Lineare Algebra und Numerische Mathematik für D-BAUG

Ähnliche Dokumente
Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG

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

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

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

Lineare Algebra und Numerische Mathematik für D-BAUG

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

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

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

Probeprüfung Lineare Algebra I/II für D-MAVT

Lineare Algebra. 1 Lineare Abbildungen

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

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.

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

Lineare Algebra für Ingenieure

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:

Herbstsemester ist es.

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra und Numerische Mathematik für D-BAUG

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

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 14: Ferienserie

Lineare Algebra und Numerische Mathematik D-BAUG Winter 2013 Prof. H.-R. Künsch. Regeln Multiple Choice:

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

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

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

Lineare Algebra II 8. Übungsblatt

Mathematischer Vorkurs

Tutorium: Analysis und Lineare Algebra

9. Übungsblatt zur Mathematik I für Maschinenbau

Musterlösung 7. D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung

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

Lösung Semesterendprüfung

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

Lineare Abbildungen und Orthonormalsysteme

3 a) Berechnen Sie die normierte Zeilenstufenform der Matrix A = normierte Zeilenstufenform:

Unter einem reellen inneren Produktraum verstehen wir einen Vektorraum V über

Serie 10: Inverse Matrix und Determinante

Probeklausur zu Mathematik 2 für Informatik

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

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

Vektorräume und Lineare Abbildungen

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

Orthonormalbasis. Orthogonalentwicklung

Inhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015

Musterlösung für die Klausur vom 31. März. (a) Wir bestimmen zunächst einen Normalenvektor von E 1 :

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

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

D-INFK Lineare Algebra HS 2016 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8. die gegebene Basis und b = die gesuchte Orthonormalbasis.

Lineare Algebra und Numerische Mathematik für D-BAUG

, v 3 = und v 4 =, v 2 = V 1 = { c v 1 c R }.

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

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

Diagonalisierbarkeit symmetrischer Matrizen

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

Vektoren. Kapitel 13 Vektoren. Mathematischer Vorkurs TU Dortmund Seite 114 / 1

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

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

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 8

Übungsaufgaben. Klausureinsicht:

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Lösbarkeit linearer Gleichungssysteme

Übungsblatt

TECHNISCHE UNIVERSITÄT MÜNCHEN Fakultät für Mathematik. Semestrale Lineare Algebra 1 Prof. Dr. F. Roesler

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

Ausgewählte Lösungen zu den Übungsblättern 4-5

TECHNISCHE UNIVERSITÄT MÜNCHEN. Lineare Algebra 1 WS 2006/07 Lösungen Blatt 13/ Probeklausur. Lösungen zur. Zentrum Mathematik

Determinante und Inverse

5 Lineare Algebra (Teil 3): Skalarprodukt

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

1 Eigenschaften von Abbildungen

Lineare Algebra I 14. Tutorium Lineare Abbildungen und Matrizen

Für die Matrikelnummer M = Dann sind durch A =

Lösungsskizzen zur Klausur zur Linearen Algebra II. Definitionen

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

Basis eines Vektorraumes

Institut für Analysis und Scientific Computing E. Weinmüller WS 2015

4. Übungsblatt zur Mathematik II für BI, MaWi, WI(BI), AngGeo

Technische Universität Berlin

b) Definieren Sie den Begriff Cauchy-Folge. c) Geben Sie zwei Beispiele für konvergente Folgen und deren jeweilige Grenzwerte an.

10.2 Linearkombinationen

Musterlösung 7 Lineare Algebra für die Naturwissenschaften

Musterlösungen zur Linearen Algebra II Übungsklausur

4 Lineare Abbildungen und Matrizen

Höhere Mathematik I. Variante A Musterlösung

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

Serie 8: Online-Test

Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen

Brückenkurs Mathematik. Mittwoch Freitag

1 Definitionen: 6 Punkte gesamt

Transkript:

