0x010088F6312065A70A44B630A6848498EAD80093CFEAFE161DC94D83C7C5C9A5A748B8

<h2>Handlingsplan fra forrige evaluering</h2>-         Python ble undervist tidligere i innføringsemnet, men ikke så tidlig som vi ønsket. Studentene rapporterte fortsatt manglende læring av Python i starten mhp matematikken.-         Blackboard har ingen automatisk plassering av alle studenter i rette grupper, men det ble jobbet aktivt med å gjøre dette, slik at ingen gikk glipp av viktig informasjon.-         Timeplan: Vi fikk for det meste oppfylt våre timeplanønsker om å få lagt faget mellom 8 og 14.

<h2>Vurdering av gjennomføringen av emnet og studentenes oppnåelse av læringsutbyttet</h2>Generelt  Emnet ble undervist for flere separate programfag. Felles framdriftsplan med IMAG1001 og IMAA1001 har vært fulgt. Vi brukte felles Blackboard side for alle studiesteder/klasser, med egen mappe for hver klasse. Mappen for de enkelte klasser var kun åpen for klassen, mens alle andre mapper var felles! Kunngjøringer kunne sendes til alle studenter, eller bare til studenter i f.eks. Trondheim, eller aktuell parallell. ForelesningerI Trondheim (IMAT1001) ble faget undervist i tre paralleller, med en ansvarlig foreleser på hver parallell.Parallell 1: Bygg, kjemi, logistikk og material.Parallell 2: Data, havbruk og maskin.Parallell 3: Elektro og fornybar. Øvingstimer Alle paralleller hadde øvingstimer med læringsassistenter. Heldigvis fikk vi igjen oppleve et normalt semester, uten korona-restriksjoner. Alle paralleller hadde 2 fysiske øvingstimer. Om de ønsket og det passet hadde de også mulighet til å gå på en annen parallells øvingstimer. Det var 2 læringsassistenter til stede i alle øvingstimer. ArbeidskravDe obligatoriske arbeidskravene må være godkjente for å få gå opp til eksamen og oversikt over utlevering og innleveringsfrist er lagt ut på Blackboard før oppstart. Fire av arbeidskravene er individuelle, selvrettende, digitale øvinger med flervalg i Blackboard, De to siste er PeLe-øvinger, der det også legges opp til en dobbeltime med rask gjennomgang basert på resultatene som deres svar via one2act gir, og utdypende interaktiv aktivitet med bruk av SRS-oppgaver. Studentene gav tilbakemelding på at det var passelig mengde arbeidskrav, og de sa seg spesielt fornøyd med PeLe-øvingene, som de sa de lært mye av. Det er krav om 4 av 6 godkjente innleveringer, som er automatisk rettede oppgaver fra sentrale deler av pensum.  PythonSelv etter klare tilbakemeldinger fra studentene til de med ansvar for det ingeniørfaglige innføringsemnet om et stort behov og ønske om at det kjøres en god innføring i Python allerede de første ukene i dette faget, så var det i år også klare signaler tilbake fra studentene om at de fikk dette for sent og i for lite omfang. Vi mener det for studentenes del, bør kjøres et intensivt kurs i Python de første to ukene i semesteret. Nå kommer det for sent og det blir rotete og dårlig i forhold til hvordan de møter Python i Matematiske metoder 1 og andre fag. I matematiske metoder 1, har de mulighet til en kort innføring i Python gjennom et sett med introduksjonsvideoer som ble