Johns Hopkins University
Linear Algebra: Matrix Algebra, Determinants, & Eigenvectors

Diese kurs ist nicht verfügbar in Deutsch (Deutschland)

Wir übersetzen es in weitere Sprachen.
Johns Hopkins University

Linear Algebra: Matrix Algebra, Determinants, & Eigenvectors

Joseph W. Cutrone, PhD

TOP-LEHRKRAFT

3.035 bereits angemeldet

Bei Coursera Plus enthalten

Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(40 Bewertungen)

Es dauert 14 Stunden
3 Wochen bei 4 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen
Verschaffen Sie sich einen Einblick in ein Thema und lernen Sie die Grundlagen.
4.8

(40 Bewertungen)

Es dauert 14 Stunden
3 Wochen bei 4 Stunden pro Woche
Flexibler Zeitplan
In Ihrem eigenen Lerntempo lernen

Wichtige Details

Zertifikat zur Vorlage

Zu Ihrem LinkedIn-Profil hinzufügen

Bewertungen

18 Aufgaben

Unterrichtet in Englisch

Erfahren Sie, wie Mitarbeiter führender Unternehmen gefragte Kompetenzen erwerben.

Platzhalter

Erweitern Sie Ihre Fachkenntnisse

Dieser Kurs ist Teil der Spezialisierung Spezialisierung Linear Algebra from Elementary to Advanced
Wenn Sie sich für diesen Kurs anmelden, werden Sie auch für diese Spezialisierung angemeldet.
  • Lernen Sie neue Konzepte von Branchenexperten
  • Gewinnen Sie ein Grundverständnis bestimmter Themen oder Tools
  • Erwerben Sie berufsrelevante Kompetenzen durch praktische Projekte
  • Erwerben Sie ein Berufszertifikat zur Vorlage
Platzhalter
Platzhalter

Erwerben Sie ein Karrierezertifikat.

Fügen Sie diese Qualifikation zur Ihrem LinkedIn-Profil oder Ihrem Lebenslauf hinzu.

Teilen Sie es in den sozialen Medien und in Ihrer Leistungsbeurteilung.

Platzhalter

In diesem Kurs gibt es 6 Module

In this module, we now look at what arithmetic operation we can perform on nxm matrices and how these operations correspond to operations on functions. In particular, we will view at matrix multiplication AB as a composition of function A(B(x)). In this way, algebraic properties like non-commutativity will become more apparent. We will also look for those matrices that are invertible. Since we no longer have the Horizontal Line Test, new tests for invertibility will be needed. This will lead to the study of the very important matrix invariant, the determinant.

Das ist alles enthalten

3 Videos2 Lektüren3 Aufgaben

In this module we investigate the structure of R^n by formally defining the notion of a subspace. These special sets are those that look like smaller versions of R^n that pass through the origin. These subsets have invariants called a dimension which captures a notion of size. The linear algebra definition of dimension, which uses the notion of linearly independent vectors, matches our intuition in low dimensions where lines have dimension one and planes have dimension two. These sets, and their sizes, turn out to be another tool to student matrices as functions as both the zeros and image of a matrix are subspaces of R^n.

Das ist alles enthalten

2 Videos2 Lektüren3 Aufgaben

The determinant is a real number calculated from a square matrix that determines the invertibility of a square matrix. Its value characterizes the invertibility of the matrix. The determinant also has a geometric meaning: the absolute value of the determinant scales the volumes of sets under the function. In this module, we will show how to calculate the determinant of nxn matrices and study its properties.

Das ist alles enthalten

3 Videos3 Lektüren4 Aufgaben

In this module we study special vectors, called eigenvectors, of a linear transformation defined by a square matrix A. These are vectors whose image is easily visualized as they are scaled by a real number called the eigenvalue. While eigenvalues can be complex numbers, we do not consider that case in this course. Eigenvalues and eigenvectors are central to the theory of discrete dynamical systems, differential equations, and Markov chains and the eigentheory presented here also appear in settings in more advanced pure math courses.

Das ist alles enthalten

2 Videos2 Lektüren3 Aufgaben

In this module we continue our study of eigenvalues and eigenvectors, in particular how they relate to diagonalizable matrices. Eigenvectors are so important: they make understanding linear transformations easy. They are the "axes" (directions) along which a linear transformation acts simply by "stretching/compressing" and/or "flipping"; eigenvalues give you the factors by which this compression occurs. The more directions you have along which you understand the behavior of a linear transformation, the easier it is to understand the linear transformation; so you want to have as many linearly independent eigenvectors as possible associated to a single linear transformation.

Das ist alles enthalten

2 Videos2 Lektüren3 Aufgaben

Congratulations on reaching the final assessment! Review all vocabulary and theorems before attempting the final quiz below. Think about what each theorem is saying both algebraically as well as geometrically. Provide examples (with pictures in R^2 and R^3) along with counterexamples of each theorem and vocabulary term. Lastly, be sure to work through some examples for computation, looking for any of the shortcuts in the calculations when possible. In addition, there is an optional project that applies the theory of this course. You will see how eigenvalues and eigenvectors are applied to Markov Chains and the Google Page Rank algorithm. I strongly recommend you attempt this project. Good luck!

Das ist alles enthalten

1 Lektüre2 Aufgaben

Dozent

Lehrkraftbewertungen
4.8 (8 Bewertungen)
Joseph W. Cutrone, PhD

TOP-LEHRKRAFT

Johns Hopkins University
20 Kurse527.352 Lernende

von

Empfohlen, wenn Sie sich für Machine Learning interessieren

Warum entscheiden sich Menschen für Coursera für ihre Karriere?

Felipe M.
Lernender seit 2018
„Es ist eine großartige Erfahrung, in meinem eigenen Tempo zu lernen. Ich kann lernen, wenn ich Zeit und Nerven dazu habe.“
Jennifer J.
Lernender seit 2020
„Bei einem spannenden neuen Projekt konnte ich die neuen Kenntnisse und Kompetenzen aus den Kursen direkt bei der Arbeit anwenden.“
Larry W.
Lernender seit 2021
„Wenn mir Kurse zu Themen fehlen, die meine Universität nicht anbietet, ist Coursera mit die beste Alternative.“
Chaitanya A.
„Man lernt nicht nur, um bei der Arbeit besser zu werden. Es geht noch um viel mehr. Bei Coursera kann ich ohne Grenzen lernen.“

Bewertungen von Lernenden

Zeigt 3 von 40

4.8

40 Bewertungen

  • 5 stars

    82,50 %

  • 4 stars

    15 %

  • 3 stars

    2,50 %

  • 2 stars

    0 %

  • 1 star

    0 %

HK
5

Geprüft am 31. Okt. 2024

MT
5

Geprüft am 1. Aug. 2024

BN
5

Geprüft am 6. Juni 2024

Platzhalter

Neue Karrieremöglichkeiten mit Coursera Plus

Unbegrenzter Zugang zu über 7.000 erstklassigen Kursen, praktischen Projekten und Zertifikatsprogrammen, die Sie auf den Beruf vorbereiten – alles in Ihrem Abonnement enthalten

Bringen Sie Ihre Karriere mit einem Online-Abschluss voran.

Erwerben Sie einen Abschluss von erstklassigen Universitäten – 100 % online

Schließen Sie sich mehr als 3.400 Unternehmen in aller Welt an, die sich für Coursera for Business entschieden haben.

Schulen Sie Ihre Mitarbeiter*innen, um sich in der digitalen Wirtschaft zu behaupten.

Häufig gestellte Fragen