Lineare Algebra und Numerische Mathematik für D-BAUG
|
|
- Hartmut Hofmeister
- vor 7 Jahren
- Abrufe
Transkript
1 P. Grohs T. Welti F. Weber Herbstsemester 5 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe. Skalarprodukt und Orthogonalität.a) Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion von ( ) ( ) auf der Vektor. (i) richtig ( ) (ii) falsch Die Orthogonalprojektion von v ( ) bezüglich des euklidischen Skalarpro- dukts, ist gegeben durch ( ) auf w v, w w, w w 5 45 ( ) ( )..b) A R n,n ist eine orthogonale Matrix genau dann, wenn ihre Spalten eine Orthonormalbasis von R n bezüglich des euklidischen Skalarprodukts bilden. (i) richtig (ii) falsch Eine Matrix a a a n A ( a () a () a (n)) a a a n... Rn,n a n a n a nn ist genau dann orthogonal, wenn A A I n gilt. Nun beachte man, dass der Eintrag von A A in der Zeile i und der Spalte j gleich dem euklidischen Skalarprodukt der Spalte i und der Spalte j ist: n n (A A) ij (A ) ik (A) kj a ki a kj a (i), a (j). k Serie Seite Aufgabe. k
2 Somit ist die Orthogonalität von A äquivalent zu a (i), a (j) (I n ) ij δ ij {, i j, i j für alle i, j n. Letzteres bedeutet genau, dass die Spalten von A eine Orthonormalbasis bezüglich des euklidischen Skalarprodukts bilden..c) Betrachte den Vektorraum R n mit dem euklidischen Skalarprodukt. Stimmt es, dass das Skalarprodukt zweier Einheitsvektoren beliebig gross sein kann? (i) richtig (ii) falsch Für zwei Einheitsvektoren v und w besagt die Cauchy-Schwarz Ungleichung (z.b. Satz 4.5 im Buch von Nipp/Stoffer) v, w v, v w, w. Daraus folgt v, w, das Skalarprodukt zweier Einheitsvektoren kann also nicht beliebig gross sein..d) Wir betrachten wieder R n mit dem euklidischen Skalarprodukt. Können wir beliebig viele paarweise orthogonale Einheitsvektoren in diesem Vektorraum finden? (i) richtig (ii) falsch Man beachte, dass paarweise orthogonale Einheitsvektoren in einem Vektorraum mit Skalarprodukt automatisch linear unabhängig sind (z.b. Satz 4. im Buch von Nipp/Stoffer). Somit kann es in einem Vektorraum der Dimension n höchstens n paarweise orthogonale Einheitsvektoren geben. Aufgabe. Gram-Schmidt Algorithmus.a) Gegeben seien die drei Vektoren a (), a (), a () Konstruieren Sie mit Hilfe des Gram-Schmidtschen Orthogonalisierungsverfahrens aus a (), a (), a () eine orthonormale Basis b (), b (), b (). Benützen Sie das euklidische Skalarprodukt in R.. Serie Seite Aufgabe.
3 .b) Finden Sie die Koordinaten x, x, x des Vektors 5 v 7 bezüglich der in a) berechneten orthonormalen Basis b (), b (), b (), d.h. v x b () + x b () + x b (). Lösung: a) Es bezeichne, das euklidische Skalarprodukt auf R. Es induziert die euklidische Norm auf R. Berechnung von b () : b () a() a (). Berechnung von b () : a (), b (), c () a () a (), b () b () b () Berechnung von b () : c() c () a (), b (), a (), b (), +., c () a () a (), b () b () a (), b () b () + b () c() c (). Serie Seite Aufgabe.
