Lineare 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

Ähnliche Dokumente
Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 6. Aufgabe 6.1. Dr. V. Gradinaru K. Imeri. Herbstsemester 2018.

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

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru T. Welti. Herbstsemester 2017.

Lineare Algebra und Numerische Mathematik für D-BAUG

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

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

Lineare Algebra und Numerische Mathematik für D-BAUG

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

D-MATH Lineare Algebra und Numerische Mathematik HS 2013 Prof. R. Hiptmair. Serie 9

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

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

Lineare Algebra und Numerische Mathematik für D-BAUG

Lösung zu Serie [Aufgabe] Zeige: Das folgende Diagramm kommutiert insgesamt genau dann, wenn alle 6 Teilquadrate kommutieren.

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41. : x i R, 1 i n x n

Kapitel 3. Vektorräume. Josef Leydold Mathematik für VW WS 2017/18 3 Vektorräume 1 / 41

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

Lineare Algebra und Numerische Mathematik für D-BAUG

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

Lineare Algebra und Numerische Mathematik für D-BAUG

Probeprüfung Lineare Algebra I/II für D-MAVT

Lineare Algebra und Numerische Mathematik für D-BAUG. Serie 13

Für die Matrikelnummer M = Dann sind durch A =

LINEARE ALGEBRA II. FÜR PHYSIKER

Herbstsemester 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:

Musterlösung 7 Lineare Algebra für die Naturwissenschaften

Lineare Algebra II 8. Übungsblatt

Herbstsemester ist es.

1. Übungsblatt: Lineare Algebra I Abgabe: 1. November 2001 in den Übungsgruppen

32 2 Lineare Algebra

Klausurvorbereitungsblatt Lineare Algebra

Lineare Algebra. 7. Übungsstunde. Steven Battilana. battilana.uk/teaching

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen zur Linearen Algebra 1

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

3. Übungsblatt zur Lineare Algebra I für Physiker

Übungen zu Einführung in die Lineare Algebra und Geometrie

Dr. V. Gradinaru D-ITET, D-MATL, RW Winter Basisprüfung Lineare Algebra Total 6 P 6 P 6 P 6 P 6 P 6 P 36 P

Grundlagen der Mathematik 1

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

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

Nachklausur (Modulprüfung) zum Lehrerweiterbildungskurs 6 Lineare Algebra/Analytische Geometrie I WiSe 2016/17

Lineare Algebra und Numerische Mathematik für D-BAUG

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

auf C[; ] sind linear III Formale Dierentiation und Integration: Die Abbildungen und a + a t + + a n t n a + a t + + na n t n a + a t + + a n t n an a

Technische Universität Berlin Fakultät II Institut für Mathematik WS 05/06 Prof. Dr. Michael Scheutzow 20. Februar 2006

Lösung Serie 11: Lineare Gleichungssysteme, Gauss-Elimination & LR-Zerlegung

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

Lösung zum 2. Übungsblatt

Klausurenkurs zum Staatsexamen (SS 2016): Lineare Algebra und analytische Geometrie 5

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 8. Aufgabe 8.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand. Herbstsemester 2014

5 Lineare Algebra (Teil 3): Skalarprodukt

Mathematik II für Studierende der Informatik (Analysis und lineare Algebra) im Sommersemester 2018

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

Lineare Algebra. 1 Lineare Abbildungen

Lösbarkeit linearer Gleichungssysteme

Aufgaben zur linearen Algebra und analytischen Geometrie I

Lineare Algebra II 11. Übungsblatt

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud.

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

1. Übungsblatt: Lineare Algebra II Abgabe: 8./ in den Übungsgruppen

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5

Übungen zur Linearen Algebra 1 Probeklausur Musterlösung: Aufgabe A

Lineare Algebra und Numerische Mathematik für D-BAUG

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

4.3 Bilinearformen. 312 LinAlg II Version Juni 2006 c Rudolf Scharlau

Aufgabenpool. Woche 1 Aussagenlogik. Woche 2 Mengen und Funktionen. Lineare Algebra und Geometrie I SS 2015

4 Lineare Abbildungen und Matrizen

Aufgaben zur Vorlesung: Lineare Algebra und analytische Geometrie I

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

2.2 Kern und Bild; Basiswechsel

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

2. Dezember Lineare Algebra II. Christian Ebert & Fritz Hamm. Skalarprodukt, Norm, Metrik. Matrizen. Lineare Abbildungen

8 Lineare Abbildungen und Matrizen

Lineare Algebra und Numerische Mathematik für D-BAUG

Mathematik I. Vorlesung 12. Lineare Abbildungen

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Vektorräume und Lineare Abbildungen

