数値計算 A組（2024年度までの入学生）

科目授業名称（和文）　Name of the subject/class (in Japanese)

科目授業名称（英文）　Name of the subject/class (in English)

Numerical Computation

授業コード　Class code

991235E

科目番号　Course number

12MAISS201

教員名

福島　光太郎、佐藤　雅彦

Instructor

Masahiko SATO, Kotaro FUKUSHIMA

開講年度学期

2026年度前期

Year

2026年度

Semester

①First semester

曜日時限

金曜3限、金曜4限

Class hours

13:00-16:00, Friday

開講学科・専攻　Department

理学部第一部　物理学科

Department of Physics, Faculty of Science Division Ⅰ

単位数　Course credit

4.0単位

授業の方法　Teaching method

演習

Seminar

外国語のみの科目（使用言語）　Course in only foreign languages (languages)

-

授業の主な実施形態　Main class format

① [対面]対面授業/ [On-site] On-site class

概要　Description

python言語を学び、さらに、さまざまな数値解法の手法を実際のプログラム作成を通して学んでいく。

目的　Objectives

pythonによるプログラミング演習を通して、プログラムが作成できるようになるとともに、科学技術計算で利用されている基本的な数値計算のアルゴリズムを学ぶ。さらに、数値計算が実際の問題に適用されるときの問題点、その解決法なども理解する。

物理学科ディプロマポリシー項目２に定める「物理学の十分な基礎学力と高度な専門知識」を身につけるための科目である。また、物理学科カリキュラムポリシー項目７「自然の各階層に対応した多様な専門科目（選択）」、物理学科ルーブリックの評価項目「専門学力（現代物理学）」と評価項目「問題発見、解決能力」に該当する科目である。

到達目標　Outcomes

python言語の基礎文法を理解し、生成AI等に頼らず基本的なプログラム作成ができるようになる。
数値誤差に注意して、数値計算を行えるようになる。
積分、常微分方程式、行列、非線形方程式などを数値的に解けるようになる。
行列の数値解法を最小二乗法の解法に応用できる。
離散的データを数値的に補間できるようになる。
乱数の発生について理解し、モンテカルロ・シミュレーションを行えるようになる。

卒業認定・学位授与の方針との関係（学部科目のみ）

リンク先の [評価項目と科目の対応一覧]から確認できます（学部対象）。
履修登録の際に参照ください。
You can check this from “Correspondence table between grading items and subjects” by following the link(for departments).
https://www.tus.ac.jp/fd/ict_tusrubric/

履修上の注意　Course notes prerequisites

授業ではプログラム作成を演習形態で行うため、プログラミングの基礎を理解しているのが望ましい。
情報科学概論２を受講していることが望ましい。
Google Colabを使用するため、Googleアカウントを取得しておくことが望ましい。

アクティブ・ラーニング科目　Teaching type（Active Learning）

実習　Practical learning

-

準備学習・復習　Preparation and review

授業時間外にも課題の作成のために２時間程度の学習時間を必要とする。

成績評価方法　Performance grading policy

授業中の課題：70%
小テスト：30%

課題は期日までにLETUSから提出すること。期日を過ぎた場合は提出できない。

学修成果の評価　Evaluation of academic achievement

・S：到達目標を十分に達成し、極めて優秀な成果を収めている
・A：到達目標を十分に達成している
・B：到達目標を達成している
・C：到達目標を最低限達成している
・D：到達目標を達成していない
・-：学修成果の評価を判断する要件を欠格している

・S：Achieved outcomes, excellent result
・A：Achieved outcomes, good result
・B：Achieved outcomes
・C：Minimally achieved outcomes
・D：Did not achieve outcomes
・-：Failed to meet even the minimal requirements for evaluation

教科書　Textbooks/Readings

教科書の使用有無（有=Y , 無=N）　Textbook used(Y for yes, N for no)

N

書誌情報　Bibliographic information

-

MyKiTSのURL（教科書販売サイト）　URL for MyKiTS(textbook sales site)

教科書および一部の参考書は、MyKiTS (教科書販売サイト) から検索・購入可能です。
https://gomykits.kinokuniya.co.jp/tokyorika/

It is possible to search for and purchase textbooks and certain reference materials at MyKiTS (online textbook store).
https://gomykits.kinokuniya.co.jp/tokyorika/

参考書・その他資料　Reference and other materials

必要な資料はLETUSで提供する。

授業計画　Class plan

第１回：pythonの基礎

pythonの文法について復習し、pythonプログラムが作成できるようになる

第２回：数値計算の誤差

数値の表現を学ぶとともに、数値計算における計算誤差（丸め誤差、累積誤差、打ち切り誤差）を理解し、これらの誤差に注意した計算実行と結果の評価を行えるようになる

第３、４回：数値積分

離散的な数値データの補間手法、台形公式、シンプソンの公式を理解し、数値積分を理解できるようになる

第５、６回：常微分方程式の数値的解法

オイラー法、ルンゲクッタ法の手法により、常微分方程式の数値的解法を理解できるようになる

第７回：連立一次方程式

行列の計算方法を理解し、連立一次方程式の数値的解法を理解できるようになる

第８回：小テスト

第９回：最小二乗法

連立一次方程式の数値的解法を応用して、最小二乗法によるデータ解析ができるようになる

第１０、１１回：近似関数

離散的な数値データを直線補間、ラグランジュ補間、などの手法で補間できるようになる

第１２、１３回：乱数の発生、モンテカルロ・シミュレーション

数値的な擬似乱数の発生方法を理解し、モンテカルロ・シミュレーションができるようになる

第１４、１５回：非線型方程式の数値的解法

２分法、ニュートン法の手法を学び、非線形方程式を数値的に解けるようになる

第１６回：小テスト

担当教員の実務経験とそれを活かした教育内容　Work experience of the instructor

-

教育用ソフトウェア　Educational software

-

備考　Remarks

-

授業でのBYOD PCの利用有無　Whether or not students may use BYOD PCs in class

Y

授業での仮想PCの利用有無　Whether or not students may use a virtual PC in class

N

シラバス情報