Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Ähnliche Dokumente
Lineare Algebra: Determinanten und Eigenwerte

Tutorium Mathematik II, M Lösungen

Klausur HM I H 2005 HM I : 1

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Eigenwerte (Teschl/Teschl 14.2)

Lineare Algebra und Numerische Mathematik für D-BAUG

9. Übungsblatt zur Mathematik I für Maschinenbau

Ökonometrische Analyse

Kapitel 5 : Eigenwerte und Eigenvektoren

EXKURS: MATRIZEN UND LINEARE GLEICHUNGSSYSTEME

Mathematik I für MB und ME

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

Mathematik I für MB/ME

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Brückenkurs Mathematik. Mittwoch Freitag

35 Matrixschreibweise für lineare Abbildungen

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

Lineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.

Exkurs: Klassifikation orthogonaler 2 2-Matrizen.

6 Eigenwerte und Eigenvektoren

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Lösbarkeit linearer Gleichungssysteme

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

Klausur zur Vorlesung Lineare Algebra B im SS 2002 an der Universität Hannover

Klausur HM I F 2004 HM I : 1

C orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

6 Eigenwerte und Eigenvektoren

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Klausur DI/LA F 2006 LA : 1

MC-Serie 11: Eigenwerte

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

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2018/2019

4 Orthogonale Endormorphismen

Variante A. Hinweise

Eigenwerte und Eigenvektoren

Eigenwerte (Teschl/Teschl 14.2)

5.2 Rechnen mit Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Aufgabe Summe Note Punkte

Eine Affinität α eines euklidischen Raumes heißt eine Bewegung, wenn sie Abstände (und damit auch Winkel) erhält, wenn also für alle Punkte X, Y gilt:

Klausurenkurs zum Staatsexamen (SS 2013): Lineare Algebra und analytische Geometrie 3 Lösungsvorschlag

Brückenkurs Mathematik

5 Lineare Algebra (Teil 3): Skalarprodukt

1 Vektoren, Vektorräume, Abstände: 2D

Lösungsskizze zur Wiederholungsserie

Vorkurs Mathematik Übungen zu linearen Gleichungssystemen

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

Mathematik II Frühjahrssemester 2013

Stroppel Musterlösung , 180min

Probeklausur zu Mathematik 2 für Informatik

Drehachse und Drehwinkel

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2016/

Determinante und Inverse

Lineare Algebra. Mathematik II für Chemiker. Daniel Gerth

Klausur zur Höheren Mathematik I (ET/IT/AI/IKT/P/MP) WS 2016/

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

Lösung 23: Sylvesters Trägheitssatz & Singulärwertzerlegung

Zusammenfassung und Beispiellösungen. zur Linearen Algebra

Übungen zur Linearen Algebra II, Sommersemester Test, , Gruppe A: Lösung

Matrizen und Determinanten, Aufgaben

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Hilfsblätter Lineare Algebra

6. Normale Abbildungen

D-CHAB Frühlingssemester 2018

p = 0 Nun zur eigentlichen Aufgabe. Wie wir wissen, ist {1, X, X 2 } eine Basis von V, die wir nun mit Gram-Schmidt orthogonalisieren.

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 2

Ausgewählte Lösungen zu den Übungsblättern 9-10

6.2 Rechnen mit Matrizen

Aufgabe Summe Note Punkte

6 Metrische Klassifikation der Quadriken

Diagonalisierbarkeit symmetrischer Matrizen

Mathematik für Betriebswirte I (Lineare Algebra) 2. Klausur Wintersemester 2017/

Lineare Algebra I Lösungsvorschlag

1 Singulärwertzerlegung und Pseudoinverse

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Matrizen spielen bei der Formulierung ökonometrischer Modelle eine zentrale Rolle: kompakte, stringente Darstellung der Modelle

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 14. Übung: Woche vom (Lin.Alg.