4 b) Man kann natürlich die Matrix B (b (), b (), b () ) definieren und Bx v nach x mit Gauss lösen. Weil b (), b (), b () eine orthonormale Basis bildet, wissen wir aber aus der Vorlesung, dass sich v als v v, b () b () + v, b () b () + v, b () b () schreiben lässt. Es gilt also für die Koordinaten x, x, x : 5 x v, b (), 5 +, 7 5 x v, b (), 5 + 4, 7 5 x v, b (), Bemerkung: Das ist genau das Gleiche wie das Lösen von Bx v durch x B v (die Spalten von B sind orthonormiert, also ist B orthogonal und es gilt B B ). Die Beziehung x i v, b (i) für i,, lässt sich auch sehr leicht direkt aus dem Ansatz herleiten: v, b (i) x b () + x b () + x b (), b (i) x b (), b (i) + x b (), b (i) + x b (), b (i) x i, da (b (), b (), b () ) eine orthonormale Basis ist. Aufgabe. Velofahrer (Ausgleichsrechnung) Ein trainierter Velofahrer fährt innerhalb einer Woche zwischen den Städten Zürich (Z), Chur (C), St. Gallen (S) und Genf (G) immer auf denselben Wegen hin und her. Dabei radelt er stets über Zürich. Er liest auf seinem Velocomputer folgende Distanzen ab: Z G S G G C C S Z C Es fällt ihm auf, dass die Strecke G C nicht der Summe der Strecken Z G und Z C entspricht und interessiert sich nun für die tatsächlichen Distanzen a, b, c. Serie Seite 4 Aufgabe.
5 .a) Lesen Sie für ihn alle Gleichungen für die Längen a, b, c der Teilstrecken Z G, Z S, Z C ab und schreiben Sie diese in der Form A(a, b, c) b. Lösung: Zu lösen ist folgendes System a 8 r a + b 9 r a + c 4 r b + c r 4 c 8 r 5 }{{} :A Ax b a b c }{{} :x } {{ } :b.b) Zeigen Sie, dass die beste approximative Lösung im Sinne der kleinsten Quadrate gegeben ist durch a 7, b und c 85. Lösung: Es gibt nun verschiedene Ansätze, zu zeigen, dass a 7, b und c 85 die beste approximative Lösung im Sinne der kleinsten Quadrate darstellen. Sei dafür x : (a, b, c ). Lösen wir im Sinne der kleinsten Quadrate, also sodass so erhalten wir folgendes Gleichungssystem: argmin x R Ax b, A Ax A b (..) (durch Ableiten von Ax b und bestimmen der Nullstelle). Setzen wir die Zahlen ein, erhalten wir 7 A A, A b Gausselimination c b + c 8 b 4. a + b + c a Also repräsentiert x tatsächlich die Bestapproximation. 8 7 Eine weitere Möglichkeit ist und das ist die schnellere Variante direkt zu zeigen, dass gilt indem wir x in die Gleichung einsetzen. A (Ax b), Serie Seite 5 Aufgabe.
6 .c) Wir nehmen nun an, dass die exakten Distanzen a, b, c gleich a, b, c aus.b) sind. Welchen absoluten Fehler hat dann der Velocomputer in den fünf obigen Fahrten jeweils gemacht? Lösung: Durch Einsetzen der exakten Distanzen in erhalten wir den Fehlervektor (, 9,, 9. Fahrt Z-K: a 8,. Fahrt G-K: (a + b) 9 9,. Fahrt C-G: (a + c) 4, 4. Fahrt C-K: (b + c) 9, 5. Fahrt Z-C: c 8. Ax b, ), also Aufgabe.4 Betrachtung einer linearen Abbildung In dieser Aufgabe üben wir das Konzept der linearen Abbildung aus Abschnitt 5 der Vorlesung und ihrer Matrixdarstellung an einem einfachen Beispiel. Sei x R. Betrachten Sie die folgende Selbstabbildung F von R : x ( ) x x F x ( x x )..4a) Interpretieren Sie diese Abbildung geometrisch, das heisst, beschreiben Sie wie sie auf Punkte in der Ebene wirkt. Lösung: Die Abbildung dreht den Punkt x um 9 im Uhrzeigersinn um den Ursprung..4b) Zeigen Sie: F ist eine lineare Abbildung. Tipp: Dazu müssen Sie nur die Eigenschaften aus der Definition einer lineare Abbildung verifizieren. Lösung: Seien x, y R, α R beliebig. Dann gilt ( ) x + αy F(x + αy) F x + αy ( ) x + αy x αy ( ) ( ) x y + α x y F(x) + αf(y). Serie Seite Aufgabe.4