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

a 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,

Klausur (Modulprüfung) zum Lehrerweiterbildungskurs Lineare Algebra/Analytische Geometrie I WiSe 2015/16

β 1 x :=., und b :=. K n β m

12 Lineare Algebra - Übersicht. Themen: Unterräume Lineare Abbbildungen Gauß-Algorithmus Eigenwerte und Normalformen

Höhere Mathematik I. Variante B

Kapitel 3 Lineare Algebra

Lineare Algebra und Numerische Mathematik D-BAUG Sommer 2014 Prof. R. Hiptmair. Name a a Note Vorname Studiengang Leginummer Datum

Lineare Algebra für Ingenieure

Lineare Algebra für PhysikerInnen Teil 2

Tutorium: Analysis und Lineare Algebra

7.3 Unitäre Operatoren

TECHNISCHE UNIVERSITÄT MÜNCHEN. Basisdarstellung und das Skalarprodukt (Teil 2)

Musterlösung Serie 8

Lineare Algebra I Zusammenfassung

1. Übungsblatt: Lineare Algebra II Abgabe: 24./ in den Übungsgruppen

Diagonalisierbarkeit symmetrischer Matrizen

Transkript:

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 mit x, a, b R Falsch F(x + y) = ax + ay + b ax + ay + b = F(x) + F(y) für b (ii) F : x Ax + b mit x R n, A R m n und b R m Falsch F(x + y) = Ax + Ay + b Ax + Ay + b = F(x) + F(y) für b (iii) F : x Ax mit x R n, A R m n Richtig Für alle A R m n, x, y R n, α R gilt: F(x + y) = A(x + y) = Ax + Ay = F(x) + F(y) F(αx) = A(αx) = α(ax) = αf(x) (iv) F : x x + x mit x R Falsch F(x + y) = (x + y) + (x + y) x + x + y + y = F(x) + F(y) für mindestens ein x, y (v) F : x exp(x) mit x R Falsch F(x + y) = exp(x + y) = exp(x) exp(y) exp(x) + exp(y) = F(x) + F(y) für mindestens ein x, y (vi) F nimmt eine Funktion f aus der Menge der stetigen Funktion von [, ] nach R, notiert als C([, ]), und gibt die Funktion x x f(t)dt in C([, ]) zurück Richtig Für alle f, g C([, ]) und alle α R gilt: ( x ) F(f + g) = x f(t) + g(t)dt = F(αf) = ( x x ( x x ) ( αf(t)dt = x α f(t)dt + x x ) g(t)dt = F(f) + F(g) ) f(t)dt = αf(f) Seite

7b) Wir betrachten die Ebene E in R, gegeben durch x = x, und die lineare Abbildung F : R R, die jedes x R senkrecht auf E projiziert Welche Aussagen treffen zu? (i) Die Matrix A, welche F bezüglich der Standardbasis beschreibt, lautet (ii) Die Matrix A, welche F bezüglich der Standardbasis beschreibt, lautet Lösung: Betrachte die Standardbasis e (), e (), e () Da e () bereits in E liegt, folgt: ( F e ()) = e () = =: a () Um F(e () ), F(e () ) zu bestimmen, betrachte die Ebene {x = (siehe Bild) Die Abbildung F projiziert e () (bzw e () ) senkrecht auf E (also parallel zu (,, ) ) Es folgt aus dem Bild (zb mit Pythagoras) und aus Symmetriegründen, dass ( F e ()) ( = F e ()) = =: a () = a () Es folgt A = Seite

