Undergraduate Elective 1052

Από Περιγράμματα - Τμήμα Μαθηματικών
Αναθεώρηση ως προς 11:03, 8 Ιουλίου 2026 από τον Ktzuvara (συζήτηση | συνεισφορές) (→‎Teaching and Learning Methods - Evaluation)
(διαφορά) ← Παλαιότερη αναθεώρηση | Τελευταία αναθεώρηση (διαφορά) | Νεότερη αναθεώρηση → (διαφορά)
Μετάβαση σε: πλοήγηση, αναζήτηση



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Προπτυχιακό
Κωδικός Μαθήματος MAE585
Εξάμηνο 5
Τίτλος Μαθήματος Θεωρία Προσέγγισης
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 6)
Τύπος Μαθήματος Ειδίκευσης
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 Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:
  • να κατανοήσουν τη βασική θεωρία προσέγγισης σε χώρους συναρτήσεων, 
  • να γνωρίζουν και να μπορούν να εφαρμόσουν τις διδασκόμενες μεθόδους για την βέλτιστη ομοιόμορφη πολυωνυμική προσέγγιση και για την προσέγγιση ελαχίστων τετραγώνων, όταν η συνάρτηση ορίζεται σε διάστημα (συνεχής περίπτωση), αλλά και όταν αυτή ορίζεται σε σύνολο σημείων (διακριτή περίπτωση),
  • να γνωρίζουν και να μπορούν να εφαρμόσουν τις διδασκόμενες μεθόδους για την πολυωνυμική παρεμβολή κυρίως αυτήν με κυβικές splines,
  • να υλοποιούν τις παραπάνω μεθόδους με προγράμματα στον υπολογιστή.
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

Βασική Θεωρία Προσέγγισης σε Χώρους Συναρτήσεων (Ύπαρξη- Μοναδικότητα). Πολυωνυμική Προσέγγιση Συναρτήσεων: Θεώρημα Weierstrass. Βέλτιστη Ομοιόμορφη προσέγγιση. Προσέγγιση Ελαχίστων Τετραγώνων. Πολυωνυμική Παρεμβολή Hermite. Παρεμβολή με Κυβικές Splines.

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 (13Χ3) 39
Αυτοτελής Μελέτη 78
Επίλυση Ασκήσεων - εργασίες 33
Σύνολο Μαθήματος 150
Αξιολόγηση Φοιτητών Γραπτή εξέταση

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος. Συγγράμματα και άλλες πηγές εκτός της υπηρεσίας Εύδοξος:

Approximation Theory


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Undergraduate
Course Code ΜΑΕ585
Semester 5
Course Title Approximation Theory
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 6)
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:
  • understand the basic theory of approximation in spaces of functions,
  • be aware and apply  the taught methods for best uniform polynomial approximation, least squares polynomial approximation of functions defined in an interval (continues  case), as well as of functions defined in a set of points (discrete  case),
  • be aware and apply the taught methods for cubic splines polynomial interpolation,
  • implement the above methods with programs on the 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

Introduction to Approximation Theory in Spaces of Functions (Existence - Uniqueness). Polynomial Approximation of Functions: Weierstrass Theorem. Best Uniform Approximation. Least Squares Approximation. Hermite Polynomial Interpolation. Cubic Splines Polynomial Interpolation.

Teaching and Learning Methods - Evaluation

Mode of Instruction In the class.
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
Study and analysis of bibliografy 104
Exercises-Homeworks 33
Course total  150
Student Performance Evaluation

Written examination 

Attached Bibliography

See the official Eudoxus site. Books and other resources, not provided by Eudoxus:

  • "Approximation Theory". Noutsos D., University of Ioannina.