Numerik SS Musterlösung zu Hausaufgabenblatt 1

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

Jede symmetrische Bilinearform b definiert eine quadratische Form q durch. q(x) := b(x, x).

fj 2 = f n f n+1. fj 2 = 0 2 = 0 = 0 1 = f 0 f 1. f 2 j = f n f n+1 +fn+1 = (f n +f n+1 )f n+1 = f n+2 f n+1 = f n+1 f (n+1)+1.

Lineare Algebra und Numerische Mathematik für D-BAUG

Lineare Algebra für Ingenieure

Vektoren und Matrizen

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1

Aufgabenskript. Lineare Algebra

Übungen zum Ferienkurs Ferienkurs Lineare Algebra für Physiker WiSe 2017/18 Blatt 3 - Lösung

Transkript:

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β und α, β b) α + β + γ führt zu den 3 Gleichungen α + 5β α 5β α γ 5β γ β + γ 5 γ 5 Also α 3, β, γ 5 Für x, y R p und λ R gelten [] x x i für alle i,, p x i für alle i,, p x [] λx λx + + λx p λ ( x + + x p ) λ x [3] x + y x + y + + x p + y p x + y + + x p + y p x + y, also ist x x + + x p eine Norm, nicht aber die Definition x x bei p, denn zb für x e () : Rp ist x, aber x Dh, [] ist nicht erfüllt ([] und [3] hingegen schon)

3 a) Durch eine Drehung um einen geeigneten Winkel α, dh Multiplikation von x und y mit einer Drehmatrix cos(α) sin(α) D(α), α R, sin(α) cos(α) (siehe Abschnitt 73) kann man erreichen, dass einer der beiden Vektoren (oe der Vektor x) auf der positiven horizontalen Achse zu liegen kommt Dabei bleiben der Winkel ϕ, die Norm und das Skalarprodukt unverändert Es ist also, wie man leicht nachrechnet, D(α) x x, D(α) y y und < D(α)x, D(α)y >< x, y > y Wir können also annehmen, dass (siehe Skizze) x y x, x, mit x >, y y ϕ y y x Dann ist, wegen y y cos ϕ, < x, y > x y x y cos ϕ b) Wegen x 5 + 6 + 4 45, y 9 + 4 + 4, < x, y > 5 8 + ist cos ϕ 3 7 8367, also ϕ arccos( 8367) 56, dh ϕ 468 4 Lösung mit Aufgabe 3: Wegen cos ϕ [, ] ist < x, y > x y cos ϕ x y, wobei ϕ den Winkel zwischen x und y bezeichnet Lösung durch Nachrechnen: Weil (x y x y ) x y + x y x x y y, folgt < x, y > (x y + x y ) x y + x x y y + x y x y + x y + x y + x y (x + x ) (y + y ) x y, woraus sich durch Wurzelziehen die Behauptung ergibt

5 a) Mit D : λ a a a 3 λ, A : a a a 3 λ 3 a 3 a 3 a 33 ist nach Definition der Matrizenmultiplikation λ a λ a λ a 3 λ a λ a λ 3 a 3 D A λ a λ a λ a 3 und A D λ a λ a λ 3 a 3 λ 3 a 3 λ 3 a 3 λ 3 a 33 λ a 3 λ a 3 λ 3 a 33 b) Bei D A werden die Zeilen von A, bei A D werden die Spalten von A mit den jeweiligen Diagonalelementen von D multipliziert 6 a) Nach Definition der Matrizenmultiplikation ist A A A und A 3 A A A b) Für A (a ij ) i,j,,p sei A n (a (n) ij ) i,j,,p Dann gilt für A mit a ij, j i, dass a (n) ij für j i + n, dh unterhalb der n-ten oberen Nebendiagonalen von A n stehen lauter Nullen Beweis durch vollständige Induktion nach n: Induktionsanfang: n klar nach Voraussetzung an A Induktionsschluss: n n + : Sei n und gelte a (n) ij für j i + n Dann ist für j i + n p a (n+) ij da a kj für j i + n k p k a (n) ik a kj p ki+n a (n) ik a kj, 7 Wir entwickeln die Determinante nach der Spalte und erhalten a a a 3 det a a a 3 a a a det 3 a a a a a 3 a 3 a 3 a det 3 a a + a 33 a 3 a 3 det 3 33 a a 3 33 a (a a 33 a 3 a 3 ) a (a a 33 a 3 a 3 ) + a 3 (a a 3 a 3 a ) a a a 33 + a a 3 a 3 + a 3 a a 3 a 3 a a 3 a a 3 a 3 a a a 33 3

