Praxis — Big Picture & Abschluss
Die 10 Kurse im Rückblick
| Kurs | Kernidee |
|---|---|
| 1 · Vektoren | Tupel mit Richtung & Länge |
| 2 · Matrizen | Rechtecke voller Zahlen, Operationen |
| 3 · LGS | Gleichungssysteme via Gauß lösen |
| 4 · Determinante | Eine Zahl, die alles verrät |
| 5 · Vektorräume | Abstraktion: Polynome, Funktionen sind „Vektoren" |
| 6 · Basis & Rang | Minimale Erzeuger, Dimension, Rang |
| 7 · Lineare Abbildungen | Matrizen als Funktionen |
| 8 · Skalarprodukt | Geometrie: Winkel, Längen, Projektion |
| 9 · Eigenwerte | Intrinsische Skalierungsrichtungen |
| 10 · SVD | Universelle Zerlegung für alles |
Wo geht's weiter?
- Numerische Mathematik: wie SVD, QR-Zerlegung, LR-Zerlegung effizient implementiert werden.
- Funktionalanalysis: Vektorräume mit unendlicher Dimension (Hilberträume, Banachräume).
- Maschinelles Lernen: alles ist lineare Algebra — Neuronale Netze, PCA, SVMs.
- Differentialgleichungen: mit Eigenwerten Systeme von DGL lösen.
- Quantenmechanik: Zustände als Vektoren, Operatoren als Matrizen.
Aufgabe: Großes Klausur-Klassiker
- SVD von A = ((3, 0), (0, 2)). Was sind U, Σ, V?
Lösung
Diagonal positiv → SVD trivial: U = I, V = I, Σ = A. Singulärwerte = 3 und 2 (= Diagonalwerte). - Wieso ist die SVD numerisch stabiler als die Eigenwertzerlegung?
Lösung
Weil U und V immer orthogonal sind — die Konditionszahl der orthogonalen Matrizen ist 1. Eigenvektoren können beliebig nah aneinander liegen → S kann fast singulär sein → instabil. - 2D-Datenwolke hat σ₁ = 10, σ₂ = 0.1. Was sagt das über die Daten?
Lösung
Daten liegen fast auf einer Geraden (1. Hauptkomponente) — die zweite Komponente ist ≈ 0.0001 % der Varianz. Effektiv 1-dim! Perfekter Fall für PCA-Reduktion.
Glückwunsch!Du hast die 10 LinAlg-Kurse abgeschlossen — vom einzelnen Vektor bis zur SVD. Die lineare Algebra ist die Sprache fast aller modernen Technik. Mit diesem Werkzeugkasten kannst du Statistik, Machine Learning, Computer Vision, Physik, Wirtschaftsmodelle — alles besser verstehen.
Was kommt nächstes? Schau dir die Statistik-Kurse an — die nutzen LinAlg für Regression, Hypothesentests, ANOVA. Oder erkunde unsere KI-Kurse, wo Matrizen die Aktivierungen neuronaler Netze sind. Viel Spaß beim Weiterlernen!