Eigenwaarden en Diagonaliseerbaarheid

Maat: px
Weergave met pagina beginnen:

Download "Eigenwaarden en Diagonaliseerbaarheid"

Transcriptie

1 Hoofdstuk 3 Eigenwaarden en Diagonaliseerbaarheid 31 Diagonaliseerbaarheid Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit hoofdstuk buigen we ons eerst over de vraag of er altijd een basiskeuze bestaat waarvoor de matrix diagonaalvorm heeft 311 Definities Een matrix D M nn (K heet diagonaalmatrix als D ij = 0 voor alle i j (met 1 i j n Een matrix M M nn (K heet diagonaliseerbaar als er een met M geconjugeerde matrix bestaat die diagonaalmatrix is Een lineaire transformatie T van een eindig-dimensionale vectorruimte V heet diagonaliseerbaar als er een basis B bestaat zodat MT B een diagonaalmatrix is Opgave 89 Laat zien dat de diagonaalmatrix D = di n met constante diagonaal commuteert met elke andere n n matrix 31 Stelling Een lineaire transformatie T van een eindig-dimensionale vectorruimte V is diagonaliseerbaar dan en slechts dan als MT B diagonaliseerbaar is voor elke basis B van V Bewijs Duidelijk Laat nu T een diagonaliseerbare lineaire transformatie zijn en B = {b 1 b b n } een basis ten opzichte waarvan M B T = D een diagonaalmatrix is Dan is Db i = D ii b i met D ii K met andere woorden: de vectoren b i worden door D met een factor D ii vermenigvuldigd Omgekeerd als je in V een basis B = {b 1 b b n } kunt vinden zodanig dat T b i = d i b i dan is M B T de diagonaalmatrix D met op de diagonaal D ii = d i 313 Definitie Een eigenvector voor een lineaire transformatie T van de K-vectorruimte V is een v V zodanig dat v 0 en T v = λv voor zekere λ K; deze λ heet de (bij v behorende eigenwaarde voor T Een eigenvector voor de matrix M M nn (K is een 0 v V met Mv = λv voor zekere λ K; die λ heet de (bij v behorende eigenwaarde voor M De bij een eigenwaarde 39

2 λ van een transformatie T (of matrix M behorende eigenruimte E λ is de lineaire deelruimte van V bestaande uit de vectoren u V met T u = λu (danwel Mu = λu E λ = {v V : T v = λv} Opgave 90 Ga na dat E λ een lineaire deelruimte van V is We hebben boven samenvattend zojuist de volgende stelling bewezen 314 Stelling Een lineaire transformatie T : V V is diagonaliseerbaar dan en slechts dan als er een basis van V is die bestaat uit eigenvectoren voor T 315 Opmerkingen Per definitie is de eigenschap dat v een eigenvector is voor een lineaire transformatie T niet afhankelijk van de keuze van een basis B voor de vectorruimte V ; in het bijzonder zal een eigenvector van T dus een eigenvector zijn voor MT B voor elke basis B Omgekeerd zal een eigenvector voor een MT B eigenvector voor T en dus voor elke M T B zijn Het is duidelijk dat de eigenruimte bij de eigenwaarde 0 de kern van de transformatie (of matrix is Meetkundig over R is een vector v eigenvector voor T als zijn beeld een (reëel veelvoud λv van v zelf is Is λ > 1 dan wordt de vector opgeblazen is 0 < λ < 1 dan wordt v ingekrompen Met λ = 1 blijft v invariant Is λ < 0 dan wordt v eerst gespiegeld in de oorsprong waarna hetzelfde geldt met λ in plaats van λ Opgave 91 Ga na dat bovenstaande meetkundige opmerkingen omtrent een reële vectorruimte gelden voor de hele lijn µv opgespannen door een eigenvector v Opgave 9 Geef een voorbeeld van een lineaire transformatie die geen eigenvectoren heeft 316 Voorbeeld Veronderstel dat A de matrix is van een lineaire transformatie van Q (ten opzichte van de standaardbasis met ( 1 3 A = 4 Een berekening leert onmiddellijk dat ( ( 1 1 A = 1 1 zodat ten opzichte van de basis B = { ( 1 1 A B = ( 3 A 4 ( 3 4 ( Natuurlijk is het de kunst om die twee eigenvectoren te vinden ( 3 = 5 4 } de transformatie gegeven wordt door 40

3 3 Eigenruimten In deze paragraaf is V een n-dimensionale K-vectorruimte met n > 0 Het is niet moeilijk in te zien wat de eigenwaarden van een lineaire transformatie kunnen zijn Immers λ is een eigenwaarde voor T dan en slechts dan als T v = λv voor een v V met v 0 dat wil zeggen (λ T v = 0 oftewel v Ker(λ T Hier is λ de vermenigvuldiging met de scalar λ en dat schrijven we ook wel als λi waar I = id V de identieke afbeelding op V We vinden onmiddellijk de volgende stelling 31 Stelling Zij V een eindig-dimensionale K-vectorruimte Dan is λ K een eigenwaarde voor T dan en slechts dan als U = Ker(λI T niet {0} is en in dat geval is U de bij λ behorende eigenruimte E λ voor T Omdat λ eigenwaarde voor T is dan en slechts dan als λ een eigenwaarde is voor M = M B T waar B een basis voor V is geldt dit dan en slechts dan als Mv = λv = λi n v voor een v V met v 0 dat wil zeggen (λi n Mv = 0 oftewel v Ker(λI n M waar I n natuurlijk de n n eenheidsmatrix is 3 Gevolg Met notaties als boven en B een basis voor V geldt: λ K is eigenwaarde voor T dan en slechts als det(λi n M = 0 waar M = M B T 33 Definitie Zij M M n n (K; het polynoom p M (x = det(xi n M K[x] heet het karakteristieke polynoom van M Voor een lineaire transformatie T van V met matrix M = MT B ten opzichte van een basis B voor V heet het polynoom p M K[x] een karakteristiek polynoom voor T 34 Lemma Het karakteristieke polynoom van T hangt niet af van de keuze voor de basis B Bewijs Als B en B twee bases voor V zijn geldt met M = M B T en M = M B T dat M = CM C 1 voor zekere C M n n (K Dan is p M = det(xi n M = det(xi n CM C 1 = det(c(xi n M C 1 = det(xi n M = p M dat wil zeggen: de karakteristieke polynomen van M en M zijn gelijk 35 Opmerkingen We kunnen dus spreken van het karakteristieke polynoom van T dat we met p T aan zullen geven Bovendien hebben we bewezen dat λ K een eigenwaarde voor T is dan en slechts dan als het een nulpunt van het karakteristieke polynoom van T is Met volledige inductie (naar n is het duidelijk dat p T een polynoom in K[x] is van graad n Op grond van de opgave na 9 weten we dan dat T niet meer dan n = dim V eigenwaarden kan hebben Bij een gegeven eigenwaarde is de eigenruimte precies de kern van de afbeelding λi T Opgave 93 Bewijs dat voor het karakteristieke polynoom p T = p n x n +p n 1 x n 1 + +p 1 x+p 0 K[x] van T : V V geldt dat p n = 1 dat p n 1 = i M ii en dat p 0 = ( 1 n det M waar M = MT B voor 41