7 .4c) Durch welche Matrix A wird F bezüglich der kartesischen Basis aus Einheitsvektoren beschrieben? Tipp: Schauen Sie sich den Beweis des Satzes, der aussagt, dass jede lineare Abbildung als Matrixmultiplikation beschrieben werden kann, nochmals an. ( ) a a Lösung: Um die Matrix A zu bestimmen, berechnen wir die Bilder der kartesischen Basisvektoren e, e ( ) a ( a ) und drücken dann diese als Linearkombinationen der kartesischen Basisvektoren aus: ( ) ( )! F(e ) F( ) e + ( ) e a e + a e ( ) ( )! F(e ) F( ) e + e a e + a e Damit erhalten wir A ( ). Aufgabe.5 Das Kreuzprodukt als lineare Abbildung Oft findet man lineare Abbildung nicht beschrieben durch eine Matrix sondern durch andere Operationen. In diesem Beispiel betrachten wir für a a R \ {} die Abbildung a wobei für das Vektorprodukt steht. a F : R R, F(x) a x,.5a) Zeigen Sie, dass es sich bei F um eine lineare Abbildung handelt. Lösung: Zu zeigen ist: Für x, y R, α R gilt: F(x + αy) F(x) + αf(y). Serie Seite 7 Aufgabe.5
8 Beweis: Sei z x + αy. Dann gilt: F(x + αy) F(z) Def F a z Def Def z a a a z z z a z a z a z a z a z a z a (x + αy ) a (x + αy ) a (x + αy ) a (x + αy ) a (x + αy ) a (x + αy ) a x a x a y a y a x a x + α a x a x Def a x + αa y F(x) + αf(y) a y a y a y a y.5b) Was ist die Matrixdarstellung von F bezüglich der kartesischen Basis aus Einheitsvektoren? Welche besondere Eigenschaft sehen Sie dieser Matrix sofort an? Tipp: Erinnern Sie sich daran, dass man dazu zuerst die Bilder der Basisvektoren unter F bestimmen muss und dann deren Koordinaten. Das liefert die Spalten der Darstellungsmatrix. Lösung: Man berechnet leicht: Fe a e + a e + ( a ) e a a Fe ( a ) e + e + a e a a Fe a a e + ( a ) e + e. Damit erhalten wir durch Koeffizientenvergleich die Matrixdarstellung a a A a a. a a Wir sehen, dass diese Matrix schiefsymmetrisch ist, das heisst A A..5c) Bestimmen Sie Kern(F). Tipp: Den Nullraum kann man F direkt ansehen oder auch einfach dadurch bestimmen, dass man den Kern der Darstellungsmatrix ausrechnet. Serie Seite 8 Aufgabe.5
9 Lösung: Geometrische Überlegung: Aus der Vorlesung wissen wir, dass, für x R, uns F(x) a x einen Vektor liefert, welcher auf x und a senkrecht steht und Länge F(x) a x a x sin α hat, wobei α den Winkel zwischen a und x bezeichnet, welches der Fläche des von a und x aufgespannten Parallelogramms entspricht. Somit gilt, da y y, Kern(F) {x R : F(x) } {x R : F(x) } {x R : sin α } {x R : α oder α π} span(a) Direkte Berechnung mit Darstellungsmatrix: Falls a : Ax a z +a z z +a z a a a a x a a a a a a x a a a a a a x a a a a a a a a x a :x t R, x a a t, x a a t Kern(A) span(a a ) span(a) Falls a erhalten wir a a a a x a a a a a x a und damit, falls a, x, x t R, x a a t. Falls a, dann ist, da a, sicherlich a, und somit erhalten wir x, x, x t R. Damit erhalten wir in jedem Fall Kern(A) span(a). Serie Seite 9 Aufgabe.5
10 .5d) Was ist Rang(F)? Lösung: Aus.5c) wissen wir, dass dim(kern(f)), und mithilfe der Dimensionsformel folgt Rang(F) dim(bild(f)) dim(kern(f))..5e) Berechnen Sie x, F(x), x R, wobei, das Euklidische Skalarprodukt im R bezeichnet. Lösung: Da F(x) x aus den Eigenschaften des Vektorprodukts folgt, gilt F(x), x (man kann dies auch explizit berechnen). Aufgabe. Geometrische Interpretation einer linearen Abbildung Gegeben sei ein Einheitsvektor v des R, d. h. v. Die Matrizen A, P und H seien definiert durch A : vv, P : I vv, H : I vv, wobei I die -Einheitsmatrix bezeichnet..a) Berechnen Sie A, P, H. Lösung: Es ergibt sich Folgendes: A v }{{} v v v vv A, v P (I A) I A + A A A I A P, H (I A) I 4A + 4A A A I..b) Die Matrizen A, P und H definieren lineare Abbildungen A : x R y Ax R, P : x R y Px R, H : x R y Hx R. Beschreiben Sie die Abbildungen A, P, H geometrisch. Tipp: Zerlegen Sie dazu den Vektor x in je eine Komponente orthogonal und parallel zu v, d. h. x x + x mit x (x, v)v und x x x. Lösung: Wir zerlegen x x + x, wobei x die orthogonale Projektion von x auf v darstellt. Es gilt also v x und x λv. Damit erhalten wir Ax Ax + Ax v v x }{{ +vv } λv λv(v v) x, Px (I A)x x x x, Hx (I A)x x x x x }{{} x x x x. Serie Seite Aufgabe.