laget spesielt for formålet. Disse må de prioritere å se på og jobbe med selv. I tillegg ble det vist en del anvendelser av Python i timene, der vi også viser en del grunnleggende Python og programmering. I den tiden strakk til forsøkte vi å gjøre dette i en del større grad dette semesteret enn tidligere, og dette så i en viss grad ut til å hjelpe. Vi fikk iallfall litt færre tilbakemeldinger om at de slet med Python. Høsten 2022 ble emnet gjennomført for fjerde gang. Dessverre blir dette også siste gang, da det er bestemt at det fra og med høsten 2023 skal innføres helt nye emner i matematikk.  Tiltak som er endret fra forrige evaluering: -         Python ble undervist tidligere i innføringsemnet, men ikke så tidlig som vi ønsket, ikke minst med tanke på matematikk. Vi økte bruk av Python i timene, i den grad tiden strakk til..-         Blackboard har ingen automatisk plassering av alle studenter i rette grupper, men det ble jobbet aktivt med å gjøre dette, slik at ingen gikk glipp av viktig informasjon.-         Timeplan: Vi fikk stort sett oppfylt våre timeplanønsker om å få lagt faget mellom 8 og 14.  Handlingsplan med tiltak:  Ønsker at Python blir undervist helt i starten i innføringsemnet, slik at bruk av Python i Matematiske metoder 1 kan komme etter at studentene har fått innføringen. Timeplanlegging: Matematikk er et viktig grunnlagsfag som mange finner vanskelig. Vi ser det derfor som veldig viktig at faget blir lagt til tidspunkter der studentene er opplagte. En gunstig timeplan er derfor av veldig stor betydning for faget, og vi ønsker derfor at faget prioriteres i timeplanleggingen. Et emne med studenter fra flere studieretninger bør legges først i timeplanen, da det er veldig vanskelig å gjøre endringer i etterkant. Det er ønskelig å ha timer tidlig om dagen, mellom kl. 8 og 14.  Læringsutbyttet er oppdatert og relevant. Læringsutbyttet ble presentert i begynnelsen av semesteret og oppsummert ved slutten av semesteret. UndervisningsformerHver parallell hadde i utgangspunktet 3 ukentlige forelesninger, hver på 2x45 minutter, og 2 ukentlige øvingstimer, på 2x45 minutter.Selve øvingsoppgavene var de samme for alle grupper. Det ble kjørt 6 arbeidskrav, hvorav 4 ble kjørt med individuell generering av øvinger fra en databank med derav påfølgende individuelle innlevering i Blackboard (Bb), og 2 ble lagt opp som PeLe-øvinger, der en dobbelttime også ble brukt til gjennomgang/videre arbeid med øvingen, med etterfølgende innlevering også i Bb. I uker uten arbeidskrav ble det kjørt såkalte treningsoppgaver som studentene fikk jobbe med. For å gå opp til eksamen måtte 6 av 8 arbeidskrav være godkjent. Studentene opplevde arbeidsmengden med innleveringer i dette emnet som passelig.Alle øvinger, både arbeidskrav og treningsoppgaver inneholdt oppgaver med Python. Studentene ble opplyst om at de også ville få noe Python på eksamen.  Forelesningene bidro til at studentene kunne få ny kunnskap, mens øvingsopplegget siktet hovedsakelig mot utvikling av ferdigheter og kompetanse.Studentenes egeninnsats og motivasjon ble observert som varierende, men stort sett bra.

