Institut für Analysis und Scientific Computing E. Weinmüller WS 2015

Ähnliche Dokumente
Institut für Analysis und Scientific Computing E. Weinmüller WS 2016

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Institut für Analysis und Scientific Computing E. Weinmüller WS 2015

Institut für Analysis und Scientific Computing E. Weinmüller WS 2016

Institut für Analysis und Scientific Computing Dr. E. Weinmüller SS 2015

Institut für Analysis und Scientific Computing Dr. E. Weinmüller SS 2014

Institut für Analysis und Scientific Computing E. Weinmüller SS 2014

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Lineare Algebra für Ingenieure

Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen Musterlösungen zu den Übungen

Rückblick auf die letzte Vorlesung

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

T := {σ S 4 σ 3 = Id}. a) Es seien V ein Vektorraum und Φ ein Endomorphismus von V, sodass

Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

Klausur zur Mathematik II (Modul: Lineare Algebra II)

Alle Vektoren sind hier Spaltenvektoren. Eine Matrix besteht aus nebeneinandergeschrie-

Lineare Algebra und Numerische Mathematik für D-BAUG. Winter 2016 Typ B

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra: Determinanten und Eigenwerte

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

JNF Rezept. 21. Juli 2006

Henning Krause Lineare Algebra Julia Sauter SS 2017 Klausur mit Lösungsvorschlag Jan Geuenich

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4 Lineare Algebra/Analytische Geometrie II SoSe 2016

Technische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.

Lösung zum 2. Übungsblatt

Beispiele. zum Tutorium Numerisches Rechnen und Lineare Algebra WS 2016/2017

TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF

Übungsblatt

4 Lineare Abbildungen Basisdarstellungen

Stg.: AIW BU BVT ET EUT IIW LUM MB MEC SB VT Sonstige

Fachhochschule Nordwestschweiz (FHNW) Hochschule Technik Lösungen Serie 10 (Lineare Abbildungen)

Tutorium Mathematik II, M Lösungen

Lineare Algebra und Numerische Mathematik für D-BAUG

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs 4Q Lineare Algebra/Analytische Geometrie II SoSe 2016

Aufgabe I.1 (4 Punkte) Gegeben seien die Matrix H := und die Menge L := {A R 4 4 A HA = H} Zeigen Sie:

Lösungsskizzen zur Klausur

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 6

Einige Lösungsvorschläge für die Klausur zur Vorlesung

Lineare Differentialgleichungen

Probeklausur zu Mathematik 2 für Informatik

1. Klausur zu Vektor- und Matrizenrechnung I und II WS 2009/10 und SS 2010 am Dienstag, dem 27. Juli 2010

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra II 11. Übungsblatt

Aufgaben zu Kapitel 20

Ferienkurs zur Linearen Algebra Bilinearformen, Euklidische Vektorräume und Endomorphismen

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 6

Studienrichtung: Physik / technische Mathematik, Lehramt, oder andere.

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Lineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.

1 Die Jordansche Normalform

D-MATH, D-PHYS, D-CHAB Lineare Algebra II FS 14 Manfred Einsiedler. Musterlösung 8. i=1. w 2, w 2 w 2 =

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

Trigonalisierung. Definition. 1) Sei F : V V linear, dim V = n. Dann heißt F trigonalisierbar, wenn es eine Basis B von V gibt sodass a 11 a 12..

Lineare Algebra für Physiker 11. Übungsblatt

Fachhochschule München Fachbereich 03 FA WS 2006/07. Diplomvorprüfung in Mathematik I (Lineare Algebra) Fahrzeugtechnik

{ id, falls sgn(σ) = 1, τ, falls sgn(σ) = 1,

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Klausur zur Mathematik II (Modul: Lineare Algebra II)

Tutorium: Analysis und Lineare Algebra

Lineare Algebra und Numerische Mathematik für D-BAUG. Sommer 2016

Grundlagen Kondition Demo. Numerisches Rechnen. (für Informatiker) M. Grepl P. Esser & G. Welper & L. Zhang

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

Lösungen Serie 5. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler

2. Übung: Lineare dynamische Systeme

Lineare Algebra. 12. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching

Lineare Algebra II 8. Übungsblatt

6 Eigenwerte und Eigenvektoren

Höhere Mathematik I. Variante A

Höhere Mathematik I. Variante D

10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A =

Kontrollfragen und Aufgaben zur 3. Konsultation

Lineare Algebra II (NAWI) SS2014 Übungsblatt 1

Ausgewählte Lösungen zu den Übungsblättern 4-5

KLAUSUR. Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.:

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Serie 5. ETH Zürich - D-MAVT Lineare Algebra II. Prof. Norbert Hungerbühler

6. Normale Abbildungen

Diagonalisierbarkeit symmetrischer Matrizen

Klausur zur Vorlesung Höhere Mathematik I

Lineare Algebra I/II LVA ,

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

KLAUSUR. Mathematik II (E-Techniker/Mechatroniker/W-Ingenieure) (W.Strampp) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.

