دکتر مجید کوکبی

نیمسال اول سال تحصیلی: 14031404
مقطع: کارشناسی
دانشکده: علوم پایه
نام درس: مبانی علوم ریاضی
تعداد واحد: 4
تعداد ساعات تدریس در هفته: 4
نام مدرس: مجید کوکبی

جایگاه درس در برنامه درسی دوره:
این درس از دروس پایه‌ای رشته ریاضی است و دانشجویان را برای مطالعه و درک بهتر سایر دروس تخصصی که نیازمند مهارت‌های اثبات و استدلال ریاضی هستند، آماده می‌کند.

هدف کلی درس:

دانشجویان پس از گذراندن این درس، مهارت‌های بیشتری در درک و نوشتن متون ریاضی، اثبات گزاره‌های ریاضی، تفکر منطقی و آشنایی با مفاهیم بنیادی ریاضیات کسب کرده و برای گذراندن درس‌های پیشرفته‌تر ریاضی که این درس پیش‌نیاز آنهاست، آماده می‌شوند.

اهداف یادگیری:

• درک عمیق مفاهیم اساسی مجموعه‌ها، روابط و توابع
• توانایی تحلیل و اثبات گزاره‌های منطقی
• شناخت انواع توابع و کاربردهای آن‌ها
• بررسی مفاهیم مجموعه‌های شمارا و ناشمارا
• یادگیری اصول انتخاب و لم زرن و کاربرد آن‌ها
• تسلط بر استدلال‌های منطقی و کاربرد آن‌ها در اثبات‌های ریاضی
• استفاده از هوش مصنوعی برای تحلیل مسائل ریاضی
• بهره‌گیری از ابزارهای حواس افزوده جهت یادگیری عمیق‌تر مفاهیم

مواد و امکانات آموزشی:

• استفاده از فایل‌های PDF، ویدئوهای آموزشی ضبط‌شده، و منابع کتابخانه‌ای
• بهره‌گیری از نرم‌افزارهای تعاملی برای درک بهتر مفاهیم
• استفاده از ابزارهای هوش مصنوعی جهت حل مسائل و تحلیل استدلال‌ها

استفاده از حواس افزوده و هوش مصنوعی

•  حواس افزوده: 
•    استفاده از نرم‌افزارهای بصری‌سازی مانند Geogebra و Desmos برای نمایش مفاهیم ریاضی به صورت تعاملی و بصری. 
•    استفاده از ابزارهای واقعیت افزوده (AR) برای نمایش مفاهیم پیچیده‌تر مانند مجموعه‌ها و توابع. 

هوش مصنوعی: 

•    استفاده از ChatGPT یا سایر ابزارهای هوش مصنوعی برای تولید مثال‌ها، تمرین‌ها و مسائل متنوع. 
•    استفاده از هوش مصنوعی برای ارزیابی خودکار تمرین‌ها و آزمون‌ها. 
•    استفاده از هوش مصنوعی برای ارائه بازخورد فوری به دانشجویان در مورد پاسخ‌هایشان. 

روش تدریس:

• سخنرانی و ارائه مفاهیم نظری
• بحث گروهی و تحلیل استدلال‌های ریاضی
• حل تمرین‌های کلاسی و فردی
• استفاده از فناوری‌های جدید (هوش مصنوعی) برای تحلیل اثبات‌ها و حل مسائل
• به‌کارگیری حواس افزوده از طریق ابزارهای بصری، نمودارهای تعاملی و نرم‌افزارهای آموزشی

شیوه ارزشیابی:

• تمرینات هفتگی (10-20%)
• آزمون میان‌ترم (20-30%)
• پروژه تحقیقاتی با استفاده از ابزارهای هوش مصنوعی در حل مسائل ریاضی (5-10%)
• آزمون پایان‌ترم (40-65%)

منابع پیشنهادی:

1. موحد، ضیاء. درآمدی به منطق جدید. انتشارات و آموزش انقلاب اسلامی، 1379.
2. بروجردیان، ناصر. مبانی و مقدمات علم ریاضی. مرکز نشر پروفسور حسابی، 1377.
3. سپهری، محمدرضا. آشنایی با مبانی علوم ریاضی. مرکز نشر آینه، 1390.
4. منابع آنلاین و ویدئوهای آموزشی مرتبط با منطق ریاضی و نظریه مجموعه‌ها.

ریاضی عمومی 2

طرح‌درس نهایی: مبانی آنالیز ریاضی

اطلاعات دوره

تدریس: دکتر مجید کوکبی
دانشکده: علوم پایه دوره: کارشناسی / پیشرفته کارشناسی واحد: 3 واحد نظری (3+1 در صورت کارگاه‌ها) ساعات: 3 ساعت نظری + 1 ساعت تمرین هفتگی پیش‌نیاز: ریاضیات پایه (آنالیز 1 یا معادل)

خلاصهٔ درس

این درس چارچوب‌های بنیادی آنالیز ریاضی را به‌صورت اثبات‌محور و با تاکید بر شهود هندسی، تحلیل عددی ساده و فعالیت‌های چندحسی آموزش می‌دهد. موضوعات اصلی شامل ساختار اعداد حقیقی، فضاهای متری، دنباله‌ها و سری‌ها، حد و پیوستگی، قضایای بنیادین (مانند هاینه-بورل، تکمیل، قضایای مقدار میانی و نقاط ثابت) و نحوهٔ نوشتن اثبات‌های ریاضی منظم خواهد بود. هدف اصلی، ارتقاء درک عمیق مفاهیم انتزاعی از طریق رویکردی چندوجهی است که هم بر دقت منطقی و هم بر بصیرت شهودی تکیه دارد.

