The main purpose of this course is to introduce some key concepts, issues, and perspectives in educational psychology and provide students with the foundational knowledge necessary for future study in this subject area. The focus of the course is on introducing essential theories and research, and considering the real and possible applications of those to educational practices.

Following on from Introduction to Educational Psychology I, the goals of this course are:
- To facilitate students' acquisition of more knowledge about basic concepts, issues, and perspectives in educational psychology
- To encourage students to think about the relevance and applications of that knowledge - with regard to themselves, their immediate environment, and beyond
- To facilitate the development of students' thinking and communication skills in English

Course Schedule
The following is a guide to what will be covered during the 16 weeks of the semester. As required, some minor adjustments may be made to this schedule.
Week 1: Introduction to the course and to concept formation in children
Week 2: Schema in learning: lecture and discussion
Week 3: Concepts and schemas: reflections about what we know, how we know, what we think others may know ...
Week 4: Memory: an introduction to and discussion of basic concepts
Week 5: Remembering and forgetting: reflections about what we retain and what we lose in memory
Week 6: Mnemonic techniques: reflections about uses in educational settings
Week 7: Learning in school: lecture and discussion
Week 8: Learning in school: reflections about what is taught - and how
Week 9: Examinations and tests: lecture and discussion
Week 10: Formative and summative evaluation: reflections about effects on learning
Week 11: Test and question types: reflections about uses and usefulness
Week 12: Intelligence and intelligence testing: lecture and discussion
Week 13: Ability grouping: reflections about advantages and disadvantages for students and teachers
Week 14: Diversity in education: reflections about benefits and challenges
≪Final examination≫
Week 15: Feedback week

Course Conduct
Students taking this course will be expected to prepare for each class by reading the appropriate textbook pages and any other materials that the instructor assigns. Class sessions will comprise of lectures provided by the instructor to summarize key points, highlight important issues, and introduce students to other pertinent information that bear on the topic being covered: these will all be provided on the assumption that students have undertaken the preparatory readings. The class sessions will also involve pair, small group, and/or plenary discussions, and exercises for students to complete individually or in cooperation with other students. Active participation in these discussions and exercises is necessary to meet coursework/grading requirements (see below). 40% of the course grade is based on a portfolio of work that students complete relating to the topics dealt with in the course (i.e., exercises completed in class, notes on key points raised in discussions with other students, notes taken from and reflections on assigned and other readings undertaken, etc.).

特になし

Portfolio of work = 40%, Class attendance and active participation in tasks and discussions = 20%, Final test = 40%.

Students will be expected to spend about 90 minutes each week on out-of-class preparation, readings, and assignments.

Students will be expected to read assigned chapters and other readings in preparation for each class. During the semester, students can email the instructor to make an appointment or to ask any questions about the course.

一般に、価値や規範に関する理論的研究と、具体的な社会問題を解決するための政策的研究は、まったく切り離されたものとして捉えられがちである。だが、実際には、深く関係しており、両者をいかにつなぐかを考えることが求められている。本ゼミナールでは、公共政策と価値や規範の関係について論じた論文を読むことを通じて、価値や規範に関する理論的研究について理解を深めるとともに、具体的な社会問題に理論をあてはめることの意義と難しさを理解することを目的とする。

政治哲学や法哲学で扱われている代表的な規範理論について理解するとともに、そうした理論を具体的な社会問題に応用できるようになること。

前半は、受講者全員で、毎回、論文をひとつ、または複数読んできて、全員がそれについてコメントを述べ、引き続き受講者同士で議論をおこなう。とりあげる論文は、日本語で書かれたもので、予備知識がほとんどなくても読めるような、導入的・基礎的なものを選ぶ。後半は、各自の報告をおこなってもらう。

第１回　イントロダクション
第２回〜第７回　論文講読
第８回〜第１３回　各自の報告
第１４回　まとめ、振り返り
第１５回　フィードバック

なお、授業回数はフィードバックを含め全１５回とする。

特になし

授業への参加状況・参加態度（８０％）、およびレポート（２０％）にもとづき、評価する。

毎回、指定の文献を読んでくるとともに、授業後も、考えが深められていなかった点について各自で反省を行うことが求められる。

国際政治の歴史に関連する基礎的な文献を輪読し、参加者全員で討議を深めることで、国際政治および外交史に対する理解を深めることが目的である。扱うテーマは参加者の関心にもよるが、近現代の国際政治史（外交史）に関するものである。また、その後参加者の研究関心に応じて個別の研究報告を行うことを予定している。

国際政治の歴史について、自らの研究を行うための視座について涵養する。

第１回　オリエンテーション
第２回　割当決め、その他
第３回　テキスト報告・個別報告１回目
　　　…
第１３回　テキスト報告・個別報告１１回目
第１４回　最終総括

国際政治史に関する研究書を輪読する。文献を基に担当者が研究成果を報告した後に、参加者全員で議論を深める。

具体的には、担当者による担当箇所の報告（20分）、担当箇所を基にした自由研究報告（20分）を行い、その後に議論を行う。

なお、最終的には個別報告とその関連分野につき、レポートとして提出することが求められる。

（授業回数はフィードバックを含め全15回とする）

特になし

レポート　50%
平常点・議論への貢献　50%
（個別報告、出席自体は評価対象でない。3回以上欠席の学生は単位を付与しない）。
詳しくは授業中に説明する。

ゼミ後には、ゼミ中に行われた議論をふまえ、指定された参考書等にあたり個別研究を進めること。

国際政治史・外交史に対する関心を持ち、研究意欲があれば、誰であっても歓迎する。

Game theory is the study of strategic decision-making, where the outcome for each participant depends on their own actions as well as the actions of others. It provides a powerful framework for analyzing a wide range of competitive and cooperative scenarios.

In a complete information game, all players have full knowledge of the rules, strategies, and payoffs of others, allowing for fully informed decisions. In contrast, an incomplete information game involves uncertainty about some aspects of the game, such as the payoffs or strategies of other players, adding an additional layer of complexity to strategic reasoning.

This course will provide standard undergraduate-level knowledge of complete information games and an introduction to incomplete information games. We will cover the basic concepts, model formalization, and key solution concepts such as Nash equilibrium and Bayesian Nash equilibrium.

Throughout the course, we will explore various applications of these concepts in economics, politics, and other real-world scenarios.

・Develop an understanding of the models and solution concepts for both complete and incomplete information games.
・Practice and acquire essential skills to analyze and solve application problems related to complete information games.
・Gain a foundational understanding of the applications of incomplete information games.

The lectures will be organized as follows.

1. Static games of complete information: Normal-form games.
2. Dominance and iterated elimination of strictly dominated strategies.
3. Nash equilibrium: Theory.
4. Nash equilibrium: Applications.
5. Dynamic games of complete and perfect information.
6. Dynamic games of complete and perfect information: Applications.
7. Dynamic games of complete but imperfect information.
8. Dynamic games of complete but imperfect information: Applications.
9. Static games of incomplete information: Bayesian games.
10. Bayesian Nash equilibrium: Theory.
11. Bayesian Nash equilibrium: Applications.
12. Introduction to dynamic games of incomplete information.
13. Introduction to perfect Bayesian equilibrium.
14. Perfect Bayesian equilibrium in signaling games.
(Final examination.)
15. Feedback.

Certain topics will assume a foundational understanding of derivatives, integrals and expectation operation.

Homework (25%)
Class participation (5%)
Final examination (70%)

Students will be assigned three problem sets as the homework.

Office hour by e-mail appointment.

映画研究の教科書を読みながら、アメリカ映画を題材として映画作品を分析する。

・学術的な英語の文章を読む力を身につける。
・映画作品を内容からだけではなく形式からも分析する力を身につける。

第1回　イントロダクション
第2回　映画の形式（演出）
第3回　映画の形式（撮影）
第4回　映画の形式（編集）
第5回　映画の形式（音声）
第6-7回　作品鑑賞
第8-11回　作品批評の読解（グループワーク）
第12-14回　レポート構想発表
第15回　フィードバック

特になし

LMSの課題（5点×11回）＋特別点（5点）＝60点
レポート構想発表（10点）＋レポート（30点）＝40点
※5回以上欠席した場合は成績評価の対象としない。

教科書の指定箇所を辞書を引きながら読む。
関連する映画作品や参考動画を見る。

この授業では英語の学術文献と英語のレクチャーを通して、言語学の主な分野について学ぶ。特に、言語学の研究対象、人間の言語と動物のコミュニケーションシステムの特徴、人間言語および英語の歴史、コンピュータの言語処理、脳における言語の機能、言語獲得について学ぶ。

・言語学の主な分野についての学術的な英語文献を理解できる。
・言語学関連の英語文献に関する英語のレクチャーを理解できる。
・人間の使用する言語についての理解を深める。

この授業で人間の使用する言語の研究の基礎について学びながら、英語能力を高める。

電子機器（パソコン、タブレット端末など）が必要である。

第1回：Introduction, Course overview, What is linguistics?
第2回：What is linguistics?, Differences between human and non-human communication/language
第3回：Animal communication (bees, vervet monkeys)
第4回：Attempts to teach human language to animals (apes)
第5回：Attempts to teach human language to animals (apes)
第6回：Birds and language, History of languages (origins of language)
第7回：History of languages, Quiz
第8回：History of English (Old English, Middle English)
第9回：History of English (Early Modern English), Language and computers (natural language processing, large language models)
第10回：Language and computers (natural language processing, large language models), Quiz
第11回：Brain and language (split-brain patients, aphasia)
第12回：Brain and language (aphasia, specific language impairment)
第13回：Language acquisition (Critical Period Hypothesis)
第14回：Language acquisition (first language acquisition), Final Quiz
第15回：Feedback

特になし

５回以上欠席した場合は成績評価の対象としない。
参加：２０％
宿題：５０％
小テスト：３０％

・テキストを読むこと。
・宿題をやること。
・小テストのために十分な予習をすること。

本講義は、受講者がデータドリブンな思考力および課題解決力を身につけることにより、SDGsをはじめとする社会課題の解決に資するAI人材の育成を主眼とし、その基盤となるスキルを確立することを目的とする。

具体的には、豊富なAI社会実装実績を有する アクセンチュア株式会社 が作成した教材を基幹としつつ、講義独自のプログラムや資料も活用し、ビジネスにおけるデータサイエンスおよびAI活用の概要と事例の紹介、基本的なデータ分析手法および機械学習に関する講義、ならびにデータ分析演習を行う。

本講義は、前期に開講する科目の応用編として位置づけられ、深層学習や画像認識などの高度な技術についても取り上げる。

⸻

English

The objective of this course is to develop foundational skills for AI analysts who can contribute to solving social challenges, including the Sustainable Development Goals (SDGs), through the acquisition of data-driven thinking and problem-solving abilities.

Using original course materials developed by Accenture Japan Ltd., which has extensive experience in real-world AI implementation, together with instructor-developed programs and resources, the course introduces an overview of data science and AI applications in business, presents representative case studies, and covers fundamental data analysis methods and machine learning through practical analytical exercises.

This course is positioned as an advanced extension of the first-semester offering and also addresses more sophisticated topics such as deep learning and image recognition.

Advanced Business Analytics

日本語

本講義は、受講者がデータドリブンな思考力および課題解決力を身につけることにより、SDGsをはじめとする社会課題の解決に資するAI人材の育成を主眼とし、その基盤となるスキルを確立することを目的とする。

具体的には、豊富なAI社会実装実績を有するアクセンチュア株式会社が作成した教材を基幹としつつ、講義独自のプログラムや資料も活用し、ビジネスにおけるデータサイエンスおよびAI活用の概要と事例の紹介、基本的なデータ分析手法および機械学習に関する講義、ならびにデータ分析演習を行う。

本講義は、前期に開講する〈基礎編〉の応用編として位置づけられ、基礎編では十分に扱わなかった、現代AIを支える二つの中核技術である〈画像認識〉および〈自然言語処理〉に焦点を当てる。それぞれについて、理論的背景、実装に用いられるスクリプト、ならびに具体的な活用事例を、講義および演習を通じて学習する。

これらを通じて、深層学習や画像認識などの高度な技術を含むAIの基幹技術を体系的に理解した上で、実社会やビジネスの現場において適切にAIを活用できる人材を育成する。


The objective of this course is to develop foundational skills for AI analysts who can contribute to solving social challenges, including the Sustainable Development Goals (SDGs), through the acquisition of data-driven thinking and problem-solving abilities.

Using original course materials developed by Accenture Japan Ltd., which has extensive experience in real-world AI implementation, together with instructor-developed programs and resources, the course introduces an overview of data science and AI applications in business, presents representative case studies, and covers fundamental data analysis methods and machine learning through practical analytical exercises.

Positioned as an advanced extension of the first-semester introductory course, this lecture focuses on two core technologies that underpin modern AI—image recognition and natural language processing—which were not fully covered in the basic course. Through lectures and hands-on exercises, students will learn the theoretical foundations of these technologies, the scripts and tools used for their implementation, and their real-world applications.

By comprehensively understanding these core AI technologies, including deep learning and image processing, students will develop the ability to appropriately apply AI techniques in practical business and societal contexts.

【第1回】AI・データサイエンス概論（応用編）

Introduction to AI and Data Science (Advanced)

日本語
AIおよびデータサイエンスの基本概念を、社会課題やビジネス応用の観点から整理する。前期科目〈基礎編〉の内容を踏まえ、AI活用の全体像と本講義の位置づけを理解する。

English
This session provides an overview of AI and data science from the perspective of business and social applications. Building on the introductory course, students will understand the overall structure of AI utilization and the positioning of this advanced course.

⸻

【第2回】データ分析実務の全体像①（分析プロジェクト・課題定義）

Overview of Data Analysis Practices (1): Analysis Projects and Issue Definition

日本語
実務におけるデータ分析プロジェクトの流れを概観し、課題定義の重要性について学ぶ。分析の目的設定やビジネス課題の構造化に焦点を当てる。

English
This session introduces the overall workflow of data analysis projects, emphasizing the importance of issue definition and problem structuring in real-world business contexts.

⸻

【第3回】データ分析実務の全体像②（仮説立案・示唆導出）

Overview of Data Analysis Practices (2): Hypothesis Formulation and Insight Generation

日本語
仮説立案の考え方と、分析結果から有用な示唆を導出するプロセスについて学ぶ。データドリブンな思考法を実例を通じて理解する。

English
Students will learn how to formulate hypotheses and derive meaningful insights from data, developing data-driven thinking through practical examples.

⸻

【第4回】データ収集・加工・探索

Data Collection, Processing, and Exploration

日本語
データ分析における前処理の重要性を理解し、データ収集、加工、探索的データ分析（EDA）の基本手法を学ぶ。

English
This session covers essential techniques for data collection, preprocessing, and exploratory data analysis (EDA), highlighting their importance in the analytical process.

⸻

【第5回】Pythonコーディングの復習①

Python Basics (1)

日本語
Pythonを用いたデータ分析の基礎的なコーディングを復習する。分析に必要な文法や基本ライブラリの使い方を確認する。

English
This session reviews basic Python coding skills required for data analysis, including essential syntax and commonly used libraries.

⸻

【第6回】Pythonコーディングの復習②

Python Basics (2)

日本語
Pythonによるデータ処理および分析の実践的なコーディングを行う。後半で扱う機械学習・深層学習に向けた準備を行う。

English
Students continue practicing Python coding for data processing and analysis, preparing for subsequent machine learning and deep learning topics.

⸻

【第7〜10回】画像認識

Image Recognition

日本語
深層学習を用いた画像認識技術について体系的に学ぶ。
畳み込みニューラルネットワーク（CNN）の理論的背景、代表的な解析手法、アルゴリズム構造、ならびに商用・オープンソースの共有モジュールについて理解する。
あわせて、画像認識AIのビジネス活用事例を通じて、実社会への応用を考察する。

English
This module provides a systematic introduction to image recognition using deep learning. Students will learn the theoretical foundations of convolutional neural networks (CNNs), major analytical approaches, algorithmic structures, and widely used commercial and open-source modules. Practical business applications are also discussed.

⸻

【第11〜14回】自然言語処理

Natural Language Processing

日本語
自然言語処理（NLP）の基礎から最新技術までを体系的に学ぶ。
自然言語処理の歴史的発展を概観した後、テキスト前処理、ストップ語解析、TF-IDFおよびEmbeddingによる表現手法を学ぶ。
さらに、BERTopicによるトピック分析や、Transformerを基盤とする最新の言語モデルについて理解を深め、実データを用いた演習を行う。

English
This module covers natural language processing (NLP) from foundational concepts to state-of-the-art techniques. Topics include text preprocessing, stop-word analysis, TF-IDF, embeddings, topic modeling with BERTopic, and modern Transformer-based language models, supported by hands-on exercises.

⸻

【第15回】データ分析プレゼンテーション・講評会

Data Analysis Presentation and Review Session

日本語
受講者が本講義で学んだデータ分析およびAI技術を用いて行った分析結果について発表を行う。
講評およびディスカッションを通じて、分析の妥当性、示唆の質、プレゼンテーション能力を総合的に振り返る。

English
In the final session, students will present their data analysis projects using the techniques learned throughout the course. Presentations will be followed by reviews and discussions, providing comprehensive feedback.

⸻

【補足】

本講義では、アクセンチュア株式会社 が作成した教材を基幹とし、同社AI関連部門の担当者によるゲスト講演や演習サポートを予定している。

特になし

講義への出席・各回の演習により採点する

予習・復習内容については講義内で伝える

わが国では自然災害の発生が頻発化と激化の傾向を示すだけでなく、予想外のさまざまな原因による危機が増発しており行政組織さらには民間組織において危機管理に対する関心が高まっている。わが国の危機管理体制の現状を見ると、災害対策基本法にもとづいて自然災害を対象として整備されている防災体制がもっとも包括的である。本講座ではこうした現状をふまえて、自然災害への対応を基礎としながらどのような原因による危機にも一元的に対応できるわが国の社会風土に適した危機管理体制について考える。また、危機管理体制を踏まえた危機管理を支える情報システムの設計論について講義を行う。
Damage from disasters is defined by two factors: scale of hazard and social vulnerability. Two strategies exist to reduce damage from disasters - namely, crisis management as a post-event countermeasure and risk management as a pre-event measure. This course introduces students to a system for effective emergency management, consisting of response, recovery, mitigation, and preparedness.

危機管理の体制を理解し、それを支える情報システムを構築する際の検討要件について理解することを目的とする。

Understand risk and crisis management processes to maximize the capability of organizational operational continuity and requirements for effective support information system in emergency management.

[1]　危機管理とは
[2]　災害リスクコミュニケーション（１）
[3]　災害リスクコミュニケーション（２）
[4]　災害リスクコミュニケーション（３）
[5]　災害時のインフラ復旧のデザイン（１）
[6]　災害時のインフラ復旧のデザイン（２）
[7]　災害時の人間行動（１）
[8]　災害時の人間行動（２）
[9]　災害対応のための情報処理の変遷
[10]　危機管理における情報システムのデザイン（１）
[11]　危機管理における情報システムのデザイン（２）
[12]　危機管理と標準化
[13]　災害対応と通信（１）
[14]　災害対応と通信（２）
[15]　レポート試験

[1] What is emergency management?
[2] Design of disaster risk communication 1
[3] Design of disaster risk communication 2
[4] Design of disaster risk communication 3
[5] Recovery design of infrastructure in disaster 1
[6] Recovery design of infrastructure in disaster 2
[7] Human behavior in emergency 1
[8] Human behavior in emergency 2
[9] History of information processing in disaster response
[10] Design of disaster response support systems 1
[11] Design of disaster response support systems 2
[12] Standardization of disaster response
[13] Communnication system in emergency 1
[14] Communnication system in emergency 2
[15] Examination

特になし

各回にレポートを課す．その回答状況と期末レポートの内容から総合的に評価する。また、最終回の授業の際に行うレポート試験の結果により行う。

○各回のレポート課題
１）授業を聞いて自分にとって発見だったことを３つ，その理由を説明しなさい．
２）もっと説明してほしいことを１つあげ，その理由を説明しなさい．
○提出様式：LMSにて
○提出期限：翌週日曜日まで

Every after lecture, please submit short report writing following things
1) Three points you could learn in this lecture, and reason
2) What you would like to explain more?
Please submit your short report though LMS.
Deadline：Sunday of the next week

講義の翌週までに各回の小レポートを提出することで復習を行うこと。

Submit a short report about what they have learned in a lecture before next lecture.

LMSによる質問を受け付けています。

We accept questions via LMS.

「微分積分学（講義・演義）A, B」および「線形代数学（講義・演義）A, B」，または「微分積分学A, B」および「線形代数学A, B」を前提として，様々な自然科学の学習において基礎知識として必要となる，常微分方程式の数学的基礎について講義をする．主に，定数係数線形常微分方程式をはじめとする初等的に解くことのできる微分方程式についての解法，一般の線形微分方程式の解空間構造などの基本的性質，常微分方程式の数学的理論の基盤となる解の存在と一意性とそれに関連する事項について講ずる.

・定数係数線形常微分方程式をはじめとする初等的に解くことのできる微分方程式についての代表的な解法を修得する
・一般の線形常微分方程式の解空間の構造などの基本的性質について理解する
・常微分方程式の数学的理論の基盤となる解の存在と一意性とそれに関連する事項を理解する

以下の各項目について講述する．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．導入【１週】
微分方程式とは何か，物理現象などに現れる微分方程式の具体例
２．初等解法【３週】
変数分離，一階線形微分方程式，定数変化法，全微分形，積分因子，級数解法の例
３．線形微分方程式【６〜７週】
線形微分方程式（変数係数を含む）の解の空間，基本解と基本行列，ロンスキー行列，定数変化法，線形微分方程式の解法，行列の指数関数とその計算（射影行列を含む），2次元定数係数線形微分方程式の相平面図
４．常微分方程式の基本定理【３〜４週】
連続関数全体の空間とその性質（ノルム空間，完備性），逐次近似法，常微分方程式の解の存在と一意性（コーシー・リプシッツの定理），初期値に対する連続性，解の延長

特になし

主として定期試験による（詳しくは担当教員毎に授業中に指示する）．

予習・復習とともに，演習問題を積極的に解いてみることが必要である．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学的解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体となって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学的解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体となって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学的解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体となって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学的解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体となって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学的解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体となって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　微分積分学は，線形代数学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な微分積分学の基礎を解説する．
　微分積分学（講義・演義）Bでは，微分積分学（講義・演義）Aに続いて一変数関数の微分積分の理解をさらに深めた後に，多変数関数の微分積分について学ぶ．

　一変数および多変数関数の微分積分の理論的な基礎を理解すること，ならびに，それを用いた数学的解析の手法を修得して応用できるようになることを目標とする．

　この科目は講義と演義とが一体となって構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題練習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画・内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

１．級数【３〜５週】：
　無限級数（収束の判定法，絶対収束と条件収束）
　べき級数（収束半径，項別微積分）　
　関数列・関数項級数*（一様収束，項別微積分）

２．平面および空間の点集合【２週】：
　距離，点列の収束，開集合・閉集合
　連続関数

３．多変数関数の微分法【４〜５週】：
　偏微分，微分（全微分）可能性，一次近似，接平面，勾配ベクトル
　合成関数の微分（連鎖律），ヤコビ行列，ヤコビ行列式
　テイラーの定理，極値問題
　条件付き極値問題（陰関数定理）

４．多変数関数の積分法【４〜５週】：
　重積分，累次積分，変数変換公式，面積・体積
　広義積分，ガンマ関数とベータ関数

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の微分積分学（講義・演義）Aとの連続した履修を推奨する．また線形代数学（講義・演義）B を並行して受講することが望ましい．

　線形代数学は，微分積分学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な線形代数学の基礎を解説する．
　線形代数学（講義・演義）Bでは，ベクトル空間，線形写像などの基礎概念を体系的に学ぶと共に，それらの概念を行列に応用してさらに理解を深める．

　ベクトル空間，線形写像などの抽象概念を体系的に理解すること，ならびにそれを通してベクトル，行列の理論的な基礎を固めることを目標とする．その際には，ベクトルや行列等のより進んだ取り扱いに習熟することも目指す．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画、内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 抽象ベクトル空間【５〜６週】：
　一次結合，一次独立，基底，次元，部分空間，線形写像，核と像
　線形写像と行列，基底の変換，直和

2. 計量ベクトル空間【３〜４週】：
　内積，正規直交基底，直交行列，ユニタリ行列，直交補空間

3. 固有値と行列の対角化【５〜６週】：
　固有値と固有ベクトル，固有多項式，固有空間
　行列の対角化，行列の上三角化，ケーリー.ハミルトンの定理
　対称行列の直交行列による対角化
　二次形式*
　エルミート行列のユニタリ行列による対角化*

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の線形代数学（講義・演義）Aとの連続した履修を推奨する．また微分積分学（講義・演義）B を並行して受講することが望ましい．

　線形代数学は，微分積分学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な線形代数学の基礎を解説する．
　線形代数学（講義・演義）Bでは，ベクトル空間，線形写像などの基礎概念を体系的に学ぶと共に，それらの概念を行列に応用してさらに理解を深める．

　ベクトル空間，線形写像などの抽象概念を体系的に理解すること，ならびにそれを通してベクトル，行列の理論的な基礎を固めることを目標とする．その際には，ベクトルや行列等のより進んだ取り扱いに習熟することも目指す．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画、内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 抽象ベクトル空間【５〜６週】：
　一次結合，一次独立，基底，次元，部分空間，線形写像，核と像
　線形写像と行列，基底の変換，直和

2. 計量ベクトル空間【３〜４週】：
　内積，正規直交基底，直交行列，ユニタリ行列，直交補空間

3. 固有値と行列の対角化【５〜６週】：
　固有値と固有ベクトル，固有多項式，固有空間
　行列の対角化，行列の上三角化，ケーリー.ハミルトンの定理
　対称行列の直交行列による対角化
　二次形式*
　エルミート行列のユニタリ行列による対角化*

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の線形代数学（講義・演義）Aとの連続した履修を推奨する．また微分積分学（講義・演義）B を並行して受講することが望ましい．

　線形代数学は，微分積分学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な線形代数学の基礎を解説する．
　線形代数学（講義・演義）Bでは，ベクトル空間，線形写像などの基礎概念を体系的に学ぶと共に，それらの概念を行列に応用してさらに理解を深める．

　ベクトル空間，線形写像などの抽象概念を体系的に理解すること，ならびにそれを通してベクトル，行列の理論的な基礎を固めることを目標とする．その際には，ベクトルや行列等のより進んだ取り扱いに習熟することも目指す．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画、内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 抽象ベクトル空間【５〜６週】：
　一次結合，一次独立，基底，次元，部分空間，線形写像，核と像
　線形写像と行列，基底の変換，直和

2. 計量ベクトル空間【３〜４週】：
　内積，正規直交基底，直交行列，ユニタリ行列，直交補空間

3. 固有値と行列の対角化【５〜６週】：
　固有値と固有ベクトル，固有多項式，固有空間
　行列の対角化，行列の上三角化，ケーリー.ハミルトンの定理
　対称行列の直交行列による対角化
　二次形式*
　エルミート行列のユニタリ行列による対角化*

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の線形代数学（講義・演義）Aとの連続した履修を推奨する．また微分積分学（講義・演義）B を並行して受講することが望ましい．

　線形代数学は，微分積分学と共に現代の科学技術を支える数学の根幹をなす．この科目では，将来の応用に必要な線形代数学の基礎を解説する．
　線形代数学（講義・演義）Bでは，ベクトル空間，線形写像などの基礎概念を体系的に学ぶと共に，それらの概念を行列に応用してさらに理解を深める．

　ベクトル空間，線形写像などの抽象概念を体系的に理解すること，ならびにそれを通してベクトル，行列の理論的な基礎を固めることを目標とする．その際には，ベクトルや行列等のより進んだ取り扱いに習熟することも目指す．

　この科目は講義と演義とが一体として構成されている．
　演義は原則として隔週で開講される．演義においては，受講者は問題演習や課題学習に積極的に取り組むことにより，それまでに講義で学んだ事柄の理解を深める．
　以下に挙げるのは講義の計画、内容である．各項目には，受講者の理解の程度を確認しながら，【 】で指示した週数を充てる．各項目・小項目の講義の順序は固定したものではなく，担当者の講義方針と受講者の背景や理解の状況に応じて，講義担当者が適切に決める．講義の進め方については適宜，指示をして，受講者が予習をできるように十分に配慮する．
　以下の内容を，フィードバック回を含め（試験週を除く）全15回にて行う．

1. 抽象ベクトル空間【５〜６週】：
　一次結合，一次独立，基底，次元，部分空間，線形写像，核と像
　線形写像と行列，基底の変換，直和

2. 計量ベクトル空間【３〜４週】：
　内積，正規直交基底，直交行列，ユニタリ行列，直交補空間

3. 固有値と行列の対角化【５〜６週】：
　固有値と固有ベクトル，固有多項式，固有空間
　行列の対角化，行列の上三角化，ケーリー.ハミルトンの定理
　対称行列の直交行列による対角化
　二次形式*
　エルミート行列のユニタリ行列による対角化*

アステリスク * はオプション

特になし

演義担当教員によって平常点（演習への参加状況，課題への取組状況など）から得られた演義成績（30 点満点）をもとに，講義担当教員が期末試験を用いて，演義成績以上，100 点以下の範囲で 評価する．
教員によっては演義以外の平常点（レポート、中間試験などによるもの）を参考にすることもある．詳細は授業中に説明する．
本科目の評価が不合格であった履修者のうち，一定の基準以上の成績の者は再試験を受験できる．再試験の概要は KULASIS で履修者に通知する．なお再試験は3月末に実施予定である．

予習，復習とともに，演習問題を積極的に解いてみることが必要である．

同一クラスにおいて前期開講の線形代数学（講義・演義）Aとの連続した履修を推奨する．また微分積分学（講義・演義）B を並行して受講することが望ましい．

Linear algebra is one of the fundamental and important parts of mathematics. With Linear Algebra A and B, students are expected to understand not only the fundamental concepts of vector spaces and linear mappings, but also the concrete treatments of matrices and systems of linear equations.

The objective of this course is to introduce linear algebra concepts such as vector spaces, linear mappings, matrices and systems of linear equations.
In addition to learning linear algebra, students can learn how to discuss and present mathematical topics in English through this course.

1. Abstract Vector Spaces
(1--3) Basis, dimension, linear mappings and matrices,
(4--5) Change of bases, subspaces, direct sums, kernel and image

2. Euclidean Spaces
(6--7) Inner product, orthogonal matrices, unitary matrices,
(8--10) Orthonormal basis and orthogonal complements

3. Eigenvalues and Diagonalization of Matrices
(11--12) Eigenvalues and eigenvectors, eigenpolynomials,
(13--14) Diagonalization of symmetric matrices by orthogonal matrices (diagonalization of Hermitian matrices by unitary matrices)

The schedule is subject to change.

Total：14 classes, 1 Feedback session

Students are expected to understand Calculus with Exercises A and Linear Algebra with Exercises A.

The final grade is a comprehensive assessment based on performance in both the lecture and exercise components of the course. Students are required to attend and actively participate in both sessions to receive a passing grade. The total score is weighted as follows:
- Lecture Component (approx. 2/3 of the total grade): Evaluated by the professor in charge of lectures.
- Exercise Component (approx. 1/3 of the total grade): Evaluated by the professor in charge of exercises.

The specific evaluation criteria for both components will include a combination of the following:

1. In-class Participation: Engagement during both lecture and exercise sessions.
2. Assignments and Reports: Periodic take-home homework or technical reports.
3. Mid-term exam: A mid-term examination or equivalent evaluation may be conducted at the discretion of the instructors.
4. Final Examination: A comprehensive examination covering the course material.

The final distribution of points across these categories will be finalized based on the progression of the course.

Details will be explained in class.

To be announced.

It is advisable to attend the lecture “Calculus with Exercises B” in parallel.
Students are welcome to ask questions during, at the beginning or at the end of the class.
The instructor encourages students to arrange an appointment with him if they have questions.