7c) Gegeben ist ein Autokonstruktionsroboter, welcher immer die gleiche Drehung mit einem Stoss durchführt, um ein Element in die Karosserie einzufügen Die dazugehörige lineare Abbildung ist F : R R, die jedes (x, x, x ) R x auf x abbildet Nun, der Roboter operiert x 5 nicht bezüglich unserer Standardbasis, sondern bezüglich der Basis, 5, Welche Aussagen 7 treffen zu? (i) Die Matrix A, welche F bezüglich der Standardbasis beschreibt, lautet 65 65 5 5 4 5 5 55 (ii) Die Matrix A, welche F bezüglich der Standardbasis beschreibt, lautet 65 75 75 45 55 45 4 Lösung: Sei k B der Basiswechsel der einem Vektor inder Standardbasis die Koordinaten in der vom 5 Roboter gehandhabten Basis, also B =, 5,, wiedergibt Damit haben wir folgendes Diagramm: 7 R B k B F R B k B R Ges lin Abb Std Basis R Std Basis Um k B zu bestimmen, nutzen wir, dass B bereits in der Standardbasis ausgedrückt wird, das heisst k B ((,, ) ) = (,, ), k B ((,, ) ) = (5, 5, 7), k B ((,, ) ) = (,, ) Somit ist die zu k B zugehörige Matrix 5 5 Somit folgt, dass die zu k B zugehörige Matrix, die Inverse zu der Matrix von k B ist Die 7 Inverse finden wir durch Lösen von 5 5 7 9 5 Mittels Gausselimination erhalten wir Dies ist die Matrix, bezüglich k B Um die gesuchte 5 5 lineare Abbildung zu erhalten, folgen wir dem Diagramm und erkennen, dass die lineare Abbildung durch k B F k B ausgedrückt wird Die dazugehörige Matrix erhalten wir also durch 5 9 5 5 = 65 75 75 45 55 45 7 5 5 4 Bemerkung: Die falsche Matrix in der Aufgabe stammt aus der Berechnung von k B F k B Seite

Aufgabe 7 Koordinatentransformation zur geometrischen Interpretation Gegeben sei der Vektorraum V = R mit der Standardbasis Die Matrix 5/6 /6 / A = /6 5/6 / / / / definiert eine lineare Abbildung von V nach V 7a) Durch die Wahl der neuen Basis,, werden neue Koordinaten eingeführt Bestimmen Sie die Matrix T der Koordinatentransformation, welche neue Koordinaten in alte überführt Lösung: Bezeichne mit x die alten Koordinaten und mit y die neuen: x = T y = y t () + y t () + y t () y = y + y + y = y {{ y =:T 7b) Durch welche Matrix à wird die lineare Abbildung in den neuen Koordinaten (in W = R mit der neuen Basis in W ) beschrieben? Lösung: Es gilt also à = T AT, wobei AT = 5 6 6 6 5 6 x V T y W A à x V T y W = Statt T zu berechnen, lösen wir T à = AT mit Gausselimination nach à auf (das ist effizienter!): (E) 6 Durch Rückwärtseinsetzen erhalten wir (E) à = Seite 4 5

7c) Interpretieren Sie die Abbildung in den ursprünglichen Koordinaten (in V ) geometrisch Lösung: à ist die Darstellung der linearen Abbildung in den neuen Koordinaten Aus der Diagonalform von à kann man sehen, dass es sich in diesen neuen Koordinaten um eine Projektion entlang des Basisvektors e () auf die Ebene, die durch die zwei Basisvektoren e () und e () aufgespannt wird, gefolgt durch eine Punktspiegelung um den Nullpunkt handelt In den alten Koordinaten ist A somit eine Projektion entlang t () = auf die Ebene { span t (), t () = span,, gefolgt durch eine Punktspiegelung um den Nullpunkt (oder äquivalent dazu, da t () orthogonal zu t () und t () steht: gefolgt durch eine Drehung um 8 Grad um die t () -Achse) Aufgabe 7 Matrixdarstellung einer linearen Polynomabbildung Seien G = span{, t, t 4 und U = span{t, t zwei Vektorräume Betrachten Sie die folgende Abbildung A von G nach U : A : G U x tx 7a) Zeigen Sie, dass A eine lineare Abbildung ist Lösung: Zunächst ist A wohldefiniert in den angegebenen Räumen, da t() = U, t(t ) = t U und t(t 4 ) = t U Ausserdem gilt für alle x, y G, α R, dass Somit ist A linear A(x + αy) = t(x + αy ) = tx + αty = Ax + αay 7b) Durch welche Matrix A wird A beschrieben, wenn wir die Monome als Basen in beiden Räumen verwenden? Lösung: Es gilt und somit A =, At = t, At 4 = t A = [ ] 7c) Zeigen Sie, dass {p, p, p und {q, q Basen von G beziehungsweise U sind, wobei p (t) = + t, p (t) = t, p (t) = + t + t 4, q (t) = t und q (t) = t + t Lösung: Es gilt = (p +p )/, t = (p p )/ und t 4 = p t = p (p +p )/ (p p )/, sowie t = q, t = (q q )/ Somit ist span{p, p, p = span{, t, t 4 = G und span{q, q = span{t, t = U Da dim G = und dim U =, muss es sich um Basen handeln Um zu zeigen, dass dim G =, ist es hinreichend, lineare Unabhängigkeit von, t und t 4 nachzuweisen Nehmen wir also an, dass α, β, γ R existieren, so dass α + βt + γt 4 = G für alle t R Indem wir t = setzen, erhalten wir α =, das heisst, t (β + t γ) =, t R Dies impliziert β = γt für alle t, was ein Widerspruch ist Analog zeigt man dim U = Seite 5

