Technische Universität Hamburg-Harburg Institut für Mathematik Prof. Dr. Wolfgang Mackens Wintersemester 2013/2014 Klausur zur Mathematik II (Modul: Lineare Algebra II) 05.02.2014 Sie haben 60 Minuten Zeit zum Bearbeiten der Klausur. Tragen Sie bitte zunächst Ihren Namen, Ihren Vornamen und Ihre Matrikelnummer in DRUCKSCHRIFT in die folgenden jeweils dafür vorgesehenen Felder ein. Diese Eintragungen werden auf Datenträger gespeichert. Name: Vorname: Matr.-Nr.: Stg.: AIW BU ET EUT IIW LUM MB MEC SB VT VTBIO Sch. Grundsätzlich gilt für alle Studierenden, dass die Module Analysis II“ und Lineare ” ” Algebra II“ die Gesamtnote für das Fach Mathematik II“ ergeben. ” Ich bin darüber belehrt worden, dass die von mir zu erbringende Prüfungsleistung nur dann als Prüfungsleistung bewertet wird, wenn die Nachprüfung durch das Zentrale Prüfungsamt der TUHH meine offizielle Zulassung vor Beginn der Prüfung ergibt. (Unterschrift) Bearbeiten Sie die angegebenen zwei Teile A und B. In Teil A werden 5 Punkte und in Teil B werden 15 Punkte vergeben. Teil A Punkte Korrekteur Teil B Punkte Korrekteur Definitionen Aufgabe 1 2 3 4 5 P = Teil A: Definitionen Wählen Sie bis zu fünf der folgenden zehn Begriffe aus, und schreiben Sie deren Definitionen in die jeweils dafür vorgesehene Textlücke. Jede korrekte Definition unter den maximal fünf ausgewählten Definitionen wird mit einem Punkt bewertet. Schreiben Sie für mehr als fünf Begriffe Definitionen auf, so wählen wir für die Bewertung hiervon die ersten fünf. Begriffe: äquivalente Matrizen, gramsche Matrix, Orthogonalraum, Drehung, Eigenraum, Rayleigh-Quotient, Cholesky-Zerlegung, Hauptvektor k-ter Stufe, Spektralnorm, Spektralradius. Lösungshinweis: äquivalente Matrizen: Zwei Matrizen A, à ∈ R(m,n) heißen äquivalent, wenn es reguläre Matrizen R ∈ R(m,m) und S ∈ R(n,n) gibt mit à = R−1 AS. gramsche Matrix: Sei V ein euklidischer Vektorraum, und seien v 1 , ..., v m ∈ V gegeben. Dann heißt hv 1 , v 1 i hv 1 , v 2 i · · · hv 1 , v m i hv 2 , v 1 i hv 2 , v 2 i · · · hv 2 , v m i 1 m G(v , ..., v ) := ∈ R(m,m) .. .. .. . . . . . . m 1 m 2 m m hv , v i hv , v i · · · hv , v i die gramsche Matrix zu v 1 , ..., v m . Orthogonalraum: Es sei W ein Teilraum eines euklidischen Vektorraums V mit innerem Produkt h·, ·i. Dann heißt W ⊥ := {v ∈ V | hv, wi = 0 ∀w ∈ W } der Orthogonalraum von W in V bezüglich des inneren Produktes h·, ·i. Drehung: Sei A ∈ R(n,n) eine orthogonale Matrix. Die zugehörige Kongruenztransformation heißt Drehung, falls det A = 1 gilt. Eigenraum: Der Teilraum Eλ := {x ∈ Cn | Ax = λx} heißt Eigenraum zum Eigenwert λ der Matrix A ∈ C(n,n) . Rayleigh-Quotient: Es sei A ∈ C(n,n) eine hermitesche Matrix und x ∈ Cn , x 6= 0. Dann heißt x∗ Ax RA (x) = ∗ xx der Rayleigh-Quotient von A an der Stelle x. Cholesky-Zerlegung: Die Cholesky-Zerlegung einer positiv definiten Matrix A ∈ C(n,n) ist gegeben durch A = CC ∗ mit einer unteren Dreiecksmatrix C ∈ C(n,n) mit positiver Diagonale. Hauptvektor k-ter Stufe: Ein Vektor x ist Hauptvektor k-ter Stufe von A zum Eigenwert λ, wenn (A − λE)k x = 0, (A − λE)k−1 x 6= 0. Spektralnorm: Die Spektralnorm einer Matrix A ∈ C(m,n) ist definiert als √ kAk2 := max{ λ | λ ist Eigenwert von A∗ A}. Spektralradius: Der Spektralradius einer quadratischen Matrix A ∈ C(n,n) ist die nichtnegative reelle Zahl ρ(A) := max{|λ| | λ ist Eigenwert von A}. Teil B: Aufgaben Bearbeiten Sie alle wie folgt angegebenen Aufgaben: Aufgabe 1: (2 Punkte) Zeigen Sie, dass orthogonale