|
|
|
||
|
Last update: Mgr. Hana Kudrnová (26.01.2018)
|
|
||
|
Last update: Mgr. Pavel Stránský, Ph.D. (17.02.2022)
Klasifikovaný zápočet bude udělen za splnění jednoho z následujících počinů: 1) Včasné odevzdání odladěných programů z alespoň tří cvičení 2) Vytvoření vlastního programu a jeho prezentace 3) Vyřešení zápočtové úlohy
ad 1) Ve cvičeních budou probírána uzavřená témata, v rámci kterých budeme společně psát programy. Po dokončení tématu budou zadány drobné úkoly rozšiřující napsaný program. Program bude vyučujícím uznán pro zápočet, pokud bude odevzdán funkční a srozumitelně napsaný nejpozdějí do následujícího cvičení.
ad 2) Student naprogramuje řešení nějakého fyzikálního problému, který si po konzultaci s vyučujícím zvolí podle svých vlastních zájmů a zálib. V programu využije a zúročí, co se naučil na cvičení. Program nesmí být totožný s těmi, za které jste (byli, budete) klasifikováni v jiných předmětech, a neměl by být kopií nebo triviální úpravou programů běžně dostupných na webu.
ad 3) Zápočtová úloha se bude programovat během posledního cvičení semestru a bude vycházet z probrané látky. Na vypracování úlohy bude omezené množství času (doba trvání cvičení). |
|
||
|
Last update: Mgr. Pavel Stránský, Ph.D. (01.03.2021)
Průběžně aktualizované informace k přednášce jsou na doprovodné webové stránce http://pavelstransky.cz/pcfyzika.php
Doplňková literatura: P.R. Turner, T. Arildsen, K. Kavanagh, Applied Scientific Computing With Python (Springer 2018) R. Johansson, Numerical Python: Scientific Computing and Data Science Applications with Numpy, SciPy and Matplotlib (Springer 2019) H. Press et al., Numerical Recipes (in Fortran, Pascal) (Cambridge University Press 1992) S. Nagar, Introduction to Python for Engineers and Scientists (Springer 2018) |
|
||
|
Last update: Mgr. Pavel Stránský, Ph.D. (01.03.2021)
Simulation of a physical system.
Solution of ordinary differential equations, potential problems.
Histograms, displaying of experimental data.
Monte-Carlo Method.
Approximation and interpolation. Taylor expansion, polynomials and splines.
Minimization and optimization. Fitting of experimental data.
Linear algebra and solving of an eigenvalue problem.
Errors in numerical calculations: how to get a complete nonsense by the use of correct tools.
How to create a scientific paper: Short introduction to LaTeX.
Algebraic and symbolic manipulations with Mathematica, Wolfram Alpha, Maple...
Version and source control using Git.
Use of accessible numerical libraries.
Using internet for communication and getting information. |