Last update: doc. RNDr. Václav Kučera, Ph.D. (05.12.2018)
The course is devoted to the most widely used iterative methods for solving systems of linear algebraic equations, linear approximation problems, eigenvalue problems, etc., including preconditioning.
The emphasis is put especially on effective algorithmic realization and study of convergence properties.
Last update: doc. RNDr. Václav Kučera, Ph.D. (05.12.2018)
Předmět je věnován výkladu nejužívanějších iteračních metod pro řešení soustav lineárních algebraických rovnic, lineárních aproximačních úloh, problémů vlastních čísel atd., včetně volby vhodného předpodmínění.
Důraz je kladen zejména na efektivní algoritmickou realizaci a studium konvergence.
Course completion requirements -
Last update: doc. RNDr. Iveta Hnětynková, Ph.D. (07.09.2020)
To finish the course successfully, it is required to pass the exam covering all presented topics, see "Requirements to the exam".
Furthermore, students will complete one homework assignments during the semester. The homework consists of implementing a selected method in the MATLAB environment.
Last update: doc. RNDr. Iveta Hnětynková, Ph.D. (07.09.2020)
Pro úspěšné absolvování předmětu je třeba složit zkoušku z celé probrané látky, viz "Požadavky ke zkoušce".
Zápočet ze cvičení se získává vypracováním domácího úkolu zadaného během semestru. Domácí úkol má formu implementace vybrané metody v programovém prostředí MATLAB za využití některých vestavěných funkcí. Povaha kontroly studia předmětu vylučuje možnost jejího opakování.
Literature -
Last update: Stefano Pozza, Dr., Ph.D. (07.09.2020)
Saad, Y.: Iterative methods for sparse linear systems, SIAM, Philadelphia, 2003 (2nd ed.).
Barrert, R., et all: Templates for the solution of linear systems: Building blocks for iterative methods, SIAM, Philadelphia, 1994.
Higham, N.: Accuracy and stability of numerical algorithms, SIAM, Philadelphia, 2002 (2nd ed.).
Meurant, G.: Computer solution of large linear systems, Studies in Mathematics and Its Applications, North-Holland, 1999.
http://karlin.mff.cuni.cz/~pozza/
Teaching methods -
Last update: doc. RNDr. Iveta Hnětynková, Ph.D. (07.09.2020)
Lectures are held in a lecture hall, practicals in a computer laboratory (Matlab enviroment). In case of distance learning, online communication platforms will be used (e.g. MOODLE, ZOOM).
Last update: doc. RNDr. Iveta Hnětynková, Ph.D. (07.09.2020)
Přednášky probíhají v posluchárně, cvičení v počítačové laboratoři (práce v prostředí Matlab). V případě distanční výuky bude využito online komunikačních platforem (například MOODLE, ZOOM).
Requirements to the exam -
Last update: Stefano Pozza, Dr., Ph.D. (14.07.2021)
The exam reflects all the material presented in lectures and practicals during the whole semester. Critical thinking and data literacy, in the form of understanding the connection between data and methods, are also expected learning outcomes of the course. The exam has oral form.
When needed, it is possible to take the exams or credits in a distance form.
Last update: doc. RNDr. Iveta Hnětynková, Ph.D. (07.09.2020)
Pro úspěšné absolvování předmětu je třeba složit zkoušku z celé probrané látky odpovídající sylabu předmětu v rozsahu, který byl prezentován na přednášce a cvičeních. Zkouška má ústní formu. K přihlášení na zkoušku se nevyžaduje zápočet.
Je pravděpodobné, že se značná část zkoušek či zápočtů může konat distanční formou. Závisí to na vývoji aktuální situace a a jakékoli změně budete včas informováni.
Syllabus -
Last update: Stefano Pozza, Dr., Ph.D. (07.09.2020)
1. Idea and basic principles of iterative methods. Introduction to work with sparse and structured matrices.
2. Methods for solving systems with symmetric matrices.
3. Methods for solving systems with nonsymmetric matrices based on orthogonality and long recurrences, and based on biorthogonality and short recurrences.
4. Methods for solving linear approximation and ill-posed problems.
5. Generalizations for problems with multiple observations - block and band methods.