8 cos α cos β sin α sin β cos α sin β sin α cos β Es ist D(α) D(β) sin α cos β + cos α sin β sin α sin β + cos α cos β cos(α + β) sin(α + β) D(α + β) sin(α + β) cos(α + β) Addtheoreme 9 a) Es ist < v, a > v a + v a + v 3 a 3 (a b 3 a 3 b ) a + (a 3 b a b 3 ) a + (a b a b ) a 3 a a b 3 a b a 3 + b a a 3 a a b 3 + a b a 3 b a a 3 Ganz analog rechnet man nach, dass auch < v, b > b) Es ist mit < a, b > a b cos ϕ a b sin ϕ a b ( cos ϕ) Andererseits ergibt sich a b < a, b > (a + a + a 3) (b + b + b 3) (a b + a b + a 3 b 3 ) a b + a b + a b 3 + a b + a b + a b 3 + a 3b + a 3b + a 3b 3 a b a b a 3b 3 a b a b a b a 3 b 3 a b a 3 b 3 v v + v + v 3 (a b 3 a 3 b ) + (a 3 b a b 3 ) + (a b a b ) a b 3 a b 3 a 3 b + a 3b + a 3b a 3 b a b 3 + a b 3 + a b a b a b + a b Man sieht durch Vergleich der Terme, dass v a b sin ϕ, woraus sich wegen sin ϕ für ϕ π die Behauptung ergibt c) Es ist < v, c > v c + v c + v 3 c 3 (a b 3 a 3 b ) c + (a 3 b a b 3 ) c + (a b a b ) c 3 a b c 3 + b c a 3 + c a b 3 c b a 3 a c b 3 b a c 3 det A Aufgabe 7 A : symmetrisch regulär (det A ) pos definit (a >, det A > ) 4

B : 3 C : 3 3 D : symmetrisch, Diagonalmatrix regulär (det B 6 ) neg definit (x T Bx x x 3x 3 < für alle x ) regulär (det C 6 ) indefinit (x T Cx > für x e () (,, ) T, x T Cx 3 < für x e (3) (,, ) T ) singulär (det D ) indefinit (x T Dx > für x e () (,,, ) T, x T Dx < für x e () (,,, ) T ) Sei A : und seien a, a, a 3, a 4 die Spaltenvektoren von A Es sind a, a 3, a 4 unabhängig (sofort klar!) und a, a, a 3, a 4 abhängig, denn a a + a 3 + a 4 Also ist der Rang von A gleich 3; wir schreiben dafür kurz: Rang(A) 3 Sei B : a b T Die Spaltenvektoren von B sind b a,, b p a Wegen a, b sind diese nicht alle der Nullvektor, also ist Rang(B) Je zwei der Spaltenvektoren sind linear abhängig, also ist Rang(B) Insgasamt haben wir also: Rang(B) Bei der dritten angegebenen p p-matrix C (untere Dreicksmatrix mit lauter Einsen auf und unterhalb der Diagonalen) sieht man sofort, dass die Spalten von C linear unabhängig sind; es ist also Rang(C) p a) Ax b bedeutet x + x 5 (I) x + 3x 5 (II) Wir lösen (I) nach x auf (x 5 x ) und setzen in (II) ein: (5 x ) + 3x 5 5x 75 x 5 x Die Lösung des obigen linearen Gleichungssystems (LGS) ist also x ( 5) b) Es ist Damit ist A det A A b 3 5 3 6 4 5 5 5 5 6 4

