Lineare Algebra II
Vorlesung im Sommersemester 2023
Professor: Prof. Dr. William Crawley-Boevey
Eintrag im ekvv
Lernraum
Vorlesungen
Dienstag und Donnerstag 10:15-11:45 in T2-205 / H10.
Inhalt
-
Grundlagen: Mengen, Abbildungen, Relationen
-
Algebraische Strukturen: Gruppen, Ringe und Körper, Vektorräume
-
Matrizen und Lineare Gleichungssysteme
-
Struktur der Vektorräume
-
Lineare Abbildungen
-
Determinanten
-
Skalarprodukträumen
-
Eigenwerte und Diagonalisierbarkeit
-
Jordansche Normalform
-
Lineare Abbildungen zwischen Skalarprodukträumen
-
Bilinearformen und quadratische Formen
Die Abschnitte 1-6 wurden in Lineare Algebra I aufgenommen. Das Vorlesungsskript ist im Lernraum.
Literatur
Es gibt viele gute Bücher. An der Universität sollten Sie Kopien dieser Bücher herunterladen können.
-
A. Beutelspacher, Lineare Algebra : Eine Einführung in die Wissenschaft der Vektoren, Abbildungen und Matrizen, Springer 2014.
https://doi.org/10.1007/978-3-658-02413-0
-
S. Bosch, Lineare Algebra, Springer 2008.
https://doi.org/10.1007/978-3-540-76438-0
-
G. Fischer und B. Springborn, Lineare Algebra : Eine Einführung für Studienanfänger,
Springer 2020.
https://doi.org/10.1007/978-3-662-61645-1
-
K. Jänich, Lineare Algebra, Springer 2008.
https://doi.org/10.1007/978-3-540-75502-9
-
C. Karpfinger und H. Stachel, Lineare Algebra, Springer 2020.
https://doi.org/10.1007/978-3-662-61340-5
-
J. Liesen und V. Mehrmann, Lineare Algebra : Ein Lehrbuch über die Theorie mit Blick auf die Praxis, Springer 2021.
https://doi.org/10.1007/978-3-662-62742-6
-
G. Michler und H.-J. Kowalsky, Lineare Algebra, De Gruyter 2003.
https://doi.org/10.1515/9783110200041
-
D. Werner, Lineare Algebra, Birkhäuser 2022.
https://doi.org/10.1007/978-3-030-91107-2
Leistungsnachweise
Für den Modul 24-B-LA Lineare Algebra, muss Folgendes erfüllt werden.
-
Regelmäßiges Bearbeiten der Übungsaufgaben jeweils mit erkennbarem Lösungsansatz.
Nachweis einer ausreichenden Zahl korrekt gelöster Übungsaufgaben, die im Rahmen der Veranstaltung Linearen Algebra II gestellt werden.
Das bedeutet 50% der im Semester für das Lösen der Aufgaben erzielbaren Punkte zu erreichen.
-
Mitarbeit in den Übungsgruppen zur Linearen Algebra II (Die Studierenden liefern regelmäßig Beiträge zur fachlichen Diskussionen in der Übungsgruppe. In Betracht kommen insbesondere fachliche Kommentare und Fragen zu den vorgestelten Lösungsvorschlägen sowie zweimaliges Vorrechnen von Übungsaufgaben nach Aufforderung).
-
Bestehen der Klausur. Die Klausur bezieht sich auf den Inhalt der Vorlesung Linearen Algebra II und der zugehörigen Übung. Die Klausur dauert 90 Minuten.
-
Ähnliche Anforderungen für die Veranstaltung Lineare Algebra I.
Klausuren
Die Abschlussprüfungen dauern jeweils 90 Minuten und finden an folgenden Terminen statt.
Zusätzlich zur Anmeldung zur Vorlesung müssen Sie für jede Klausur, die Sie ablegen möchten, im ekVV angemeldet sein.
Es ist erlaubt, ein beidseitig handbeschriebenes DIN A4-Blatt zur Klausur mitzubringen, und einen nichtprogrammierbaren Taschenrechner, der aber nicht notwendig ist. Weitere Hilfsmittel wie Handys sind nicht zugelassen.
-
1. Klausur: 10:00 am Donnerstag 20.07.23 (ekVV).
Klausureinsicht 14:00-16:00 am Donnerstag 03.08.23 in V5-227.
-
2. Klausur: 10:00 am Mittwoch 27.09.23 (ekVV)
Klausureinsicht 10:00-12:00 am Donnerstag 05.10.23 in V5-227.
Falls Sie im SS 23 nicht in den Übungen zur Lineare Algebra II mindestens
50 Prozent der Gesamtpunktzahl erreicht haben oder nicht zweimal
eine Aufgabe vorgerechnet haben, wird ihr Klausur nicht bewertet.
Übungen
Tutorium und Übung werden hier synonym verwendet. Der Übungsgruppenleiter wird auch als Tutor bezeichnet.
Liste der Tutoren:
Eine Emailliste der Tutoren finden sie im Lernraum. Die Postfächer sind im Kopierraum in V3-128.