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 lineare Abbildung nicht beschrieben durch eine Matrix sondern durch andere Ö a Operationen In diesem Beispiel betrachten wir für a a a 3 R 3 \ {} die Abbildung wobei für das Vektorprodukt steht F : R 3 R 3, F (x) a x, a) Überprüfen Sie, dass es sich bei F um eine lineare Abbildung handelt Lösung: Zu überprüfen ist: Für x, y R 3, α R gilt: F (x + αy) F (x) + αf (y) Konkret erhalten wir: Sei z x + αy Dann gilt: F (x + αy) F (z) Def F a z Def Def z Ö a a a 3 Ö a z 3 a 3 z Ö z z z 3 a 3 z a z 3 a z a z Ö a (x 3 + αy 3 ) a 3 (x + αy ) a 3 (x + αy ) a (x 3 + αy 3 ) a (x + αy ) a (x + αy ) Ö a x 3 a 3 x Ö a y 3 a 3 y a 3 x a x 3 a x a x Def a x + αa y F (x) + αf (y) + α a 3 y a y 3 a y a y b) Was ist die Abbildungsmatrix von F bezüglich der Basis e (,, ) T, e (,, ) T, e 3 (,, ) T? 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 Serie Seite Aufgabe

Lösung: Man berechnet leicht: Ö F e a 3 e + a 3 e + ( a ) e 3 a Ö a3 F e ( a 3 ) e + e + a e 3 a Ö a F e 3 a a e + ( a ) e + e 3 Damit erhalten wir durch Koeffizientenvergleich die Matrixdarstellung Ö a3 a A a 3 a a a Nebenbei sehen wir, dass diese Matrix schiefsymmetrisch ist, das heisst A A c) Bestimmen Sie Kern(F ) Tipp: Den Nullraum kann man F direkt ansehen oder auch einfach dadurch bestimmen, dass man den Kern der Darstellungsmatrix ausrechnet Lösung: Geometrische Überlegung: Für x R 3 liefert uns F (x) a x einen Vektor, 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 für alle y R 3, Kern(F ) {x R 3 : F (x) } {x R 3 : F (x) } {x R 3 : sin α } {x R 3 : α oder α π} span(a) Wir bemerken, dass α, π bedeutet, dass es ein λ R gibt, sodass x λa Direkte Berechnung mit Darstellungsmatrix: Wir wenden den Gauss-Algorithmus an, um das LGS Serie Seite Aufgabe

Ax zu lösen Falls a 3 : Ö a3 a a 3 a á a3 a a ë a a 3 a a a a /a 3 Ö a3 a a 3 a a a (a /a 3 ) (a /a 3 ) Ö a3 a a 3 a a 3 : x 3 t R, x a a 3 t, x a a 3 t Kern(A) span(a a 3 ) span(a) Falls a 3, erhalten wir Ö a3 a a 3 a a a x Ö a a a a x und damit, falls a, x 3, x t R, x a a t Falls a, dann ist, da a, sicherlich a, und somit erhalten wir x 3, x, x t R Damit erhalten wir in jedem Fall Kern(A) span(a) d) Was ist Rang(F )? Lösung: Aus c) wissen wir, dass dim(kern(f )), und mithilfe der Dimensionsformel folgt Rang(F ) dim(bild(f )) 3 dim(kern(f )) e) Berechnen Sie x, F (x), x R 3, wobei, das Euklidische Skalarprodukt im R 3 bezeichnet Lösung: Da F (x) x aus den Eigenschaften des Vektorprodukts folgt, gilt F (x), x (man kann dies auch explizit berechnen) Aufgabe a) Gegeben sei die Matrix A Ö 3 Bestimmen Sie Orthonormalbasen für Kern A und Bild A Serie Seite 3 Aufgabe

Hinweis: Bestimmen Sie zunächst eine Basis von Kern A und Bild A Wenden Sie dann in einem zweiten Schritt das Gram Schmidt Verfahren an Bei der Anwendung des Gram Schmidt Verfahrens für die Basis von Kern A kann ein einfacher Taschenrechner verwendet werden Lösung: Wir definieren die Spalten der Matrix (a, a, a 3, a ) Kern A {x R Ax }, Bild A {y R 3 es existiert ein x R, so dass y Ax} Aus dem Buch auf Seiten -3 wissen wir, dass gilt: b Bild A Ax b besitzt mindestens eine Lösung x Kern A x löst Ax dim(bild A) + dim(kern A) r + (n r) n ( ), wobei r Rang A Bild A span{a,, a n } ( ) Löse also zunächst Ax mit Gausselimination: Ö 3 ( ) () wähle x α R, x 3 β R Ö 3 3 x + 3x 3 3x x 3 (x x 3 ) 3 (α β) x + x + x 3 x (β 3α) á 3ë á ë 3 3 L α + β α, β R á ë á 3 ë 6 6 Kern A span, dim(kern A) ( ) dim(bild A) dim(kern A) ( ) wähle linear unabhängige Spaltenvektoren von A Aus Ödem obigen Ö Gauss-Schema sieht Öman (analog Ö wie in Aufgabe 3, Serie 6), dass dies gilt für zb, Bild Aspan, Wir wenden das Gram Schmidt Verfahren an, um eine Orthonormalbasis zu bekommen Wir beginnen á ë 3 mit Kern A Wir erhalten, dass der Vektor a 6 die Norm a» a, a Serie Seite Aufgabe

