Основы матричных вычислений 2024/25 — различия между версиями
Ekononova (обсуждение | вклад) |
Ekononova (обсуждение | вклад) |
||
| Строка 26: | Строка 26: | ||
=== Полезные ссылки === | === Полезные ссылки === | ||
[https://docs.google.com/spreadsheets/d/1F8QZvzjJmfevNdLE4UgtOxfeubr0UUWzlEiSgzYtjdY/edit?gid=1449294861#gid=1449294861 Ведомость] | [https://docs.google.com/spreadsheets/d/1F8QZvzjJmfevNdLE4UgtOxfeubr0UUWzlEiSgzYtjdY/edit?gid=1449294861#gid=1449294861 Ведомость] | ||
| + | |||
| + | [ https://anytask.org/course/1173 | ||
| + | Anytask] | ||
[https://t.me/+RTuZEnAXmMplYmFi Телеграм-канал курса] | [https://t.me/+RTuZEnAXmMplYmFi Телеграм-канал курса] | ||
Версия 01:59, 1 февраля 2025
Содержание
[убрать]О курсе
Курс для студентов 2 курса в 3-4 модулях.
Лектор: Рахуба Максим Владимирович
Семинаристы:
| Группа | Преподаватель | Учебные ассистенты | Чат в телеграм |
|---|---|---|---|
| 1 | Рахуба Максим Владимирович | чат | |
| 2 | Моложавенко Александр Александрович | чат | |
| 3 | Моложавенко Александр Александрович | чат | |
| 4 | Самсонов Сергей Владимирович | чат | |
| 5 | Юдин Николай Евгеньевич | чат | |
| 5 | Медведь Никита Юрьевич | чат |
Полезные ссылки
[ https://anytask.org/course/1173 Anytask]
Неофициальный конспект лекций 2021-2022 от студента (могут быть ошибки)
Подготовленные билеты к коллоквиуму 2022-2023 от студентов (могут быть ошибки)
Итоговая оценка за курс
Итог = Округление(min(10, 0.2 * ТДЗ + 0.15 * ПДЗ + 0.1 * БДЗ + 0.1 * ПР + 0.25 * К + 0.3 * Э))
Обратите внимание, что в 4-м модуле ТДЗ, ПДЗ, ПР являются средними оценками за оба модуля.
- ТДЗ – средняя оценка за теоретические домашние задания.
- ПДЗ – средняя оценка за практические домашние задания в Python.
- БДЗ – средняя оценка за бонусные задачи.
- ПР – средняя оценка за проверочные работы на семинарах.
- К – оценка за коллоквиум.
- Э – оценка за письменный экзамен, проводимый в конце 4-го модуля.
Округление арифметическое.
Автоматов не предусмотрено.
План курса
Если какие-то лекции не выложены или найдены ошибки на вики-странице - пишите сюда.
- Основы матричного анализа. Векторные и матричные нормы. Скалярное произведение и ортогональность. Разложение Шура. Слайды Запись Конспект (TeX)
- Малоранговое приближение матриц – 1. Нормальные матрицы. Знакоопределённые матрицы. Сингулярное разложение (SVD): доказательство существования, наивный алгоритм, связь с матричными нормами. Теорема Эккарта-Янга-Мирского. Слайды Запись Конспект (TeX)
Литература
1) Golub, G. H., & Van Loan, C. F. (2013). Matrix Computations 4th Edition. The Johns Hopkins University Press. Baltimore.
2) Тыртышников, Е. Е. (2007). Методы численного анализа. Академия, Москва.
3) Trefethen, L. N., & Bau III, D. (1997). Numerical linear algebra. (Vol. 50). Siam. Philadelphia.
4) Demmel, James W. Applied numerical linear algebra. Society for Industrial and Applied Mathematics, 1997.
