VVZ API is not affiliated with ETH Zurich. Data might be outdated or incorrect. Please view the official ETHZ Vorlesungsverzeichnis for binding information.
Abstract
In this lecture algorithms are investigated for solving eigenvalue problemswith large sparse matrices. Some of these eigensolvers have been developedonly in the last few years. They will be analyzed in theory and practice (by meansof MATLAB exercises).
Objective
Kenntnisse der modernen Eigenlöser, ihres numerischen Verhaltens, ihrer Einsatzmöglichkeiten und Grenzen.
Content
In dieser Vorlesung werden die heute wichtigsten Löser für grosse, typischerweise schwach-besetzte Matrixeigenwertprobleme vorgestellt. Auf der Grundlage des klassischen QR-Algorithmus werden Vektor- und Teilraumiteration, Spurminimierungsalgorithmus, Arnoldi- und Lanczos-Algorithmus (inkl. Varianten mit Neustart) und Jacobi-Davidson-Algorithmus analysiert. In den Übungen werden die behandelten Algorithmen numerisch untersucht.
Resources
Literature
Z. Bai, J. Demmel, J. Dongarra, A. Ruhe, and H. van der Vorst: Templates for the Solution of Algebraic Eigenvalue Problems: A Practical Guide. SIAM, Philadelphia, 2000.
General Information
- Language
- German
- Frequency
- Every two years
Examination
- Type
- session examination
- Mode
- oral 30 minutes
Course Components
| Type | Title | Time & Place | Hours |
|---|---|---|---|
| lecture with exercise |
Numerische Methoden für grosse Matrixeigenwertprobleme
Does not take place this semester.
|
No time listed | 3 h weekly |