c) Mit Hilfe der Cramérschen Regel berechnet sich die Lösung des obigen LGS wie folgt: 5 5 det 5 3 x det det A, x 5 75 det A 5 5 3 a) Die Eigenwert-Gleichung (77) lautet hier ( 4 6 λ 3 bzw 4 λ 6 3 λ ) x ( x x ) (+) hat genau dann eine Lösung x, wenn 4 λ 6 P (λ) : det, 3 λ (+) dh wenn P (λ) ( 4 λ)(3 λ) + 6, also λ + λ 6 Die Lösungen dieser quadratischen Gleichung sind λ 3 und λ 6 x b) (+) aus a) lautet jetzt für λ λ 3: Dieses LGS hat als 6 x Lösungsmenge { 6 } L c, c R Damit sind c Für λ λ lautet (+) Damit sind c 6 für c Eigenvektoren zum Eigenwert λ 3 ) 6 6 L ( x x { c Dieses LGS hat als Lösungsmenge }, c R für c Eigenvektoren zum Eigenwert λ 4 a) Für x, y R 3 gilt mit P a x < a, x > a < P a x, y > < < a, x > a, y > < a, x > < a, y > < x, a > < a, y > < x, < a, y > a >< x, P a y > 6

Nun folgt mit P a P a P a und S a I 3 P a, dass b) < S a x, S a y > < I 3 x P a x, I 3 y P a y > < x P a x, y P a y > < x, y > < P a x, y > < x, P a y > + 4 < P a x, P a y > < x, y > 4 < x, P a y > + 4 < x, P a P a y > < x, y > 4 < x, P a y > + 4 < x, P a y > < x, y > S a S a (I 3 P a ) (I 3 P a ) I 3 P a I 3 I 3 P a + 4P a I 3 4P a + 4P a I 3, wieder unter Verwendung von P a P a P a c) Wir können oe annehmen, dass a e () dh es wird an der (x, x 3 )-Ebene gespiegelt Damit ist S a S e () I 3 und det(s e () λi 3 ) ( λ) ( λ), woraus die Behauptung folgt Begründung für obige Annahme: Sei D Drehmatrix im R 3, die den Vektor a auf e () abbildet Dann ist S a D S e () D und det(s a λi 3 ) det(d S e ()D λi 3 ) det ( D (S e () λi 3 )D ) det D det(s e () λi 3 ) det D det D det(s e () λi 3) det D det(s e () λi 3 ), also haben S a und S e () dasselbe charakteristische Polynom und damit auch dieselben Eigenwerte a a a a a 3 a d) S a hat die Eigenwerte λ λ, λ 3 Mit S a I 3 a a a a a 3 a folgt a a 3 a a 3 a 3 a 3 wegen a, dass Ferner ist mit c) Spur von A a + a + a 3 3 (a + a + a 3) 3 λ + λ + λ 3 det S a det(d S e ()D) det D det S e () det D det S e () λ λ λ 3 e) Der Vektor a : (,, ) T hat a und steht senkrecht auf E, denn < a, e (3) > und < a, (,, ) T > Demnach ist 5 5 S a I 3 5 5 7

und, sind Eigenvektoren zum Eigenwert λ λ und ist ein Eigenvektor zum Eigenwert λ 3, was man jeweils auch durch Nachrechnen bestätigt, denn es ist S a, S a, S a 5 a) Wir setzen g und h gleich (x, y ) haben also Also λ a + λx b + µy, µ 5 } λ µ λ 5µ 5 Der Schnittpunkt ist demnach b) Es ist P 3 g 5 3 µ λ λ 5 5 µ 5 5 5 5 5 cos ϕ < x, y > x y 5 5 5 5 5 6 und damit ϕ arccos 6 973, also ϕ 53, P ϕ h 8