4 een willekeurige basis B voor V De som i M ii van diagonaalelementen wordt het spoor van de matrix M genoemd 36 Voorbeeld Laat A = ( de matrix van een lineaire transformatie van Q ten opzichte van de standaardbasis zijn Teneinde de eigenwaarden van A te vinden bepalen we det(λi A = λ λ 1 = (λ 1 4 = (λ 3(λ + 1 De eigenwaarden van de bij A horende transformatie zijn dus 3 en 1 Om E 3 te vinden moeten we Ker(3I A bepalen dat wil zeggen de kern van de matrix waarvan we hierboven de determinant uitrekenden met λ = 3 ingevuld: Voor vectoren v = ( v1 v E 3 = Ker(3I A = Ker ( 1 4 in de eigenruimte E 3 geeft dat maar één lineaire conditie namelijk ( 1 v 1 = v De eigenruimte bestaat dan uit alle (rationale veelvouden van Net zo is E 1 de kern van zodat E 1 = { ( 1 µ } : µ Q ( 1 4 ( 1 } in { ( 1 Om de matrix van de transformatie ten opzichte van de basis B = plaats van de standaardbasis te bepalen kunnen we volgens 144 dus A conjugeren met de matrix Φ EB die een vector gegeven in basis B coordinaten uitdrukt in coordinaten ten opzichte van de standaardbasis; maar dan is en dus de gevraagde matrix A B = M 1 Φ AM Φ = M Φ = ( 1 1 ( ( ( 1 1 Anderzijds weten we natuurlijk al precies wat het resultaat zal zijn: immers B is een basis bestaande uit eigenvectoren en omdat de bijbehorende eigenwaarden 3 en 1 zijn zal het resultaat ( A B 3 0 = 0 1 moeten zijn! Opgave 94 Ga na dat de identiteit A B = M 1 Φ AM Φ inderdaad geldt De grootste nog resterende complicatie is gelegen in de mogelijkheid dat eigenwaarden met zekere multipliciteiten voorkomen 4

5 37 Definitie De (algebraïsche multipliciteit van een nulpunt α K van een polynoom f K[x] is de grootste k 1 waarvoor (x α k het polynoom f deelt in K[x] Eerst laten we zien dat de situatie overzichtelijk is wanneer alle multipliciteiten 1 zijn 38 Stelling Als x i eigenvector van T is met eigenwaarde λ i en λ i λ j voor 1 i < j k dan zijn x 1 x x k lineair onafhankelijk Bewijs Inductie naar k Voor k = 1 is de stelling zeker waar Veronderstel eens dat µ 1 x 1 + µ x + + µ k x k = 0 met k > 1 en x i als in de stelling Er geldt dan (T λ k (µ 1 x 1 + µ x + + µ k x k = (λ 1 λ k µ 1 x (λ k 1 λ k µ k 1 x k 1 = 0 Op grond van de inductiehypothese is x 1 x x k 1 lineair onafhankelijk dus (λ j λ k µ j = 0 voor j = 1 k 1 en omdat λ j λ k moet µ j = 0 voor j = 1 k 1 Maar dan ook µ k = 0 en we zijn klaar! 39 Gevolg Als T over K precies n verschillende eigenwaarden heeft is T diagonaliseerbaar over K Bewijs De n = dim V verschillende eigenvectoren x i zijn op grond van voorgaande stelling onafhankelijk en vormen dus een basis voor V ten opzichte waarvan T diagonaalvorm heeft Let wel dat er in feite twee voorwaarden staan in dit gevolg: alle nulpunten van het karakteristieke polynoom moeten in K liggen en ze moeten ook allemaal verschillend zijn! Opgave 95 Geef een voorbeeld van een lineaire transformatie van Q die pas aan de voorwaarden van het gevolg voldoet als we hem opvatten als transformatie van R 310 Stelling Als T een diagonaliseerbare transformatie van de eindig-dimensionale K-vectorruimte V is dan splitst het karakteristieke polynoom p T (x K[x] in K[x] volledig in lineaire factoren Bewijs Ten opzichte van zekere basis is T een diagonaalmatrix; op de diagonaal staan dan de eigenwaarden λ i van T Die moeten in het lichaam K zitten en dus valt p T over K uiteen in de lineaire factoren x λ i Let wel: het belangrijkste van de laatste stelling is dat p T al over het lichaam K in lineaire factoren uiteen valt Dat garandeert natuurlijk nog niet dat alle eigenwaarden verschillend zijn De omkering van Stelling 310 blijkt ook niet te gelden! 43

6 311 Voorbeeld Beschouw de lineaire transformatie van Q 3 gegeven door 3 1 A = Het karakteristieke polynoom van A is det λi 3 A = (λ (λ 3 Om E te bepalen kijk je naar de kern van ; 1 1 omdat de rang van deze matrix is zal de kern dimensie 1 hebben Daarom is E ook 1- dimensionaal net als E 3 Andere eigenwaarden zijn er niet en dus kan er geen basis voor Q 3 zijn bestaande uit eigenvectoren: A is niet diagonaliseerbaar! Opgave 96 Bepaal E en E 3 in dit voorbeeld Het niet-diagonaliseerbaar zijn van A in het voorbeeld werd veroorzaakt doordat voor een zekere eigenwaarde (λ = de multipliciteit van die eigenwaarde ( groter was dan de dimensie van de eigenruimte E λ (1 Opgave 97 Bewijs dat dit fenomeen niet op kan treden als de multipliciteit 1 is door te laten zien dat als λ eigenwaarde is er geldt dim E λ 1 De dimensie van E λ wordt ook wel de meetkundige multipliciteit van λ genoemd; de volgende stelling drukt dan uit dat de meetkundige multipliciteit ten hoogste gelijk is aan de algebraïsche multipliciteit 31 Stelling Als T eigenwaarde λ met multipliciteit m heeft dan geldt 1 dim E λ m Bewijs Omdat λ eigenwaarde is geldt dim E λ 1 (zie voorgaande opgave Voor de andere ongelijkheid vullen we een basis van de deelruimte E λ van dimensie l aan tot een basis B voor V Ten opzichte van die basis is de matrix waar M B T = ( D A 0 C λ λ 0 D = 0 0 λ 44