اهداف کلی

• درک و اثبات: درک عمیق و توانایی اثبات خواص بنیادین اعداد حقیقی و فضاهای متری.
• تحلیل دنباله‌ها و سری‌ها: توانایی تحلیل دنباله‌ها، سری‌ها و استفاده از آزمون‌های همگرایی به صورت اثربخش.
• مهارت‌های اثبات و ارائه: مهارت در نوشتن اثبات‌های ریاضی دقیق و ارائهٔ شفاهی منطقی و ساختاریافته.
• تفکر انتقادی: ایجاد تفکر انتقادی، شهودی و عددی نسبت به مفاهیم انتزاعی در آنالیز ریاضی.

نتایج یادگیری رفتاری (قابل اندازه‌گیری)

پس از پایان درس، دانشجو قادر خواهد بود:

1. اصل تمامیت (Completeness): اصل تمامیت را فرمول‌بندی و برای مثال در ( \mathbb{R} ) اثبات نماید.
2. فضاهای متری: فضای متریک را تعریف کرده و مثال‌های مرتبط با همگرایی، کامل بودن و فشردگی را تحلیل نماید.
3. سری‌های عددی: ویژگی‌های سری‌های عددی را تشخیص دهد و از آزمون‌های ریشه، نسبت، مقایسه و لِیبنیز برای تعیین همگرایی آن‌ها استفاده کند.
4. پیوستگی و نقاط ثابت: پیوستگی و پیوستگی یکنواخت را از هم تمییز دهد و قضایای مقدار میانی و نقاط ثابت را در مسائل کاربردی اعمال کند.
5. مهارت‌های تحلیلی و نگارشی: اثبات‌های کوتاه و ساختاریافته با استفاده از LaTeX تهیه نماید و در فرآیند ارزیابی همتا (peer review) مشارکت فعال داشته باشد.

ساختار هفتگی (14 هفته)

هفته 1: معرفی و مبانی

• معرفی دوره، شرح اهداف، انتظارات و پورتفولیو.
• مبانی مجموعه‌ها، روابط، توابع.
• ساختار میدان‌ها (Field Axioms).
• مرور پیش‌نیازها: آشنایی با منطق ریاضی و مقدمات اثبات.
• شرح و توزیع پورتفولیوی اثبات.

هفته 2: اعداد حقیقی — ساختار و تکمیل

• مدل‌سازی اعداد حقیقی.
• تکمیل اعداد گویا ((\mathbb{Q})) با استفاده از برش‌های ددکیند (Dedekind cuts) یا دنباله‌های کوشی.
• معرفی مفهوم تمامیت (Completeness) در فضای اعداد حقیقی.

هفته 3: اصل تمامیت و خواص اعداد حقیقی

• اصل تمامیت (Completeness Axiom) یا اصل سوپرمم (Supremum Axiom).
• خاصیت ارشمیدسی (Archimedean Property).
• تراکم اعداد گویا ((\mathbb{Q})) و گنگ ((\mathbb{R} \setminus \mathbb{Q})) در اعداد حقیقی.

هفته 4: اعداد مختلط و نامساوی کوشی–شوارتز

• میدان مختلط ((\mathbb{C})): تعریف، خواص و نمایش هندسی.
• نامساوی کوشی–شوارتز (Cauchy–Schwarz Inequality) در فضاهای برداری (مانند ( \mathbb{R}^n )).
• کاربردها و مثال‌های متنوع.

هفته 5: فضاهای متری — تعاریف و مثال‌ها

• تعریف فضای متریک ((X, d)).
• مثال‌های متداول: ( \mathbb{R}^n ) با متر اقلیدسی، متر منهتن، متر ماکسیمم.
• توپ‌ها (Balls) و همسایگی‌ها (Neighborhoods).

هفته 6: توپولوژی فضاهای متری

• مجموعه‌های باز (Open Sets) و بسته (Closed Sets) در فضاهای متری.
• نقاط تجمع (Limit Points) و نقاط حدی (Accumulation Points).
• همگرایی دنباله‌ها در فضاهای متری.

هفته 7: فشردگی و قضایای بنیادین

• تعریف مجموعه‌های فشرده (Compact Sets) در فضاهای متری.
• قضیهٔ هاینه–بورل (Heine–Borel Theorem) در ( \mathbb{R}^n ).
• کاربرد پیوستگی بر فضاهای فشرده: دامنهٔ مقادیر پیوسته.

هفته 8: دنباله‌ها و کامل بودن

• دنباله‌های کوشی (Cauchy Sequences).
• مفهوم کامل بودن (Completeness) یک فضای متریک.
• رابطهٔ دنباله‌های کوشی و کامل بودن.
• زیر دنباله‌ها (Subsequences) و لم بالا/پایین (Up/Down Lemma) (در صورت امکان).

هفته 9: سری‌های عددی — همگرایی

• تعریف سری عددی و مفهوم همگرایی.
• همگرایی مطلق (Absolute Convergence) و همگرایی شرطی (Conditional Convergence).
• آزمون‌های اصلی همگرایی: آزمون نسبت (Ratio Test)، آزمون ریشه (Root Test)، آزمون مقایسه (Comparison Test).

هفته 10: سری‌های متناوب و بازآرایی

• سری‌های متناوب (Alternating Series) و آزمون لِیبنیز (Leibniz Test).
• قضیهٔ ریمان دربارهٔ بازآرایی‌ها (Riemann Series Theorem).
• مثال‌ها و کاربردها.

هفته 11: حد و پیوستگی توابع

• حد (Limit) و پیوستگی (Continuity) توابع بین فضاهای متری.
• قضیهٔ مقدار میانی (Intermediate Value Theorem).
• مثال‌های تکمیلی در فضاهای متری.

هفته 12: پیوستگی یکنواخت و نقاط ثابت

• پیوستگی یکنواخت (Uniform Continuity) و تمایز آن با پیوستگی نقطه‌ای.
• قضیه‌های لیپشیتز (Lipschitz Conditions).
• مقدمات نظریهٔ نقاط ثابت (Fixed Point Theory) و قضیهٔ نقطهٔ ثابت باناخ (Banach Fixed Point Theorem).

