Numerical methods of linear algebra with applications
General data
Course ID: | 17-DSPE-IP5 |
Erasmus code / ISCED: | (unknown) / (unknown) |
Course title: | Numerical methods of linear algebra with applications |
Name in Polish: | Metody numeryczne algebry liniowej z zastosowaniami |
Organizational unit: | AMU Nadnotecki Institute in Piła |
Course groups: |
(in Polish) Moodle - przedmioty Innych jednostek |
ECTS credit allocation (and other scores): |
0 OR
5.00
(depends on study program)
|
Language: | Polish |
Module type: | compulsory |
Major: | (in Polish) Technologie informatyczne. |
Cycle of studies: | 1st cycle |
Module learning aims: | (in Polish) Kurs jest bardziej zaawansowaną kontynuacją wykładu „Algorytmy algebry liniowej”. Omawiane są metody i algorytmy stanowiące istotne komponenty współczesnych technik rozwiązywania zadań naukowych i inżynierskich. Szczególny nacisk położono na zastosowania algebry liniowej w informatyce (grafika komputerowa, zadanie kompresji i oczyszczania sygnału, rankowanie stron internetowych itp.) Wykładany materiał jest również wstępem do technik optymalizacyjnych rozwiązywania zadań liniowych i nieliniowych przy ograniczeniach. Wykorzystuje się języki programowania wysokiego poziomu (Python 3, Matlab-Octave) do implementacji efektywnych algorytmów. Omawia się zagadnienie wpływu błędów zaokrągleń na końcowy wynik obliczeń, problem uwarunkowania zadania i poprawności numerycznej kodów. Uzasadniony teoretycznie materiał jest ilustrowany przykładami i problemami (także z zakresu zastosowań) przeznaczonymi do samodzielnego rozpatrzenia. |
Course module conducted remotely (e-learning): | (in Polish) Nie dotyczy. |
Pre-requisites in terms of knowledge, skills and social competences: | (in Polish) Umiejętność programowania w wybranym języku wysokiego poziomu (Python 3, Matlab lub jego równoważnik). Zaliczony wcześniejszy wykład „Algorytmy algebry liniowej”. |
Information on where to find course materials: | (in Polish) Pliki PDF dostarczone przez wykładowcę( w tym wymagany podręcznik i zbiór zadań). Uzupełniające wykłady internetowe wskazane na zajęciach. |
Methods of teaching for learning outcomes achievement: | (in Polish) Wykład (30h.) , laboratorium (30h.) |
Student workload (ECTS credits): | (in Polish) Nakład pracy: 110 h. Punktów: 5 |
Short description: |
(in Polish) T01. Przyczyny powstawania błędów w obliczeniach zmiennoprzecinkowych. T02. Zredukowany rozkład QR macierzy prostokątnych. T03. Zastosowanie zredukowanego rozkładu QR macierzy prostokątnych. T04. Ogólna charakterystyka macierzy ortogonalnych. Macierze obrotów. Odbicia Householdera. T05. Podstawowe informacje o macierzowych zadaniach własnych. T06. Metoda potęgowa. T07 Algorytm Jacobiego rozwiązywania symetrycznych zadań własnych. T08. Istnienie, właściwości i zastosowania rozkładu SVD. T09. Jednostronny algorytm Jacobiego wyznaczania rozkładu SVD. T10. Regularyzacja Tichonowa. T11. Liniowe zadania najmniejszych kwadratów z ograniczeniami liniowymi. |
Full description: |