7d) Welches ist die neue Matrix B, die A nach diesem Basiswechsel (die neuen Basen sind in Teilaufgabe 7c) gegeben) beschreibt? Lösung: Die (neue) Basis q, q schreibt sich in der (alten) Basis t, t mittels der Matrix [ ] C = und analog beschreibt D = die (neue) Basis p, p, p mittels (der alten), t, t 4 Wir erhalten für die Darstellung B von A in den neuen Basen [ ] B = C 6 AD = 6 Aufgabe 74 Polynomielle Projektion In dieser Aufgabe betrachten wir den Polynomraum P d ([, ]) der Polynome vom Grad kleiner oder gleich d auf dem Interval [, ] für d N Er ist ausgestattet mit dem Skalarprodukt und der Monombasis p, q := p(t)q(t) dt, für alle p, q P d ([, ]), {t, t t, t t,, t t d Weiter seien die linearen Abbildungen L d : P d ([, ]) R definiert durch [ ] p( ) L d (p) =, p P p() d ([, ]) Schliesslich sind die ersten drei der sogenannten Legendre-Polynome gegeben durch P (t) =, P (t) = t, P (t) = 5 (t ) Wir betrachten nun Konzepte, wie sie im Zusammenhang mit der Diskussion linearer Abbildungen in der Vorlesung besprochen worden sind, für diesen Polynomraum 74a) Geben Sie die Matrixdarstellung L von L bezüglich der monomialen Basis von P ([, ]) und der Standardbasis von R an Lösung: Es ist und somit gilt [ ] { L d (t i ( ) i ) = i = [ ] i gerade ] i ungerade, L = [ ] Seite 6

74b) Zeigen Sie, dass P i, P i = für i = {,, und P i, P j = für i j { i = j Lösung: Wir müssen zeigen, dass P i, P j = für i, j =,, Da das Skalarprodukt symmetrisch ist, genügt es, die Fälle i j i j anzuschauen: P, P = P, P = dt = t t= t t dt = t = + = t= = + = 5 P, P = 8 (t ) dt = 5 9t 4 6t + dt 8 = 9 8 t5 8 t + 5 8 t = 9 t= 4 4 + 5 4 = P, P = t dt = 4 t = t= 5 5 5 P, P = 4 (t ) dt = 4 t 4 t = t= 5 5 P, P = 4 (t t) = 4 ( 4 t4 t ) = 74c) Bestimmen Sie nun die Matrixdarstellung L von L bezüglich der Basis {P, P, P von P ([, ]) und der Standardbasis des R Lösung: Wir können entweder einen Basiswechsel mit dem Resultat aus 74a) durchführen oder erhalten durch einfaches Einsetzen der Basis in die Funktion, dass 5 L = 5 t= 74d) Der Rang einer linearen Abbildung f : V W zwischen zwei Vektorräumen V und W ist definiert als die Dimension ihres Bildes f(v ) als Unterraum von W (siehe Vorlesung) Er entspricht dem Rang jeder zugehörigen Abbildungsmatrix Was ist für allgemeines d der Rang von L d? Begründen Sie Ihre Antwort [ ] ( ) Lösung: Wie wir in Aufgabe 74a) gesehen haben, gilt L d (t i i ) = Mit Gausselimination erhalten wir L d = [ ] i [ wobei L d R (d+) die Abbildungsmatrix von L d bezüglich der monomialen Basis von P d ([, ]) und der Standardbasis von R darstellt Weil der Rang von L d mit demjenigen jeder beliebigen Abbildungsmatrix von L d übereinstimmt (das heisst, es kommt nicht auf die Wahl der jeweiligen Basen an), folgt {, d = Rang L d = Rang L d =, d ], Seite 7

