Subjects

Your browser does not support JavaScript, or its support is disabled. Some features may not be available.

Linear Algebra 2 - NMAI058

Title in English:	Lineární algebra 2
Guaranteed by:	Department of Applied Mathematics (32-KAM)
Faculty:	Faculty of Mathematics and Physics
Actual:	from 2019
Semester:	summer
E-Credits:	5
Hours per week, examination:	summer s.:2/2 C+Ex [hours/week]
Capacity:	unlimited
Min. number of students:	unlimited
State of the course:	taught
Language:	Czech, English
Teaching methods:	full-time

Guarantor:	doc. Mgr. Milan Hladík, Ph.D. doc. Mgr. Petr Kolman, Ph.D.
Class:	Informatika Bc.
Classification:	Mathematics > Algebra

Opinion survey results Examination dates Schedule Noticeboard

Annotation -

Last update: FIALA/MFF.CUNI.CZ (17.02.2010)

Continuation of MAI057 - special matrices, determinants, eigenvalues, examples of applications of linear algebra.

Course completion requirements -

Last update: Mgr. Jan Hubička, Ph.D. (28.02.2018)

For passing the class you should obtain at least 70% of total marks from the tests given during the semester and a practical programming homework. Students can obtain addidional marks by homework (the amount of homework depends on missing marks). Homework will be given at the end of the semester if someone needs it.

Last update: doc. Mgr. Milan Hladík, Ph.D. (21.02.2019)

Zápočet bude udělen za zisk dostatečného počtu bodů udělovaných průběžně za písemné testy, řešení domácích úloh, aktivitu na hodinách, popř. docházku. Přesné podmínky se však individuálně liší u jednotlivých vyučujících a jsou popsány níže. Z průběžné povahy kontroly neplyne nárok na vypisování opravných termínů testů. Zápočet je podmínkou pro konání zkoušky.

P. Dvořák:

Nárok na zápočet má ten, kdo dosáhne alespoň 1/2 bodů z písemek a 2/3 celkových bodů

(z písemek i domácích úkolů).

E. Garajová, P. Hubáček, V. Slívová:

K udělení zápočtu je potřeba získat alespoň 65 % bodů z písemek psaných v průběhu semestru. Případný nedostatečný bodový zisk je možno nahradit řešením doplňujících domácích úkolů.

M. Hladík:

K získání zápočtu je potřeba alespoň 50% bodový zisk z písemek psaných v průběhu semestru a alespoň 50% bodový zisk z domácích úkolů. Dodatečné body je možno získat řešením bonusových domácích úkolů (obvykle zadány koncem semestru).

K. Král:

K udělení zápočtu je potřeba získat alespoň 70% z celkového možného počtu bodů. Body jdou získat za písemky psané v průběhu semestru a programovací domácí úkol. Případný nedostatečný bodový zisk je možno nahradit řešením doplňujících domácích úkolů (obvykle zadány koncem semestru, nejpozději na posledním cvičení).

O. Pangrác:

Zápočet je možno získat splněním jednoho z následujících 2 kritérií:

1) ziskem alespoň 50% bodů ze všech písemek v průběhu semestru,

2) ziskem alespoň 60% bodů z písemek psaných během semestru, přičemž až dvě zameškané písemky mohou být napsány v opravném termínu (konec semestru, během zkouškového).

J.Šejnoha:

K získání zápočtu je potřeba alespoň 60% bodový zisk z písemek psaných v

průběhu semestru a alespoň 60% bodový zisk z domácích úkolů a splnění dvou

povinných domácích úkolů. Dodatečné body je možno získat za náhradní písemky

či dodatečné domácí úkoly.

Literature -

Last update: doc. Mgr. Milan Hladík, Ph.D. (22.11.2012)

W. Gareth. Linear Algebra with Applications. Jones and Bartlett Publishers, Boston, 4th edition, 2001.

C. D. Meyer. Matrix analysis and applied linear algebra. SIAM, Philadelphia, PA, 2000. http://www.matrixanalysis.com/DownloadChapters.html

G. Strang. Linear algebra and its applications. Thomson, USA, 4rd edition, 2006.

Requirements to the exam -

Last update: Mgr. Jan Hubička, Ph.D. (28.02.2018)

There will an examination consisting of a written and oral part.

The written part involves several exercises. The oral part involves discussion of solutions to the set problems and additional questions on topics covered in lectures and classes.

Class credits ("zapocet") are prerequisite for taking the examination

Syllabus -

Last update: doc. Mgr. Milan Hladík, Ph.D. (17.04.2012)

Inner product spaces. Orthogonal (unitary) matrices. Determinants. Positive definite and positive semidefinite matrices. Eigenvalues and eigenvectors, particularly for symmetric matrices. Applications of linear algebra.