هفته 13: مباحث تکمیلی و مرور

• مباحثی مانند مجموعهٔ کانتور (Cantor Set) و همبندی (Connectedness).
• مرور اثبات‌های کلیدی دوره.
• جلسهٔ پرسش و پاسخ برای رفع اشکالات.

هفته 14: ارائهٔ پروژه‌ها و آزمون جامع

• ارائهٔ پروژه‌های دانشجویی (اثبات‌محور و اپلت‌های عددی).
• آزمون جامع نهایی.
• بازخورد نهایی و جمع‌بندی دوره.

روش‌های تدریس

• فرمت معکوسِ کلاس (Flipped Classroom):
• Micro-lectures: ویدیوهای کوتاه (5-15 دقیقه) ارائهٔ مفاهیم نظری و اثبات‌های اولیه.
• مطالعهٔ پیش‌خوان: دانشجویان قبل از حضور در کلاس، ویدیوها را مشاهده کرده و مطالب را مطالعه می‌کنند.
• جلسهٔ فعال: جلسات کلاسی به بحث، حل مسئله، کار بر روی اثبات‌ها، و فعالیت‌های گروهی اختصاص می‌یابد.
• جلسات کارگاهی:
• GeoGebra: کارگاه‌های عملی برای استفاده از GeoGebra جهت بصری‌سازی مفاهیم هندسی و توپولوژیکی.
• Jupyter Notebooks: کارگاه‌هایی برای آشنایی با نوت‌بوک‌های Jupyter و تجربهٔ عددی با دنباله‌ها، سری‌ها و خطاها.
• AR/VR: یک کارگاه انتخابی برای تجربهٔ مفاهیم انتزاعی در محیط‌های واقعیت افزوده یا مجازی (در صورت امکان).
• یادگیری فعال:
• بحث جفتی (Pair Discussion): دانشجویان در گروه‌های دو نفره به حل مسائل و بحث دربارهٔ اثبات‌ها می‌پردازند.
• ارزیابی همتا (Peer Assessment): دانشجویان اثبات‌های یکدیگر را بر اساس روبریک مشخصی ارزیابی می‌کنند.
• فعالیت‌های کارت‌محور (Card-Based Activities): استفاده از کارت‌هایی با مراحل اثبات یا تعریف مفاهیم برای درگیر کردن فعال دانشجویان.
• ارائۀ اثبات‌ها:
• ابتدا اثبات‌های کلیدی روی تابلو با توضیح شهودی و بصری ارائه می‌شوند.
• سپس، نسخۀ فرمال و دقیق اثبات با استفاده از نمادگذاری ریاضی و استدلال منطقی نمایش داده می‌شود.

فعالیت‌های چندحسی و فناوری

• انیمیشن‌های اثبات:
• ویدیوهای کوتاه (8–12 دقیقه) با زیرنویس فارسی و متن خلاصهٔ اثبات‌ها که در سامانهٔ مدیریت یادگیری (LMS) در دسترس خواهند بود.
• هدف: تسهیل درک اثبات‌های پیچیده و ارائهٔ رویکردی شهودی.
• اپلت‌های GeoGebra:
• اپلت‌های تعاملی برای هر بخش کلیدی درس:
• بصری‌سازی توپ‌ها و همسایگی‌ها در فضاهای متری.
• نمایش پوشش‌های باز و قضیهٔ هاینه-بورل.
• تصویرسازی تراکم اعداد گویا و گنگ.
• ساخت مجموعهٔ کانتور.
• این اپلت‌ها به دانشجویان کمک می‌کنند تا مفاهیم انتزاعی را به صورت بصری درک کنند.
• نوت‌بوک‌های Jupyter:
• نوت‌بوک‌های تعاملی برای تجربهٔ عددی:
• بررسی رفتار دنباله‌های کوشی و گام‌های تکمیل.
• شبیه‌سازی همگرایی سری‌ها و مقایسهٔ سرعت همگرایی.
• بررسی خطاهای تقریب در محاسبات عددی.
• این ابزارها به دانشجویان اجازه می‌دهند تا یافته‌های نظری را در عمل مشاهده کنند.
• کیت کارگاهی فیزیکی:
• شامل کارت‌های مراحل اثبات، توپ‌های فومی برای نمایش توپ‌ها، و برگه‌های آماده برای ساخت مجموعهٔ کانتور.
• هر قطعه با QR کد به منابع دیجیتال مربوطه (ویدیو، اپلت، نوت‌بوک) متصل خواهد بود.
• دسترسی برای دانشجویان غیرحضوری:
• معادل دیجیتال همهٔ ابزارهای فیزیکی (اپلت‌ها، نوت‌بوک‌ها، ویدیوها) در LMS در دسترس خواهد بود.

ارزیابی و وزن‌دهی

نوع ارزیابیوزنجزئیاتتمرینات هفتگی (پورتفولیو اثبات‌ها)20%شامل حداقل 6 اثبات منتخب با توضیحات شهودی (حداکثر 200 کلمه) و اثبات فرمال در LaTeX. تحویل به‌صورت PDF.آزمون میان‌ترم25%آزمون کتبی شامل مسائل نظری، اثباتی و کاربردی. تمرکز بر مباحث نیمسال اول.پروژهٔ اثبات‌محور + اپلت عددی20%پروژهٔ انفرادی یا گروهی (2-3 نفره) برای بررسی عمیق یک موضوع. خروجی شامل گزارش LaTeX، اپلت GeoGebra و نوت‌بوک Jupyter.مشارکت کلاسی و ارزیابی همتا5%حضور فعال در کلاس، مشارکت در بحث‌ها، و ارزیابی دقیق کارهای همکلاسی‌ها.آزمون پایان‌ترم30%آزمون جامع نهایی شامل تمام مباحث دوره. تمرکز بر درک مفاهیم و توانایی اثبات.مجموع100%

جزئیات پورتفولیو و ارزیابی همتا

پورتفولیو اثبات‌ها

• تعداد: حداقل 6 اثبات منتخب از مباحث دوره.
• قالب: هر اثبات باید در LaTeX نوشته شده و به صورت PDF تحویل داده شود.
• محتوا:
• توضیح شهودی: شرحی حداکثر 200 کلمه‌ای از ایدهٔ اصلی اثبات، هدف آن و استراتژی کلی. این بخش برای نشان دادن درک عمیق و بصیرت دانشجو طراحی شده است.
• اثبات فرمال: نسخهٔ دقیق و گام به گام اثبات با استفاده از نمادگذاری ریاضی استاندارد و استدلال منطقی.
• نحوهٔ تحویل: از طریق سامانهٔ LMS.

