OpleidingsonderdeelNumerieke Lineaire Algebra

Brigitte Verdonk

Universiteit AntwerpenDepartement Wiskunde- Informatica

18 Januari 2008

1 / 7

Cursusonderdelen

I Lineaire Algebra (50 u – 5 studiepunten)I Numerieke Lineaire Algebra (40 u – 4 studiepunten)

Lineaire AlgebraI Theorie: 25 uI Oefeningensessies: 25 u

Numeriek Lineaire AlgebraI Theorie: 25 uI Oefeningensessies: 15 u

theoretische oefeningen gecombineerd met korteprogrammeeropdrachten (in Matlab)

2 / 7

Inhoud

Lineaire AlgebraI matrixrekenen en oplossen van stelsels:

elementair rekenen, blokvermenigvuldiging,determinanten, echelonmethode (≡ LU factorisatie)

I algemene vectorruimten:voortbrengers, basissen en dimensie vaneindigdimensionale vectorruimten, nulruimte enkolomruimte en rang van een matrix, lineaire afbeeldingenen matrixvoorstelling, eigenwaarden en eigenvectoren

I orthogonaliteit en Gram-Schmidt orthogonalisatie

3 / 7

Inhoud

Numerieke Lineaire AlgebraI IEEE floating-point standaard, eindige precisie rekenenI conditiegetal, stabiliteitI numeriek oplossen van stelsels lineaire vergelijkingen:

LU factorisatie met pivoteringQR factorisatie

4 / 7

Examenvorm

I Theorie (gesloten boek): een schriftelijk examen (LineaireAlgebra en Numerieke Lineaire Algebra)

I Oefeningen (gesloten boek): Lineaire AlgebraI Project (take home): Numerieke Lineaire Algebra

5 / 7

Volgtijdelijkheid

Calculus

↓

Lineaire Algebra⇒ Numerieke Lineaire Algebra

⇓

Wetenschappelijk Programmeren

6 / 7

Kerncompetenties

I KC1: +I Analyse en ontwerp voor kleinschalige software projecten. (Kleinschalig betekent dat het project

valt te overzien door n persoon.). Begrijpen van een gedentificeerd probleem en modelleren vaneen potentile oplossing.

I KCD1: ++I Formeel denken. Een sterk wiskundige vorming geeft aanleiding tot het vlot omgaan met abstracte

modellen om formele redeneringen en argumentaties mogelijk te maken. Een wiskundige vormingis bovendien nodig voor het begrijpen van de in de informatica gangbare wetenschappelijketechnieken en methodes. .

I KCD2: +I Wetenschappelijk verwerken van data. De noodzakelijke vaardigheden en kennis hebben om data

omtrent een informaticaprobleem (vb. netwerkperformantie, databank integriteit, algoritmischecomplexiteit) op een correcte manier te verzamelen, en die om te zetten in nuttige informatie.

7 / 7