====== Metody Numeryczne I  ======

===== Laboratorium =====


<WRAP info>
 W semestrze zimowym 2020/2021 laboratorium odbywa zdalnie za pośrednictwem platformy  [[https://moodle.umk.pl/WFAiIS|Moodle]] w poniedziałki w godz. 12-14
</WRAP>



====== Zaliczenie laboratorium ======

Warunkiem zaliczenia zajęć jest
  * rozwiązanie zadań z laboratoriów
  * zdanie 2 kolokwiów (zdalnie (?))

===== Literatura =====
 
  * [[http://wwwold.fizyka.umk.pl/~ig/DYDAKTYKA/metody_numeryczne_2019_20/|Materiały z wykładu (2019)]] 
  * [[https://docs.python.org/3/contents.html|Python Documentation]]
  * [[http://people.bu.edu/andasari/courses/numericalpython/python.html|Numerical Methods Using Python]] lectures by Vivi Andasar


==== Plan ====

  - Podstawy programowania - przypomnienie
    * narzędzia: Python, Jupyter, Google Colab
  - Różniczkowanie numeryczne
    * pochodne pierwszego i wyższych rzędów (zależność od h i błąd metody)
  - Równania nieliniowe 
    * znajdowanie miejsc zerowych (metoda bisekcji, siecznych, Newtona) 
    * porównanie zbieżności metod.
    * wykorzystanie różniczkowania numerycznego w metodzie Newtona
  - Interpolacja
  - Całkowanie numeryczne 
    * Metody prostokątów, trapezów, Simpsona
    * porównanie metod 
    * (?) Monte Carlo
  - Rozwiązywanie układów równań liniowych
    * Eliminacja Gaussa + pivoting
    * (?) metoda iteracji prostych
    * Obliczanie  wyznacznika i macierzy odwrotnej
  - Równania różniczkowe
  - Układy równań nieliniowych
    * met. Newtona-Raphsona
  - Znajdowanie wektorów i wartości własnych 


===== Notatniki =====

Ćwiczenia  postaci notatników Jupyter dostępne są w repozytorium GitHub: [[https://github.com/IS-UMK/mn/]]  

{{page>.:sidebar&noheader&nofooter}} 


===== Środowisko pracy  =====

==== Google Colab (zalecane) ====

  * [[https://colab.research.google.com/|Google Colab]] 
  * maszyna wirtualna w chmurze
  * wymagane konto Google
  * notatniki przechowywane na Dysku Google

==== Lokalnie na własnym sprzęcie ====

Notatniki z zajęć można uruchamiać lokalnie na własnych komputerach. Należy w tym celu skonfigurować środowisko Python i Jupyter Notebook lub JupyterLab 
Wygodnie w tym celu użyć gotowej dystrybucji [[https://www.anaconda.com/products/individual|Anaconda]], która zawiera Pythona, Jupyter oraz wiele przydatnych pakietów.

  * [[https://jupyter.readthedocs.io/en/latest/install/notebook-classic.html|Installing the classic Jupyter Notebook interface]]
  * [[https://jupyterlab.readthedocs.io/en/stable/|JupyterLab]] 


==== Serwery wydziałowe ====
  
Notatniki można również uruchamiać korzystając z serwera ''polon7''. 
Dostęp z zewnątrz sieci LAN wymaga aktualnego klucza OpenVPN. 
Przy logowaniu na serwer via ''ssh'' należy przetunelować port na którym Jupyter hostuje notatnik (domyślnie ''8888''') tak aby możliwe było wyświetlenie wyników w przeglądarce internetowej.

  ssh -L 8888:localhost:8888 user@polon7.fizyka.umk.pl

Po zalogowaniu przechodzimy do katalogu, w którym znajdują się notatniki. \\ 
Notatniki z laboratorium dostępne są w repozytorium GitHub. \\
Klonowanie repozytorium:

  git clone https://github.com/IS-UMK/mn/

Uruchamianie notatnika:

  jupyter-notebook --no-browser --port 8888

Domyślnie notatnik uruchamia się na porcie 8888. W przypadku, gdy port ten jest zajęty należy wybrać inny, pamiętając o odpowiedniej zmianie tunelowanego portu przy połączeniu (''-L port:localhost:8888''').

Następnie w przeglądarce (lokalnie) otwieramy adres [[http://localhost:8888]]

===== Kilka przydatnych odnośników =====

  * [[https://www.python.org/|Python]] is a programming language that lets you work quickly and integrate systems more effectively 
    * [[https://www.learnpython.org/pl/|www.learnpython.org]]
  * [[https://jupyter.org/|jupyter]] The Jupyter Notebook is an open-source web application that allows you to create and share documents that contain live code, equations, visualizations and narrative text.
    * [[https://www.dataquest.io/blog/jupyter-notebook-tutorial/|Jupyter Notebook for Beginners: A Tutorial]]
  * [[https://numpy.org/|NumPy]] NumPy is the fundamental package for scientific computing with Python 
    * [[https://numpy.org/devdocs/user/quickstart.html|NumPy tutorial]] 
  * [[https://matplotlib.org/|matplotlib]]  comprehensive library for creating static, animated, and interactive visualizations in Python.
    * [[https://github.com/rougier/matplotlib-tutorial|Matplotlib tutorial for beginner]] by Nicolas P. Rougier