ارزیابی همتا (Peer Review)

• فرآیند: دانشجویان در گروه‌های کوچک، اثبات‌های اعضای گروه خود را بر اساس روبریک ارائه شده، ارزیابی می‌کنند.
• هدف: ارتقاء مهارت‌های نقد و بررسی، یادگیری از اشتباهات دیگران و درک معیارهای اثبات خوب.
• روبریک ارزیابی همتا (نمونه):

معیارنمرهتوضیحاتصحت ریاضی0–4تمام ادعاها، استدلال‌ها و محاسبات از نظر ریاضی صحیح هستند.ساختار و منطق0–4اثبات دارای ساختار منطقی مشخصی است؛ هر گام به درستی از گام‌های قبلی یا اصول بدیهی نتیجه می‌شود.شفافیت و خوانایی/LaTeX0–3نمادگذاری ریاضی واضح است؛ متن به خوبی سازماندهی شده و خوانا است؛ استفادهٔ صحیح از LaTeX.نوآوری/بینش0–1اثبات رویکردی خلاقانه یا بینشی نوآورانه ارائه می‌دهد (بخش اختیاری برای تشویق تفکر عمیق).مجموع0–12

• محاسبهٔ نمرهٔ نهایی پورتفولیو:
• نمرهٔ هر دانشجو از پورتفولیوی خودش، بر اساس میانگین نمرات ارزیابی همتا (پس از حذف یک نمرهٔ بیشینه و یک نمرهٔ کمینه برای کاهش اثر نمرات پرت) و ارزیابی مدرس محاسبه می‌شود.
• فرمول: [ \text{نمره نهایی پورتفولیو} = 0.6 \times (\text{میانگین نمرات همتا}) + 0.4 \times (\text{نمره مدرس}) ]

پروژهٔ نهایی

• هدف:
• بررسی عمیق یک موضوع خاص در مبانی آنالیز ریاضی (مانند اثبات‌های متفاوت تکمیل ( \mathbb{R} )، بررسی عددی همگرایی سری‌ها و اثر بازآرایی، مطالعهٔ خواص فضاهای متریک خاص).
• تولید خروجی‌های ترکیبی شامل تحلیل نظری، پیاده‌سازی عددی و بصری‌سازی.
• خروجی مورد انتظار:
• گزارش LaTeX: حداقل 10 صفحه، شامل مقدمه، مباحث نظری، نتایج، تحلیل و نتیجه‌گیری.
• اپلت تعاملی: یک اپلت GeoGebra که بخش‌هایی از پروژه را بصری‌سازی می‌کند.
• نوت‌بوک عددی: یک نوت‌بوک Jupyter که جنبه‌های عددی پروژه را بررسی می‌کند.
• ارائه: یک ارائهٔ 10–15 دقیقه‌ای در کلاس (حضوری یا مجازی).
• جدول زمانی پروژه:
• هفته 4: انتخاب موضوع و تشکیل گروه‌ها (در صورت گروهی بودن).
• هفته 7: ارائهٔ گزارش میانی (شامل طرح کلی، پیشرفت و مسائل احتمالی).
• هفته 10: پیش‌نمایش اپلت و نوت‌بوک Jupyter.
• هفته 14: تحویل نهایی گزارش، اپلت، نوت‌بوک و ارائهٔ پروژه.

نمونهٔ سیاست‌های کلاسی

• تاخیر در تحویل:
• تحویل‌های تاخیری تنها با دلیل موجه و مستند (مانند گواهی پزشکی) پذیرفته می‌شوند.
• برای هر روز تاخیر، از نمرهٔ کل آن تکلیف کسر خواهد شد (مثلاً 10% کسر به ازای هر روز).
• استفاده از هوش مصنوعی (AI):
• استفاده از ابزارهای AI (مانند ChatGPT) برای کمک به نگارش، ایده‌یابی و اشکال‌زدایی مجاز است.
• الزام: تمام بخش‌هایی که با کمک AI تولید شده‌اند، باید به وضوح منبع‌دهی شوند. سهم دانشجو و سهم AI باید مشخص گردد. عدم رعایت این مورد تقلب محسوب می‌شود.
• تقلب و سرقت علمی:
• هرگونه تقلب (کپی‌برداری از دیگران، استفاده از منابع بدون ذکر، تحویل کار دیگران به نام خود) مطابق با آیین‌نامهٔ انضباطی دانشگاه مورد رسیدگی قرار خواهد گرفت.
• پورتفولیو و پروژه‌ها باید شواهد روشنی از تلاش و پیشرفت فردی دانشجو را نشان دهند.
• حضور و غیاب:
• حضور در جلسات نظری الزامی است. غیبت‌های موجه (با ارائه مدرک) تا سقف مجاز دانشگاه قابل قبول است.

قابل دسترس‌سازی و شمول

• دسترسی به محتوا:
• تمام ویدیوهای آموزشی دارای کپشن فارسی و متن قابل دانلود (transcript) هستند.
• اسناد متنی (طرح‌درس، جزوات، تکالیف) با فرمت‌های قابل دسترس (مانند PDF با قابلیت خواندن توسط نرم‌افزارهای صفحه‌خوان) ارائه می‌شوند.
• مواد بصری:
• رنگ‌بندی در اسلایدها، نمودارها و اپلت‌ها به گونه‌ای طراحی شده است که برای افراد دارای کوررنگی (color blindness) قابل تمایز باشد.
• استفاده از الگوهای کافی (patterns) و برچسب‌های واضح.
• گزینه‌های ارائه:
• برای دانشجویانی که با چالش‌های زبانی یا نوشتاری روبرو هستند، گزینه‌های جایگزین برای ارائهٔ مطالب (مانند ارائهٔ شفاهی ویدئویی به جای نوشتاری) در نظر گرفته خواهد شد.
• استفاده از ابزارهای کمک آموزشی متنوع برای پوشش دادن طیف وسیعی از سبک‌های یادگیری.