7 een l l matrix is en dus p T (x = (x λ l det(xi n l C De multipliciteit m van λ is dus minstens l = dim E λ In feite gebruiken we in het bewijs alleen maar een speciaal geval van het volgende lemma dat we later nogmaals zullen gebruiken 313 Lemma Als U een onder T invariante deelruimte van V is dan is p T U het karakteristieke polynoom van de beperking van T tot U een deler van p T Bewijs Vul een basis voor U aan tot een basis voor V ; dan wordt T ten opzichte van die basis gegeven door de matrix ( B A M = 0 C waar B de matrix voor de beperking T U is De bewering volgt dan omdat det(λi n M = det(λi k B det(λi n k C Opgave 98 Bewijs dat laatste netjes! 314 Stelling Laat T een lineaire transformatie zijn van de K-vectorruimte V van eindige dimensie n Dan zijn de volgende beweringen equivalent: (i (ii T is diagonaliseerbaar; p T (x splitst in K[x] in lineaire factoren: p T = λ (x λ m λ èn dim E λ = m λ waar λ de verschillende eigenwaarden van T doorloopt (iii V = λ E λ Bewijs Als (i geldt splitst p T volledig in lineaire factoren over K volgens Stelling 310 Kies nu een basis B ten opzichte waarvan T door een diagonaalmatrix wordt gegeven; dan is elke b i B eigenvector bij één van de eigenwaarden λ van T en bovendien is het duidelijk dat B λ = {b B : T b = λb} een basis is voor E λ voor elke eigenwaarde λ Maar dan is #B λ = dim E λ en n = #B = λ #B λ = λ dim E λ λ m λ = deg p T = n op grond van Stelling 31 dus moet dim E λ = m λ voor elke eigenwaarde λ Als λ λ dan is het duidelijk dat E λ E λ = {0} want λ v = T v = λv voor een v in de doorsnijding Omdat u en u zelfs lineair onafhankelijk zijn als u E λ en u E λ op grond van Stelling 38 vormt λ B λ dan een onafhankelijk stelsel in V als B λ een basis voor E λ is Geldt nu (ii dan is n = # λ B λ en dus is λ B λ een basis voor V terwijl E λ E λ = {0} Daaruit volgt (iii Tenslotte volgt (i direct uit (iii omdat een basis voor E λ bestaat uit eigenvectoren van T Ten opzichte van een basis voor V die bestaat uit de vereniging van bases voor de E λ heeft T dus een diagonaalmatrixvoorstelling 45

Jordan normaalvorm. Hoofdstuk 7

Jordan normaalvorm. Hoofdstuk 7 Hoofdstuk 7 Jordan normaalvorm Zoals we zagen hangt de matrix die behoort bij een lineaire transformatie af van de keuze van een basis voor de ruimte In dit hoofdstuk buigen we ons over de vraag of er

Nadere informatie

Het karakteristieke polynoom

Het karakteristieke polynoom Hoofdstuk 6 Het karakteristieke polynoom We herhalen eerst kort de definities van eigenwaarde en eigenvector, nu in een algemene vectorruimte Definitie 6 Een eigenvector voor een lineaire transformatie

Nadere informatie

Geadjungeerde en normaliteit

Geadjungeerde en normaliteit Hoofdstuk 12 Geadjungeerde en normaliteit In het vorige hoofdstuk werd bewezen dat het voor het bestaan van een orthonormale basis bestaande uit eigenvectoren voldoende is dat T Hermites is (11.17) of

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.31 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 11 J.Keijsper

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire Algebra voor W 2Y650 Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Eigenwaarden en eigenvectoren Zij A een n n matrix.

Nadere informatie

Kies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen

Kies voor i een willekeurige index tussen 1 en r. Neem het inproduct van v i met de relatie. We krijgen Hoofdstuk 95 Orthogonaliteit 95. Orthonormale basis Definitie 95.. Een r-tal niet-triviale vectoren v,..., v r R n heet een orthogonaal stelsel als v i v j = 0 voor elk paar i, j met i j. Het stelsel heet

Nadere informatie

Aanvullingen bij Hoofdstuk 8

Aanvullingen bij Hoofdstuk 8 Aanvullingen bij Hoofdstuk 8 8.5 Definities voor matrices De begrippen eigenwaarde eigenvector eigenruimte karakteristieke veelterm en diagonaliseerbaar worden ook gebruikt voor vierkante matrices los

Nadere informatie

Uitwerkingen tentamen lineaire algebra 2 13 januari 2017, 10:00 13:00

Uitwerkingen tentamen lineaire algebra 2 13 januari 2017, 10:00 13:00 Uitwerkingen tentamen lineaire algebra 3 januari 07, 0:00 3:00 Hint: Alle karakteristiek polynomen die je nodig zou kunnen hebben, hebben gehele nulpunten. Als dat niet het geval lijkt, dan heb je dus

Nadere informatie

Tentamen Lineaire Algebra 1 (Wiskundigen)

Tentamen Lineaire Algebra 1 (Wiskundigen) Tentamen Lineaire Algebra Wiskundigen Donderdag, 23 januari 24,.-3. Geen rekenmachines. Motiveer elk antwoord.. Voor alle reële getallen a definiëren we de matrix C a als a C a = a 2. a Verder definiëren

Nadere informatie

Tentamen lineaire algebra 2 18 januari 2019, 10:00 13:00 Uitwerkingen (schets)

Tentamen lineaire algebra 2 18 januari 2019, 10:00 13:00 Uitwerkingen (schets) Tentamen lineaire algebra 8 januari 9, : : Uitwerkingen (schets) Opgave. ( + punten) Gegeven is de matrix ( ) A =. (a) Bepaal een diagonaliseerbare matrix D en een nilpotente matrix N zodanig dat A = N

Nadere informatie

Lineaire afbeeldingen

Lineaire afbeeldingen Hoofdstuk 4 Lineaire afbeeldingen In de algebra spelen naast algebraïsche structuren zelf ook de afbeeldingen ertussen die (een deel van de structuur bewaren, een belangrijke rol Voor vectorruimten zijn

Nadere informatie

EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I

EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I EXAMEN LINEAIRE ALGEBRA EN MEETKUNDE I Theorie Opgave 1. In deze opgave wordt gevraagd om een aantal argumenten of overgangen uit de cursusnota s in detail te verklaren. In delen (a) (b) peilen we naar