74e) Zeigen Sie, dass für d B Kern = {t t, t t( t ), t t ( t ),, t t d ( t ) eine Basis von Kern(L d ) ist Hinweis: Bestimmen Sie zunächst dim Kern(L d ) mithilfe der Dimensionsformel und Teilaufgabe 74d) Zeigen Sie dann, dass B Kern im Kern enthalten und linear unabhängig ist Lösung: Mithilfe von 74d) und der Dimensionsformel erhalten wir: dim P d ([, ]) = dim Kern(L d ) + dim Bild(L d ) {{ =Rang L d dim Kern(L d ) = dim P d ([, ]) Rang L d = d + = d Es bleibt also nur noch zu zeigen, dass B Kern = {p (t) = t, p (t) = t( t ), p (t) = t ( t ),, p d (t) = t d ( t ) im Kern enthalten und linear unabhängig ist Diese d linear unabhängigen Vektoren bilden dann automatisch eine Basis von Kern(L d ) B Kern Kern(L d ): L d (p i ) = [ ( ) i ( ( ) ] ) i ( = ) B Kern linear unabhängig: Seien α, α,, α d R mit d α i p i = i= Wir müssen zeigen, dass dann α = α = = α d = folgt In der Monombasis erhalten wir das Gleichungssystem α α = α d {{ R d+ d Durch sukzessives Addieren der i-ten zur i + -ten Zeile für i =,, d erhalten wir das äquivalente Gleichungssystem α α [ Id ] α d =, und somit auch die einzige Lösung α i = für i =,, d Seite 8

74f) Berechnen Sie für die Vektoren t t n P d ([, ]), n {,,, d, die jeweiligen Orthogonalprojektionen auf P ([, ]), also diejenigen Polynome in P ([, ]), deren Differenz zum ursprünglichen Polynom senkrecht zu P ([, ]), bezüglichen dem obigen Skalarprodukt, steht Hinweis: Verwenden Sie, dass sich die Orthogonalprojektion wegen dem Resultat aus Teilaufgabe 74b) leicht berechnen lassen Lösung: Aus 74b) wissen wir: B = {P, P, P ist Orthonormalbasis von P ([, ]) Somit ist die Orthogonalprojektion auf P ([, ]) für jedes p P d ([, ]) gegeben durch P P ([,])(p) = p, P j P j, j= P P ([,])(t t n ) = t t n, P P + t t n, P P + t t n, P P = ( ) also Wir berechnen { t t n, P = t n dt = n+ n gerade n ungerade { t t n, P = t n+ dt = n gerade 6 n+ n ungerade t t n, P = 5 t n (t ) dt = 5 t n+ t n dt = 5 ( n + tn+ n + tn+ ) t= { 5 = ( n+ n+ ) n gerade n ungerade und somit ( ) = = { n+ + + 5 4 ( n+ n+ )(t ) n gerade + n+ t + n ungerade { 9 4(n+) 5 4(n+) + 5 4 ( n+ n+ )t n gerade n+ t n ungerade Aufgabe 75 Zirkulante Matrizen In dieser Aufgabe betrachten wir eine spezielle Menge von Matrizen, die sogenannten zirkulanten Matrizen, die in Anwendungen, zum Beispiel in der digitalen Signalverarbeitung, eine grosse Rolle spielen Definition Eine quadratische Matrix Z R n n, n N, heisst zirkulant, wenn { (Z) i,j, falls j {,, n, (Z) i,j = i {,, n (75) (Z) i,n, falls j =, Seite 9

