Postgraduate Section 4 1016

• Ελληνικά
• English

Θεωρία Προσεγγίσεως

Γενικά

Σχολή	Σχολή Θετικών Επιστημών
Τμήμα	Τμήμα Μαθηματικών
Επίπεδο Σπουδών	Μεταπτυχιακό
Κωδικός Μαθήματος	ΑΑ2
Εξάμηνο	1
Τίτλος Μαθήματος	Θεωρία Προσεγγίσεως
Αυτοτελείς Διδακτικές Δραστηριότητες	Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος	Ειδικού υποβάθρου
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων	Ελληνική
Τρόπος Διεξαγωγής Μαθήματος	Δια ζώσης (100%)
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus	Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL)	Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα	Έπειτα από επιτυχή συμμετοχή στο μάθημα οι φοιτητές αναμένεται να: Κατανοούν τα βασικά ζητήματα προσέγγισης από ένα χώρο σε υποχώρο του, Διακρίνουν τις διαφορές (προτερήματα και μειονεκτήματα) ανάμεσα στα διαφορετικά είδη προσεγγίσεων, Γνωρίζουν τις βασικές αριθμητικές μεθόδους για τα είδη των πολυωνυμικών προσεγγίσεων, Γνωρίζουν να υλοποιούν τους αλγορίθμους των μεθόδων.
Γενικές Ικανότητες	Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών Προσαρμογή σε νέες καταστάσεις Άσκηση κριτικής και αυτοκριτικής Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

Περιεχόμενο Μαθήματος

Γενική θεωρία ύπαρξης και μοναδικότητας της προσέγγισης. Ομοιόμορφη πολυωνυμική προσέγγιση: Θεωρήματα Weierstrass, Bernstein, Jackson, προσέγγιση συνεχών συναρτήσεων, προσέγγιση διακριτών συναρτήσεων, αλγόριθμος Remez. Πολυωνυμική προσέγγιση ελαχίστων τετραγώνων: Σύστημα κανονικών εξισώσεων, Ορθογώνια πολυώνυμα, προσέγγιση συνεχών συναρτήσεων, προσέγγιση διακριτών συναρτήσεων, συσχέτιση με ομοιόμορφη προσέγγιση. Πολυωνυμική προσέγγιση πρώτης δύναμης: Χαρακτηρισμός, προσέγγιση συνεχών συναρτήσεων, προσέγγιση διακριτών συναρτήσεων. Ρητή προσέγγιση: Χαρακτηρισμός, συσχέτιση με ομοιόμορφη προσέγγιση, Αλγόριθμος Remez. Ρητή Παρεμβολή.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Διδασκαλίας	Στην τάξη.
Τρόπος και Συχνότητα Επικοινωνίας με Φοιτητές	Η επικοινωνία με τους φοιτητές γίνεται: Μέσω email. Δια ζώσης στο γραφείο. Κατά τη διάρκεια των διαλέξεων. Η συχνότητα επικοινωνίας με τους φοιτητές καθορίζεται από τις ανάγκες των φοιτητών.
Διασφάλιση Τρόπου Επικοινωνίας Μεταξύ Φοιτητών	Συνέργεια στα πλαίσια της παράδοσης του μαθήματος.
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Απαιτούμενος Τεχνολογικός Εξοπλισμός και Γνώσεις Τεχνολογίας	Δεν απαιτείται τεχνολογικός εξοπλισμός, καθώς παρέχεται. Δεν απαιτούνται εξειδικευμένες γνώσεις τεχνολογίας.
Πολιτική Μαθήματος για τη Λογοκλοπή και Εργαλεία Ελέγχου Λογοκλοπής	Η λογοκλοπή απαγορεύεται ρητά και τιμωρείται κλιμακούμενα, ανάλογα με την επανάληψη της χρήσης της. Ελέγχεται, δε, με σχετικά εργαλεία όπως το "Turnitin", που παρέχει η Βιβλιοθήκη του Πανεπιστημίου.
Πολιτική Μαθήματος για τη Χρήση Τεχνητής Νοημοσύνης	Επιτρέπεται η χρήση Τεχνητής Νοημοσύνης κατόπιν άδειας από τον διδάσκοντα/τη διδάσκουσα.
Οργάνωση Διδασκαλίας	Δραστηριότητα Φόρτος Εργασίας Εξαμήνου Διαλέξεις 39 Αυτοτελής Μελέτη 78 Επίλυση Ασκήσεων - Εργασίες 70.5 Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών	Γλώσσα Αξιολόγησης: Ελληνική. Μέθοδος Αξιολόγησης: Γραπτή εξέταση.

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Approximation Theory

General

School	School of Science
Academic Unit	Department of Mathematics
Level of Studies	Graduate
Course Code	AA2
Semester	1
Course Title	Approximation Theory
Independent Teaching Activities	Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
Course Type	Special Background
Prerequisite Courses	-
Language of Instruction and Examinations	Greek
Mode of Course Delivery	Face-to-face (100%)
Is the Course Offered to Erasmus Students	Yes (in English)
Course Website (URL)	See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes	After successful end of this course, students will be able to: know the basic items of approximation from a linear space to a subspace, know the differences (advantages and disadvantages) of different kinds of approximations, know the basic numerical methods for the polynomial approximation, implement the algorithms of such methods on a computer.
General Competences	Search for, analysis and synthesis of data and information, with the use of the necessary technology Adapting to new situations Criticism and self-criticism Production of free, creative and inductive thinking

Syllabus

General Theory of existence and uniqueness of approximation. Uniform Approximation: Weierstrass, Bernstein, Jackson theorems, approximation of continuous functions, approximation of discrete functions, Remez algorithm. Least Squares Polynomial Approximation: Systems of Normal Equations, Orthogonal Polynomials, approximation of continuous functions, approximation of discrete functions, connection with Uniform approximation. First Power Polynomial Approximation: Characterization, approximation of continuous functions, approximation of discrete functions. Rational Approximation: Characterization, connection with Uniform approximation, Remez algorithm. Rational Interpolation.

Teaching and Learning Methods - Evaluation

Mode of Instruction	In the classroom.
Mode and Frequency of Communication with Students	Communication with students takes place through: Email. In-person meetings during office hours. During lectures. The frequency of communication with students is determined by their needs.
Ensuring Communication Among Students	Collaboration and interaction are encouraged within the context of course delivery.
Use of Information and Communications Technology	-
Required Technological Equipment and Technology Skills	No technological equipment is required from students, as all necessary equipment is provided. No specialized technology skills are required.
Course Policy on Plagiarism and Plagiarism Detection Tools	Plagiarism is strictly prohibited and is subject to progressively stricter penalties in the event of repeated offenses. It is monitored using plagiarism detection tools such as Turnitin, which is provided by the University Library.
Course Policy on the Use of Artificial Intelligence	The use of Artificial Intelligence is permitted only with the prior approval of the instructor.
Teaching Methods	Activity Semester Workload Lectures 39 Working Independently 78 Exercise - Homework 70.5 Course total 187.5
Student Performance Evaluation	Written examination

Attached Bibliography

See the official Eudoxus site.