Nadere informatie

Eigenwaarden en eigenvectoren in R n

Eigenwaarden en eigenvectoren in R n Eigenwaarden en eigenvectoren in R n Als Ax λx voor zekere x in R n met x 0, dan is λ een eigenwaarde van A en x een eigenvector van A behorende bij λ. Een eigenvector is op een multiplicatieve constante

Nadere informatie

EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie

EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I. 1. Theorie EXAMEN LINEAIRE ALGEBRA EN ANALYTISCHE MEETKUNDE I MAANDAG 17 JANUARI 2011 1. Theorie Opgave 1. (a) In Voorbeelden 2.1.17 (7) wordt gesteld dat de maximale lineair onafhankelijke deelverzamelingen van

Nadere informatie

UITWERKINGEN 1 2 C : 2 =

UITWERKINGEN 1 2 C : 2 = UITWERKINGEN. De punten A, B, C, D in R zijn gegeven door: A : 0, B : Zij V het vlak door de punten A, B, C. C : D : (a) ( pt) Bepaal het oppervlak van de driehoek met hoekpunten A, B, C. Oplossing: De

Nadere informatie

Unitaire en Hermitese transformaties

Unitaire en Hermitese transformaties Hoofdstuk 11 Unitaire en Hermitese transformaties We beschouwen vervolgens lineaire transformaties van reële en complexe inproductruimten die aan extra eigenschappen voldoen die betrekking hebben op het

Nadere informatie

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B = Uitwerkingen tentamen Lineaire Algebra 2 16 januari, 215 Deze uitwerkingen zijn niet volledig, maar geven het idee van elke opgave aan. Voor een volledige oplossing moet alles ook nog duidelijk uitgewerkt

Nadere informatie

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B =

Uitwerkingen tentamen Lineaire Algebra 2 16 januari, en B = Uitwerkingen tentamen Lineaire Algebra 2 16 januari, 2015 Deze uitwerkingen zijn niet volledig, maar geven het idee van elke opgave aan Voor een volledige oplossing moet alles ook nog duidelijk uitgewerkt

Nadere informatie

Complexe eigenwaarden

Complexe eigenwaarden Complexe eigenwaarden Tot nu toe hebben we alleen reële getallen toegelaten als eigenwaarden van een matrix Het is echter vrij eenvoudig om de definitie uit te breiden tot de complexe getallen Een consequentie

Nadere informatie

Stelsels Vergelijkingen

Stelsels Vergelijkingen Hoofdstuk 5 Stelsels Vergelijkingen Eén van de motiverende toepassingen van de lineaire algebra is het bepalen van oplossingen van stelsels lineaire vergelijkingen. De belangrijkste techniek bestaat uit

Nadere informatie

Uitwerkingen Lineaire Algebra I (wiskundigen) 22 januari, 2015

Uitwerkingen Lineaire Algebra I (wiskundigen) 22 januari, 2015 Uitwerkingen Lineaire Algebra I (wiskundigen) januari, 5 In deze uitwerkingen is hier en daar een berekening weggelaten (bijvoorbeeld het bepalen van de kern van een matrix) die uiteraard op het tentamen

Nadere informatie

Tentamen Lineaire Algebra B

Tentamen Lineaire Algebra B Tentamen Lineaire Algebra B 29 juni 2012, 9-12 uur OPGAVEN Uitwerkingen volgen na de opgaven 1. Gegeven is de vectorruimte V = R[x] 2 van polynomen met reële coefficienten en graad 2. Op V hebben we een

Nadere informatie

Uitwerking opgaven 17 december. Spoilers!!

Uitwerking opgaven 17 december. Spoilers!! Uitwerking opgaven 7 december Spoilers!! (duh... 8 januari 206 Inhoudsopgave Complex diagonaliseren matrix 2. Opgave................................................ 2.2 Oplossing...............................................

Nadere informatie

Oefensommen tentamen Lineaire algebra 2 - december A =

Oefensommen tentamen Lineaire algebra 2 - december A = Oefensommen tentamen Lineaire algebra 2 - december 2012 Opg 1 De schaakbordmatrix A is de 8 bij 8 matrix 1 0 1 0 1 0 1 0 0 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 A = 0 1 0 1 0 1 0 1 1 0 1 0 1 0 1 0 0 1 0 1 0 1

Nadere informatie

ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.

ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3. ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Voorbeeldtoetsen Lineaire Algebra Deliverable 3.10 Henk van der Kooij ONBETWIST Deliverable 3.8 ONBETWIST ONderwijs verbeteren met WISkunde Toetsen Inleiding

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 2 J.Keijsper (TUE)

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 93 email: JCMKeijsper@tuenl studiewijzer: http://wwwwintuenl/wsk/onderwijs/2ds06 Technische Universiteit Eindhoven college 3 JKeijsper (TUE) Lineaire

Nadere informatie

Tentamen lineaire algebra voor BWI maandag 15 december 2008, uur.

Tentamen lineaire algebra voor BWI maandag 15 december 2008, uur. Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI maandag 5 december 8, 5.5-8. uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen

Nadere informatie

Eigenwaarden en eigenvectoren

Eigenwaarden en eigenvectoren Eigwaard eigvector Als A e vierkante matrix is, dan heet e vector x e eigvector van A als Ax e veelvoud van x is : Definitie Stel dat A e (n n-matrix is E vector x R n met x o heet e eigvector van A als

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op , uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op , uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS) op --9,.-7. uur. Aan dit tentamen gaat een MATLAB-toets van een half uur vooraf. Pas als de laptops

Nadere informatie

Definities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2

Definities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2 Definities, stellingen en methoden uit David Poole s Linear Algebra A Modern Introduction - Second Edtion benodigd voor het tentamen Matrix Algebra 2 Bob Jansen Inhoudsopgave 1 Vectoren 3 2 Stelsels Lineaire

Nadere informatie

Lineaire Algebra Een Samenvatting

Lineaire Algebra Een Samenvatting Lineaire Algebra Een Samenvatting Definitie: Een (reële) vectorruimte is een verzameling V voorzien van een additieve en multiplicatieve operatie, zodat (a) u V en v V u + v V, (1) u + v = v + u voor alle

Nadere informatie

TENTAMEN LINEAIRE ALGEBRA 1A. maandag 16 december 2002, b. Bepaal een basis voor de rijruimte en voor de kolomruimte van A.