منابع پیشنهادی

کتاب‌های اصلی:

1. Walter Rudin,Principles of Mathematical Analysis (3rd ed.). McGraw-Hill, 1976. (کتاب کلاسیک، رویکرد اثبات‌محور و دقیق)
2. T. M. Apostol,Mathematical Analysis (2nd ed.). Addison-Wesley, 1974. (پوشش جامع، مناسب برای مباحث پیشرفته‌تر)
3. Robert G. Bartle, Donald R. Sherbert,Introduction to Real Analysis. Wiley, (چاپ‌های مختلف). (رویکردی تدریجی و دوستانه‌تر برای دانشجویان)
4. Wilfrid M. Kaczor, Maria M. Nowak,Problems in Mathematical Analysis I & II. AMS, 2000. (مجموعه مسائل متنوع با راه‌حل‌های تفصیلی، مناسب برای تمرین)

منابع فارسی پیشنهادی:

• (در صورت وجود، ذکر کتاب‌ها یا جزوات ترجمه شده یا تألیف شده توسط اساتید داخلی)
• جزوات درسی و فایل‌های مربوط به دوره که در سامانهٔ LMS آماده خواهند شد.

پیوست‌ها (خلاصه)

پیوست A: اسکریپت کوتاه انیمیشن نمونه

• موضوع: تکمیل اعداد حقیقی با استفاده از دنباله‌های کوشی.
• شامل: مراحل اثبات، نمودار نمایش دنباله، خلاصهٔ متن.

پیوست B: راهنمای سریع GeoGebra

• راهنمای گام به گام برای استفاده از GeoGebra در جلسهٔ اول.
• شامل: معرفی ابزارها، لینک به اپلت‌های نمونه.

پیوست C: قالب LaTeX برای پورتفولیو و پروژه

• قالب آمادهٔ فایل .tex شامل ساختار کلی، دستورات رایج ریاضی، بخش شهودی و فرمال.
• برای استانداردسازی و سهولت در نگارش اثبات‌ها.

پیوست D: فهرست کارت‌ها و محتوای کیت کارگاهی

• فهرست دقیق کارت‌های مورد استفاده در فعالیت‌های کلاسی (مراحل اثبات، تعاریف).
• توضیح محتوای کیت فیزیکی (توپ فومی، برگهٔ کانتور).
• QR کدهای مرتبط با هر قلم برای دسترسی به منابع دیجیتال.

راهنمای سریع برای استفاده از طرح‌درس

1. آماده‌سازی اولیه (هفتهٔ قبل از شروع):
• تهیه و بارگذاری Micro-lectures هفتگی در LMS.
• آماده‌سازی و انتشار فایل GeoGebra برای جلسهٔ اول.
• ارسال تکلیف مطالعهٔ پیش‌خوان (Read Ahead Assignment) به دانشجویان برای هم‌سطح‌سازی دانش اولیه.
2. جلسات اول (هفته 1):
• پخش انیمیشن Micro-lecture.
• فعالیت عملی با GeoGebra در کلاس.
• ارائهٔ کوییز 5 دقیقه‌ای برای سنجش درک اولیه.
• توضیح دقیق پورتفولیو، نحوهٔ ارزیابی همتا و انتظارات.
3. معرفی ابزارهای کارگاهی (هفته 2–3):
• معرفی Jupyter Notebooks.
• برگزاری کارگاه اجباری برای آشنایی دانشجویان با محیط Jupyter و نحوهٔ کار با نوت‌بوک‌ها.
4. مدیریت پروژه:
• تنظیم دقیق زمان‌بندی پروژه (انتخاب موضوع، گزارش میانی، پیش‌نمایش، تحویل نهایی) در LMS.
• در دسترس قرار دادن قالب LaTeX برای پورتفولیو و پروژه از ابتدای ترم.
5. برگزاری کارگاه‌های عملی:
• برنامه‌ریزی برای حداقل دو جلسهٔ کارگاهی اختصاصی در طول ترم برای کیت فیزیکی و/یا AR/VR.
• اطمینان از حضور و مشارکت دانشجویان در این کارگاه‌ها.

اطلاعات تماس استاد

دکتر مجید کوکبی

• ایمیل: [ایمیل استاد را اینجا قرار دهید]
• دفتر: [شماره دفتر یا اتاق را اینجا قرار دهید]
• ساعت ملاقات: [روزها و ساعات ملاقات را اینجا مشخص کنید]

ریاضیات و کاربرد ان در مدیریت

موضوع اصلی                                                                              هفته۱۰توابع چندمتغیره، مشتقات جزئی و گرادیان۱۱قاعدٔه زنجیرهای، دیفرانسیل کامل۱۲انتگرالهای دوگانه، تبدیل به قطبی، تعویض ترتیب۱۳انتگرالهای سهگانه، استوانهای و کروی؛ کاربردها۱۴مرور کلی، ارائٔه پروژهها و نمایشگاه پروژه

ریاضیات پایه

ریاضی عمومی 1

 طرح درس: مبانی هندسه دیفرانسیل

 مشخصات کلی درس

 عنوان درس  مبانی هندسه دیفرانسیل (Foundations of Differential Geometry)

تعداد واحد  ۴ واحد (نظری - حل تمرین)

 مقطع تحصیلی  کارشناسی

 نوع درس  تخصصی الزامی

 پیش‌نیاز  ریاضیات عمومی ۲

 مدرس  دکتر کوکبی

 زمان کلاس  [یک شنبه 10-12 سه شنبه 8-10]

 مکان کلاس  [115]

 ۱. توصیف و هدف کلی درس

هیچ شاخه‌ای از ریاضیات به اندازه هندسه، قوه تجسم را تقویت نمی‌کند. با توجه به اهمیت این موضوع، ترسیم و تحلیل شکل‌های درست و دقیق در متن درس ضروری است. هدف بنیادین این درس، تفهیم عمیق «بُعد فضا» و تعریف دقیق آن به عنوان لازمه درک پدیده‌های طبیعی است.