(in Polish) T01. Różne rodzaje błędów w obliczeniach numerycznych Katastroficzna utrata cyfr znaczących Przybliżanie wartości pochodnych funkcji w punkcie za pomocą˛ ilorazów różnicowych różnego typu. Dyskretyzacja zadań brzegowych dla równań różniczkowych. Numeryczne różniczkowanie funkcji wielu zmiennych (gradient, jakobian, macierz Hessego itd.) Złożoność obliczeniowa . Błąd obcięcia dla ilorazów różnicowych Inne przykłady w których występuje utrata cyfr znaczących T02. Zredukowany rozkład QR macierzy prostokątnych Utrata ortogonalności w klasycznym algorytmie (cgs) Grama-Schmita. Zmodyfikowany algorytm Grama-Schmita (mgs). Algorytm Grama-Schmita z reortogonalizacją. Wnioski z doświadczalnych obliczeń numerycznych. T03. Zastosowanie zredukowanego rozkładu QR macierzy prostokątnych Rozwiązywanie regularnych, liniowych zadań najmniejszych kwadratów metodą QR. Porównanie z wynikami rozwiązania normalnego układu równań (dla analogicznych zadań) T04. Ogólna charakterystyka macierzy ortogonalnych. Odbicia Householdera. Pełen rozkład QR macierzy prostokątnej wyznaczany metodami Householdera i Givensa. Rozkład QR z wyborem kolumny i jego zastosowanie do rozwiązywania liniowych, nieregularnych zadań najmniejszych kwadratów. Badanie złożoności obliczeniowej. T05. Podstawowe informacje o macierzowych zadaniach własnych. Definicja wektorów własnych , wartości własnych i ich krotności algebraicznej oraz krotności geometrycznej. Twierdzenie o istnieniu rozkład spektralnego rzeczywistej macierzy symetrycznej. Uwarunkowanie symetrycznych i niesymetrycznych zadań własnych. Twierdzenie lokalizacyjne Gerschgorina. Relacja podobieństwa macierzy. O konieczności użycia metod iteracyjnych do rozwiązywania dużych zadań własnych. Wykorzystanie zadań własnych do badania rozwiązań liniowych równań różnicowych o stałych współczynnikach. T06. Metoda potęgowa Zbieżność metody potęgowej. Odwrotna metoda potęgowa. Zagadnienie PageRank. T07 Algorytm Jacobiego rozwiązywania symetrycznych zadań własnych. Różne strategie zerowania w algorytmie Jacobiego i porównanie ich efektywności. Dobór parametrów sterujących w algorytmie Jacobiego. Informacje o metodzie QR rozwiązywania zadań własnych. T08. Istnienie, właściwości i zastosowania rozkładu SVD Wartości szczególne macierzy prostokątnej , lewe wektory szczególne, prawe wektory szczególne (i relacje między nimi). Twierdzenie Bauera-Fike. Zastosowanie do kompresji obrazu. Pseudoodwrotność macierzy. Rozwiązywanie regularnych i nieregularnych liniowych zadań najmniejszych kwadratów z wykorzystaniem rozkładu SVD. T09. Jednostronny algorytm Jacobiego wyznaczania rozkładu SVD Dobór macierzy Givensa . Dlaczego stosujemy metodę jednostronną ? Informacja o metodzie składowych głównych. T10. Regularyzacja Tichonowa Czym jest regularyzacja ? Przykłady liniowych zadań najmniejszych kwadratów wymagających regularyzacji. Zastosowanie do czyszczenia forografii cyfrowej. T11. Liniowe zadania najmniejszych kwadratów z ograniczeniami liniowymi. Macierz KKT i jej odwracalność. Warunki istnienia i jednoznaczności rozwiązania zadań LLS z ograniczeniami. Numeryczne wyznaczanie rozwiązania zadania LLS z ograniczeniami. Zastosowania. |
Bibliography: |
(in Polish) Zalecana literatura podstawowa: ‒ S. Boyd, L. Vanderberghe , “Introduction to Applied Linear Algebra”, Cambridge Univ. Press 2018. ‒ Golub G.H, Van Loan Ch., Matrix Computation 4ed., J. Hopkins UP., 2013. ‒ Trefethen L.N. , Bau D. Numerical Linear Algebra., SIAM 1997. Zalecana literatura uzupełniająca: ‒ G. Allaire., S. Kaber S , Numerical Linear Algebra, Springer 2002 ‒ A. Kiełbasińsk, H. Schwetlick , Numeryczna algebra liniowa: wprowadzenie do obliczeń zautomatyzowanych, Warszawa : Wydaw. Nauk. -Techn., 1992 ‒ D.S. Watkins, Foundations of Matrix Computations 3ed., Wiley 2012. |