TENTAMEN LINEAIRE ALGEBRA 1A. maandag 16 december 2002, b. Bepaal een basis voor de rijruimte en voor de kolomruimte van A. TENTAMEN LINEAIRE ALGEBRA 1A maandag 16 december 2002, 1000-1200 Coördinaten zijn gegeven tov een standaardbasis in R n 1 De matrix A en de vector b R 4 zijn gegeven door 1 0 1 2 0 1 1 4 3 2 A =, b = 0

Nadere informatie

Gelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09)

Gelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09) Gelijkvormigheid en de Jordan normaalvorm Aanvullende leerstof Lineaire Algebra C (2WF09) LCGJM Habets Faculteit Wiskunde en Informatica Technische Universiteit Eindhoven Abstract In de syllabus bij het

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire Algebra voor W 2Y650 Lineaire Algebra voor W 2Y65 Docent: L Habets HG 89, Tel: 4-247423, Email: lcgjmhabets@tuenl http://wwwwintuenl/wsk/onderwijs/2y65 1 Herhaling: bepaling van eigenwaarden en eigenvectoren (1) Bepaal het

Nadere informatie

Geef niet alleen antwoorden, maar bewijs al je beweringen.

Geef niet alleen antwoorden, maar bewijs al je beweringen. Tentamen Lineaire Algebra maandag 3--27, 3.3-6.3 uur Het is niet toegestaan telefoons, computers, grafische rekenmachines (wel een gewone), dictaten, boeken of aantekeningen te gebruiken. Schrijf op elk

Nadere informatie

WI1808TH1/CiTG - Lineaire algebra deel 1

WI1808TH1/CiTG - Lineaire algebra deel 1 WI1808TH1/CiTG - Lineaire algebra deel 1 College 10 13 oktober 2016 1 Samenvatting Hoofdstuk 4.1 Een constante λ is een eigenwaarde van een n n matrix A als er een niet-nul vector x bestaat, zodat Ax =

Nadere informatie

Bilineaire Vormen. Hoofdstuk 9

Bilineaire Vormen. Hoofdstuk 9 Hoofdstuk 9 Bilineaire Vormen In dit hoofdstuk beschouwen we bilineaire vormen op een vectorruimte V nader. Dat doen we onder andere om in het volgende hoofdstuk de begrippen afstand en lengte in een vectorruimte

Nadere informatie

Tentamen lineaire algebra voor BWI dinsdag 17 februari 2009, uur.

Tentamen lineaire algebra voor BWI dinsdag 17 februari 2009, uur. Vrije Universiteit Amsterdam Faculteit der Exacte Wetenschappen Afdeling Wiskunde Tentamen lineaire algebra voor BWI dinsdag 7 februari 9, 8.-.5 uur. ELK ANTWOORD DIENT TE WORDEN BEARGUMENTEERD. Er mogen

Nadere informatie

11.0 Voorkennis V

11.0 Voorkennis V 11.0 Voorkennis V 8 6 4 3 6 3 0 5 W 8 1 1 12 2 1 16 4 3 20 5 4 V is een 2 x 4 matrix. W is een 4 x 3 matrix. Deze twee matrices kunnen met elkaar vermenigvuldigd worden. Want het aantal kolommen van matrix

Nadere informatie

Lineaire Algebra. Bovendriehoeks- en onderdriehoeks vorm: onder (boven) elke leidende term staan enkel nullen

Lineaire Algebra. Bovendriehoeks- en onderdriehoeks vorm: onder (boven) elke leidende term staan enkel nullen Lineaire Algebra Hoofdstuk 1: Stelsels Gelijkwaardige stelsels: stelsels met gelijke oplv Elementaire rijbewerkingen: 1. van plaats wisselen 2. externe vermenigvuldiging 3. interne optelling (2. en 3.:

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire Algebra voor W 2Y650 Lineaire Algebra voor W 2Y650 Docent: L Habets HG 809, Tel: 040-2474230, Email: lcgjmhabets@tuenl http://wwwwintuenl/wsk/onderwijs/2y650 1 Herhaling: Oplossing homogene DV ẋ = Ax Aanname: A is diagonaliseerbaar

Nadere informatie

1 Eigenwaarden en eigenvectoren

1 Eigenwaarden en eigenvectoren Eigenwaarden en eigenvectoren Invoeren van de begrippen eigenwaarde en eigenvector DEFINITIE Een complex (of reëel getal λ heet een eigenwaarde van de n n matrix A als er een vector x is met Ax = λx Dan

Nadere informatie

Symmetrische matrices

Symmetrische matrices Symmetrische matrices We beginnen met een eenvoudige definitie : Definitie Een matrix A heet symmetrisch als A T = A NB Een symmetrische matrix is dus altijd vierkant Symmetrische matrices hebben fraaie

Nadere informatie

Examen Lineaire Algebra en Meetkunde Tweede zit (13:30-17:30)

Examen Lineaire Algebra en Meetkunde Tweede zit (13:30-17:30) Examen Lineaire Algebra en Meetkunde Tweede zit 2016-2017 (13:30-17:30) 1 Deel gesloten boek (theorie) (5.5pt) - indienen voor 14u30 (0.5pt) Geef de kleinste kwadratenoplossing van het stelsel AX = d,

Nadere informatie

Meetkunde en lineaire algebra

Meetkunde en lineaire algebra Meetkunde en lineaire algebra Daan Pape Universiteit Gent 7 juni 2012 1 1 Möbius transformaties De mobiustransformatie wordt gegeven door: z az + b cz + d (1) Als we weten dat het drietal (x 1, x 2, x

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op -4-, 4.-7. uur. Opgave Gegeven is het volgende stelsel lineaire vergelijkingen met parameters

Nadere informatie

Vectorruimten en deelruimten

Vectorruimten en deelruimten Vectorruimten en deelruimten We hebben al uitgebreid kennis gemaakt met de vectorruimte R n We zullen nu zien dat R n slechts een speciaal geval vormt van het (veel algemenere begrip vectorruimte : Definitie

Nadere informatie

x 1 (t) = ve rt = (a + ib) e (λ+iµ)t = (a + ib) e λt (cos µt + i sin µt) x 2 (t) = ve rt = e λt (a cos µt b sin µt) ie λt (a sin µt + b cos µt).

x 1 (t) = ve rt = (a + ib) e (λ+iµ)t = (a + ib) e λt (cos µt + i sin µt) x 2 (t) = ve rt = e λt (a cos µt b sin µt) ie λt (a sin µt + b cos µt). 76 Complexe eigenwaarden Ook dit hebben we reeds gezien bij Lineaire Algebra Zie: Lay, 57 Als xt ve rt een oplossing is van de homogene differentiaalvergelijking x t Axt, dan moet r een eigenwaarde van