9 + 36 + 6 hat Daher ist á ë 3 a a a 6 6 Wir führen einen Schritt des Gram Schmidt Verfahrens durch: á ë á ë á ëω 3 a 6 6 6, á 6 ë 39 6 á 3 6 ë 6 á 56/6 3/6 56/6 á 3 6 Man berechnet mit einem Taschenrechner, dass a 6 7/6 Daher á ë 33 a 6 7 6 39 Für die Basis von Bild A verfahren wir auch mit Gram Schmidt: Es gilt, dass der Vektor b Ö die norm b hat Daher Ö / b / Weiter Ö ±Ö b, Ö ª ë Ö ë Da b, gilt Ö Ö Ö b Ö Alternativ: Für die Bestimmung einer Orthonormalbasis von Bild A war unsere Wahl von linear unabhängigen Spalten der Matrix A systematisch (die Pivotspalten) Alternativ hätte man die Ö Ö Spaltenvektoren und 3 hätte dies die Rechnung abgekürzt wählen können Da diese bereits orthogonal zueinander sind, Serie Seite 5 Aufgabe

b) Betrachten Sie die folgende lineare Abbildung F von R in sich x Ç å x x F x Ç x + x x x Durch welche Matrix A wird F (in der Standardbasis des R ) beschrieben? Untersuchen Sie, wie sich Abbildung F auf die Norm eines Vektors auswirkt, dh vergleichen Sie F (x) und x für alle x R Lösung: Wir bestimmen die Matrix wie auf Seiten im Buch beschrieben Wir bestimmen die Bilder der Standardbasis e, e : å ÇÇ F (e ) F åå Ç å : a ÇÇ F (e ) F åå Ç å : a Da diese den Koordinaten bezüglich der Standardbasis entsprechen, wird F durch die Matrix A (a, a ) Ç å beschrieben Wir berechnen, dass Ç Ç å F (x) (x + x )å + (x x ) (x + x + x x + x + x x x ) x + x x Damit gilt F (x) x, was bedeutet, dass F längentreu ist Aufgabe 3 Multiple Choice: Linearität von Abbildungen Entscheiden Sie bei den folgenden neun Abbildungen, ob diese linear sind oder nicht, und geben Sie eine Begründung an 3a) F : R R 3, (x, y) (x + y, x, ) Serie Seite 6 Aufgabe 3

Eine Abbildung F : V W zwischen zwei reellen Vektorräumen V und W heisst linear, falls für alle x, y V und α R gilt F (x + y) F (x) + F (y), F (αx) αf (x) Für eine Abbildung der Form F : R n R m, v AF v, wobei A eine m n-matrix ist, sind diese Eigenschaften erfüllt Diese erste Abbildung und die dritte, vierte und fünfte Abbildung sind von dieser Form für die Matrizen Ö Ö,, (), () Daher sind diese Abbildungen linear 3b) F : R R 3, (x, y) (x + y, x, ) (ii) F ist nicht linear Jede lineare Abbildung muss Null auf Null abbilden, das heisst, F () für jede lineare Abbildung F : V W (V, W seien Vektorräume) Dies folgt direkt aus der Linearität (siehe Erklärung zur ersten Abbildung) Sie bedingt nämlich unter anderem, dass F () F (+) F ()+F () und, nach Subtraktion von F (), also F () Für die vorliegende Abbildung (und die sechste und achte Abbildung) ist dies nicht erfüllt Wir rechnen nach: F () (,, ) (,, ) ; die Abbildung ist also nicht linear 3c) F : R R 3, Ç x yå Ö Çx å y Siehe Erklärung zur ersten Abbildung 3d) F : R R, x Siehe Erklärung zur ersten Abbildung Serie Seite 7 Aufgabe 3

