授業情報/Course information

開講学期/Course Start 2024年度/Academic Year   前期/First
開講曜限/Class period 火/Tue 10 , 火/Tue 11
授業区分/Regular or Intensive 週間授業
対象学科/Department 創造工学科 夜間主コース
対象学年/Year 1年 , 2年 , 3年 , 4年
授業科目区分/Category 教育課程 創造工学科
必修・選択/Mandatory or Elective 必修
授業方法/Lecture or Seminar 講義科目
授業科目名/Course Title 微分積分A/Differential and Integral A
単位数/Number of Credits 2
担当教員名/Lecturer 内免 大輔 (システム理化学科数理情報システムコース)
時間割コード/Registration Code J8403
連絡先/Contact 内免 大輔(教員室:Q401
E-メール:naimen@muroran-it.ac.jp)
オフィスアワー/Office hours 内免 大輔(木曜日12:00~13:30)
実務経験/Work experience
更新日/Date of renewal 2024/02/14
授業のねらい
/Learning Objectives
●理工学部のどの課程でも必要となる数学の基礎知識の1つである微分積分学に関する内容を講義する。
●微分積分Aでは初等関数の基本性質について理解し、1変数関数の極限・連続性・微分法を理解することを目的とする。
到達度目標
/Outcomes Measured By:
1. べき関数、多項式、三角関数、逆三角関数、指数関数、対数関数などの基本的な関数の性質が理解できる。また、それらの関数に関連した極限を求めることが出来る。
2. 1変数関数の連続性と微分の概念を理解し、関数に対して連続性と導関数の導出を行うことが出来る。
3. 1変数関数のTaylorの定理を理解し、関数に対してTaylor展開を行うことが出来る。また、Taylor展開を応用して、関数値の近似値を求めることが出来る。
4. 1変数関数の極値を求めることが出来る。
授業計画
/Course Schedule
総授業時間数(実時間):22.5時間

第1回:実数の性質と諸概念
第2回:関数の定義と性質
第3回:関数の極限
第4回:連続関数の定義と性質
第5回:逆関数
第6回:初等関数1(指数関数、対数関数)
第7回:初等関数2(三角関数、逆三角関数)
第8回:1回から7回の講義内容の復習と中間試験
第9回:微分の定義と性質
第10回:初等関数の微分1(合成関数の微分)
第11回:初等関数の微分2(逆関数の微分)
第12回:平均値の定理
第13回:関数の増減と極値
第14回:高次導関数
第15回:テイラーの定理
定期試験

・毎授業ごとに演習問題を配布するので各自で取り組むこと。
・各回の学習時間の目安は、事前・事後合わせて4時間必要です。
教科書
/Required Text
「微分積分 増補版」、 高坂良史・高橋雅朋・加藤正和・黒木場正城 著、 学術図書出版社(ISBN:9784780610635)
教科書・参考書に関する備考 授業中に適宜、参考書などを紹介する。
成績評価方法
/Grading Guidelines
・中間試験と定期試験を行う。
・中間試験50点、定期試験50点で合計100点満点として評価する。そのうえで60点以上を合格とする。
・各到達度目標は中間試験、定期試験において定義、計算問題などを出題し達成度を評価する。
履修上の注意
/Notices
・中間試験や定期試験をやむを得ない事情で欠席した受講者には追試験を行う。
・不合格者に対し、再試験を行うことがある。再試験で合格した場合の最終成績は60点とする。
・最終的に不合格になった人は、次年度以降に再履修することになる。
教員メッセージ
/Message from Lecturer
質問などあれば授業中,授業後,オフィスアワーなどに気軽に声をかけてください。
学習・教育目標との対応
/Learning and Educational Policy
学生便覧「学習目標と授業科目との関係表」参照
関連科目
/Related course
1年次後期の微分積分B、2年次前期の微分積分Cにおいて偏微分、積分、重積分、微分方程式を学ぶ。
備考
/Notes
本科目は,文部科学省による数理・データサイエンス・AI教育プログラム認定制度(リテラシーレベル)の認定に基づく,数理データサイエンス教育プログラムの教育科目として実施されます。数理基礎科目群に含まれ,数理科学の基盤的な内容を学びます。プログラム内容については,学生便覧の数理データサイエンス教育プログラムを参照してください。
DSポイント:2ポイント
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(反転授業,小テスト,振り返り 等)
毎回,授業内容の復習と発展的理解のために演習を出す。
Active learning 1-2
/上記項目に係るALの度合い
15%~50%
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
講義中の質問を推奨する。
Active learning 2-2
/上記項目に係るALの度合い
15%~50%
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
微分積分Bや微分積分Cで学ぶ事項と関連させながら講義を行う。
Active learning 3-2
/上記項目に係るALの度合い
15%~50%