Programplaner og emneplaner - Student
MAMO3300 Real analysis Course description
- Course name in Norwegian
- Reell analyse
- Study programme
-
Bachelor's Degree Programme in Mathematical Modelling and Data Science
- Weight
- 10.0 ECTS
- Year of study
- 2025/2026
- Curriculum
-
FALL 2025
- Schedule
- Programme description
- Course history
-
Introduction
Ingen ut over opptakskrav.
Recommended preliminary courses
The course builds on
- MAMO2300 - Linear algebra and introduction to group theory
- DAFE1000 - Mathematics 1000
- DAPE2000 - Mathematics 2000 with statistics
Required preliminary courses
Med bestått eksamen i faget skal kandidaten ha følgende samlede læringsutbytte, definert i form av
kunnskap, ferdigheter og generell kompetanse:
Kunnskap
Kandidaten
- har kunnskap om fysiske tema som er grunnleggende for teknologiske fag.
- kjenner til fagets sentrale metoder, og kan definere og forklare de viktigste begrepene fra mekanikk, termofysikk, elektrisitetslære, atomfysikk og strålingsfysikk.
- har kunnskap om hvilke krav som stilles til forsøk.
Ferdigheter
Kandidaten
- kan gjøre beregninger på kinematiske, dynamiske og statiske problemstillinger i én og i to dimensjoner
- kan gjøre beregninger på arbeid, effekt, svingninger, væskestatikk og strålingsfysiske problemstillinger, enkle elektriske kretser og bevaring av mekanisk energi og bevegelsesmengde.
- kan regne med størrelser og enheter i SI systemet, og behersker omregning mellom enheter.
- kan identifisere variabler som forekommer i idealiserte modeller med fysiske størrelser i virkeligheten.
- kan gjennomføre forsøk på en kvalifisert og sikker måte, gjøre målinger, tolke resultater og skrive rapport.
- kjenner til enkle anvendelser av numeriske løsningsteknikker.
Generell kompetanse
Kandidaten
- kan gjøre greie for prinsipper for naturvitenskapelig tenkning.
- kan kommunisere med andre om realfaglige problemstillinger ved å benytte seg av fysiske begreper og størrelser.
- forstår sammenhenger mellom fysikk og teknologiske anvendelser.
- forstår fysikkfagets ambisjoner om å lage kvantitative modeller av naturens fenomener.
Learning outcomes
Undervisningen foregår samlet og består av en kombinasjon av forelesninger og oppgaveregning, samt enkelte demonstrasjoner. Det forutsettes at studenten er i stand til å arbeide selvstendig og i tillegg samarbeide med andre når dette er naturlig.
Teaching and learning methods
Lectures and exercises: The main part will be lectures in plenary. In the exercise sessions, we work on tasks that are solved individually and in groups, and which are discussed or possibly presented. The aim is to engage the students throughout the semester.
Course requirements
None.
Assessment
Individual written exam of 3 hours under supervision.
The exam result can be appealed.
In the event of resit or rescheduled exams, another exam form may also be used. If oral exams are used, the result cannot be appealed.
Permitted exam materials and equipment
En intern sensor. Ekstern sensor brukes jevnlig.
Grading scale
Grade scale A-F
Examiners
One internal examiner. External examiners are used regularly.