Matrizen regulär sind. Lösungshinweis: Eine Matrix Q ∈ R(n,n) heißt orthogonal, wenn QT Q = E gilt (1 Punkt). Damit ist Q invertierbar mit Q−1 = QT , hat also insbesondere vollen Rang, Rang(Q) = n (1 Punkt). Also ist Q regulär. Aufgabe 2: (2 Punkte) Berechnen Sie die Spiegelungsmatrix einer Spiegelung an einer Hyperebene, die den Punkt 1 4 2 auf den Punkt mit dem Ortsvektor 3 abbildet. mit dem Ortsvektor 3 2 4 1 Hinweis: Auftretende Produkte von Matrizen müssen nicht ausmultipliziert werden. Lösungshinweis: 4 1 3 3 2 1 Es sei w = 2 − 3 = −1 (1 Punkt). Dann ist die Spiegelungsmatrix gegeben 1 4 −3 durch die Householder-Matrix Hw := E − 2 wwT 1 = E − wwT T w w 10 (1 Punkt). Aufgabe 3: (4 Punkte) Bestimmen Sie die Funktion f ∈ span {m0 , cos(π·), sin(π·)}, also f (x) := λ1 +λ2 cos(πx)+ λ3 sin(πx) für alle x ∈ R, die die Fehlerquadratsumme zu den Daten xi 0 1 2 3 2 1 yi 3 2 0 −1 minimiert. Lösungshinweis: Die Wurzel aus der Fehlerquadratsumme schreibt sich mit 1 1 0 3 1 0 1 , b = 2 , A= 1 −1 0 0 1 0 −1 −1 in der Form λ 1 A λ2 − b λ3 (1 Punkt). 2 Die zugehörigen Normalgleichungen lauten dann λ1 1 T A A λ2 = AT b ( Punkt), 2 λ3 also 4 0 0 λ1 4 0 2 0 λ2 = 3 0 0 2 λ3 3 Dessen Lösung ist λ1 = 1, λ2 = 23 , λ3 = f (x) = 1 + die gesuchte Funktion (1 Punkt). 3 2 ( 1 Punkt). 2 (1 Punkt). Somit ist f gegeben durch 3 3 cos(πx) + sin(πx) 2 2 Aufgabe 4: (5 Punkte) Finden Sie eine Orthonormalbasis des R3 (bezüglich des Standard-Skalarproduktes) bestehend aus Eigenvektoren der Matrix 1 1 1 A = 1 1 1 . 1 1 1 Lösungshinweis: 1 T Die Matrix A lässt sich schreiben als dyadisches Produkt A = ww mit w = 1 (1 1 1 Punkt). Also ist w = 1 ein Eigenvektor von A zum Eigenwert wT w = 3 ( 21 Punkt). 1 Wir normalisieren noch und erhalten 1 1 1 1 v := w = √ 1 kwk2 3 1 ( 1 Punkt). 2 Außerdem hat A als dyadisches Produkt den Eigenwert 0 mit 2-dimensionalem Eigenraum (1 Punkt). Da A symmetrisch ist, sind die Eigenvektoren zu verschiedenen Eigenwerten orthogonal; es genügt also, noch eine Orthonormalbasis des Eigenraums zum Eigenwert 0 zu ermitteln ( 21 Punkt). Da der Eigenraum zum Eigenwert 0 gerade der Orthogonalraum 1 1 zu span{w} ist, raten wir geschickt u = −1 ( 2 Punkt). Dann ist u Eigenvektor zum 0 Eigenwert 0. Normierung ergibt v2 = 1 1 1 u = √ −1 kuk2 2 0 ( 1 Punkt). 2 Den dritten nötigen Vektor ermitteln wir mit Hilfe des Kreuzproduktes: 1 1 1 3 1 2 v = v × v = √ 1 ( Punkt). 2 6 −2 Der Vektor v 3 ist ebenfalls Eigenvektor zum Eigenwert 0, hat ebenfalls Norm 1 und ist orthogonal sowohl zu v 1 als auch zu v 2 . Somit ist v 1 , v 2 , v 3 eine Orthonormalbasis aus Eigenvektoren von A. Aufgabe 5: (2 Punkte) Ist die Matrix 1 1 0 0 0 0 2 1 0 0 B= 0 0 3 1 0 0 0 0 4 1 0 0 0 0 5 diagonalisierbar? Begründen Sie Ihre Antwort. Lösungshinweis: Die Matrix ist eine rechte Dreiecksmatrix mit den Zahlen 1,2,3,4 und 5 auf der Diagonalen. Somit sind diese Zahlen gerade die Eigenwerte der Matrix (1 Punkt). Da jede der Zahlen genau einmal vorkommt, ist die algebraische Vielfachheit jedes Eigenwertes gerade 1 ( 12 Punkt). Da die geometrische Vielfachheit mindestens 1 und höchstens so groß wie die algebraische Vielfachheit ist, ist die geometrische Vielfachheit jedes Eigenwertes auch 1. Also stimmen geometrische und algebraische Vielfachheit für jeden Eigenwert der Matrix überein ( 21 Punkt). Damit ist die Matrix diagonalisierbar. Kürzer geht es mit dem Korollar aus der Vorlesung: Hat die Matrix paarweise verschiedene Eigenwerte, so ist die Matrix diagonalisierbar.