Nadere informatie

Uitwerkingen tentamen Lineaire Algebra 2

Uitwerkingen tentamen Lineaire Algebra 2 Uitwerkingen tentamen Lineaire Algebra 2 15 januari, 2016 Opgave 2 (10 punten (a Het karakteristiek polynoom van A is det(ti A = (t 1 5, dus er is maar één eigenwaarde, namelijk λ = 1 Er geldt (A I 2 =

Nadere informatie

Vincent van der Noort Scoop vult de gaten in onze kennis... Het gevoel van eigenwaarden van David J. Griffith

Vincent van der Noort Scoop vult de gaten in onze kennis... Het gevoel van eigenwaarden van David J. Griffith Scoop februari 2003 Scoop vult de gaten Vincent van der Noort Scoop vult de gaten in onze kennis... Het gevoel van eigenwaarden van David J. Griffith De wiskundigen onder jullie zal de naam waarschijnlijk

Nadere informatie

Lineaire Algebra. Samenvatting. De Roover Robin

Lineaire Algebra. Samenvatting. De Roover Robin Lineaire Algebra Samenvatting De Roover Robin 21-211 Deze samenvatting is een overzicht van alle definities, stellingen, lemma's en proposities met hun bijhorende bewijzen. Deze samenvatting is gebaseerd

Nadere informatie

Lineaire Afbeelding Stelsels differentiaalvergelijkingen. 6 juni 2006

Lineaire Afbeelding Stelsels differentiaalvergelijkingen. 6 juni 2006 Lineaire Afbeelding Stelsels differentiaalvergelijkingen 6 juni 6 i ii Inhoudsopgave Stelsels differentiaalvergelijkingen Opgaven Stelsels differentiaalvergelijkingen In deze paragraaf passen we onze kennis

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Dit tentamen bestaat uit 4 open vragen, en kort-antwoord vragen. De uitwerkingen van de open vragen dienen volledig, duidelijk geformuleerd

Nadere informatie

TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007,

TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007, TENTAMEN LINEAIRE ALGEBRA 2 dinsdag 3 april 2007, 000-300 Bij elke vraag dient een berekening of mo- Dit tentamen bestaat uit vijf opgaven tivering te worden opgeschreven Grafische en programmeerbare rekenmachines

Nadere informatie

Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie

Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie Lineaire Algebra en Vectorcalculus 2DN60 College 5.a Basis en dimensie Ruud Pellikaan g.r.pellikaan@tue.nl /k 205-206 Definitie opspansel 2/35 Stel S = {v,..., v n } is een deelverzameling van de vectorruimte

Nadere informatie

Tentamen Lineaire Algebra

Tentamen Lineaire Algebra Tentamen Lineaire Algebra 3 januari 214, 8:3-11:3 uur - Bij dit tentamen mogen dictaten en boeken niet gebruikt worden - Een eenvoudige rekenmachine, hoewel niet nodig, is toegestaan, maar geen grafische

Nadere informatie

Toepassingen op differentievergelijkingen

Toepassingen op differentievergelijkingen Toepassingen op differentievergelijkingen We beschouwen lineaire differentievergelijkingen of lineaire recurrente betrekkingen van de vorm a 0 y k+n + a y k+n + + a n y k+ + a n y k = z k, k = 0,,, Hierbij

Nadere informatie

1.1 Oefen opgaven. Opgave Van de lineaire afbeelding A : R 3 R 3 is gegeven dat 6 2, 5 4, A 1 1 = A = Bepaal de matrix van A.

1.1 Oefen opgaven. Opgave Van de lineaire afbeelding A : R 3 R 3 is gegeven dat 6 2, 5 4, A 1 1 = A = Bepaal de matrix van A. . Oefen opgaven Opgave... Van de lineaire afbeelding A : R 3 R 3 is gegeven dat A = Bepaal de matrix van A. 4, 4 A =, A = 3 4. In de volgende opgave wordt het begrip injectiviteit en surjectiviteit van

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op 16-4-2012, 14.30-17.00 uur.

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica. Tentamen Lineaire Algebra voor ST (2DS06) op 16-4-2012, 14.30-17.00 uur. TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor ST (DS6) op 6--,.-7. uur. Aan dit tentamen gaat een MATLAB-toets van een half uur vooraf. Pas als de laptops

Nadere informatie

Examenvragen Meetkunde en lineaire algebra Eerste examenperiode

Examenvragen Meetkunde en lineaire algebra Eerste examenperiode Examenvragen Meetkunde en lineaire algebra Eerste examenperiode 2008-2009 Door rotatie van de rechte r die bepaald wordt door de punten P(3, 1, 2) en Q(1, 1, 2) omheen de rechte s die gaat door het punt

Nadere informatie

Lineaire Algebra voor W 2Y650

Lineaire Algebra voor W 2Y650 Lineaire Algebra voor W 2Y650 Docent: L. Habets HG 8.09, Tel: 040-2474230, Email: l.c.g.j.m.habets@tue.nl http://www.win.tue.nl/wsk/onderwijs/2y650 1 Herhaling: opspansel De vectoren v 1,..., v k V spannen

Nadere informatie

Eindtermen Lineaire Algebra voor E vor VKO (2DE01)

Eindtermen Lineaire Algebra voor E vor VKO (2DE01) Eindtermen Lineaire Algebra voor E vor VKO (2DE01) dr. G.R. Pellikaan 1 Voorkennis Middelbare school stof van wiskunde en natuurkunde. Eerste gedeelte (Blok A) van Lineaire Algebra voor E (2DE04). 2 Globale

Nadere informatie

Antwoorden op de theoretische vragen in de examen voorbereiding

Antwoorden op de theoretische vragen in de examen voorbereiding Antwoorden op de theoretische vragen in de examen voorbereiding Theorie vraag Zij A een m n-matrix. Geef het verband tussen de formule voor de dimensie d van een niet-strijdig stelsel, d = n rang (A) (zie

Nadere informatie

Tentamen lineaire algebra 2 17 januari 2014, 10:00 13:00 zalen 174, 312, 412, 401, 402

Tentamen lineaire algebra 2 17 januari 2014, 10:00 13:00 zalen 174, 312, 412, 401, 402 Tentamen lineaire algebra 2 17 januari 214, 1: 13: zalen 174, 312, 412, 41, 42 Dit zijn geen complete uitwerkingen. Er is dus geen garantie dat het overschrijven met andere getallen voldoende is voor huiswerk

Nadere informatie

Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft:

Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { De tweede vergelijking van de eerste aftrekken geeft: Determinanten Invoeren van het begrip determinant Bekijk nog een keer het stelsel van twee vergelijkingen met twee onbekenden x en y: { a x + b y = c a 2 a 2 x + b 2 y = c 2 a Dit levert op: { a a 2 x

