course specifications - Departamento de Física da Universidade de Coimbra

Importância central:

Conhecimento genérico do funcionamento de um computador e da representação de dados em formato digital
Capacidade de equacionar a resolução de um problema sobre a forma de um algoritmo
Conhecimento dos paradigmas da programação imperativa, funcional e por objectos e capacidade operacional de programação numa linguagem de programação de muito alto nível (Python)

Importância secundária:

Capacidade para procurar e utilizar bibliografia e ferramentas de software adequadas usando a internet
Conhecimento operacional de algoritmos básicos de análise numérica aplicados a situações simples da física
Capacidade para realizar, em grupo, e de forma modular, pequenos projectos de software

Syllabus

O modelo de von Neumann do computador digital. Arquitectura de um computador moderno.
Representação digital de dados. Códigos binários para representação de inteiros, reais (vírgula flutuante), caracteres (ASCII, unicode), imagem e som.
Operações numéricas sobre dados binários. Processadores. Funcionamento de um CPU. Linguagens de programação. Sistemas operativos.
Introdução à linguagem de programação Python.
A instrução de atribuição. Aliasing. Noção de ponteiro.
Tipos numéricos: inteiros, inteiros longos, números em vírgula flutuante e complexos.
Sequências (listas, tuplas e sequências de caracteres). Booleanos e operações sobre booleanos. Iteração sobre sequências e operações de fatiagem.
Abrangências. Dicionários.
Instruções de controlo de fluxo.
Funções. Espaço dos nomes e regras de alcance. Mecanismo de passagem de argumentos e devolução de valores.
Programação funcional e imperativa.
Módulos. Ferramentas de introspecção e metaprogramação.
Ficheiros. Formatação. Redirecção dos canais de fluxo de entrada e saída.
Excepções. As instruções raise e try..except..finally.
Programação orientada por objectos. Noção de classe e instâncias de classe. Atributos e métodos. Herança, encapsulamento e polimorfismo. Sobrecarga de operadores.
Recursão. Iteradores e geradores.

Aplicações em Análise Numérica aplicada a problemas de Física.
Resolução de equações não-lineares
Interpolação de Lagrange.
Ajuste de curvas por mínimos quadrados.
Derivação e integração numérica
Resolução de equações diferenciais ordinárias (aplicações: equações do decaimento radioactivo, osciladores, projécteis, movimento planetário, etc. )
Método de Monte-Carlo (aplicações simples).

Prerequisites

Generic skills to reach

. Computer Skills for the scope of the study;
. Competence to solve problems;
. Using the internet as a communication medium and information source;
. Critical thinking;
. Competence in applying theoretical knowledge in practice;
. Competence in analysis and synthesis;
. Competence in organization and planning;
. Knowledge of a foreign language;
. Competence in information management;
. Competence for working in group;
. Creativity;
(by decreasing order of importance)

Teaching hours per semester

laboratory classes	45
total of teaching hours	45

Assessment

Problem solving	30 %
Project	30 %
Mini tests	40 %

Bibliography of reference

1 Tutorial de Python, Guido van Rossum
2 Learning Python, M. Lutz, D. Ascher, OReilly
3 How to think like a computer scientist, A. Downey, J. Elkner & C. Mayers, Green Tee Press
4 Numerical methods in engineering with Python, J Kiusalaas, Cambridge University Press
5 Python for dummies, S. Maruch, A. Maruch, Wiley
6 - Computadores e Programação apontamentos da disciplina), J.A. Paixão e F. Nogueira

Teaching method

O ensino desta disciplina é teórico-prático, com grande ênfase no compreensão e desenvolvimento de algoritmos para problemas concretos, incluindo uma primeira abordagem a algumas ferramentas de análise numérica aplicada a problemas simples de física.

Resources used

Laboratório de computação

print-version