11 Daher ist A die orthogonale Projektion auf v, P die Projektion auf die Ebene E, welche senkrecht zu v steht, und H die Spiegelung an E. E Hx x x P x x x v Ax x Veröffentlichung am 4. November 5. Abzugeben bis. Dezember 5. Serie Seite Aufgabe.
Lineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 6 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Das Kreuzprodukt als lineare Abbildung Oft findet man
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.
Dr. V. Gradinaru D. Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie Aufgabe..a Bezüglich des euklidischen Skalarprodukts in R ist die Orthogonalprojektion
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 9 Aufgabe 9 Finden Sie eine Basis des Lösungsraums L R 5 des linearen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 25 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8 Basen für Bild und Kern Gegeben sind die beiden 2 Matrizen:
MehrLineare Algebra für D-ITET, D-MATL, RW. Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru T. Welti
Dr. V. Gradinaru T. Welti Herbstsemester 27 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Serie Aufgabe. Multiple Choice: Online abzugeben..a) Bezüglich des euklidischen Skalarprodukts in R
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand. Herbstsemester 2014
Dr. V. Gradinaru D. Devaud A. Hiltebrand Herbstsemester 014 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8.1 8.1a) Sei die QR-Zerlegung der m n Matrix A (m
MehrD-MATH Lineare Algebra und Numerische Mathematik HS 2013 Prof. R. Hiptmair. Serie 9
D-MATH Lineare Algebra und Numerische Mathematik HS 213 Prof. R. Hiptmair Serie 9 Die Aufgaben 1. bis 6. behandeln lineare Abbildungen und deren Matrixdarstellungen bezüglich geeigneter Basen. Die Theorie
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 11. Aufgabe ETH Zürich D-MATH. Dr. V. Gradinaru D. Devaud. Herbstsemester 2015
Dr. V. Gradinaru D. Devaud Herbstsemester 015 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 11 Aufgabe 11.1 11.1a) Sei die QR-Zerlegung der m n Matrix A (m > n) gegeben
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P Grohs T Welti F Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 12 Aufgabe 121 Matrixpotenzen und Eigenwerte Diese Aufgabe ist
MehrSerie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler
Prof. Norbert Hungerbühler Serie 5 ETH Zürich - D-MAVT Lineare Algebra II. a) Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrLösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler
D-MAVT Lineare Algebra II S 8 Prof. Dr. N. Hungerbühler Lösungen Serie 5. Die Abbildung V n R n, v [v] B, die jedem Vektor seinen Koordinatenvektor bezüglich einer Basis B zuordnet, ist linear. Sei B =
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Winter 2016 Typ B
R. Käppeli T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Prüfung Winter 2016 Typ B Name a a Note Vorname Leginummer Datum 03.02.2017 1 2 3
Mehr42 Orthogonalität Motivation Definition: Orthogonalität Beispiel
4 Orthogonalität 4. Motivation Im euklidischen Raum ist das euklidische Produkt zweier Vektoren u, v IR n gleich, wenn die Vektoren orthogonal zueinander sind. Für beliebige Vektoren lässt sich sogar der
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie Aufgabe Beispiel einer Koordinatentransformation Gegeben seien zwei
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 215 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5.1 Kommutierende Matrizen In der Vorlesung und vergangenen
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.
