Postgraduate Section 4 1004

Από Περιγράμματα - Τμήμα Μαθηματικών
Μετάβαση σε: πλοήγηση, αναζήτηση



Γενικά

Σχολή Σχολή Θετικών Επιστημών
Τμήμα Τμήμα Μαθηματικών
Επίπεδο Σπουδών Μεταπτυχιακό
Κωδικός Μαθήματος ΑΑ3
Εξάμηνο 1
Τίτλος Μαθήματος Αριθμητική Γραμμική Άλγεβρα Ι
Αυτοτελείς Διδακτικές Δραστηριότητες Διαλέξεις (Εβδομαδιαίες Ώρες Διδασκαλίας: 3, Πιστωτικές Μονάδες: 7.5)
Τύπος Μαθήματος Ειδικού υποβάθρου
Προαπαιτούμενα Μαθήματα
Γλώσσα Διδασκαλίας και Εξετάσεων Ελληνική
Το Μάθημα Προσφέρεται σε Φοιτητές Erasmus Ναι (στην Αγγλική γλώσσα)
Ηλεκτρονική Σελίδα Μαθήματος (URL) Δείτε το eCourse, την Πλατφόρμα Ασύγχρονης Εκπαίδευσης του Πανεπιστημίου Ιωαννίνων.

Μαθησιακά Αποτελέσματα

Μαθησιακά Αποτελέσματα Μετά την επιτυχή ολοκλήρωση του μαθήματος, οι φοιτητές θα είναι σε θέση:
  • να κατανοήσουν τη θεωρία Perron-Frobenius,
  • να διακρίνουν τις διαφορές της θεωρίας αυτής στις διάφορες κλάσεις πινάκων (μη αναγώγιμους, κυκλικούς, πρωταρχικούς και αναγώγιμους),
  • να γνωρίζουν τη χρησιμότητα της θεωρίας Perron-Frobenius μέσα από τις εφαρμογές,
  • να κατανοήσουν τη θεωρία των μεθόδων Υποχώρων Krylov,
  • να κατανοήσουν την ανάλυση σφαλμάτων,
  • να κατανοήσουν τις τεχνικές προρρύθμισης και την αναγκαιότητα για προρρύθμιση,
  • να υλοποιούν τις παραπάνω μεθόδους με προγράμματα στον υπολογιστή.
Γενικές Ικανότητες
  • Αναζήτηση, ανάλυση και σύνθεση δεδομένων και πληροφοριών, με τη χρήση και των απαραίτητων τεχνολογιών
  • Προσαρμογή σε νέες καταστάσεις
  • Άσκηση κριτικής και αυτοκριτικής
  • Προαγωγή της ελεύθερης, δημιουργικής και επαγωγικής σκέψης.

Περιεχόμενο Μαθήματος

Θεωρία Perron-Frobenius για μη Αρνητικούς Πίνακες: Μη Αναγώγιμοι (Irreducible) πίνακες, Κυκλικοί (cyclic) και Πρωταρχικοί (primitive) πίνακες, Αναγώγιμοι (reducible) πίνακες. Επεκτάσεις της Θεωρίας Perron-Frobenius, M-πίνακες, Εφαρμογές της Θεωρίας Perron-Frobenius. Μέθοδοι Ελαχιστοποίησης για την επίλυση γραμμικών συστημάτων: Μέθοδος Συζυγών Κλίσεων, Θεωρία Σύγκλισης, Ανάλυση Σφαλμάτων, Τεχνικές Προρρύθμισης, Προρρυθμισμένες μέθοδοι Συζυγών Κλίσεων, Εφαρμογές.

Διδακτικές και Μαθησιακές Μέθοδοι - Αξιολόγηση

Τρόπος Παράδοσης Στην τάξη
Χρήση Τεχνολογιών Πληροφορίας και Επικοινωνιών
Οργάνωση Διδασκαλίας
Δραστηριότητα Φόρτος Εργασίας Εξαμήνου
Διαλέξεις 39
Αυτοτελής Μελέτη 78
Επίλυση Ασκήσεων - Εργασίες 70.5
Σύνολο Μαθήματος 187.5
Αξιολόγηση Φοιτητών Γραπτή εξέταση - Προφορική εξέταση

Συνιστώμενη Βιβλιογραφία

Δείτε την υπηρεσία Εύδοξος.

Numerical Linear Algebra I


General

School School of Science
Academic Unit Department of Mathematics
Level of Studies Graduate
Course Code AA3
Semester 1
Course Title Numerical Linear Algebra I
Independent Teaching Activities Lectures (Weekly Teaching Hours: 3, Credits: 7.5)
Course Type Special Background
Prerequisite Courses -
Language of Instruction and Examinations Greek
Is the Course Offered to Erasmus Students Yes (in English)
Course Website (URL) See eCourse, the Learning Management System maintained by the University of Ioannina.

Learning Outcomes

Learning outcomes After successful end of this course, students will be able to:
  • know and understand the Perron-Frobenius Theory,
  • know the differences of Perron-Frobenius Theory as applied to different classes of matrices (irreducible, cyclic, primitive and reducible),
  • know the efficiency of the Perron-Frobenius Theory in applications,
  • know and understand the theory of Krylov subspace methods,
  • know error analysis,
  • know the preconditioned techniques and the necessity of preconditioning,
  • implement the above methods with programs on a computer.
General Competences
  • Search for, analysis and synthesis of data and information, with the use of the necessary technology
  • Adapting to new situations
  • Criticism and self-criticism
  • Production of free, creative and inductive thinking

Syllabus

Perron-Frobenius Theory of Nonnegative Matrices: Irreducible Matrices, Cyclic and Primitive Matrices, Reducible Matrices, Extension of the Perron-Frobenius Theory, M-matrices, Applications of the Perron-Frobenius Theory. Minimization methods for the Solution of Linear Systems: Conjugate Gradient Method, Convergence Theory, Error Analysis, Preconditioning Techniques, Preconditioned Conjugate Gradient Methods, Applications.

Teaching and Learning Methods - Evaluation

Delivery In the class
Use of Information and Communications Technology -
Teaching Methods
Activity Semester Workload
Lectures 39
Study and analysis of bibliography 78
Preparation of assignments and interactive teaching 70.5
Course total 187.5
Student Performance Evaluation Written examination - Oral Examination.

Attached Bibliography

See the official Eudoxus site.