بسیاری از دانشجویان به دلیل عدم درک صحیح از بُعد، دایره (یک خم یک‌بعدی) را دو‌بعدی و کره (رویه دوبعدی) را سه‌بعدی می‌پندارند. این درس با هدف رفع این نقیصه طراحی شده و به دانشجو امکان می‌دهد مفاهیم آنالیز ریاضی را روی خم‌های یک‌بعدی و رویه‌های دوبعدی در فضای اقلیدسی به کار گیرد. تمرکز اصلی بر مطالعه موضعی اشیاء هندسی در همسایگی نقاط و سپس تعمیم آن به خواص سراسری است.

 ۲. اهداف یادگیری (Learning Outcomes)

پس از پایان این دوره، دانشجو باید بتواند:

۱. تفاوت بنیادین میان یک شیء هندسی (مانند کره) و فضای محیطی آن را درک کرده و بُعد توپولوژیک را از بُعد فضای اقلیدسی تمیز دهد.

۲. خم‌های پارامتری را در فضای سه‌بعدی تحلیل کرده، طول قوس، انحنا و تاب آن‌ها را محاسبه کند.

۳. دستگاه فرنه-سره (Frenet-Serret) را برای تحلیل رفتار موضعی خم‌ها به کار گیرد.

۴. مفهوم رویه منظم را درک کرده و قادر به تشکیل قطعات مختصاتی (Coordinate Patches) باشد.

۵. مفاهیم مشتق‌پیذیری، صفحه مماس و نگاشت‌های دیفرانسیل‌پذیر را روی رویه‌ها پیاده‌سازی کند.

۶. انحنای گاوسی و انحنای میانگین را محاسبه کرده و تعبیر هندسی آن‌ها را بیان کند.

۷. قضیه ذاتی گاوس (Theorema Egregium) را اثبات و اهمیت آن در استقلال هندسه از فضای محیطی را تشریح نماید.

۸. (اختیاری) از نرم‌افزارهای محاسباتی مانند Maple یا Mathematica برای تجسم رویه‌های پیچیده و محاسبه کمیت‌های هندسی استفاده کند.

 ۳. روش تدریس

- سخنرانی و تدریس مفاهیم نظری با تأکید بر شهود هندسی.

- حل مسائل نمونه در کلاس برای تثبیت مفاهیم محاسباتی.

- استفاده از ابزارهای کمک آموزشی بصری (در صورت امکان نرم‌افزارهای ریاضی) برای نمایش رویه‌ها و خم‌ها.

- برگزاری جلسات حل تمرین برای رفع اشکالات دانشجویان.

 ۴. وظایف دانشجو

- حضور منظم و فعال در جلسات درس و شرکت در مباحث کلاس.

- مطالعه منابع معرفی شده پیش از هر جلسه.

- حل تمرینات تحویلی به صورت هفتگی و ارائه منظم آن‌ها.

- (در صورت تعریف) انجام پروژه محاسباتی با نرم‌افزار برای تجسم هندسی.

 ۵. شیوه ارزشیابی

 روش ارزیابی  سهم از نمره کل (پیشنهادی)  توضیحات

 :---  :---  :---

 حل تمرین و فعالیت کلاسی  ۳ نمره  شامل تحویل تمرینات هفتگی و مشارکت در کلاس

 آزمون میان‌ترم  ۶ نمره  تا پایان مبحث نظریه موضعی خم‌ها

 پروژه (اختیاری/اجباری)  ۲ نمره  استفاده از Maple/Mathematica یا مقاله کوتاه

 آزمون پایان‌ترم  ۹ نمره  شامل تمام مباحث با تأکید بر نظریه رویه‌ها

 جمع کل  ۲۰ نمره 

 ۶. زمان‌بندی جلسات (تقویم آموزشی)

تذکر: این زمان‌بندی برای یک نیمسال ۱۶ هفته‌ای (دو جلسه در هفته) تنظیم شده است.

 هفته  رئوس مطالب و سرفصل‌ها  فعالیت‌های دانشجو

 :---  :---  :---

 یکم  معرفی درس، مفهوم فضا و بُعد، یادآوری جبرخطی و آنالیز برداری، تعریف خم پارامتری در فضای اقلیدسی $\mathbb{R}^3$.  مطالعه مقدمات

 دوم  خم‌های منظم، تغییر پارامتر، تعریف طول قوس و پارامترسازی با طول قوس.  حل تمرینات بخش خم‌ها

 سوم  تعریف انحنا (Curvature)، بردار یکه مماس و بردار یکه قائم، دایره بوسان.  تمرین محاسبه طول قوس

 چهارم  تعریف تاب (Torsion)، بردار یکه قائم دوم، فرمول‌های فرنه-سره و تعبیر هندسی آن‌ها.  محاسبه کنج فرنه

 پنجم  نظریه موضعی خم‌ها، قضیه اساسی خم‌های فضایی، صورت متعارف موضعی خم.  تمرینات اثباتی فرنه

 ششم  خواص سراسری خم‌های مسطح (قضیه چهار رأس، نابرابری ایزوپریمتری)، خم‌ها در فضای اقلیدسی دلخواه.  تمرینات خواص سراسری

 هفتم  معرفی رویه: تعریف زیرمجموعه باز در صفحه، قطعه مختصاتی، تعریف رویه منظم، مثال‌های کره، استوانه و توروس.  بررسی منظم بودن رویه‌ها

