Algorytmy algebry liniowej 17-DSPE-IP6
Przyczyny powstawania błędów w obliczeniach zmiennoprzecinkowych
Reprezentacja 64-bitowych liczb zmiennopozycyjnych w standardzie IEEE
Podstawowe funkcje Matlaba i Pythona dotyczące arytmetyki zmiennopozycyjnej
Różne rodzaje błędów w obliczeniach numerycznych
Katastroficzna utrata cyfr znaczących
Różnice między teoretyczną a numeryczną algebrą liniową.
Błąd bezwzględny i względny
Notacja "dużego O" i "małego o"
Iloczyn skalarny.
Norma euklidesowa, nierówność Cauchy-Schwarza, kąt i odległość między wektorami.
Współrzędne sferyczne.
Iteracyjny algorytm skupiskowania (z zastosowaniami).
Elementy geometrii euklidesowej przestrzeni n-wymiarowej
Nierówność trójkąta.
Twierdzenie Pitagorasa w n-wymiarach.
Prawidło równoległoboku.
Liniowa niezależność wektorów.
O złożoności obliczeniowej algorytmów
Podstawowe wzory sumacyjne
Algorytmy o stałym czasie realizacji (przykłady)
Algorytmy z złożoności logarytmicznej (przykłady)
Algorytmy o złożoności liniowej (przykłady)
Algorytmy logarytmiczno- liniowe (przykłady)
Algorytmy wielomianowe (przykłady)
Algorytmy wykładnicze (przykłady)
Działania macierz x wektor i macierz x macierz
Organizacja danych przy przetwarzaniu macierzy rzadkich.
Mnożenie macierzy zblokowanych.
Szybkie mnożenie macierz x wektor z użyciem strategii dziel i zwyciężaj.
Informacja o FFT i transformacjach falkowych.
Analiza złożoności podstawowych operacji numerycznej algebry liniowej
Algorytmy typu wektor-wektor.
Algorytmy typu macierz-wektor.
Algorytmy typu macierz-macierz.
Wektoryzacja.
Informacja o bibliotece BLAS.
Podstawowe typy macierzy specjalnych
Iloczyn zewnętrzny wektorów.
Aktualizacja macierzy składnikiem rzędu jeden.
Wzór Shermana-Morrisona.
Macierze Gaussa-Frobeniusa i ich odwracanie.
Uogólniony wzór Shermana-Morrisona
Macierze permutacyjne i ich komputerowa reprezentacja
Układy równań liniowych o kwadratowych macierzach specjalnych
Układy równań o macierzach trójkątnych
Kolumnowa i wierszowa orientacja algorytmu.
Wpływ błędów zaokrągleń na rozwiązanie układów o macierzach trójkątnych.
Metoda eliminacji Gaussa
Rozkład A=LU. Macierze o dominującej głównej przekątnej.
Różne strategie realizacji metody Gaussa wynikające z przeprowadzonej analizy błędów
Rozkład PA=LU.
Rozwiązywanie układów Ax=b i Ax=B. Informacje o uwarunkowaniu problemu.
Poprawianie rozwiązań numerycznych liniowych układów równań z wykorzystaniem arytmetyki poszerzonej precyzji.
Prosty algorytm kompresji danych macierzowych jako iteracyjna wersja metody Gaussa
Liniowe zadanie najmniejszych kwadratów (LLS)
Normalny układ równań. Macierze rzutowania prostopadłego, Lewa pseudoodwrotność „szczupłej” macierzy prostokątnej. Rzutowanie prostopadłe na podprzestrzeń o znanej bazie ortonormalnej. Współczynniki Fouriera.
Algorytm Choleskiego dla symetrycznych macierzy dodatnio określonych (spd.)
Rozkład Choleskiego A=L*L’ macierzy spd.. Rozwiązywanie zadań LLS z wykorzystaniem algorytmu Choleskiego. Interpolacja funkcjami sklejanymi (spline) 3-go stopnia jako przykład problemu z pasmową macierzą spd.
Organizacja danych dla układów równań liniowych o kwadratowych, pasmowych macierzach współczynników.
Podokreślone układy równań liniowych
Jednoznaczność rozwiązania o minimalnej normie. Prawa pseudoodwrotność „grubej” macierzy prostokątnej.
Normy macierzowe. Liczba uwarunkowania macierzy kwadratowych.
Macierzowe normy indukowane. Norma Frobeniusa. Liczba uwarunkowania macierzy
kwadratowej, nieosobliwej. Analiza przykładowych żle uwarunkowanych układów równań liniowych (macierze Hilberta, Vandermonde’a itp.)
Cele kształcenia
Informacja o tym, gdzie można zapoznać się z materiałami do zajęć
Kierunek studiów
Metody prowadzenia zajęć umożliwiające osiągnięcie założonych EK
Nakład pracy studenta (punkty ECTS)
Poziom przedmiotu
Rodzaj przedmiotu
Rok studiów (jeśli obowiązuje)
Wymagania wstępne w zakresie wiedzy, umiejętności oraz kompetencji
Koordynatorzy przedmiotu
Efekty kształcenia
Po odbyciu kursu student powinien orientować się w specyfice przedmiotu i mieć przekonanie o jego ważności dla technik informatycznych. Powinien też zapoznać się z omawianymi algorytmami oraz fragmentami bibliotek BLAS i Lapack.
Kryteria oceniania
Zaliczenie ćwiczeń.
Wszystkie elementy projektów są punktowane a punkty są sumowane. Uzyskanie
- 50%- 60% punktów - ocena dostateczny
- 60%- 70% punktów - ocena dostateczny plus
- 70%- 80% punktów - ocena dobry
- 80%- 90% punktów - ocena dobry plus
- 90%-100% punktów - ocena bardzo dobry
Warunkiem zaliczenia jest uzyskanie min. 60% obecności.
Egzamin.
Zaliczenie testu dotyczącego wiedzy na ocenę pozytywną.
Literatura
Zalecana literatura podstawowa:
‒ G. Allaire, S. Kaber , Numerical Linear Algebra, Springer 2002.
‒ F. Bornemann, “Numerical Linear Algebra”, Springer 2018.
‒ S. Boyd, L. Vanderberghe “Introduction to Applied Linear Algebra”, Cambridge Univ. Press 2018. (bezpłatna wersja PDF dostępna w internecie).
Więcej informacji
Dodatkowe informacje (np. o kalendarzu rejestracji, prowadzących zajęcia, lokalizacji i terminach zajęć) mogą być dostępne w serwisie USOSweb: