Institut für Analysis und Scientific Computing E. Weinmüller WS 2016

Ähnliche Dokumente
Institut für Analysis und Scientific Computing E. Weinmüller WS 2015

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

Musterlösungen zur Linearen Algebra II Übungsklausur

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Berechnung der Determinante

6 Eigenwerte und Eigenvektoren

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

Probeklausur Lineare Algebra für Physiker

Lineare Algebra II. Inhalt und Begriffe. Lineare Algebra II p. 1

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Klausur zu. Lineare Algebra II. Viel Erfolg! Fachbereich Mathematik WS 2012/13 Dr. habil. Matthias Schneider. Bonus Note. Aufgabe

Jordansche Normalform - Beispielrechnung. 1 Beispielrechnung an einer komplexen Matrix

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Eigenwerte (Teschl/Teschl 14.2)

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,

6 Symmetrische Matrizen und quadratische Formen

5 Eigenwerte und die Jordansche Normalform

Aufgaben und Lösungen zur Klausur Lineare Algebra im Frühjahr 2009

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

Eigenwerte und Eigenvektoren von Matrizen

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

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

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

Rückblick auf die letzte Vorlesung

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

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker

Technische Universität München Zentrum Mathematik. Übungsblatt 12

Lösungsskizzen der Klausur zur Linearen Algebra im Herbst 2015

Lineare Algebra II 11. Übungsblatt

a) Ein Gruppenhomomorphismus von G nach H ist eine Abbildung Φ : G H, sodass für alle g 1, g 2 G die Gleichung Φ(g 1 g 2 ) = Φ(g 1 ) Φ(g 2 )

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

Klausur Lineare Algebra I & II

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

4 Lineare Abbildungen Basisdarstellungen

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

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

Institut für Analysis und Scientific Computing E. Weinmüller SS 2014

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

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

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

Kapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J =

Lösungsskizzen zur Klausur

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

KLAUSUR ZUR LINEAREN ALGEBRA II 19. Juli 2008

Aufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010

Lineare Algebra für Physiker 11. Übungsblatt

Lineare Algebra: Determinanten und Eigenwerte

1. Hausübung ( )

Höhere Mathematik I HM I A. WiSe 2014/15. Variante A

Ausgewählte Lösungen zu den Übungsblättern 9-10

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

Höhere Mathematik II. Variante A

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

1 Die Jordansche Normalform

Steilkurs Lineare Algebra 1 einige wichtige Stationen

10. Übung zur Linearen Algebra II -

Lineare Algebra I/II LVA ,

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

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

Lineare Algebra und Numerische Mathematik für D-BAUG

Eigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )

9 Eigenwerte und Eigenvektoren

9 Eigenwerte und Eigenvektoren

9. Übungsblatt zur Mathematik I für Maschinenbau

Wiederholungsklausur zur Linearen Algebra II

Lineare Algebra und Numerische Mathematik für D-BAUG

und Unterdeterminante

und Unterdeterminante

KLAUSUR. Lineare Algebra (E-Techniker/Mechatroniker/W-Ingenieure/Informatiker) Prof. Dr. Andreas Bley Dr. Anen Lakhal

Serie 1: Eigenwerte & Eigenvektoren

Übungen zur Vorlesung Lineare Algebra

6 Symmetrische Matrizen und quadratische Formen

Höhere Mathematik I. Variante A

Eigenwerte und Diagonalisierung

Satz. Wie wirkt sich ein Basiswechsel auf die Darstellungsmatrix einer linearen Abbildung F : V n V n aus?

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

Musterlösung Donnerstag - Determinanten und Eigenwerte

JNF Rezept. 21. Juli 2006

Bericht zur Mathematischen Zulassungsprüfung im Mai 2010

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Lineare Algebra für PhysikerInnen

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

6 Symmetrische und hermitesche Matrizen

Mathematik II Frühjahrssemester 2013

Tutorium Mathematik II, M Lösungen

3.6 Eigenwerte und Eigenvektoren

Proseminar Lineare Algebra II, SS 11. Blatt

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:

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

Bericht zur Mathematischen Zulassungsprüfung im Mai 2013

Kapitel 3 Lineare Algebra

7 Lineare Abbildungen und Skalarprodukt

(a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F.

e At = e λt e (A λi)t.

Musterlösung der Klausur zur linearen Algebra II

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Transkript:

Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 26 L I N E A R E A L G E B R A F Ü R T P H, U E (3.64) 2. Haupttest (FR, 2..27) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt. Unterlagen: eigenes VO-Skriptum. Arbeitszeit: 9 min. FAMILIENNAME Vorname Studium / Matr.Nr.. 2. 3. gesamt Punkte maximal 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. a ) Betrachten Sie einen euklidischen Vektorraum V, in dem das innere Produkt und die Norm wie folgt definiert sind: f, g := f(x) g(x) e x dx, f = f, f Betrachten Sie den Unterraum U von V mit der Basis B = {b, b 2 } = {2x+3, x+ }. Orthonormieren 3 Sie diese Basis bezüglich des oben definierten Skalarproduktes mithilfe des Gram-Schmidt-Verfahrens. Um Ihnen Rechenarbeit zu ersparen seien hier einige Integrale aufgeführt: e x dx =, x e x dx =, x 2 e x dx = 2, x 3 e x dx = 6. a): 3 P. u := b = 2x + 3 u 2 = b 2 u,b 2 u u,u = (x + ) 2x+3, x+ 3 (2x + 3) 3 2x+3, 2x+3 u, b 2 = 2x+3, x+ 3 = (2x+3) (x+ 3 ) ex dx = 2x 2 e x dx+ 3 x ex dx+ e x dx = 2 2 + 3 () + = 4 3 u, u = 2x + 3, 2x + 3 = (2x + 3) 2 e x dx = 4x 2 e x dx + 2x e x dx + 9 e x dx = 4 2 + 2 () + 9 = 5 u 2 = (x + 3 ) 4 3 5 (2x + 3) = x( 5 ) + ( 3 2 5 ) = 7 5 x 7 5

7 Die Orthogonalbasis ist demnach gegeben durch B OGB = {u, u 2 } = {2x + 3, (x )}. Um 5 die Orthonormalbasis B ONB = {w, w 2 } zu erhalten, muss noch normiert werden: w = u u = 2x+3 5 = 5 (2x + 3), w 2 = u 2 u 2 u 2, u 2 = ( 7(x ) 5 ) 2 e x dx = 49 225 = 49 49 [2 2 () + ] = 5 = 49 225 225 45 w 2 = 7 45 (x ) 5 49 = 7 3 5 (x ) = 5 7 5 (x ) x 2 e x dx 2x e x dx + e x dx = B ONB = { 5 (2x + 3), } (x ) 5 b ) Berechnen Sie die Orthogonalprojektion von s(x) = 2 (x2 ) V auf den Unterraum U. b): 3 P. Die Orthogonalprojektion m berechnet sich wie folgt: m = s, w w + s, w 2 w 2 m = 2 (x2 ), 5 (2x + 3) 5 (2x + 3) + 2 (x2 ), 5 (x ) 5 (x ) s, w = ( ) ( ) 2 (x2 ) 5 (2x + 3) e x dx = 2 5 2 x 3 e x dx + 3 x 2 e x dx 2 x e x dx 3 = 2 5 (2 (6) + 3 2 2 () 3) = 2 5 (7) = 7 2 5 e x dx

s, w 2 = ( ) ( ) 2 (x2 ) 5 (x ) e x dx = 2 5 x 3 e x dx x 2 e x dx = 2 5 ((6) 2 () + ) = 2 5 (6) = 3 5 x e x dx + e x dx m = 2 5 7 5 (2x + 3) 3 5 5 (x ) = 7 (2x + 3) 3 2 (x ) = x 5 5 = m = 2x 3 2 c ) Zusatzfrage: Wie würde die Orthogonalprojektion von s(x) = 2 (x2 ) V (siehe b) auf den Unterraum W = {, x} aussehen? (Begründung, keine Rechnung!) c): ZusatzP. Der Unterraum U aus Unterpunkt a) ist genauso ein Unterraum der Polynome vom Grad wie der Unterraum W. Deswegen wird die Orthogonalprojektion dasselbe Ergebnis liefern, d.h.: OGP = 2x 3 2

Aufgabe 2. Gegeben seien die Basis B = {b, b 2, b 3 }, sowie die kanonische Basis E 3 = {e, e 2, e 3 } des R 3, wobei 3 b = 3 b 2 = 3 3 b 3 =, e = e 2 = e 3 = gilt. Die lineare Abbildung φ : R 3 R 3 ist durch die Bilder der Basisvektoren von B definiert, φ(b ) = 3 b + 2 b 2 φ(b 2 ) = b 2 + b 3 φ(b 3 ) = b + 3 b 3. a) (2 Punkte) Bestimmen Sie die Transformationsmatrix zum Basiswechsel von B zu E 3, T E3 B, sowie die Transformationsmatrix zum Basiswechsel von E 3 zu B, T B E3. Die Transformationsmatrizen erhält man indem man die Vektoren der alten Basis bezüglich der neuen Basis darstellt. Dazu muss man drei lineare Gleichungssysteme simultan lösen. Handelt es sich bei der neuen Basis um die kanonische Basis E 3, so ist das Gleichungssystem trivial und man erhält die Transformationsmatrix direkt aus B, 3 3 T E3 B = 3 3. Um die Matrix T B E3 zu erhalten, löst man die drei unterstehenden linearen Systeme, was dem Invertieren von T E3 B gleich kommt, 3 3 3 3. Damit erhalten wir T B E3 = 3 3. 6 3

b) (2 Punkte) Bestimmen Sie die Darstellungsmatrix [φ(e 3 )] E3 der Abbildung φ bezüglich der Basis E 3. Beachten Sie, dass man die Matrix [φ(b)] B leicht angeben kann! Aus der Angabe ist ersichtlich, dass 3 [φ(b)] B = 2 3 gilt und damit (nach Satz 3.9 aus dem Skriptum) [φ(e 3 )] E3 = T E3 B [φ(b)] B T B E3 folgt. Durch Einsetzen der bisherigen Ergebnisse und Matrixmultiplikation, erhalten wir 3 3 3 [φ(e 3 )] E3 = 3 3 2 3 3 = 6 6 5 5 27. 3 3 3 9

c) ( Punkt) Gegeben sei [v] B =. Stellen Sie v bezüglich der Basis E 3 dar, d.h. berechnen Sie [v] E3. Verwenden Sie [v] E3, um [φ(v)] E3 anzugeben. Es gilt und 3 3 6 [v] E3 = T E3 B [v] B = 3 3 = 6 2 [φ(v)] E3 = [φ(e 3 )] E3 [v] E3 = 6 6 5 5 27 6 = 44 24 6 26 = 2. 3 9 2 42 7 d) ( Punkt) Welche Beziehung gilt zwischen der Matrix T E3 B R 3 3 und den Matrizen I 3 = [e e 2 e 3 ] R 3 3 und B = [b b 2 b 3 ] R 3 3? Was folgt daraus für die Determinante von T E3 B? Berechnen Sie die Determinante von T E3 B und untermauern Sie damit Ihre obige Schlussfolgerung. Es gilt I 3 T E3 B = B T E3 B = B und da Det B und Det I 3 gilt, ist auch Det T E3 B. Nachrechnen zeigt, dass 3 3 Det T E3 B = Det 3 3 = und damit tatsächlich ungleich Null.

Aufgabe 3. Betrachten Sie die folgende Matrix: 2 4 2 A = 5 3 6 2 a ) (2 Punkte) Zeigen Sie, dass A einen einfachen Eigenwert λ = und einen doppelten Eigenwert λ 2 = 2 hat, indem Sie die Nullstellen des charakteristischen Polynoms berechnen. Wir bestimmen das charakteristische Polynom: det(a λi) = λ(4 + 4λ + λ 2 )! =. Für die Eigenwerte ergeben sich damit λ = mit der algebraischen Vielfachheit und mittels quadratischer Lösungsformel λ 2 = 2 mit der algebraischen Vielfachheit 2. b ) (4 Punkte) Berechnen Sie die Jordansche Normalform J und die zugehörige Transformationsmatrix X. Berechnung der Eigenvektoren und etwaiger Hauptvektoren: 2 4 2 (A λ I)v = 5 3 v = v =. 6 2 4 4 2 (A λ 2 I)v 2 = 5 6 3 v 2 = v 2. 6 4 2 λ 2 hat geometrische Vielfachheit, aber algebraische Vielfachheit 2 Hauptvektor h 2 : 4 4 2 (A λ 2 I)h 2 = v 2 5 6 3 h 2 = h 2 = + t. 6 4 2 2 2 Wir wählen (beispielsweise) t = und erhalten damit h 2 =. 2 Aus den Eigenwerten und Eigen- und Hauptvektoren ergeben sich J = 2 und X =. 2 2 2