 هشتم  نگاره وارون مقادیر منظم، تغییر پارامتر در رویه‌ها، توابع مشتق‌پذیر روی رویه.  آزمون میان‌ترم

 نهم  صفحه مماس بر رویه، دیفرانسیل نگاشت بین رویه‌ها، تعریف متر ریمانی (اولین صورت بنیادی).  محاسبه صفحه مماس

 دهم  محاسبه ضرایب فرم اول بنیادی، طول خم روی رویه، زاویه بین خم‌ها روی رویه، مفهوم مساحت رویه.  محاسبه مساحت و طول

 یازدهم  جهت‌دهی رویه (Orientation)، رویه‌های جهت‌پذیر و جهت‌ناپذیر (نوار موبیوس)، مشخصات رویه‌های فشرده.  تمرینات فرم اول

 دوازدهم  نگاشت گاوسی (Gauss Map) و خواص بنیادی آن، تعریف عملگر شکل (Shape Operator).  تحلیل نگاشت گاوس

 سیزدهم  انحنای گاوسی ($K$) و انحنای میانگین ($H$)، تعبیر هندسی انحنای گاوسی، نقاط بیضوی، هذلولوی و سهموی.  محاسبه انحناهای اصلی

 چهاردهم  میدان‌های برداری روی رویه، مشتق همگرد (Covariant)، قضیه ذاتی گاوس (Theorema Egregium).  اثبات‌های مربوط به $K$

 پانزدهم  معادلات کوداتزی-مایناردی، قضیه بونه (Bonnet)، آشنایی مقدماتی با ژئودزیک‌ها (به عنوان خطوط راست روی رویه).  تمرینات خواص ذاتی

 شانزدهم  رویه‌های خط‌کشی شده (Ruled Surfaces)، رویه‌های مینیمال ($H=0$)، جمع‌بندی و استفاده از نرم‌افزار (در صورت ارائه).  رفع اشکال و مرور

 ۷. فهرست منابع

1. Do Carmo, M. P. (2016). Differential Geometry of Curves and Surfaces. Dover Publications. (منبع اصلی پیشنهادی)

2. Pressley, A. (2010). Elementary Differential Geometry. Springer Undergraduate Mathematics Series.

3. Abate, M., & Tovena, F. (2012). Curves and Surfaces. Springer.

4. O'Neill, B. (2006). Elementary Differential Geometry. Academic Press. (منبع مکمل کلاسیک)

5. Shifrin, T. (2016). Differential Geometry: A First Course in Curves and Surfaces.

6. Rovenski, V. (2000). Geometry of Curves and Surfaces with MAPLE. (برای بخش محاسبات نرم‌افزاری)

 طرح درس: جبر خطی 

 مشخصات کلی درس

 عنوان درس به فارسی: جبر خطی 

 عنوان درس به انگلیسی: Linear Algebra 

 رشته / مقطع: کارشناسی ریاضیات و کاربردها 

 نوع درس: پایه – نظری 

 تعداد واحد: ۳

زمان: یک شنبه ها 8-10 سه شنبه ها 16-18

مدرس: دکتر کوکبی

 تعداد ساعات: ۴۸ ساعت (۱۶ هفته) 

 پیش‌نیاز: ریاضیات عمومی ۲ 

 هم‌نیاز: 

 هدف کلی درس

آشنایی نظام‌مند دانشجویان با ماتریس‌ها، فضاهای برداری و تبدیل‌های خطی و آماده‌سازی آنان برای به‌کارگیری این مفاهیم در حل دستگاه‌های معادلات خطی و نیز در دروس مهم و کاربردی بعدی همچون معادلات دیفرانسیل، آنالیز عددی، بهینه‌سازی، هندسه دیفرانسیل و علوم داده. 

در این درس، علاوه بر مهارت محاسباتی، بر درک ساختاری مفاهیم، ارتباط میان نمایش‌های مختلف (جبری، ماتریسی و هندسی) و تفسیر نتایج تأکید می‌شود.

 اهداف یادگیری

دانشجو پس از گذراندن این درس باید بتواند:

1. ماتریس‌ها و اعمال اصلی روی آن‌ها را تعریف و تحلیل کند. 

2. دستگاه‌های معادلات خطی را با روش‌های ماتریسی حل و تفسیر نماید. 

3. مفاهیم بنیادین فضای برداری، پایه و بعد را به‌صورت دقیق به‌کار گیرد. 

4. رتبه ماتریس و ارتباط آن با حل‌پذیری دستگاه‌ها را تشخیص دهد. 

5. تبدیل‌های خطی را درک کرده و نمایش ماتریسی آن‌ها را در پایه‌های مختلف بیابد. 

6. مقادیر ویژه، بردارهای ویژه و نقش آن‌ها در قطری‌سازی را تحلیل کند. 

7. ساختار فضاهای ضرب داخلی و ابزارهای متعامدسازی را در مسائل کاربردی استفاده نماید.