Dr. V. Gradinaru K. Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6. Multiple Choice: Online abzugeben. 6.a) (i) Welche der folgenden
Mehr8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen
8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen 8 Euklidische und unitäre Vektorräume Skalarprodukte Orthogonalität Matrizen In diesem Kapitel werden nur endlich dimensionale
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,
MehrLineare Algebra. Mathematik II für Chemiker. Daniel Gerth
Lineare Algebra Mathematik II für Chemiker Daniel Gerth Überblick Lineare Algebra Dieses Kapitel erklärt: Was man unter Vektoren versteht Wie man einfache geometrische Sachverhalte beschreibt Was man unter
MehrLineare Algebra II 8. Übungsblatt
Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
MehrKlausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 6): Lineare Algebra und analytische Geometrie 6 6. (Herbst, Thema, Aufgabe 4) Der Vektorraum R 4 sei mit dem Standard Skalarprodukt versehen. Der Unterraum
Mehr5 Lineare Algebra (Teil 3): Skalarprodukt
5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale
MehrMathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018
(Analysis und lineare Algebra) im Sommersemester 2018 15. April 2018 1/46 Die Dimension eines Vektorraums Satz 2.27 (Basisergänzungssatz) Sei V ein Vektorraum über einem Körper K. Weiter seien v 1,...,
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrUnter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über
9 Innere Produkte In diesem Kapitel betrachten wir immer Vektorräume über dem Körper der reellen Zahlen R oder dem Körper der komplexen Zahlen C. Definition 9.1: Sei V ein Vektorraum über R. Ein inneres
Mehr2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen
Algebra und Algebra 2. Dezember 2011 Übersicht Algebra und Algebra I Gruppen & Körper Vektorräume, Basis & Dimension Algebra Norm & Metrik Abbildung & Algebra I Eigenwerte, Eigenwertzerlegung Singulärwertzerlegung
MehrFerienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte
Technische Universität München, Fakultät für Physik Ferienkurs - ineare Algebra Hanna Schäfer 03. März 04 0. inearität. f : M N, x : y = f(x) Merkinhalte. f(x + λy) = f(x) + λf(y), x, y V, λ K 3. ineare
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 7. Aufgabe 7.1. ETH Zürich D-MATH. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 7 Aufgabe 7 7a) Welche der folgenden Abbildungen sind linear: (i) F : x ax + b
MehrProbeprüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Frühling 018 Probeprüfung Lineare Algebra I/II für D-MAVT Die Prüfung dauert 10 Minuten. Sie dient der Selbstevaluation. Die Musterlösungen folgen. Die Multiple Choice
MehrMathematische Grundlagen für die Vorlesung. Differentialgeometrie
Mathematische Grundlagen für die Vorlesung Differentialgeometrie Dr. Gabriele Link 13.10.2010 In diesem Text sammeln wir die nötigen mathematischen Grundlagen, die wir in der Vorlesung Differentialgeometrie
Mehr3 Matrizenrechnung. 3. November
3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige
MehrLineare Algebra. 9. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching
Lineare Algebra 9. Übungsstunde Steven Battilana stevenb student.ethz.ch battilana.uk/teaching November, 07 Erinnerung Ein Skalarprodukt ist eine Abbildung, : E n E n E, (v, w) v, w n k v kw k so dass:
Mehr3 Vektorräume abstrakt
Mathematik I für inf/swt Wintersemester / Seite 7 Vektorräume abstrakt Lineare Unabhängigkeit Definition: Sei V Vektorraum W V Dann heißt W := LH(W := Menge aller Linearkombinationen aus W die lineare
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R Käppeli L Herrmann W Wu Herbstsemester 26 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 2 Aufgabe 2 Welche der folgenden Aussagen sind korrekt? (i) Jedes
MehrLösbarkeit linearer Gleichungssysteme
Lösbarkeit linearer Gleichungssysteme Lineares Gleichungssystem: Ax b, A R m n, x R n, b R m L R m R n Lx Ax Bemerkung b 0 R m Das Gleichungssystem heißt homogen a A0 0 Das LGS ist stets lösbar b Wenn
Mehr, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.