3e) F : R R, F die Identität Siehe Erklärung zur ersten Abbildung 3f) F : R R, x (ii) F ist nicht linear Falsch: F () ; siehe Erklärung zur zweiten Abbildung 3g) F : C (R) R, h h () (Hier bezeichnet C (R) die Menge aller zweimal stetig differenzierbaren Funktionen auf R) Die Linearität folgt aus den Ableitungsregeln: Es gilt (g + h) g + h und (αh) αh für alle g, h C (R) und α R 3h) F : R R, F beschreibt die Spiegelung an der Geraden y x + (ii) F ist nicht linear Falsch: F () (, ) ; siehe Erklärung zur zweiten Abbildung 3i) F : R C (R), (x, y) h, wobei h diejenige Linearkombination der Funktionen sin und cos ist, deren Graph durch die Punkte (, x) und (, y) geht (Hier bezeichnet C (R) die Menge aller unendlich oft stetig differenzierbaren Funktionen auf R) Serie Seite 8 Aufgabe 3

Das Bild von (x, y) unter dieser Abbildung ist gleich α sin +β cos, wobei (α, β) die Lösung des linearen Gleichungssystems ist Dieses hat die eindeutige Lösung Somit ist F durch gegeben und es gilt α sin( ) + β cos( ) x α (x, y) α sin() + β cos() y y x sin, β x + y cos y x sin sin + x + y cos cos F Ä (x, y) + (x, y ) ä F Ä (x + x, y + y ) ä sowie für α R Somit ist F linear F Ä α(x, y) ä F Ä (αx, αy) ä (y + y ) (x + x ) sin + (x + x ) + (y + y ) cos sin cos y x sin sin + x + y cos cos + y x sin sin + x + y cos cos F Ä (x, y) ä + F Ä (x, y ) ä Å αy αx + αy y x sin +αx sin cos cos α sin sin + x + y ã cos cos αf Ä (x, y) ä Aufgabe Abbildungsmatrix einer Polynomabbildung Sei P 3 der Vektorraum der Polynome auf R vom Grad kleiner oder gleich 3 Gegeben sei folgende Abbildung: P F : 3 P 3 p(t) p (t) + tp (t) a) Zeigen Sie, dass F eine lineare Abbildung ist Lösung: Wir rechnen für α R und p(t), q(t) P 3 die Linearität von F direkt nach: und (L): F (p(t) + q(t)) (p(t) + q(t)) + t(p(t) + q(t)) p (t) + q (t) + tp (t) + tq (t) (p (t) + tp (t)) + (q (t) + tq (t)) F (p(t)) + F (q(t)) (L): F (αp(t)) (αp(t)) + t(αp(t)) αp(t) + αtp(t) α(p(t) + tp(t)) αf (p(t)) Serie Seite 9 Aufgabe

b) Bestimmen Sie die Abbildungsmatrix A von F bezüglich der Monombasis B {, t, t, t 3 } von P 3 Lösung: Die Koordinaten der Bilder der Basis bilden die Spalten der Abbildungsmatrix Wir erhalten somit A F (), F (t) t, F (t ) + t t + t, F (t 3 ) 6t + t 3t 6t + 3t 3 á ë 6 3 c) Bestimmen Sie die Abbildungsmatrix A von F bezüglich der Basis B { + t 3, t t, t + t 3, t 3 } P 3 Lösung: Wir könnten hier analog zur vorherigen Teilaufgabe vorgehen, wollen aber eine Lösung via Basiswechsel präsentieren Wie wir wissen, gilt A T A T Dabei bezeichnet T die Matrix zum Basiswechsel von der Basis B in die Basis B Wir benennen die Basisvektoren der Basis B mit b, b, b 3, b und die Basisvektoren der B mit b, b, b 3, b Um die Abbildungsmatrix des Basiswechsels von der Basis B in die Basis B zu erhalten, betrachten wir die Bilder der Basisvektoren unter der Identitätsabbildung I Wir erhalten das Allgemein gilt, dass für j,, Daher lesen wir ab, dass I(b ) b b + b I(b ) b b b 3 I(b 3) b 3 b + b 3 I(b ) b b I(b j) T j b + T j b + T 3j b 3 + T j b T á ë Für die Abbildungsmatrix T gehen wir genauso vor: I (b ) b b b I (b ) b b + b 3 b I (b 3 ) b 3 b 3 b I (b ) b b Serie Seite Aufgabe

Allgemein gilt, dass für j,, Daher ist I (b j ) T j b + T j b + T 3j b 3 + T j b T á ë Als Test überprüft man leicht, dass T T I Also ist T die Inversematrix von T Eine kurze Rechnung liefert nun á ëá ëá ë 6 A 3 á ë 6 6 6 6 8 6 3 3 7 3 Veröffentlichung am 6 Dezember 6 Abzugeben bis Dezember 6 Serie Seite Aufgabe