4 timers skoleeksamen i Inspera. Eksamen bestod av 11 oppgaver, hvorav 4 var digitalt rettede flervalgsoppgaver og 7 var langsvaroppgaver, der alle svar må begrunnes og utregning vises.P flervalgsoppgavene ga rett svaralternativ 100%, og noen svaralternativ ga litt poeng. En av flervalgsoppgavene var en Python oppgave.En feil under eksamen på en av oppgavene skapte en del problemer.Studentene syntes at eksamenssettet dekket pensumet på en god måte og at vanskegraden var passelig.Totalt ble resultatet veldig godt.

NTNU:TIA:REST

Institutt for matematiske fag

Department of Mathematical Sciences

Ingen trykte eller håndskrevne hjelpemidler tillatt. Bestemt, enkel kalkulator tillatt.

Norsk

Mer om vurdering

Eksamen ved semesterslutt vil være digital.

Anbefalte forkunnskaper

Faglig innhold

Beregningsorientert matematikk inngår i alle temaer det er relevant. Lineære likningssystemer, Gauss-Jordan-eliminasjon, grunnleggende matriseregning, determinanter. Grenser og kontinuitet, derivasjon og integrasjon av funksjoner av én variabel, maksima og minima, implisitt derivasjon og trigonometriske funksjoner, relaterte vekstrater, differensialer og linearisering, L'Hopitals regel, Newtons metode og halveringsmetoden. Riemannsummer og fundamentalsetningen i kalkulus, integralfunksjoner, bestemte og ubestemte integraler, grunnleggende integrasjonsteknikker, substitusjon og delvis integrasjon, numerisk integrasjon ved rektangel- og trapesmetoden, uegentlige integraler. Areal, volum og buelengde. Modellering med differensiallikninger, førsteordens separable og lineære differensiallikninger, Eulers metode, andre ordens lineære differensiallikninger med konstante koeffisienter.

Kursmateriell

Mathematical Methods 1 NTNU (Pearson, ISBN 978-1-83961-000-4), 2020. Notater som legges ut i emnets Blackboardside.

Læringsutbytte

Kunnskap ​Kandidaten<ul><li>kjenner og kan anvende: a) begreper, resultater og metoder fra reell analyse av envariabelfunksjoner knyttet til grenseverdier, kontinuitet, derivasjon, integrasjon og differensiallikninger. b) begreper, resultater og metoder knyttet til lineære ligningssystemer. c) numeriske metoder for løsning av likninger, integraler og differensiallikninger.</li><li>kjenner noen ingeniørfaglige anvendelser av matematikk</li><li>har forståelse for at endring per tidsenhet kan måles, beregnes, summeres og inngå i likninger</li><li>kjenner til både muligheter og begrensninger i bruk av matematisk programvare.</li></ul>Ferdigheter Kandidaten kan:<ul><li>bruke dataverktøy for å gjøre numeriske beregninger.</li><li>manipulere symboler og formler</li><li>løse problemer ved analytiske metoder.</li></ul>Generell kompetanse Kandidaten skal kunne benytte matematikk til å modellere og løse teoretiske og praktiske problemer slik de vil møte dem på sitt emneområde i studiet og i yrkeslivet. Kandidatene skal kunne benytte databaserte simulerings- og analyseverktøy til å visualisere og løse matematiske problemer.

Læringsformer og aktiviteter

Forelesninger, regne- og dataøvinger. Øvinger vil ta utgangspunkt i oppgaver og digitale læringselementer på Blackboard. Bruk av matematisk programvare vil også inkluderes. Obligatoriske arbeider: Minst 4 av 6 øvinger må være godkjente for å få adgang til eksamen.

Øvinger

Matematiske metoder 1

Matematikk

Bachelor i ingeniørfag, data

Bachelor i ingeniørfag, maskin

Bachelor i ingeniørfag - Bygg- Nettbasert

Bachelor i ingeniørfag, geomatikk

Bachelor i ingeniørfag, bygg

Bachelor i ingeniørfag, automatisering og intelligente systemer

Bachelor i ingeniørfag, elektro

Bachelor i ingeniørfag, logistikk

Bachelor i ingeniørfag, olje- og gassteknologi

Bachelor i ingeniørfag, kjemi

Bachelor i ingeniørfag - Skipsdesign

Bachelor i ingeniørfag, materialteknologi

Bachelor i ingeniørfag - Maskin- nettbasert

Bachelor i ingeniørfag, fornybar energi

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(19554)/FieldValuesAsText

-         Python ble undervist tidligere i innføringsemnet, men ikke så tidlig som vi ønsket.-         Blackboard har ingen automatisk plassering av alle studenter i rette grupper, men det ble jobbet aktivt med å gjøre dette, slik at ingen gikk glipp av viktig informasjon.-         Timeplan: Vi fikk oppfylt våre timeplanønsker om å få lagt faget mellom 8 og 14.