Nadere informatie

Samenvatting Lineaire Algebra, periode 4

Samenvatting Lineaire Algebra, periode 4 Samenvatting Lineaire Algebra, periode 4 Hoofdstuk 5, Eigenwaarden en eigenvectoren 5.1; Eigenvectoren en eigenwaarden Definitie: Een eigenvector van een n x n matrix A is een niet nulvector x zodat Ax

Nadere informatie

Lineaire Algebra (2DD12) Laatste nieuws in 2012

Lineaire Algebra (2DD12) Laatste nieuws in 2012 Lineaire Algebra (2DD12) Laatste nieuws in 2012 Kwartiel 3, week 1 Het eerste college zal op maandagmiddag 6 februari 2012 beginnen om 13:45 uur in Auditorium 8. Zie de desbetreffende pagina van OASE of

Nadere informatie

Hoofdstuk 7: Stelsels eerste orde lineaire differentiaalvergelijkingen

Hoofdstuk 7: Stelsels eerste orde lineaire differentiaalvergelijkingen Hoofdstuk 7: Stelsels eerste orde lineaire differentiaalvergelijkingen Bij het vak Lineaire Algebra hebben we reeds kennis gemaakt met stelsels eerste orde lineaire differentiaalvergelijkingen We hebben

Nadere informatie

Matrices en Stelsel Lineaire Vergelijkingen

Matrices en Stelsel Lineaire Vergelijkingen Complexe Getallen Wat is de modulus van een complex getal? Hoe deel je twee complexe getallen? Wat is de geconjugeerde van een complex getal? Hoe kan je z z ook schrijven? Wat is de vergelijking van een

Nadere informatie

Tentamen Lineaire Algebra UITWERKINGEN

Tentamen Lineaire Algebra UITWERKINGEN Tentamen Lineaire Algebra 29 januari 29, 3:3-6:3 uur UITWERKINGEN Gegeven een drietal lijnen in R 3 in parametervoorstelling, l : 2, m : n : ν (a (/2 pt Laat zien dat l en m elkaar kruisen (dat wil zeggen

Nadere informatie

Coördinatiseringen. Definitie 1. Stel dat B = {b 1,..., b n } een basis is van een vectorruimte V en dat v V. iedere vector v V :

Coördinatiseringen. Definitie 1. Stel dat B = {b 1,..., b n } een basis is van een vectorruimte V en dat v V. iedere vector v V : Coördinatiseringen Het rekenen met vectoren in R n gaat erg gemakkelijk De coördinaten bieden de mogelijkheid om handig te rekenen (vegen Het is nu ook mogelijk om coördinaten in te voeren voor vectoren

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college J.Keijsper (TUE)

Nadere informatie

Geef niet alleen antwoorden, maar bewijs al je beweringen.

Geef niet alleen antwoorden, maar bewijs al je beweringen. Tentamen Lineaire Algebra donderdag 29 januari 205, 9.00-2.00 uur Het is niet toegestaan telefoons, computers, grafische rekenmachines (wel een gewone), dictaten, boeken of aantekeningen te gebruiken.

Nadere informatie

6. Lineaire operatoren

6. Lineaire operatoren 6. Lineaire operatoren Dit hoofdstukje is een generalisatie van hoofdstuk 2. De meeste dingen die we in hoofdstuk 2 met de R n deden, gaan we nu uitbreiden tot andere lineaire ruimten Definitie. Een lineaire

Nadere informatie

TENTAMEN LINEAIRE ALGEBRA 1 donderdag 23 december 2004,

TENTAMEN LINEAIRE ALGEBRA 1 donderdag 23 december 2004, TENTAMEN LINEAIRE ALGEBRA donderdag december 004, 0.00-.00 Bij elke vraag dient een berekening of motivering worden opgeschreven. Het tentamen bestaat uit twee gedeelten: de eerste drie opgaven betreffen

Nadere informatie

x = b 1 x 1 , b = x n b m i,j=1,1 en een vector [x j] n j=1 m n a i,j x j j=1 i=1

x = b 1 x 1 , b = x n b m i,j=1,1 en een vector [x j] n j=1 m n a i,j x j j=1 i=1 WIS9 9 Matrixrekening 9 Vergelijkingen Stelsels lineaire vergelijkingen Een stelsel van m lineaire vergelijkingen in de n onbekenden x, x 2,, x n is een stelsel vergelijkingen van de vorm We kunnen dit

Nadere informatie

Lineaire afbeeldingen

Lineaire afbeeldingen Les 2 Lineaire afbeeldingen Als een robot bij de robocup (het voetbaltoernooi voor robots een doelpunt wil maken moet hij eerst in de goede positie komen, d.w.z. geschikt achter de bal staan. Hiervoor

Nadere informatie

Vragen, samenvattingen en uitwerkingen Lineaire algebra 1 - UvA

Vragen, samenvattingen en uitwerkingen Lineaire algebra 1 - UvA Vragen, samenvattingen en uitwerkingen 2013 - Lineaire algebra 1 - UvA Rocco van Vreumingen 28 juli 2016 1 Inhoudsopgave 1 Samenvattingen 3 1.1 Samenvatting stof college 1................... 3 1.2 Samenvatting

Nadere informatie

wordt de stelling van Pythagoras toegepast, in dit geval twee keer: eerst in de x y-vlakte en vervolgens in de vlakte loodrecht op de vector y.

wordt de stelling van Pythagoras toegepast, in dit geval twee keer: eerst in de x y-vlakte en vervolgens in de vlakte loodrecht op de vector y. Wiskunde voor kunstmatige intelligentie, 2 Les 5 Inproduct Als we het in de meetkunde (of elders) over afstanden en hoeken hebben, dan hebben we daar intuïtief wel een idee van. Maar wat is eigenlijk de

Nadere informatie

Hoofdstuk 9. Vectorruimten. 9.1 Scalairen

Hoofdstuk 9. Vectorruimten. 9.1 Scalairen Hoofdstuk 9 Vectorruimten 9.1 Scalairen In de lineaire algebra tot nu toe, hebben we steeds met reële getallen als coëfficienten gewerkt. Niets houdt ons tegen om ook matrices, lineaire vergelijkingen

Nadere informatie

College WisCKI. Albert Visser. 16 januari, Department of Philosophy, Faculty Humanities, Utrecht University. Loodrechte Projectie

College WisCKI. Albert Visser. 16 januari, Department of Philosophy, Faculty Humanities, Utrecht University. Loodrechte Projectie College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 16 januari, 2012 1 Overview 2 Overview 2 Overview 2 Overview 3 Zij V een deelruimte met basis v 1,..., v k.

