Hoppa till huvudinnehållet
Till KTH:s startsida

SF2524 Matrisberäkningar för storskaliga system 7,5 hp

I denna kurs kommer vi att lära oss de vanligaste numeriska teknikerna och algoritmerna som används för att effektivt lösa problem som är formulerade med stora matriser.

Information per kursomgång

Termin

Information för HT 2024 Start 2024-10-28 programstuderande

Studielokalisering

KTH Campus

Varaktighet
2024-10-28 - 2025-01-13
Perioder
P2 (7,5 hp)
Studietakt

50%

Anmälningskod

52022

Undervisningsform

Normal Dagtid

Undervisningsspråk

Engelska

Kurs-PM
Kurs-PM är inte publicerat
Antal platser

Ingen platsbegränsning

Målgrupp

Sökbar för alla studenter på alla masterprogram och på civilingenjörsprogram fr.o.m. åk 3 

under förutsättning att kursen kan ingå i programmet.

Planerade schemamoduler
[object Object]

Kontakt

Examinator
Ingen information tillagd
Kursansvarig
Ingen information tillagd
Lärare
Ingen information tillagd
Kontaktperson

Elias Jarlebring (eliasj@kth.se)

Kursplan som PDF

Notera: all information från kursplanen visas i tillgängligt format på denna sida.

Kursplan SF2524 (VT 2022–)
Rubriker med innehåll från kursplan SF2524 (VT 2022–) är markerade med en asterisk ( )

Innehåll och lärandemål

Kursinnehåll

I denna kurs kommer vi lära oss om de vanliga numeriska tekniker och algoritmer som används för att lösa problem formulerade med stora matriser. Vi fokuserar på detaljerad förståelse av prestanda när dessa algoritmer tillämpas på stora system, med fokus på konvergens, noggrannhet och effektivitet. Kursen består av fyra block:

  • Algoritmer för stora glesa egenvärdesproblem
  • Algoritmer för stora glesa linjära ekvationssystem
  • Algoritmer för täta egenvärdesproblem
  • Algoritmer för matrisfunktioner

Lärandemål

Den allmänna målsättningen med kursens är förståelse för när algoritmer fungerar väl samt dess härledningar, implementation och analys. Efter slutförd kurs ska studenten kunna:

  • Implementera de viktigaste algoritmerna i kursens block;
  • analysera i vilka situationer kursens algoritmer fungerar väl samt deras begränsningar, med hjälp av tekniker från linjär algebra;
  • motivera eller härleda kursens metoder med noggranna matematiska resonemang.

Kurslitteratur och förberedelser

Särskild behörighet

  • Engelska B / Engelska 6
  • Slutförd grundkurs i numerisk analys (SF1544, SF1545 eller motsvarande) och
  • Slutförd grundkurs i datalogi (DD1320 eller motsvarande).

Rekommenderade förkunskaper

SF2520 Tillämpade numeriska metoder (eller motsvarande), kan läsas parallellt.

Utrustning

Ingen information tillagd

Kurslitteratur

Kurslitteraturen kommer att utannonseras på kurshemsidan senast 4 veckor innan kursen startar.

Examination och slutförande

När kurs inte längre ges har student möjlighet att examineras under ytterligare två läsår.

Betygsskala

A, B, C, D, E, FX, F

Examination

  • LABA - Laboration, 3,5 hp, betygsskala: P, F
  • TEN1 - Tentamen, 4,0 hp, betygsskala: A, B, C, D, E, FX, F

Examinator beslutar, baserat på rekommendation från KTH:s handläggare av stöd till studenter med funktionsnedsättning, om eventuell anpassad examination för studenter med dokumenterad, varaktig funktionsnedsättning.

Examinator får medge annan examinationsform vid omexamination av enstaka studenter.

Möjlighet till komplettering

Ingen information tillagd

Möjlighet till plussning

Ingen information tillagd

Examinator

Etiskt förhållningssätt

  • Vid grupparbete har alla i gruppen ansvar för gruppens arbete.
  • Vid examination ska varje student ärligt redovisa hjälp som erhållits och källor som använts.
  • Vid muntlig examination ska varje student kunna redogöra för hela uppgiften och hela lösningen.

Ytterligare information

Kursrum i Canvas

Registrerade studenter hittar information för genomförande av kursen i kursrummet i Canvas. En länk till kursrummet finns under fliken Studier i Personliga menyn vid kursstart.

Ges av

Huvudområde

Matematik, Teknik

Utbildningsnivå

Avancerad nivå

Påbyggnad

Ingen information tillagd

Kontaktperson

Elias Jarlebring (eliasj@kth.se)