Allgemeines: Die Tutorien beginnen erst am 11.04.23.
Übungszettel
Diese Aufgaben werden jeden Freitag (erste Abgabe bis 10:00 am 14.04.23) im Kopierraum im Postfach Ihres Tutors abgegeben und danach korrigiert und bepunktet. In einem drauffolgenden Tutorium werden die Lösungen der Aufgaben von den Studenten vorgestellt.
Sie dürfen zusammen mit einer weiteren Person aus ihrem Tutorium abgeben. Die eingereichte Hausarbeit muss die Namen und die Handschrift beider Studierender enthalten. (Tipp: Finden Sie diesen Partner im ersten Tutorium).
- Übungsblatt 1 (Veröffentlicht spätestens am 06.04.23. Abgabe bis 10:00 am 14.04.23)
- Übungsblatt 2 (Veröffentlicht spätestens am 13.04.23. Abgabe bis 10:00 am 21.04.23)
- Übungsblatt 3 (Veröffentlicht spätestens am 20.04.23. Abgabe bis 10:00 am 28.04.23)
- Übungsblatt 4 (Veröffentlicht spätestens am 27.04.23. Abgabe bis 10:00 am 05.05.23)
- Übungsblatt 5 (Veröffentlicht spätestens am 04.05.23. Abgabe bis 10:00 am 12.05.23)
- Übungsblatt 6 (Veröffentlicht spätestens am 11.05.23. Abgabe bis 10:00 am 19.05.23)
- Übungsblatt 7 (Veröffentlicht spätestens am 18.05.23. Abgabe bis 10:00 am 26.05.23)
- Übungsblatt 8 (Veröffentlicht spätestens am 25.05.23. Abgabe bis 10:00 am 02.06.23)
- Übungsblatt 9 (Veröffentlicht spätestens am 01.06.23. Abgabe bis 10:00 am 09.06.23)
- Übungsblatt 10 (Veröffentlicht spätestens am 08.06.23. Abgabe bis 10:00 am 16.06.23)
- Übungsblatt 11 (Veröffentlicht spätestens am 15.06.23. Abgabe bis 10:00 am 23.06.23)
- Übungsblatt 12 (Veröffentlicht spätestens am 22.06.23. Abgabe bis 10:00 am 30.06.23)
- Übungsblatt 13 (Veröffentlicht spätestens am 29.06.23. Abgabe bis 10:00 am 07.07.23)
Sonstiges
Sagemath Computer-Algebra-System
SageMathCell Webinterface
| Referenzkarte
| Mehr Informationen
Beispiel (Polynomregression)
# Die Daten
n=6; xp=[1,2,3,4,7,10]; yp=[1,5,4,6,10,10]; d=2
# der Polynomring
R.<X> = RR[]
# das Gram-Schmidt-Verfahren
v=[]
for i in [0..d]:
v.append(X^i - sum(sum(xp[k]^i*v[j].subs(X=xp[k]) for k in range(n)) /
sum(v[j].subs(X=xp[k])^2 for k in range(n))*v[j] for j in [0..i-1]))
# die Normalisierung
phi=[1/sum(v[i].subs(X=xp[k])^2 for k in range(n))^(1/2)*v[i] for i in [0..d]]
# das Polynom
p = sum(sum(yp[k]*phi[i].subs(X=xp[k]) for k in range(n))*phi[i] for i in [0..d])
show(p)
# der Graph
show(list_plot([(xp[i],yp[i]) for i in range(0,n)]) + plot(p.subs(X=x),(x,min(xp),max(xp))))
Beispiel (Eigenwerte einer zufällige Matrix)
# Eine zufällige Matrix. Mögliche Zahlen sind:
# ZZ = ganze, QQ = rationelle, RDF = reelle, CDF = komplexe
n = randint(3,10)
A = random_matrix(CDF,n,n)
# Machen wir A nicht-negativ?
# for i in range(n):
# for j in range(n):
# A[i,j]=abs(A[i,j])
# Machen wir A orthogonal/unitär?
# Das Folgende wendet Gram-Schmidt auf die Zeilen von A an, um sie orthonormal zu machen
# A = A.gram_schmidt(orthonormal=True)[0]
# Machen wir A symmetrisch / hermetisch?
# A = A + A.transpose().conjugate()
show(A)
# Das charakteristische Polynom und die Eigenwerte
show((-1)^n*A.charpoly())
e = A.eigenvalues(); show(e)
# Ein Graph der Eigenwerte
points = [[real(e[k]),imag(e[k])] for k in range(len(e))]
m=max(abs(e[k]) for k in range(len(e)))
list_plot(points,aspect_ratio=1,xmin=-m,xmax=m,ymin=-m,ymax=m,size=25)
Ein Beispiel für die Verwendung von Matrizen zum Lösen simultaner Differentialgleichungen
Paul Krugman, A Model of Balance-of-Payments Crises, Journal of Money, Credit and Banking, Vol. 11, No. 3 (Aug., 1979), pp. 311-325.
Ein Video
Gilbert Strang - The Big Picture of Linear Algebra, MIT oder Youtube.