Generelt  Emnet ble undervist for flere separate programfag. Felles framdriftsplan med IMAG1001 og IMAA1001 har vært fulgt. Vi brukte felles Blackboard side for alle studiesteder/klasser, med egen mappe for hver klasse. Alle mapper var åpne for alle studenter. Kunngjøringer kunne sendes til alle studenter, eller bare til studenter i f.eks. Trondheim.I Trondheim (IMAT1001) ble faget undervist i fire paralleller, med en ansvarlig foreleser på hver parallell.Parallell 1: Bygg og havbruk.Parallell 2: Kjemi, maskin og material.Parallell 3: Elektro og logistikk.Parallell 4: Data og fornybar energi.  Alle paralleller hadde øvingstimer med læringsassistenter. Så lenge det gikk på grunn av Coronasituasjonen, hadde alle paralleller da 2 fysiske øvingstimer (ble digitale mot slutten av semesteret) og tilgang til 2 x 2 digitale øvingstimer via et øvingsrom i Blackboard Collaborate (Bb-Col). Disse digitale øvingstimene var felles for alle paralleller. Det var 3 læringsassistenter tilgjengelig i alle fysiske øvingstimer, hvorav en skulle følge med på BB-Col og 2 læringsassistenter tilgjengelig i de digitale timene. De fysiske timene ble klart mest brukt, mens det var kun få som benyttet seg av de digitale.Etter at vi og studentene ga klare signaler tilbake til de med ansvar for det ingeniørfaglige innføringsemnet om et stort behov og ønske om at det kjøres en god innføring i Python allerede de første ukene i dette faget, så ble dette lagt tidligere i år. Dessverre så var det også i år klare signaler tilbake fra studentene om at de fikk dette for sent og i for lite omfang. Vi mener det for studentenes del, bør kjøres et intensivt kurs i Python de første to ukene i semesteret. Nå kommer det for sent og det blir rotete og dårlig i forhold til hvordan de møter Python i Matematiske metoder 1 og andre fag. I matematiske metoder 1, har de mulighet til en kort innføring i Python gjennom et sett med introduksjonsvideoer som ble laget spesielt for formålet. Disse må de prioritere å se på og jobbe ed selv. I tillegg ble det vist en del anvendelser av Python i timene, der vi også viser en del grunnleggende Python og programmering. Høsten 2021 ble emnet gjennomført for tredje gang.  Tiltak som er endret fra forrige evaluering: -         Python ble undervist tidligere i innføringsemnet, men ikke så tidlig som vi ønsket.-         Blackboard har ingen automatisk plassering av alle studenter i rette grupper, men det ble jobbet aktivt med å gjøre dette, slik at ingen gikk glipp av viktig informasjon.-         Timeplan: Vi fikk oppfylt våre timeplanønsker om å få lagt faget mellom 8 og 14.  