5 Eigenwerte und die Jordansche Normalform

6 Eigenwerte und Eigenvektoren

Höhere Mathematik I. Variante A

Lineare Algebra I für Mathematiker Lösungen

Klausur zu Lineare Algebra I für Informatiker, SS 07

Höhere Mathematik I. Variante B

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 10. Aufgabe ETH Zürich D-MATH. Herbstsemester Dr. V. Gradinaru D.

Transkript:

Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS L I N E A R E A L G E B R A F Ü R T P H, U E (3.64). Haupttest (MO, 8..6) / Gruppe (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt. Unterlagen: eigenes VO-Skriptum. Arbeitszeit: 9 min. FAMILIENNAME Vorname Studium / Matr.Nr... 3. gesamt Punkte maximal 8 Tragen Sie bitte oben Ihre persönlichen Daten ein. Als Grundlage für die Beurteilung dienen ausschließlich die in die entsprechenden Kästchen eingetragenen Antworten. Machen Sie sich zunächst Notizen, und tragen Sie dann erst Ihre Lösung samt Zusammenfassung des Lösungweges ein! Die Größe der Kästchen ist auf die jeweilige Aufgabe abgestimmt.

Aufgabe. Seien B = {b, b, b 3, b 4 } und C = {c, c, c 3 } Basen von R 4 bzw. R 3, welche durch die Vektoren b = b = b 3 = b 4 = und definiert sind. c = c = c 3 = Sei die lineare Abbildung φ : R 4 R 3 durch die Bilder der Basisvektoren der Basis B definiert φ(b ) = c + c 3 φ(b ) = c φ(b 3 ) = c φ(b 4 ) = c + c + c 3. a) ( Punkt) Die lineare Abbildung φ kann bezüglich der beiden Basen B und C mit Hilfe der Matrix [φ(b)] C := A dargestellt werden. Geben Sie diese Matrix an. Wie direkt aus der Definition ersichtlich, lautet die gesuchte Matrix [φ(b)] C = A =. b) (3 Punkte) Nun seien zwei weitere Basen B = { b, b, b 3, b 4 } und C = { c, c, c 3 }, mit den Basisvektoren b = b b = b + b b3 = b 3 + b + b 3 b4 = b 4 + b 3 + b + b und c = c c = c + c c 3 = c 3 + c + c 3 definiert. Geben Sie die Matrixdarstellung der Abbildung φ begüglich der Basen B und C, [φ( B)] C := Ã, an. Unter Verwendung von Satz 3.9 aus dem Vorlesungsskriptum gilt à = [ φ ( B)] C = T C C [ φ ( B )] C T B B = T C C [ φ ( B )]C T B B = T C C AT B B. Es müssen also die beiden Transformationsmatrizen T C C und T B B bestimmt werden. Die einzelnen Spaltenvektoren s (i), i =,, 3, 4, der Transformationsmatrix T B B können simultan durch Lösen der Gleichungssysteme bestimmt werden. ( b, b, b 3, b 4 ) = (b, b, b 3, b 4 )(s (), s (), s (3), s (4) )

Gleiches Vorgehen wird für die Transformationsmatrix T C C verwendet. Nach dem Lösen der Gleichungssysteme ergeben sich die Transformationsmatrizen T C C = und T B B = mit deren Hilfe man die Darstellung der Abbildung φ bzgl. der Basen B und C findet, 3 3 à =. Eine Lösung mit den Basen B und C wie oben, mit Ausnahme von b3 = b + b + b 3 bzw. c 3 = c + c + c 3 wird ebenfalls akzeptiert. Dabei ergeben sich die Transformationsmatrizen und die Matrix à zu T C C = T B B = 3 3 à =. 3

