Emnet er tilknyttet følgende studieprogram

Undervisningsspråk

Norsk eller engelsk

Anbefalte forkunnskaper

60 sp matematikk (inkludert Lineær algebra) og minst ett emne på 200-nivå. Grunnleggende kjennskap til et programmeringsspråk (Python, MatLab, R e.l.).

Innhold

Diagonalisering. LU-, QR- og singulærverdifaktoriseringer. Matrisenormer. Minste kvadraters metode. Iterative metoder og fikspunkter for å løse ligningssystem (Jacobi og Gauss-Seidel). Prekondisjonering. Gradientmetoden og Krylovrom. Anvendelser innen f.eks. Fourier-transformen, partielle differensiallikninger, splines eller maskinlæring.

Læringsutbytte

Etter fullført emne skal studentene 

  • ha kunnskap om faktoriseringsteknikker for matriser

  • kunne løse lineære ligningssystemer med store kvadratiske matriser

  • ha kunnskap om minst kvadraters metode for store rektangulære matriser

  • kunne finne egenverdier og egenvektorer til store matriser

  • kunne konstruere algoritmer i et programmeringsspråk

  • kunne tolke stabilitet og konvergens av algoritmer

Vilkår for å gå opp til eksamen

Obligatoriske innleveringer må være godkjent for at studenten skal kunne gå opp til eksamen, se Canvas for mer informasjon.

Undervisnings- og læringsformer

Forelesninger, gruppearbeid og obligatoriske innleveringer. Emnet har et forventet arbeidsomfang på rundt 267 timer.

Studentevaluering

Emneansvarlig i samråd med studenttillitsvalgt fastsetter evalueringsform og om emnene skal ha midtveis- eller sluttevaluering, jf. kvalitetssystemet kapittel 4.1.

Tilgang for privatister

Nei

Tilbys som enkeltemne

«Ja, hvis ledig plass»

Eksamen

Skriftlig 5-timers eksamen under tilsyn. Gradert karakter.

Sist hentet fra Felles Studentsystem (FS) 30. juni 2024 19:07:34