Learning outcomes: |
(in Polish) absolwent potrafi pisać, uruchamiać i testować programy w wybranym środowisku programistycznym InzP_U01-KPIN1_U05 E02 absolwent zna i rozumie zagadnienia matematyczne konieczne do zrozumienia podstawowych pojęć i zjawisk niezbędnych w pracy informatyka obejmujące m.in. podstawy analizy matematycznej, przybliżone metody opisu zjawisk ciągłych, metody numeryczne, podstawy algebry i algebry liniowej, podstawy logiki i matematyki dyskretnej KPIN1_W01 E03 absolwent potrafi projektować, analizować pod kątem poprawności i złożoności obliczeniowej oraz programować algorytmy; wykorzystywać podstawowe techniki algorytmiczne i struktury danych E04 absolwent zna i rozumie podstawowe metody projektowania, analizowania i programowania algorytmów (projektowanie strukturalne, rekurencja, metoda dziel i zwyciężaj, poprawność, metoda niezmienników, złożoność obliczeniowa) KPIN1_W05 E05 absolwent potrafi stosować techniki prowadzące do otrzymania oprogramowania wysokiej jakości InzP_U19-KPIN1_U25 E06 absolwent potrafi opracować, przeanalizować i zaimplementować wybrane metody numeryczne z wykorzystaniem pakietów i bibliotek numerycznych KPIN1_U28 E07 absolwent potrafi przygotowywać dokumentację, opracowania i raporty w języku polskim i języku obcym, w tym z wykorzystaniem Reprezentacja 64-bitowych liczb zmiennopozycyjnych w standardzie IEEE Podstawowe funkcje Matlaba i Pythona dotyczące arytmetyki zmiennopozycyjnej |
Assessment methods and assessment criteria: |
(in Polish) 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. |
Practical placement: |
(in Polish) Nie dotyczy. |
Classes in period "Academic year 2020/2021, summer semester" (past)
Time span: | 2021-03-01 - 2021-09-30 |
Navigate to timetable
MO TU W TH FR |
Type of class: |
laboratory, 30 hours
lecture, 30 hours
|
|
Coordinators: | Andrzej Maćkiewicz | |
Group instructors: | Andrzej Maćkiewicz | |
Students list: | (inaccessible to you) | |
Examination: | Exam |
Classes in period "Academic year 2021/2022, summer semester" (past)
Time span: | 2022-02-24 - 2022-09-30 |
Navigate to timetable
MO TU W TH FR |
Type of class: |
laboratory, 30 hours
lecture, 30 hours
|
|
Coordinators: | Andrzej Maćkiewicz | |
Group instructors: | Andrzej Maćkiewicz | |
Students list: | (inaccessible to you) | |
Examination: | Exam |
Classes in period "Academic year 2022/2023, summer semester" (past)
Time span: | 2023-02-27 - 2023-09-30 |
Navigate to timetable
MO TU W TH FR |
Type of class: |
laboratory, 30 hours
lecture, 30 hours
|
|
Coordinators: | Andrzej Maćkiewicz | |
Group instructors: | (unknown) | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Exam
laboratory - Graded credit lecture - Exam |
Classes in period "Academic year 2023/2024, summer semester" (in progress)
Time span: | 2024-02-26 - 2024-09-30 |
Navigate to timetable
MO TU W TH FR |
Type of class: |
laboratory, 30 hours
lecture, 30 hours
|
|
Coordinators: | Andrzej Maćkiewicz | |
Group instructors: | (unknown) | |
Students list: | (inaccessible to you) | |
Examination: |
Course -
Exam
laboratory - Graded credit lecture - Exam |
Copyright by Adam Mickiewicz University, Poznań.