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

Ähnliche Dokumente
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

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 11. Aufgabe ETH Zürich D-MATH. Dr. V. Gradinaru D. Devaud. Herbstsemester 2015

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

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 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 9. Aufgabe 9.1. Herbstsemester Dr. V. Gradinaru D. Devaud A.

Lineare Algebra und Numerische Mathematik für D-BAUG

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

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

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:

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

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 4. Aufgabe 4.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.

Herbstsemester ist es.

42 Orthogonalität Motivation Definition: Orthogonalität Beispiel

Lineare Algebra. 9. Übungsstunde. Steven Battilana. stevenb student.ethz.ch battilana.uk/teaching

Probeprüfung Lineare Algebra I/II für D-MAVT

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

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

Lineare Algebra II 8. Übungsblatt

Prüfung EM1 28. Jänner 2008 A :=

5 Lineare Algebra (Teil 3): Skalarprodukt

3 Matrizenrechnung. 3. November

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

Euklidische und unitäre Vektorräume

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

Mathematik für Anwender II

3. Übungsblatt zur Lineare Algebra I für Physiker

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 2. Aufgabe 2.1. Dr. V. Gradinaru D. Devaud A. Hiltebrand.

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

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

BC 1.2 Mathematik WS 2016/17. BC 1.2 Mathematik Zusammenfassung Kapitel II: Vektoralgebra und lineare Algebra. b 2

D-ITET. D-MATL, RW Lineare Algebra HS 2017 Dr. V. Gradinaru T. Welti. Online-Test 2. Einsendeschluss: Sonntag, den

Lineare Algebra und Numerische Mathematik für D-BAUG

Orthonormalbasis. Orthogonalentwicklung

Lineare Algebra und Numerische Mathematik für D-BAUG

8 Euklidische und unitäre Vektorräume. Skalarprodukte Orthogonalität Matrizen

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

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Lineare Algebra und Numerische Mathematik für D-BAUG

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

Lineare Algebra. 5. Übungsstunde. Steven Battilana. battilana.uk/teaching

Serie 8: Fakultativer Online-Test

3 Vektorräume abstrakt

Lineare Algebra II Lösungen der Klausur

1 C. Ee 1 D B C. ; : : : ; Ee n D ; Ee 2 D B C : : A 2Rn A : v 1 v 2. Ev D B. A D v 1Ee 1 C v 2 Ee 2 C C v n Ee n : (30.3) v n

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

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler. Lösungen Serie 3

Mathematik I. Vorlesung 18. Vielfachheiten und diagonalisierbare Abbildungen. µ λ = dim(eig λ (ϕ))

Diagonalisierbarkeit symmetrischer Matrizen

Lösung zum 9. Tutorium

2 Euklidische Vektorräume

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

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

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Serie 8: Online-Test

= ( n x j x j ) 1 / 2

D-INFK Lineare Algebra HS 2018 Özlem Imamoglu Olga Sorkine-Hornung. Serie 11

Lösungen zu Blatt 13 der Übungen zur Vorlesung Numerik, LMU München, Wintersemester 2016/2017

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 11. Übung: Woche vom

Lineare Algebra und Numerische Mathematik für D-BAUG

Mathematische Grundlagen für die Vorlesung. Differentialgeometrie

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

34.3 Fourier-Entwicklung, parsevalsche Gleichung Elementare Eigenschaften

D-MAVT Lineare Algebra I HS 2017 Prof. Dr. N. Hungerbühler. Lösungen Serie 10

Kapitel 5. Vektorräume mit Skalarprodukt

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

Wichtige Kenntnisse der Linearen Algebra

Lösung 5: Gram-Schmidt Orthogonalisierung, adjungierte Abbildungen

Lektion 3. 1 Theorie. NTS1-P Natur, Technik und Systeme 1 Praktikum Herbstsemester 2012

Lineare Algebra für Physiker 11. Übungsblatt

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen = A 4 3 6

Lineare Algebra für Ingenieure

Aufgaben zu Kapitel 20

13. ABBILDUNGEN EUKLIDISCHEN VEKTORRÄUMEN

D-MAVT Lineare Algebra I HS 2018 Prof. Dr. N. Hungerbühler. Lösungen 7

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

Serie 8: Online-Test

Ferienkurs - Lineare Algebra. Hanna Schäfer. Merkinhalte

Kontrollfragen und Aufgaben zur 3. Konsultation

8 Euklidische und unitäre Vektorräume

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

Hilfsblätter Lineare Algebra

4.3 Reelle Skalarprodukte, Hermitesche Formen, Orthonormalbasen

Institut für Analysis und Scientific Computing E. Weinmüller WS 2017

und Unterdeterminante

und Unterdeterminante

Lineare Algebra und analytische Geometrie II

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

x, y 2 f(x)g(x) dµ(x). Es ist leicht nachzuprüfen, dass die x 2 setzen. Dann liefert (5.1) n=1 x ny n bzw. f, g = Ω

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

Lineare Algebra und analytische Geometrie II

Übungsblatt

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Transkript:

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 von ( der Vektor. (i richtig ( auf ( (ii falsch Die Orthogonalprojektion von v = gegeben durch ( auf w = v, w w, w w = 5 45 ( bezüglich des euklidischen Skalarprodukts, ist ( = (. Seite

.b A M 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 =... Mn 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: (A A ij = n (A ik (A kj = k= Somit ist die Orthogonalität von A äquivalent zu n a ki a kj = a (i, a (j. k= 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 Falls sich die Graphen zweier Funktionen f und g senkrecht schneiden, so sind f und g orthogonal bezüglich des Skalarprodukts f, g = b a f(xg(x dx. (i richtig (ii falsch Die Aussage stimmt zum Beispiel für die Funktionen f(x = x und g(x = x nicht. Deren Graphen schneiden sich senkrecht im Ursprung, aber es gilt f, g = b a f(xg(x dx = also sind f und g nicht orthogonal bezüglich,. b a ( x dx = a b <, Seite