154 e Gegeben sind die Vektoren v 1 = ( 10 1, v = ( 10 1. Sei V 1 = v 1 der von v 1 aufgespannte Vektorraum in R 3. 1 Dann besteht V 1 aus allen Vielfachen von v 1, V 1 = { c v 1 c R }. ( 0 ( 01, v 3 =
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 16 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Prüfung Name a a Note Vorname Leginummer Datum 18.8.17 1 3 4 Total 1P 1P 1P 1P 1P P
MehrBC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2
Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra 1 Vektoralgebra 1 Der dreidimensionale Vektorraum R 3 ist die Gesamtheit aller geordneten Tripel (x 1, x 2, x 3 ) reeller Zahlen Jedes geordnete
Mehr3.3 Skalarprodukte 3.3. SKALARPRODUKTE 153
3.3. SKALARPRODUKTE 153 Hierzu müssen wir noch die Eindeutigkeit (Unabhängigkeit von der Wahl der Basis bzw. des Koordinatensystems) zeigen. Sei hierzu β eine Bilinearform und q die entsprechende quadratische
MehrLineare Algebra und Numerische Mathematik für D-BAUG
R. Käppeli L. Herrmann W. Wu Herbstsemester 2016 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Beispiellösung für Serie 6 Aufgabe 6.1 Berechnen Sie die Determinanten der beiden
MehrÜbungsblatt
Übungsblatt 3 3.5.27 ) Die folgenden vier Matrizen bilden eine Darstellung der Gruppe C 4 : E =, A =, B =, C = Zeigen Sie einige Gruppeneigenschaften: a) Abgeschlossenheit: Berechnen Sie alle möglichen
MehrLineare Algebra und Numerische Mathematik für D-BAUG
P. Grohs T. Welti F. Weber Herbstsemester 2 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Mittsemesterprüfung HS, Typ A Name a a Note Vorname Leginummer Datum 29..2 2 4 6 Total
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n
Kapitel Vektorräume Josef Leydold Mathematik für VW WS 07/8 Vektorräume / 4 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit x R n =. : x i R, i n x n und wird als n-dimensionaler
MehrKapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41
Kapitel 3 Vektorräume Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41 Reeller Vektorraum Die Menge aller Vektoren x mit n Komponenten bezeichnen wir mit R n = x 1. x n : x i R, 1 i n und
MehrKlausur zur Vorlesung Höhere Mathematik I
Name: 4. Februar 2002, 8.30-10.30 Uhr Allgemeine Hinweise: Dauer der Klausur: Zugelassene Hilfsmittel: 120 min, 2 Zeitstunden Vorlesungsmitschrift, Übungen Schreiben Sie bitte auf dieses Deckblatt oben
Mehra b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,
Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 2: Vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 19. Oktober 2011) Vektoren in R n Definition 2.1
MehrLineare Algebra und Numerische Mathematik D-BAUG. Sommer 2012 Prof. H.-R. Künsch
b Prüfung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice: Sommer Prof. H.-R. Künsch Gegeben sei die folgende Matrix A = 4. 4 (a) x AA T ist eine 4 4 Matrix mit ( AA T) = 4. AA T ist
MehrLineare Algebra II Lösungen der Klausur
Prof Dr K Doerk 673 Jens Mandavid Christian Sevenheck Lineare Algebra II Lösungen der Klausur (a Diese Aussage ist richtig, sie stimmt nämlich für k = Sei nämlich n N beliebig und bezeichne N die Menge
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016
P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Name a a Note Vorname Leginummer Datum 19.08.2016 1 2 3 4 5 6 Total 7P 11P 10P 11P
Mehr= ( n x j x j ) 1 / 2
15 Skalarprodukte 77 15 Skalarprodukte 15.1 Einführung. a) Ab jetzt sei stets K = R oder K = C, da Wurzeln eine wichtige Rolle spielen werden. b) Nach dem Satz des Pythagoras ist die Länge eines Vektors
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 13
P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Serie 13 Diese letzte Serie des Semesters befasst sich noch einmal mit wichtigen Themen
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 6
R. Hiptmair S. Pintarelli E. Spindler Herbstsemester 2014 Lineare Algebra und Numerische Mathematik für D-BAUG Serie 6 ETH Zürich D-MATH Einleitung. Diese Serie behandelt nochmals das Rechnen mit Vektoren
MehrLineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru T. Welti. Herbstsemester 2017.
Dr. V. Gradinaru T. Welti Herbstsemester 7 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 8 Aufgabe 8. Multiple Choice: Online abzugeben. 8.a) (i) Welche der folgenden
MehrLösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen
Technische Universität Berlin Sommersemester 2008 Institut für Mathematik 18 Juli 2008 Prof Dr Stefan Felsner Andrea Hoffkamp Lösungsskizzen zur Klausur zur Linearen Algebra II Aufgabe 1 (1+1+1 Punkte)
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
MehrVektorräume und Lineare Abbildungen
Vektorräume und Lineare Abbildungen Patricia Doll, Selmar Binder, Lukas Bischoff, Claude Denier ETHZ D-MATL SS 07 11.04.2007 1 Vektorräume 1.1 Definition des Vektorraumes (VR) 1.1.1 Grundoperationen Um
MehrHerbstsemester ist es.
