Основы матричных вычислений 2023/24 — различия между версиями
(прак дз 1) |
Rakhubam (обсуждение | вклад) (→Домашние задания) |
||
| Строка 55: | Строка 55: | ||
=== Домашние задания === | === Домашние задания === | ||
| − | На курсе предусмотрены теоретические домашние задания и практические домашние задания на языке Python. Выдаются каждые | + | На курсе предусмотрены теоретические домашние задания и практические домашние задания на языке Python. Выдаются каждые 1-3 недели. |
Каждый студент 2 раза за семестр может просрочить дедлайн ДЗ на 1 сутки. Чтобы использовать эту возможность, достаточно просто загрузить работу после дедлайна. | Каждый студент 2 раза за семестр может просрочить дедлайн ДЗ на 1 сутки. Чтобы использовать эту возможность, достаточно просто загрузить работу после дедлайна. | ||
Версия 11:37, 18 февраля 2024
Содержание
О курсе
Курс для студентов 2 курса в 3-4 модулях.
Первые лекция и семинары состоятся 19.01
Лектор: Рахуба Максим Владимирович
Семинаристы:
| Группа | Преподаватель | Учебные ассистенты | Чат в телеграм |
|---|---|---|---|
| 1 | Рахуба Максим Владимирович | Максим Васильев, Андрей Аржанцев | tg |
| 2 | Самсонов Сергей Владимирович | Никита Козлов, Артем Малько | tg |
| 3 | Ваня Пешехонов | Иван Сидоренко, Тимофей Сенин | tg |
| 4 | Кухарчук Иван Андреевич | Егор Бугаев, Тимофей Сенин | ? |
| 5 | Сендерович Александра Леонидовна | Алмасбек Стамбеков, Максим Захарченко | tg |
| 6 | Медведь Никита Юрьевич | Илья Дробышевский, Виктория Шварева, Максим Захарченко | tg |
| 7 | Левин Илья Валерьевич | Александр Гапонов, Артем Малько | ? |
Полезные ссылки
Неофициальный конспект лекций 2021-2022 от студента (могут быть ошибки)
Подготовленные билеты к коллоквиуму 2022-2023 от студентов (могут быть ошибки)
План курса
Если какие-то лекции не выложены или найдены ошибки на вики-странице - пишите @strange_guest.
- Основы матричного анализа (19.01.2024). Векторные и матричные нормы. Скалярное произведение и ортогональность. Разложение Шура. Слайды Запись Конспект (TeX)
- Малоранговое приближение матриц – 1 (26.01.2024). Нормальные матрицы. Знакоопределённые матрицы. Сингулярное разложение (SVD): доказательство существования, наивный алгоритм, связь с матричными нормами. Теорема Эккарта-Янга-Мирского. Слайды Запись Конспект (TeX)
- Малоранговое приближение матриц – 2 (02.02.2024). Скелетное разложение: разделение переменных и ранг, CUR-разложение и интерполяционная формула. Малоранговая арифметика: QR-разложение, преобразование скелетного разложения в SVD. Слайды Видео
Проверочные работы на семинарах
На семинарах будут проходить короткие тесты (проверочные работы) по теме лекции и семинара с предыдущей недели.
Домашние задания
На курсе предусмотрены теоретические домашние задания и практические домашние задания на языке Python. Выдаются каждые 1-3 недели.
Каждый студент 2 раза за семестр может просрочить дедлайн ДЗ на 1 сутки. Чтобы использовать эту возможность, достаточно просто загрузить работу после дедлайна.
- Практическое ДЗ-1. Дедлайн: 24.02.24 в 23:59. Условие
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.
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.