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 5 J.Keijsper (TUE)

Nadere informatie

Tentamen (2DE04) van Lineaire Algebra voor E, op vrijdag 27 januari 2012, ( )

Tentamen (2DE04) van Lineaire Algebra voor E, op vrijdag 27 januari 2012, ( ) Faculteit der Wiskunde en Informatica Tentamen (2DE04) van Lineaire Algebra voor E, op vrijdag 27 januari 2012, (9.00-12.00) Zoals beschreven in de studiehandleiding 2DE04 bestaat dit tentamen uit drie

Nadere informatie

PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016

PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016 PROEFEXAMEN LINEAIRE ALGEBRA dinsdag 22 november 2016 1. Zi (R, V, +) een eindigdimensionale vectorruimte en veronderstel dat U en W deelruimten van V zin. Toon aan dat 2. Waar of fout? Argumenteer e antwoord.

Nadere informatie

Tweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen

Tweede huiswerkopdracht Lineaire algebra 1 Uitwerking en opmerkingen Tweede huiswerkopdracht Lineaire algebra 1 en opmerkingen November 10, 2009 Opgave 1 Gegeven een vectorruimte V met deelruimtes U 1 en U 2. Als er geldt dim U 1 = 7, dimu 2 = 9, en dim(u 1 U 2 ) = 4, wat

Nadere informatie

De Grassmann-variëteit

De Grassmann-variëteit De Grassmann-variëteit Timo Baas 31 oktober 2009 Bachelorscriptie Begeleiding: prof.dr. Gerard van der Geer KdV Instituut voor Wiskunde Faculteit der Natuurwetenschappen, Wiskunde en Informatica Universiteit

Nadere informatie

Overzicht. Eigenwaarden. Beurzen en afhankelijkheid. Eigenwaarden: Intro

Overzicht. Eigenwaarden. Beurzen en afhankelijkheid. Eigenwaarden: Intro Overzicht Eigenwaarden VU Numeriek Programmeren. Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, A april Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom Powermethode Andere

Nadere informatie

Basiskennis lineaire algebra

Basiskennis lineaire algebra Basiskennis lineaire algebra Lineaire algebra is belangrijk als achtergrond voor lineaire programmering, omdat we het probleem kunnen tekenen in de n-dimensionale ruimte, waarbij n gelijk is aan het aantal

Nadere informatie

Vierde huiswerkopdracht Lineaire algebra 1

Vierde huiswerkopdracht Lineaire algebra 1 Vierde huiswerkopdracht Lineaire algebra December, 00 Opgave : Voor positieve gehele getallen m, n schrijven we Mat(m n, R) voor de vectorruimte van alle m n matrices, met de gebruikelijke optelling en

Nadere informatie

Uitwerking Proeftentamen Lineaire Algebra 1, najaar y y = 2x. P x. L(P ) y = x. 2/3 1/3 en L wordt t.o.v de standaardbasis gegeven door

Uitwerking Proeftentamen Lineaire Algebra 1, najaar y y = 2x. P x. L(P ) y = x. 2/3 1/3 en L wordt t.o.v de standaardbasis gegeven door Uitwerking Proeftentamen Lineaire Algebra, najaar 007. Gegeven is de lineaire afbeelding L : R R, die een punt P = (x, y) langs de lijn y = x projecteert op de lijn y = x: y y = x P x L(P ) y = x Bepaal

Nadere informatie

Lineaire Algebra SUPPLEMENT II

Lineaire Algebra SUPPLEMENT II Lineaire Algebra SUPPLEMENT II FBeukers 2012 Departement Wiskunde UU Inhoudsopgave 13 Eigenwaarden en eigenvectoren 3 131 Inleiding 3 132 Berekening van eigenwaarden en eigenvectoren 5 133 Basiseigenschappen

Nadere informatie

1 Triangulatiestellingen voor lineaire transformaties

1 Triangulatiestellingen voor lineaire transformaties Triangulatiestellingen voor lineaire transformaties Zoals bekend kan niet iedere lineaire transformatie L : V V van een vectorruimte (V, K) gediagonaliseerd worden. Als het lichaam K echter algebraïsch

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT en TIW (DM) op dinsdag 9 april 8, 9.. uur. Dit tentamen bestaat uit 6 open vragen, en 4 kort-antwoord

Nadere informatie

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica

TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT (2DM20) op vrijdag 12 juni 2009, 9.00 Dit tentamen bestaat uit 5 open vragen, en 4 kort-antwoord vragen.

Nadere informatie

Lineaire Algebra C 2WF09

Lineaire Algebra C 2WF09 Lineaire Algebra C 2WF09 College: Instructie: L. Habets HG 8.09, Tel. 4230, Email: l.c.g.j.m.habets@tue.nl H.A. Wilbrink HG 9.49, Tel. 2783, E-mail: h.a.wilbrink@tue.nl http://www.win.tue.nl/wsk/onderwijs/2wf09

Nadere informatie

Lineaire algebra I (wiskundigen)

Lineaire algebra I (wiskundigen) Lineaire algebra I (wiskundigen) Toets, donderdag 22 oktober, 2009 Oplossingen (1) Zij V het vlak in R 3 door de punten P 1 = (1, 2, 1), P 2 = (0, 1, 1) en P 3 = ( 1, 1, 3). (a) Geef een parametrisatie

Nadere informatie

te vermenigvuldigen, waarbij N het aantal geslagen Nederlandse munten en B het aantal geslagen buitenlandse munten zijn. Het resultaat is de vector

te vermenigvuldigen, waarbij N het aantal geslagen Nederlandse munten en B het aantal geslagen buitenlandse munten zijn. Het resultaat is de vector Les 3 Matrix product We hebben gezien hoe we matrices kunnen gebruiken om lineaire afbeeldingen te beschrijven. Om het beeld van een vector onder een afbeelding te bepalen hebben we al een soort product

Nadere informatie

Lineaire Algebra voor ST

Lineaire Algebra voor ST Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9.3 email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/2ds6 Technische Universiteit Eindhoven college 6 J.Keijsper (TUE)

Nadere informatie

Anton-Rorres Anton-Rorres

Anton-Rorres Anton-Rorres Anton-Rorres 8.4. In[]:= A, 3,,, 0,, 6,, 4; a. Dit is makkelijk: de coordinaten van T(v) ten opzichte van B staan in de eerste kolom van A, dus het antwoord de kolomvector [,,6]^T. (^T staat voor getransponeerd.)

Nadere informatie