Dr V Gradinaru K Imeri Herbstsemester 8 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 4 Aufgabe 4 Multiple Choice: Online abzugeben 4a) Gegeben seien: Dann gilt: (i)
Mehr12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen
12 Lineare Algebra - Übersicht Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen Unterräume Sei X ein Vektorraum über Ã. Eine Teilmenge M X heißt Unterraum von X, wenn
MehrT := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass
I. a) Es sei (G, ) eine abelsche Gruppe mit neutralem Element e G. Zeigen Sie, dass U := {g G g 3 = e G } eine Untergruppe von G ist. b) In der symmetrischen Gruppe S 4 definieren wir analog zu a) die
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 2: Der Euklidische Raum Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 30. Oktober 2007) Vektoren in R n Definition
MehrOrthogonale Matrix. Definition 4.19
Orthogonale Matrix Ausgleichsprobleme sind häufig schlecht konditioniert. Matrix des Normalengleichungssystems kann nahezu singulär sein. Spezielle Matrixzerlegung für höhere numerische Stabilität: QR-Zerlegung
MehrÜbungsblatt 5 : Lineare Algebra
Aufgabe 5.1 Übungsblatt 5 : Lineare Algebra Gegeben sind die folgenden Vektoren: Bestimmen Sie die Komponenten von Aufgabe 5.2 Gegeben seien die Vektoren Berechnen Sie (a) (b) (c) Aufgabe 5.3, d.h. der
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
Mehr4 Lineare Abbildungen Basisdarstellungen
4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w
Mehr8 Euklidische und unitäre Vektorräume
8 Euklidische und unitäre Vektorräume In diesem Kapitel werden nur endlich dimensionale Vektorräume über à = Ê oder à = betrachtet. Der Querstrich bezeichnet die komplexe Konjugation (z = x+iy, z = x iy).
MehrKlausur zur Vorlesung Lineare Algebra II, SoSe 2016,
Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren
MehrBeispiele. zum Tutorium Numerisches Rechnen und Lineare Algebra WS 2016/2017
Beispiele zum Tutorium Numerisches Rechnen und Lineare Algebra WS 6/7 Zur positiven Beurteilung der LV ist es notwendig, dass aus jedem der 9 Abschnitte (Lineare Gleichungssysteme, Determinanten, Vektorräume,
MehrBlatt 10 Lösungshinweise
Lineare Algebra und Geometrie I SS 05 Akad. Rätin Dr. Cynthia Hog-Angeloni Dr. Anton Malevich Blatt 0 Lösungshinweise 0 0 Aufgabe 0. Es seien die Vektoren u =, v = und w = in R gegeben. a # Finden Sie
MehrLösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.
Lineare Algebra D-MATH, HS 2014 Prof. Richard Pink Lösung zu Serie 8 1. [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren. a 1 A 1 a 2 A 2 a 3
MehrLineare Algebra. 1 Lineare Abbildungen
Lineare Algebra Die lineare Algebra ist ein Teilgebiet der Mathematik, welches u. A. zur Beschreibung geometrischer Abbildungen und diverser Prozesse und zum Lösen linearer Gleichungssysteme mit Hilfe
Mehr$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $
Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit
MehrÜbungsblatt 5 : Lineare Algebra
Mathematik I Übungsblatt 5 WS 7/8 Prof.Dr.W. Konen Dr. A. Schmitter Bereiten Sie die Aufgaben parallel zur Vorlesung so vor dass Sie in der Lage sind Ihre Lösungen vorzutragen. Übungsblatt 5 : Lineare
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrErgänzung zum HM Tutorium
Ergänzung zum HM Tutorium Patrik Hlobil Niko Kainaris Dieses Dokument erhebt keinen Anspruch auf Vollständigkeit oder Korrektheit. Es stellt keine Vorlesungszusammenfassung dar, sondern soll euch lediglich
Mehr2) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 +bx 2 +c mit a, b, c R.
Übung 6 1) Wir betrachten den Vektorraum aller Funktionen f(x) = ax 4 + bx 2 + c mit a, b, c R und nennen diesen V. Die Vektoren f 1 (x) = 2x 4 + 2x 2 + 2 und f 2 (x) = 3x 4 + x 2 + 4 sind in diesem Vektorraum
MehrHöhere Mathematik I. Variante A
Lehrstuhl II für Mathematik Prof. Dr. E. Triesch Höhere Mathematik I WiSe / Variante A Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche Aufzeichnungen von maximal DinA4-Blättern.