 سرفصل‌ها و برنامه زمانی پیشنهادی

هفته‌های ۱–۳: ماتریس‌ها و دستگاه‌های معادلات خطی 

 تعریف ماتریس و اعمال روی ماتریس‌ها 

 انواع ماتریس‌ها: صفر، همانی، قطری، مثلثی، متقارن، پادمتقارن 

 دستگاه‌های معادلات خطی 

 روش حذف گاوسی و اعمال سطری مقدماتی 

 ماتریس‌های مقدماتی و معکوس‌پذیری 

هفته‌های ۴–۵: دترمینان 

 تعریف دترمینان 

 دترمینان و اعمال سطری 

 خواص دترمینان 

 ارتباط دترمینان و معکوس‌پذیری ماتریس 

هفته‌های ۶–۸: فضاهای برداری 

 تعریف فضای برداری و مثال‌ها 

 زیرفضای برداری 

 ترکیب خطی، وابستگی و استقلال خطی 

 پایه و بعد 

 فضای‌های ستونی، سطری و رتبه ماتریس 

 آزمون میان‌ترم 

هفته‌های ۹–۱۱: تبدیل‌های خطی 

 تعریف تبدیل خطی 

 هسته و تصویر 

 نمایش ماتریسی تبدیل خطی 

 تغییر پایه 

 شباهت ماتریس‌ها 

هفته‌های ۱۲–۱۳: مقادیر و بردارهای ویژه 

 تعریف مقدار ویژه و بردار ویژه 

 چندجمله‌ای مشخصه 

 قطری‌سازی و مثلثی‌سازی ماتریس‌ها 

 قضیه کیلی–هامیلتون 

هفته‌های ۱۴–۱۵: فضاهای ضرب داخلی 

 تعریف ضرب داخلی 

 متعامد بودن و مجموعه‌های متعامد 

 پایه متعامد 

 فرایند گرام–اشمیت 

 تجزیه QR ماتریس 

هفته ۱۶: کاربردها و جمع‌بندی 

 کاربردهای جبر خطی در معادلات دیفرانسیل، فیزیک، مهندسی و علوم داده (اختیاری) 

 مرور نهایی و حل مسائل منتخب 

 سرفصل تفصیلی جلسه‌به‌جلسه 

 درس: جبر خطی — کارشناسی ریاضیات و کاربردها

 جلسه ۱: آشنایی و مقدمات

 معرفی درس، اهداف و شیوه ارزشیابی 

 تعریف ماتریس و نمایش ماتریسی داده‌ها 

 اعمال پایه روی ماتریس‌ها (جمع، ضرب اسکالر)

 جلسه ۲: انواع ماتریس‌ها

 ماتریس صفر، همانی، قطری، مثلثی 

 ماتریس متقارن و پادمتقارن 

 تفسیر ساختاری انواع ماتریس‌ها

 جلسه ۳: جبر ماتریس‌ها (۱)

 ضرب ماتریس‌ها 

 خواص ضرب ماتریسی 

 نابرابری جابجایی و پیامدهای آن

 جلسه ۴: جبر ماتریس‌ها (۲)

 ترانهاده ماتریس 

 خواص ترانهاده 

 ارتباط ترانهاده با تقارن و ضرب

 جلسه ۵: جبر ماتریس‌ها (۳)

 ماتریس معکوس 

 شرط وجود معکوس 

 محاسبه معکوس برای ماتریس‌های کوچک

 جلسه ۶: دستگاه‌های معادلات خطی

 نمایش ماتریسی دستگاه‌ها 

 مفهوم جواب، ناسازگاری و بی‌نهایت جواب 

 تفسیر هندسی دستگاه‌ها

 جلسه ۷: حل تمرین و جمع‌بندی بخش اول

 حل مسائل ترکیبی از ماتریس و دستگاه‌ها 

 رفع اشکال مفهومی 

 آمادگی برای ورود به دترمینان

 جلسه ۸: دترمینان (۱)

 تعریف دترمینان 

 محاسبه دترمینان مرتبه ۲ و ۳ 

 تفسیر هندسی دترمینان

 جلسه ۹: دترمینان (۲)

 خواص دترمینان 

 رفتار دترمینان تحت اعمال سطری 

 ارتباط دترمینان و معکوس‌پذیری

 جلسه ۱۰: دترمینان (۳)

 بسط لاپلاس 

 دترمینان و ضرب ماتریس‌ها 

 کاربردهای محاسباتی

 جلسه ۱۱: روش‌های محاسبه دترمینان

 ساده‌سازی با اعمال سطری 

 مقایسه روش‌ها از نظر کارایی 

 حل مثال‌های ترکیبی

 جلسه ۱۲: روش‌های محاسبه معکوس ماتریس

 استفاده از ماتریس الحاقی 

 استفاده از اعمال سطری 

 مقایسه روش‌ها

 جلسه ۱۳: حل دستگاه‌های خطی

 دستور کرامر 

 تحلیل مزایا و محدودیت‌ها 

 مقایسه با روش حذف گاوسی

 جلسه ۱۴: فضاهای برداری و بردارها

 تعریف فضای برداری 

 جبر بردارها 

 مثال‌های کلاسیک از فضاهای برداری

 جلسه ۱۵: توابع چندمتغیره و مشتقات جزئی

 معرفی توابع چندمتغیره 

 مشتقات جزئی 

 تفسیر هندسی و کاربردی

 جلسه ۱۶: کاربردهای مشتقات جزئی و انتگرال‌گیری

 کاربرد مشتقات جزئی 

 روش‌های انتگرال‌گیری: 

   تغییر متغیر 

   جزءبه‌جزء 

   تجزیه به کسرها 

 جمع‌بندی نهایی درس

 روش تدریس

 تدریس مفهومی همراه با حل مسئله 

 پرسش و پاسخ هدفمند 

 استفاده از نمایش‌های هندسی برای فضاهای برداری 

 (در صورت امکان) استفاده محدود از نرم‌افزارهای Maple یا MATLAB برای تجسم و محاسبه 

 وظایف دانشجو

 مطالعه منظم مطالب هر جلسه 

 حل تمرین‌های هفتگی 

 مشارکت فعال در کلاس 

 انجام تکالیف تحویلی (دست‌نویس یا تایپ‌شده طبق نظر مدرس) 

 شیوه ارزشیابی

 آزمون میان‌ترم: ۳۰٪ 

 آزمون پایان‌ترم: ۴۰٪ 

 تمرین‌ها و فعالیت کلاسی: ۳۰٪ 

 منابع پیشنهادی

1. Hoffman, K., & Kunze, R., Linear Algebra 

2. Strang, G., Linear Algebra and Its Applications 

3. Apostol, T. M., Linear Algebra: A First Course 

4. Lang, S., Linear Algebra 

5.

مبانی هندسه{"status":"error","msg":"Could not find file 'C:\website\gonabad.ac.ir\test.txt'.:C:\website\gonabad.ac.ir\"}