Handlingsplan med tiltak:  Ønsker at Python blir undervist helt i starten i innføringsemnet, slik at bruk av Python i Matematiske metoder 1 kan komme etter at studentene har fått innføringen. Timeplanlegging: Matematikk er et viktig grunnlagsfag som mange finner vanskelig. Vi ser det derfor som veldig viktig at faget blir lagt til tidspunkter der studentene er opplagte. En gunstig timeplan er derfor av veldig stor betydning for faget, og vi ønsker derfor at faget prioriteres i timeplanleggingen. Et emne med studenter fra flere studieretninger bør legges først i timeplanen, da det er veldig vanskelig å gjøre endringer i etterkant. Det er ønskelig å ha timer tidlig om dagen, mellom kl. 8 og 14.  Læringsutbyttet er oppdatert og relevant. Læringsutbyttet ble presentert i begynnelsen av semesteret og oppsummert ved slutten av semesteret. UndervisningsformerHver parallell hadde i utgangspunktet 3 ukentlige forelesninger, hver på 2x45 minutter, og 2 ukentlige fysiske øvingstimer, på 2x45 minutter. I tillegg hadde alle tilgang til 2 x 2 digitale øvingstimer, på 2 x 45 minutter (se også under generelt). Grunnet korona-situasjonen høsten 2021 ble forelesningene i perioden 25.08 – 26.09 digitale. Foreleserne på de forskjellige parallellene kjørte i hovedsak veldig likt her. Tre av parallellen brukte Bb-Col, men en parallellSelve øvingsoppgavene var de samme for alle grupper. Det ble kjørt 6 arbeidskrav, hvorav 4 ble kjørt med individuell generering av øvinger fra en databank med derav påfølgende individuelle innlevering i Blackboard (Bb), og 2 ble lagt opp som PeLe-øvinger, der en dobbelttime også ble brukt til gjennomgang/videre arbeid med øvingen, med etterfølgende innlevering også i Bb. I uker uten arbeidskrav ble det kjørt såkalte treningsoppgaver som studentene fikk jobbe med. For å gå opp til eksamen måtte 6 av 8 arbeidskrav være godkjent. Studentene opplevde arbeidsmengden med innleveringer i dette emnet som passelig.Alle øvinger, både arbeidskrav og treningsoppgaver inneholdt oppgaver med Python. Studentene ble opplyst om at de også ville få noe Python på eksamen.  Forelesningene bidro til at studentene kunne få ny kunnskap, mens øvingsopplegget siktet hovedsakelig mot utvikling av ferdigheter og kompetanse.Studentenes egeninnsats og motivasjon ble observert som varierende, men stort sett bra.  VurderingDet var bred enighet om at vi i dette faget skulle ha en skriftlig skoleeksamen med normale karakterer A-F. Da våre eksamenslokaler på Sluppen ble brukt til vaksinasjon, måtte vi da ha eksamen 6. januar 2022. Når koronaene blusset kraftig opp igjen i midten av desember, med store nedstengninger, ble det besluttet at eksamen likevel måtte bli en hjemmeeksamen og da med bestått/ikke bestått den 6. januar 2022. Eksamenstid var 4 timer. Eksamen ble holdt i Inspera, og bestod av 11 oppgaver.Rett svaralternativ ga 100%, og noen svaralternativ ga litt poeng. En av flervalgsoppgavene var en Python oppgave. Studentene syntes at eksamenssettet dekket pensumet på en god måte og at vanskegraden var passelig.