75a) Lösung: Schreiben Sie die Menge der zirkulanten - und -Matrizen in parameterisierter Form [ ] a a R, a a a a a a a a R, a a a a i R 75b) Wie erhält man eine Zeile bzw Spalte einer zirkulanten Matrix aus der darüber bzw links davon stehenden? Hinweis: Bringen Sie in Erfahrung, was man unter einer zyklischen Permutation versteht Lösung: Auszug aus Wikipedia: Das erste Element des Zyklus wird dabei auf das zweite abgebildet, das zweite Element auf das dritte, und so weiter bis hin zum letzten Element, das wieder auf das erste abgebildet wird Wir ersetzen Zyklus durch darüber liegende Zeile (oder vorangehende Spalte), das entspricht genau der Definition 75c) Zeigen Sie, dass die Menge Zirk n der zirkulanten n n-matrizen ein Unterraum von R n n ist Lösung: Damit Zirk n ein Unterraum aller n n-matrizen ist, muss gelten: Für Z, Y Zirk n ist auch Z + Y Zirk n Für Z Zirk n, α R ist auch αz Zirk n Beweis: W := Z + Y Einsetzen in (75) ergibt: { (Y + Z) (Z + Y ) i,j = i,j, falls j {,, n, i {,, n (Y + Z) i,n, falls j =, { (W ) i,j, falls j {,, n, (W ) i,j = i {,, n (W ) i,n, falls j =, Wir setzen W := αz und benutzen (75) analog zum vorherigen Schritt 75d) Bestimmen Sie eine Basis von Zirk n und damit dim Zirk n Lösung: Als Einstieg bestimmen wir eine Basis für die zyklischen -Matrizen Jede zyklische - Matrix lässt sich schreiben als Z = a + a + a Folglich gilt Zirk = span {[ ], [ ], [ ] Sei nun circmat(z,, z n ) die zyklische n n-matrix, welche in der ersten Zeile die Einträge z,, z n stehen hat Eine Basis für Zirk n lässt sich dann ablesen aus { Zirk n = span circmat(e () ),, circmat(e (n) ), wobei e (i) der i-te Einheitsvektor aus R n ist Seite

75e) Zeigen Sie, dass Z Y Zirk n Z, Y Zirk n Hinweis: Wenden Sie direkt Definition an und betrachten Sie ein Element des Matrixprodukts mit allgemeinen Indizes i und j Verifizieren Sie dann durch Nachrechnen (75) Lösung: Man zeigt, dass Z Y die Definition einer zirkulaten Matrix (75) erfüllt Für i, j : n n (ZY ) i,j = (Z) i,k (Y ) k,j = ((Z) i,k (Y ) k,j ) + (Z) i,n (Y ) n,j = (ZY ) i,j k= Für i, j = : (ZY ) i, = k= n (Z) i,k (Y ) k, = k= n (Z) i,k (Y ) k,n + (Z) i,n (Y ) n,n = (ZY ) i,n k= 75f) ist Zeigen Sie, dass die Inverse einer invertierbaren zirkulanten Matrix wieder eine zirkulante Matrix Hinweis: Betrachten Sie die j-te Spalte der Inversen Z einer zirkulanten Matrix Z, die natürlich erfüllt, dass Z(Z ) :,j = e (j), wobei e (j) der j-te Einheitsvektor ist Nehmen Sie nun an, dass Z zirkulant ist und erinnern Sie sich an Teilaufgabe 75b), die Ihnen sagt, wie man die (j + )-te Spalte von Z aus der j-ten erhält Was müssen Sie dann für Z(Z ) :,j+ zeigen? Verwenden Sie für Ihre Überlegungen, dass die Inverse einer Matrix eindeutig ist Lösung: Die zyklische Permutation angewandt auf einen Vektor x lässt sich als Matrix-Vektor-Operation P x schreiben: x x n x = x {{ x n x n =:P Es lässt sich leicht einsehen, dass P T P = I Man nimmt nun an, dass Z zirkulant ist und Z(Z ) :,j = e (j) erfüllt Die (j+)-te Spalte aus Z ergibt sich aus der zyklischen Permutation der j-ten Spalte (Z ) :,j+ = P (Z ) :,j Beachten Sie, dass eine zyklische Permutation angewandt auf die Spalten, gefolgt von einer zyklischen Permutation angewandt auf die Zeilen einer zirkulanten Matrix Z, wieder die Matrix Z ergibt Somit ist P T ZP = Z, siehe auch Abbildung 7 Aus diesen Überlegungen folgt P T {{ ZP (Z ) :,j = e (j) =Z P P T ZP (Z ) :,j = P e (j) (j) P {{ P T Z P (Z ) :,j = P {{{{ e =I (Z e ) (j+) :,j+ Z(Z ) :,j+ = e (j+) Induktion, die Eindeutigkeit der Inverse einer Matrix, sowie die Tatsache, dass die rechtsseitige Inverse gleich der linksseitigen Inverse einer Matrix ist, zeigen folglich, dass die Inverse einer invertierbaren, zirkulanten Matrix wieder eine zirkulante Matrix ist Seite

(a) Z (b) P T Z (c) P T ZP = Z Abbildung 7: Zyklische Permutation P angewandt auf eine zirkulante Matrix Z Seite