University of Warsaw - Central Authentication System
Strona główna

Computational Mathematics

General data

Course ID: 1000-114bMOBa
Erasmus code / ISCED: 11.102 The subject classification code consists of three to five digits, where the first three represent the classification of the discipline according to the Discipline code list applicable to the Socrates/Erasmus program, the fourth (usually 0) - possible further specification of discipline information, the fifth - the degree of subject determined based on the year of study for which the subject is intended. / (0541) Mathematics The ISCED (International Standard Classification of Education) code has been designed by UNESCO.
Course title: Computational Mathematics
Name in Polish: Matematyka obliczeniowa (potok 1)
Organizational unit: Faculty of Mathematics, Informatics, and Mechanics
Course groups: (in Polish) Przedmioty obieralne dla II-III roku bioinformatyki
Obligatory courses for 2nd grade JSEM
Obligatory courses for 2rd grade Mathematics
ECTS credit allocation (and other scores): (not available) Basic information on ECTS credits allocation principles:
  • the annual hourly workload of the student’s work required to achieve the expected learning outcomes for a given stage is 1500-1800h, corresponding to 60 ECTS;
  • the student’s weekly hourly workload is 45 h;
  • 1 ECTS point corresponds to 25-30 hours of student work needed to achieve the assumed learning outcomes;
  • weekly student workload necessary to achieve the assumed learning outcomes allows to obtain 1.5 ECTS;
  • work required to pass the course, which has been assigned 3 ECTS, constitutes 10% of the semester student load.

view allocation of credits
Language: Polish
Type of course:

obligatory courses

Prerequisites (description):

(in Polish) Oczekuje się dobrej znajomości zagadnień ujętych w sylabusie przedmiotu Wstęp do Informatyki I.

Short description:

In the course we present several methods of finding usually approximate solutions to basic mathematical problems when finding exact solutions is either impossible or impractical.

The course includes: elements of error analysis, polynomial and spline interpolation, elements of approximation, quadrature rules, Gauss quadratures, numerical solutions of systems of linear equations, real roots of the equations, numerical eigenproblem.

Full description:

1/ Elements of fl rounding error analysis

2/Interpolation

2.1 Polynomial interpolation

- specifying Lagrange interpolation problem

- existence and uniqueness of a solution

- finite differences algorithm

- approximation error estimates

2.2 Spline approximation

- definition of spline spaces

- linear splines

- cubic splines

3/Approximation

3.1 approximation in Hilbert spaces

- existence and uniqueness

- algorithms including the Gram-Schmidt process

- orthogonal polynomials - properties and application to the polynomial approximation problem

-Chebyshev polynomials and their properties

- Linear Least Square problem as a special case of an approximation problem

3.2 Uniform approximation - (optional if time permits)

4/Numerical integration

4.1 Interpolation quadratures

-Gauss quadratures

4.2 Quadrature rules: trapezoidal and Simpson rules

5/Numerical methods of solving system of algebraic equations

- LU decompositions with partial pivoting

- QR orthogonal decomposition: Housholder method

- condition of the matrices and their influence on rounding error analysis of LU decomposition

- an application of QR factorization of M x N matrix to Linear Least Square problems

6/ Roots of a nonlinear equation

- bisection method

- Newton method

- Secant method

- Banach iteration method

- order of convergence

7/Numerical Eigenproblem (optional if time permits)

- Power Method

- Inverse Power Method

Bibliography:

David Kincaid and Ward Cheney, Numerical analysis. Mathematics of scientific computing. 2nd ed., Brooks/Cole Publishing Co., Pacific Grove, CA, 1996.

Learning outcomes: (in Polish)

Wiedza i umiejętności:

1. Zna pojęcie wykładniczego rzędu zbieżności metody rozwiązywani równania liniowego;

2. Zna metody bisekcji, Newtona i siecznych rozwiązywania równania nieliniowego; wie przy jakich założeniach metody są zbieżne; zna metodę Newtona rozwiązywania układu równań nieliniowych; zna twierdzenie o lokalnej zbieżności tej metody

3. Zna podstawowe własności arytmetyki zmiennopozycyjnej w komputerze; wie co to uwarunkowanie zadania ze względu na zaburzenia danych w arytmetyce zmiennopozycyjnej; zna pojęcie numerycznej poprawności i numerycznej stabilności algorytmu

4. Zna algorytm i koszt metod bezpośredniego rozwiązywania układów równań liniowych poprzez rozkład LU, metodę Choleskiego, poprzez rozkład QR uzyskany metodą Householdera.