Kunnskap ​Kandidaten<ul><li>kjenner og kan anvende:   a) begreper, resultater og metoder fra reell analyse av envariabelfunksjoner knyttet til grenseverdier, kontinuitet, derivasjon, integrasjon og differensiallikninger.   b) begreper, resultater og metoder knyttet til lineære ligningssystemer.  c) numeriske metoder for løsning av likninger, integraler og differensiallikninger.</li><li>kjenner noen ingeniørfaglige anvendelser av matematikk</li><li>har forståelse for at endring per tidsenhet kan måles, beregnes, summeres og inngå i likninger</li><li>kjenner til både muligheter og begrensninger i bruk av matematisk programvare.</li></ul>Ferdigheter Kandidaten kan:<ul><li>bruke dataverktøy for å gjøre numeriske beregninger.</li><li>manipulere symboler og formler</li><li>løse problemer ved analytiske metoder.</li></ul>Generell kompetanse Kandidaten skal kunne benytte matematikk til å modellere og løse teoretiske og praktiske problemer slik de vil møte dem på sitt emneområde i studiet og i yrkeslivet. Kandidatene skal kunne benytte databaserte simulerings- og analyseverktøy til å visualisere og løse matematiske problemer.

Bachelor i ingeniørfag - maskin-nettbasert

Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(14015)/FieldValuesAsText

Emnet ble undervist for flere separate programfag. Felles framdriftsplan med IMAG1001 og IMAA1001 har vært fulgt. Vi brukte felles Blackboard side for alle studiesteder/klasser, med egen mappe for hver klasse. Alle mapper var åpne for alle studenter. Kunngjøringer kunne sendes til alle studenter, eller bare til studenter i f.eks. Trondheim.I Trondheim (IMAT1001) ble faget undervist i tre paralleller, med en ansvarlig foreleser på hver parallell. Parallell 1: Bygg og data. Parallell 2: Havbruk, kjemi, logistikk, maskin, maskin og material. Parallell 3: Elektro og fornybar energi. Alle paralleller hadde øvingstimer med læringsassistenter. Så lenge det gikk på grunn av Coronasituasjonen, hadde alle paralleller da 2 fysiske øvingstimer (ble digitale mot slutten av semesteret) og 2 digitale øvingstimer via et øvingsrom i Blackboard Collaborate (Bb-Col). Det var 2 studentassistenter tilgjengelig i alle øvingstimer. De fysiske timene ble klart mest brukt, mens det var kun få som benyttet seg av de digitale.I fjor inneholdt IMAT1001 programmeringsspråket MATLAB og INGA hadde programmeringsspråket Python. Til høsten 2020 ble det bestemt Python som felles programmeringsspråk. Innføringen i Python ble gitt i INGA, men var først lagt opp til å komme et stykke ut i semesteret. På dette tidspunkt hadde vi allerede hatt øvingsoppgaver i Python i Matematiske metoder 1. Derfor ble det nødvendig å også gi studentene en kort innføring i Python i Matematiske metoder 1. Dette ble gjennomført ved hjelp av et sett med introduksjonsvideoer som ble laget spesielt for formålet. I tillegg ble det vist anvendelser av Python i timene. Høsten 2020 ble emnet gjennomført for andre gang.

Læringsutbyttet er oppdatert og relevant. Læringsutbyttet ble presentert i begynnelsen av semesteret og oppsummert ved slutten av semesteret.

Hver parallell hadde i utgangspunktet 3 ukentlige forelesninger, hver på 2x45 minutter, og 2 ukentlig øvingstimer, hver på 2x45 minutter, en gang fysisk og en gang digital (se også under generelt). Grunnet situasjonen høsten 2020 var forelesningene hovedsakelig digitale. Foreleserne på de forskjellige parallellene kjørte forskjellige opplegg.Parallell 1: Det ble kjørt både rene digitale forelesinger og en del hybridforelesninger der en del av studentene var til stede, mens resten kunne følge timene digitalt. Notater og videoer fra timene ble lagt ut.Parallell 2: Alle forelesninger ble kjørt digitalt på Bb-Col. Notater og videoer fra timene ble lagt ut.Parallell 3: Her ble det kjørt en variant av «omvendt klasseromsundervisning» med innspilling av læringsvideoer og online oppgaveregning en dobbelttime hver uke.Selve øvingsoppgavene var de samme for alle grupper. Det ble kjørt 6 arbeidskrav, hvorav 4 ble kjørt med individuell generering av øvinger fra en databank med derav påfølgende individuelle innlevering i Blackboard (Bb), og 2 ble lagt opp som PeLe-øvinger, der en dobbelttime også ble brukt til gjennomgang/videre arbeid med øvingen, med etterfølgende innlevering også i Bb. I uker uten arbeidskrav ble det kjørt såkalte treningsoppgaver som studentene fikk jobbe med. For å gå opp til eksamen måtte 6 av 8 arbeidskrav være godkjent. Studentene opplevde arbeidsmengden med innleveringer i dette emnet som passelig. Alle øvinger, både arbeidskrav og treningsoppgaver inneholdt oppgaver med Python. Studentene ble opplyst om at de også ville få noe Python på eksamen.  Forelesningene bidro til at studentene kunne få ny kunnskap, mens øvingsopplegget siktet hovedsakelig mot utvikling av ferdigheter og kompetanse.