c) ( Punkte) Berechnen Sie die Abbildungsmatrix bezüglich den kanonischen Basen E 3 und E 4, [φ(e 4 )] E3. Sie können dabei die Matrix A (oder Ã) verwenden oder direkt vorgehen. Hinweis: Das direkte Vorgehen spart Zeit. Die Matrix [φ(e 4 )] E3 Zusammenhangs der Abbildung φ bezüglich der Basen E 3 und E 4 kann mit Hilfe des berechnet werden und es folgt, [φ(e 4 )] E3 = T E3 CAT B E4 T E3 C = (c, c, c 3 ) und T B E4 = T E 4 B = (b, b, b 3, b 4 ). Statt die Inverse von T E4 B zu berechnen, kann man auch die entsprechenden linearen Gleichungssysteme für die Spalten s (i), i =,, 3, 4, von T B E4 (e, e, e 3, e 4 ) = (b, b, b 3, b 4 )(s (), s (), s (3), s (4) ) Damit ergibt sich die Matrix [φ(e 4 )] E3, 4 = = [φ(e 4 )] E3. Ähnlich lässt sich die Matrix [φ(e 4 )] E3 mit Hilfe der Matrix à bestimmen, 3 3 3 3 3 3 4 = = [φ(e 4 )] E3. Mit der alternativen Lösung aus Aufgabenteil b, ergibt sich 3 3 3 4 = = [φ(e 4 )] E3. 3 Alternative Lösung: Aus der Definition der Abbildung und wegen (b, b, b 3, b 4 ) = (e, e + e, e + e + e 3, e + e + e 3 + e 4 ) sowie (c, c, c 3 ) = (e, e + e, e + e + e 3 ) folgt, φ(b ) = φ(e ) = e + e + e + e 3 = e + e + e 3 φ(b ) = φ(e + e ) = φ(e ) + φ(e ) = e + e φ(e ) = e e 3 φ(b 3 ) = φ(e ) + φ(e ) + φ(e 3 ) = e φ(e 3 ) = e e φ(b 4 ) = φ(e ) + φ(e ) + φ(e 3 ) + φ(e 4 ) = 3e + e + e 3 φ(e 4 ) = 4e + e + e 3 Aus diesen 4 Beziehungen, lässt sich dann analog zum Unterpunkt a.) die Matrix [φ(e 4 )] E3 bestimmen.

Aufgabe. Betrachten Sie den euklidischen Vektorraum V = (C[, ],, ), wobei das Skalarprodukt und die Norm wie folgt definiert sind: f, g := f(x)g(x) dx, f = f, f. a ) (3 Punkte) Betrachten Sie einen Unteraum U von V mit der Basis B = {b, b } = {, x }. Orthonormieren Sie diese Basis bezüglich des obigen Skalarproduktes mit Hilfe des Verfahrens von Gram-Schmidt. Wir gehen nach Schema des Gram-Schmidt-Verfahrens vor ( w, seien die jeweils noch nicht normierten Vektoren und w, die normierten): w (x) =, w, w = w (x) = x x, = x w, w = dx = x = w (x) =. (x 4 3 x + 9 ) dx = 9 + 9 = 4 4 w (x) = 3 (x 3 ). x dx = x ( 3 x3 ) = x 3. b ) (3 Punkte) Berechnen Sie die Orthogonalprojektion u von v(x) = e x V auf den Unterraum U. Berechnung der Fourier-Koeffizienten: v, w = v, w = mit e x dx = e, e x 3 (x 3 ) = 3 ( ) 4 3 3e x e x dx = + xe x dx = ( xe + x e e + ) e x dx =. e Damit erhalten wir: u(x) = 4 4 ( ( ) 4 3 3e) x 3 +. e

4 Aufgabe 3. Gegeben sei die Matrix: A = 4 3 3 a ) Berechnen Sie die Jordansche Normalform J und die dazugehörige Transformationsmatrix X. a): P. det(a λi) = ( λ 3)(( λ) 6) = ( λ)(λ + 3) = λ, = 3, n =, g λ 3 =, n 3 = = g 3, 4 4 (A λ I) v = 4 4 3 v = v = s, s. Für s = folgt v =. 4 4 (A λ 3 I) v 3 = 4 4 3 8 v =. v = v = s, s. Für s = folgt Da Rang(A λ I) = gilt, gibt es nur einen Eigenvektor, d.h. es gibt einen Hauptvektor: 4 4 4 (A λ I) h = v 4 4 3 h = h = + t. Für t = 4 folgt h =. 3 J = 3, X = (v, h, v ) = AX = XJ ist erfüllt 4 b ) Ist A invertierbar? (Begründung reicht aus.) b): P. A ist invertierbar, da kein Eigenwert von A ist.