.d Ist f eine ungerade Funktion und g eine gerade Funktion, so sind f und g orthogonal bezüglich des Skalarprodukts f, g = f(xg(x dx. (i richtig (ii falsch Eine ungerade Funktion f erfüllt die Eigenschaft f( x = f(x und eine gerade Funktion g die Eigenschaft g( x = g(x. Somit liefert die Substitution y = x die folgende Beziehung für das Skalarprodukt f, g : f, g = = f(xg(x dx = ( f(yg(y dy = f( yg( y ( dy = f(yg(y dy = f, g. f( yg( y dy Daraus folgt f, g =, die ungerade Funktion f und die gerade Funktion g sind also orthogonal bezüglich,..e In einem Vektorraum mit Skalarprodukt können zwei Einheitsvektoren ein beliebig grosses Skalarprodukt haben. (i richtig (ii falsch Für zwei Einheitsvektoren v und w besagt die Schwarzsche Ungleichung (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. Seite

.f In jedem Vektorraum mit Skalarprodukt können wir beliebig viele paarweise orthogonale Einheitsvektoren finden. (i richtig (ii falsch Man beachte, dass paarweise orthogonale Einheitsvektoren in einem Vektorraum mit Skalarprodukt automatisch linear unabhängig sind (Satz 4. im Buch von Nipp/Stoffer. Somit kann es in einem Vektorraum der Dimension n höchstens n paarweise orthogonale Einheitsvektoren geben. Aufgabe..a Gegeben seien die drei Vektoren a ( =, a ( =, a ( =. Konstruieren Sie mit Hilfe des Schmidt schen Orthogonalisierungsverfahrens aus a (, a (, a ( eine orthonormale Basis b (, b (, b ( bez. des Standardskalarprodukt in R. Lösung: Berechnung von b ( : b ( = a( a ( = =. Berechnung von b ( : c ( = a ( (a (, b ( b ( =, }{{} b ( = c( c ( = = / =. = Seite 4

Berechnung von b ( : c ( = a ( (a (, b ( b ( (a (, b ( b ( =, }{{} b ( = = /, }{{} c( c ( = =/ =.b Finden Sie die Koordinaten x, x, x des Vektors 5 v = 7. = bezüglich der in Teilaufgabe.a berechneten orthonormalen Basis b (, b (, b (, d. h. v = x b ( + x b ( + x b (. Lösung: Wir lösen mittels des Gaussverfahrens die Gleichung nach den Koordinaten x, x, x auf: v = x b ( + x b ( + x b ( / / / 5 / / / / / 7 (E / / / 5 / / 8 / / 7 (E / / / 5 / / 8 / 5 Durch Rückwärtseinsetzen bekommt man: x = 5 = 5 x = 8 5 = x = 5 + 5 = Seite 5

Da b (, b (, b ( eine orthonormale Basis bilden, lassen sich die Koordinaten auch mit weniger Aufwand finden. Denn die Matrix B = (b (, b (, b ( ist orthogonal und damit ist die Lösung des Gleichungssystems x = B T v. Durch Einsetzen der Definition der Matrix-Vektor-Multiplikation ergibt sich somit x i = b (it v für i =,,. Die i-te Koordinate entspricht also dem Skalarprodukt von v mit dem i-ten Basisvektor b (i. In der Tat gilt: x =(v, b ( = (5,, 7 x =(v, b ( = (5,, 7 x =(v, b ( = (5,, 7 = 5 + =, = 5 + 4 =, = 5 + + 7 = 5..c Lösen Sie Teilaufgabe.a mit Hilfe der QR-Zerlegung in Matlab. Hinweis: In MATLAB liefert der Befehl [Q,R] = qr(a die QR Zerlegung der Matrix A. Lösung: Wir benutzen die QR-Zerlegung, um eine orthonormale Basis zu berechnen. Siehe dazu die Bemerkung auf Seite 5 im Buch. Wir bilden aus den Spaltenvektoren a (,..., a ( die Matrix A = ( a ( a ( a ( und wenden darauf die QR-Zerlegung an. Der folgende Matlab Code liefert das gewünschte Q: A = [- ; - ; ]; [Q,R] = qr(a % Resultat fuer Q: % -.77 -.48.5774 %.77 -.48.5774 %.85.5774 Die Spalten der Matrix Q sind dann die gesuchten Vektoren. Aufgabe. Sei V = P der Vektorraum der reellen Polynome vom Grad strikt kleiner als. Auf V ist durch ( p (x, p (x := p (x p (x dx ein Skalarprodukt gegeben. Bestimmen Sie eine orthonormale Basis von V, indem Sie das Schmidtsche Orthogonalisierungsverfahren auf die Vektoren, x, x anwenden. Lösung: Gegeben ist das Skalarprodukt ( p (x, p (x := p (ξ p (ξ dξ. Eine Basis von P ist v =, Seite

v = x, v = x. Anwendung des Schmidtschen Orthogonalisierungsverfahren ergibt: ũ = v = u = ũ ũ = ũ (ũ, ũ = = dx = ũ = v ( ( u, v u = x x dx = x u = ũ ũ = ũ (ũ, ũ = x (x dx ũ = v ( u, v u ( u, v u ( = x ( x dx = x ( x = x x +. = x = ( x x (x dx ( x u = ũ ũ = ũ (ũ, ũ = x x + ( x x + = x x + dx 8 = 5 ( x x + Damit haben wir die Orthonormalbasis: u =, u = (x, u = 5(x x +. Seite 7