På grunn av den nåværende situasjonen ble det bestemt å gjennomføre hjemmeeksamen med karakterregel bestått/ikke bestått. Eksamenstid var 4 timer istedenfor 5 timer høsten 2019. Eksamen ble holdt i Inspera, og bestod av 11 oppgaver. Rett svaralternativ ga 100%, og noen svaralternativ ga litt poeng. En av flervalgsoppgavene var en Python oppgave.  Det ble laget et prøvesett i Inspera for at studentene både kunne se hvordan eksamen ville kunne se ut, og at de skulle få trent seg på Inspera.  Studentene syntes at eksamenssettet dekket pensumet på en god måte og at vanskegraden var passelig.   ﻿Eksamensresultater  Strykprosenten i Trondheim, IMAT1001, var 0,55 % når på årets hjemmeeksamen, mens det var 10.91 % i fjor, da det ble gjennomført skriftlig skoleeksamen.

Beregningsorientert matematikk  inngår i alle temaer det er relevant.
Lineære likningssystemer, Gauss-Jordan-eliminasjon, grunnleggende matriseregning, determinanter. Grenser og kontinuitet, derivasjon og integrasjon av funksjoner av én variabel, maksima og minima, implisitt derivasjon og trigonometriske funksjoner, relaterte vekstrater, differensialer og linearisering, L'Hopitals regel, Newtons metode og halveringsmetoden. Riemannsummer og fundamentalsetningen i kalkulus, integralfunksjoner, bestemte og ubestemte integraler, grunnleggende integrasjonsteknikker, substitusjon og delvis integrasjon, numerisk integrasjon ved rektangel- og trapesmetoden, uegentlige integraler. Areal, volum og buelengde. Modellering med differensiallikninger, førsteordens separable og lineære differensiallikninger, Eulers metode, andre ordens lineære differensiallikninger med konstante koeffisienter.


Pearson: Mathematical Methods 1 NTNU.
Notater som legges ut i emnets Blackboardside.


Forelesninger, regne- og dataøvinger. Øvinger vil ta utgangspunkt i oppgaver og digitale læringselementer på Blackboard. Bruk av matematisk programvare vil også inkluderes.


Obligatoriske arbeider: Minst 4 av 6 øvinger må være godkjente for å få adgang til eksamen.

Kunnskap

Kandidaten 
*  kjenner og kan anvende:
    a)	begreper, resultater og metoder fra reell analyse av 
        envariabelfunksjoner knyttet til grenseverdier, kontinuitet, 
        derivasjon, integrasjon og differensiallikninger.
    b)	begreper, resultater og metoder knyttet til lineære 
        ligningssystemer.
    c)	numeriske metoder for løsning av likninger, integraler og
        differensiallikninger.
*   kjenner noen ingeniørfaglige anvendelser av matematikk
*   har forståelse for at endring per tidsenhet kan måles, beregnes,
    summeres og inngå i likninger
*   kjenner til både muligheter og begrensninger i bruk av 
    matematisk programvare.


Ferdigheter

Kandidaten kan:
	bruke dataverktøy for å gjøre numeriske beregninger.
	manipulere symboler og formler
	løse problemer ved analytiske metoder.


Generell kompetanse

Kandidaten skal kunne benytte matematikk til å modellere og løse teoretiske og praktiske problemer slik de vil møte dem på sitt emneområde i studiet og i yrkeslivet. Kandidatene skal kunne benytte databaserte simulerings- og analyseverktøy til å visualisere og løse matematiske problemer.


Web/Lists(guid'8b698a2d-6ad0-4f7d-b3be-219cc1979f02')/Items(8040)/FieldValuesAsText

Matematiske metoder 1 - IMAT1001