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrHerbstsemester a b 1. c d. e 0 f B = (iii) e = 0 (iv) ) 2 + ( 1. Das Skalarprodukt des ersten und zweiten Spaltenvektors muss null ergeben:
Dr V Gradinaru D Devaud Herbstsemester 5 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 5 Aufgabe 5 Multiple Choice: Online abzugeben Gegeben sei die orthogonale Matrix
Mehr3. Übungsblatt zur Lineare Algebra I für Physiker
Fachbereich Mathematik Prof. Dr. Mirjam Dür Dipl. Math. Stefan Bundfuss. Übungsblatt zur Lineare Algebra I für Physiker WS 5/6 6. Dezember 5 Gruppenübung Aufgabe G (Basis und Erzeugendensystem) Betrachte
MehrMathematischer Vorkurs
Mathematischer Vorkurs Dr Agnes Lamacz Mathematischer Vorkurs TU Dortmund Seite 1 / 17 Vektoren Kapitel 15 Vektoren Mathematischer Vorkurs TU Dortmund Seite 13 / 17 Vektoren 151 Denition: Vektoren im Zahlenraum
MehrSkalarprodukt, Norm & Metrik
Skalarprodukt, Norm & Metrik Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 11. Mai 2016 Stefan Ruzika 5: Skalarprodukt, Norm & Metrik 11. Mai 2016 1 / 13 Gliederung 1
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrVektoren, Vektorräume
Vektoren, Vektorräume Roman Wienands Sommersemester 2010 Mathematisches Institut der Universität zu Köln Roman Wienands (Universität zu Köln) Mathematik II für Studierende der Chemie Sommersemester 2010
MehrKapitel 17 Skalar- und Vektorprodukt
Kapitel 17 Skalar- und Vektorprodukt Mathematischer Vorkurs TU Dortmund Seite 1 / 22 Bisher hatten wir die Möglichkeit Vektoren des R n zu addieren und Vektoren mit rellen Zahlen zu multiplizieren. Man
MehrD-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 7
D-MAVT Lineare Algebra I HS 8 Prof. Dr. N. Hungerbühler Lösungen 7. Gegeben seien: A := ( ), A := 5 ( ) 3 4. 4 3 Welche der folgenden Aussagen gelten? (a) A ist orthogonal. (b) A ist orthogonal. Lösung.
Mehr7 Lineare Abbildungen und Skalarprodukt
Mathematik II für inf/swt, Sommersemester 22, Seite 121 7 Lineare Abbildungen und Skalarprodukt 71 Vorbemerkungen Standard Skalarprodukt siehe Kap 21, Skalarprodukt abstrakt siehe Kap 34 Norm u 2 u, u
Mehrb) Definieren Sie den Begriff Cauchy-Folge. c) Geben Sie zwei Beispiele für konvergente Folgen und deren jeweilige Grenzwerte an.
Repetitorium zur Ingenieur-Mathematik I, WS 00/ Aufgabe : Bestimmen Sie das quadratische Polynom, auf dessen Graph die Punkte (, 4), (0, ), (, 7) liegen. Aufgabe : a) Wann ist eine Folge konvergent (Definition)?
MehrDidaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra
A. Filler[-3mm] Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra, Teil 8 Folie 1 /27 Didaktik der Analysis und der Analytischen Geometrie/ Linearen Algebra 8. Das Skalarprodukt, metrische
Mehr1 Matrizenrechnung zweiter Teil
MLAN1 1 Literatur: K. Nipp/D. Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4. Auflage, 1998, oder neuer. 1 Matrizenrechnung zweiter Teil 1.1 Transponieren einer Matrix Wir betrachten
MehrKlausur zur Mathematik I (Modul: Lineare Algebra I) : Lösungshinweise
Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Wolfgang Mackens Wintersemester 202/20 Klausur zur Mathematik I (Modul: Lineare Algebra I 07.02.20: Lösungshinweise Sie haben 60
Mehr12. R n als EUKLIDISCHER VEKTORRAUM
12. R n als EUKLIDISCHER VEKTORRAUM 1 Orthogonalität in der Ebene. Die Vektoren in der Ebene, die (im üblichen Sinne) senkrecht zu einem Vektor x = (x 1, x 2 ) T stehen, lassen sich leicht angeben. Sie
Mehr