösa "faktiska" problem (differentialekvationer av olika slag osv.). Det var mest då jag tyckte att numeriska metoder började bli intressant
Nu vet jag vad du läser, i det programmet finns det säkert, men på teknisk fysik eller bioteknik finns ingen påbyggnadskurs. Vad antiklimaxiskt det blir för mig isåfall. Det är som att inte fortsääta med differentialgeometri när man är klar med flervariabelanalys, vilket slöseri am i right.
Du ska inte tro att numeriska metoder bara är att stoppa in lite tal i en formel och vips så kommer det ut ett annat tal. Det finns mycket teori bakom.
Ja... Jag tycker inte att ämnet är osofistikerat (det är säkert väldigt sofistikerat), bara ointressant för mig, det består av frågeställningar vars svar jag inte blir imponerad av.
Som du redan nämnt är konvergens ett viktigt ord. I mina kurser på numeriska metoder har det generellt varit mycket fokus på (metoden i sig såklart, bakgrund/härledning) konvergens, konvergenshastighet, stabilitet, olika typer av fel, användningsområden och för/nackdelar.
Jag hoppas att kursen befinner sig på den sidan av skalan, mer analys. Jag undrade en gång en sån fråga, men det fanns inget bra svar.
Jag vet inte vad du har koll på, men för lite inspiration kan du söka på exempelvis Monte-Carlo metoder (som bygger på sannolikhetsteori) och finita elementmetoden (där det inte spelar någon roll hur vår mesh ser ut, och i bakgrunden och härledning ingår vektorrum, baser, weak derivatives osv..).
Jag började kolla kursboken, än så länge får den 5/10 poäng för att vara ok men inte fångande.
Jag tror (inte baserat på något, bara min egna uppfattning) att numeriska metoder kanske ses lite som statistik hos "the average joe". Lite tal som vi stoppar in i någon formel och så kanske vi hittar ett medelvärde och sitter med excel hela dagarna. Det är liksom långt ifrån vad statistik faktiskt är och det finns djup teori bakom. Kanske att numeriska metoder kan uppfattas lite likadant, jag vet inte.
Mitt tips är hur som helst att ge det en chans, och det blir bara bättre ju mer du lär dig och ju djupare in du kommer.
Ja som jag skrev så kanske jag inte kommer djupare än en grundkurs :(. Om jag blir väldigt imponerad kanske jag går nån fristående kurs, men det är osannolikt eftersom den skulle behöva slå alla rena mattekurser i SUs utbud.