5. Zna definicje i podstawowe własności norm wektorowych i macierzowych; zna wzory na podstawowe wzory na normy p-te wektorowe i macierzowe; zna pojęcie współczynnika uwarunkowania macierzy i jego związek z błędami zaokrągleń w algorytmach bezpośrednich rozwiązywania układów równań liniowych

6. Zna definicję liniowego zadania najmniejszych kwadratów (LZNK); wie co oznacza, że LZNK jest regularne; zna twierdzenie o istnieniu i jednoznaczności regularnego LZNK (RLZK); wie jak rozwiązać RLZNK znając rozkład QR macierzy; zna algorytm Householdera znajdowania rozkładu QR macierzy kolumnami regularnej; zna metodę rozwiązywania RLZNK poprzez sprowadzenie go układu liniowego równań normalnych

7. Wie co to numeryczne symetryczne zadanie własne; zna algorytm i jego koszt sprowadzania macierzy symetrycznej do macierzy podobnej trójdiagonalnej przy pomocy przekształceń Householdera

8. Zna metodę potęgową i odwrotną potęgową; wie przy jakich założeniach metody te są zbieżne

9. Wie co to zadanie interpolacji Lagrange; zna twierdzenie o tym kiedy takie zadanie ma jednoznaczne rozwiązanie; zna pojęcie bazy Lagrange'a wielomianów określonego stopnia; zna definicję w własności różnicy dzielonej; zna algorytmy Newtona i różnic dzielonych znajdowania współczynników wielomianu interpolacyjnego Lagrange'a w bazie Newtona; zna wzór na błąd interpolacji Lagrange'a; wie co to optymalne węzły interpolacji; potrafi oszacować błąd interpolacji znając oszacowania odpowiednich pochodnych funkcji

10. Wie co to zadanie interpolacji Hermite'a; zna twierdzenie o tym kiedy takie zadanie ma jednoznaczne rozwiązanie; zna definicję i własności uogólnionej różnicy dzielonej z węzłami wielokrotnymi; zna algorytm różnic dzielonych znajdowania współczynników wielomianu interpolacyjnego Hermite'a w bazie Newtona; zna wzór na błąd interpolacji Hermite'a;

11. Zna definicję przestrzeni splajnów dla ustalonych węzłów; w szczególności wie co to przestrzeń splajnów liniowych i przestrzeń splajnów kubicznych; wie jak znaleźć splajn interpolacyjny liniowy i zna błąd interpolacji splajnami liniowymi; zna zadanie interpolacji splajnami kubicznymi z różnymi warunkami brzegowymi; zna algorytm znajdowania splajnu kubicznego z warunkami brzegowymi naturalnymi; zna wzór na błąd interpolacji splajnami kubicznymi naturalnymi; zna twierdzenie Holladaya.

12. Wie co to są kwadratury; zna definicję rzędu kwadratury; zna definicję kwadratury interpolacyjnej; zna wzór na błąd kwadratury interpolacyjnej; zna wzór na kwadratury złożone trapezów i Simpsona; zna oszacowanie błędu kwadratury trapezów; wie jak skonstruować kwadraturę Gaussa; zna twierdzenie o rzędzie kwadratury Gaussa i o dodatniości jej współczynników; zna twierdzenie o zbieżności kwadratur Gaussa

Kompetencje społeczne:

1. Rozumie znaczenie matematyki obliczeniowej jako narzędzia służącego konstrukcji i analizy metod obliczeniowych pozwalających rozwiązywać zadania powstające przy modelowaniu zjawisk przyrody i techniki

This course is not currently offered.
Course descriptions are protected by copyright.
Copyright by University of Warsaw.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
contact accessibility statement site map USOSweb 7.1.2.0-a1f734a9b (2025-06-25)