Voorwaardelijke optimalisatie
|
|
- Heidi Cools
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 Voorwaardelijke optimalisatie We zoek naar maximale minimale waard van e kwadratische vorm Q(x op R n onder bepaalde voorwaard Zo n voorwaarde is bijvoorbeeld dat x R n e eheidsvector is, dat wil zegg : x = x = x T x = x + + x n = Voorbeeld Stel dat Q(x = 7x + 4x + x Wat is dan het maximum het minimum van Q(x onder de voorwaarde dat x T x = oftewel x + x + x =? Merk op dat dat Verder geldt : x = Q(x = 7x + 4x + x 7x + 7x + 7x = 7(x + x + x = 7 Q(x = 7x + 4x + x x + x + x = (x + x + x = = Q(x = 7 x = = Q(x = Hieruit volgt dat het maximum van Q(x onder de voorwaarde x T x = gelijk is aan 7 het minimum gelijk aan Dit is respectievelijk de grootste de kleinste eigwaarde van de matrix D = diag(7, 4, van de kwadratische vorm Q Dit geldt algeme : Stelling Als A e symmetrische matrix is M = max{x T Ax : x = } m = min{x T Ax : x = }, dan geldt : M is gelijk aan de grootste eigwaarde van A m is gelijk aan de kleinste eigwaarde van A Verder geldt dat x T Ax = M als x e eigvector (met x = is van A behorde bij de eigwaarde M dat x T Ax = m als x e eigvector (met x = is van A behorde bij de eigwaarde m Bewijs De matrix A is symmetrisch dus orthogonaal diagonaliseerbaar Dat wil zegg : A = P DP T voor zekere orthogonale matrix P diagonaalmatrix D Stel nu x = P y, dan volgt : x T Ax = y T Dy Verder geldt : voor ieder y, want P T P = I dus x = P y = y P y = (P y T P y = y T P T P y = y T y = y
2 Dit betekt dus ook dat : x = y = Stel nu dat P = u u n D = diag(λ,, λ n met λ λ n Dan geldt dus : x T Ax = y T Dy = λ y + + λ ny n dus M = max{x T Ax : x = } = max{y T Dy : y = } = λ m = min{x T Ax : x = } = min{y T Dy : y = } = λ n Verder geldt dat M = x T Ax = y T Dy als y = dus als x = P y = u dat m = x T Ax = y T Dy als y = dus als x = P y = u n Voorbeeld Bepaal het maximum M het minimum m van de kwadratische vorm Q(x = x + 5x + 5x 8x x + 8x x onder de voorwaarde dat x T x = bepaal e eheidsvector x zodat Q(x = M e eheidsvector x zodat Q(x = m 4 4 Merk op dat Q(x = x T Ax met A = 4 5 Dan volgt : 4 5 λ 4 4 A λi = 4 5 λ 4 5 λ = λ λ 5 λ 4 5 λ = λ λ 4 5 λ = (5 λ λ λ = (5 λ(λ λ 7 = (5 λ(λ (λ + Hieruit volgt dat M = dat m = Verder volgt : M = : 4 4 = x = ± 4 4 m = : = x = ± We kunn nog wat extra voorwaard oplegg :
3 Stelling Als A e symmetrische matrix is met A = P DP T, waarbij P = u u n D = diag(λ,, λ n zodat λ λ n, dan geldt voor elke k {,,, n } : het maximum van de kwadratische vorm x T Ax onder de voorwaard x T x =, x T u =,, x T u k = is gelijk aan de eigwaarde λ k+ dat maximum wordt aangom als x = u k+ Voorbeeld Bepaal het maximum van de kwadratische vorm Q(x = x + 5x + 5x 8x x + 8x x onder de voorwaard dat x T x = dat x T u = met u = eheidsvector x waarvoor dat maximum wordt aangom In voorbeeld hebb we gezi dat de Q(x = x T Ax met A = bepaal e dat de eigwaard van A zijn : λ =, λ = 5 λ = Het gevraagde maximum is dus gelijk aan λ = 5 Verder volgt : λ = 5 : 4 = x = ± 4 Singuliere-waarddecompositie Niet elke (vierkante matrix is diagonaliseerbaar We kunn dus niet elke matrix A schrijv als A = P DP met P e inverteerbare matrix D e diagonaalmatrix Maar symmetrische matrices zijn zelfs orthogonaal diagonaliseerbaar Dat wil zegg dat elke symmetrische matrix A geschrev kan word als A = P DP T voor zekere orthogonale matrix P diagonaalmatrix D Die (orthogonale diagonaliseerbaarheid heeft vele voordel toepassing Het is wel mogelijk om elke (evtueel niet-vierkante matrix A te schrijv als A = UΣV T voor zekere orthogonale matrices U V e matrix Σ met dezelfde afmeting als A die veel op e diagonaalmatrix lijkt Dit noemt m e singuliere-waarddecompositie van de matrix A Als A e symmetrische matrix is, dan geldt voor elke x met Ax = λx x = dat Ax = λx = λ x = λ Zo n vector x wordt door de lineaire afbeelding x Ax afgebeeld op e vector met lgte λ Die absolute waarde van de eigwaarde λ is dus e maat voor de oprekking of inkrimping door de lineaire afbeelding x Ax die bij de matrix A hoort
4 Dit principe kan ook bij niet-vierkante matrices word onderzocht Als A e willekeurige (m n-matrix is, dan is x Ax e lineaire afbeelding van R n naar R m We kijk vervolgs naar de verzameling {x R n : x = } in R n onderzoek de mogelijke waard van Ax Nu geldt : Ax = (Ax (Ax = (Ax T (Ax = x T A T Ax Dit is e kwadratische vorm waarvan de matrix gelijk is aan A T A Deze matrix is symmetrisch, want : (A T A T = A T (A T T = A T A We zoek vervolgs het maximum het minimum van deze kwadratische vorm onder de voorwaarde dat x = Dat is dus respectievelijk de grootste de kleinste eigwaarde van de symmetrische matrix A T A ( 4 4 Voorbeeld 4 Zie voorbeeld van 74 in Lay op pagina 47 De matrix A = 8 7 bepaalt e lineaire afbeelding x Ax van R naar R In R beperk we ons tot de vector op de eheidsbol {x R : x = } De matrix A T A heeft de eigwaard λ =, λ = λ = De bijbehorde orthonormale eigvector zijn respectievelijk u = ±, u = ± u = ± Het maximum van Ax onder de voorwaarde dat x = is dus = Dit maximum wordt aangom voor x = u : Au = ± ( 4 4 = ± ( = ± ( ( 54 8 = ± Het maximum van Ax onder de voorwaard dat x = x T u = is dus = Dit maximum wordt aangom voor x = u : Au = ± ( 4 4 = ± ( = ± ( ( = ± ( 8 Op deze manier zi we dat {Ax : x = } e ellips voorstelt met halve ass ± ( ± De lgtes van die halve ass zijn respectievelijk : ( 8 ( = = ( ( = = Als A e willekeurige (m n-matrix is, dan is A T A e symmetrische (n n-matrix Deze matrix is dus orthogonaal diagonaliseerbaar, dat wil zegg : er bestaat e orthonormale basis {v,, v n } van R n bestaande uit eigvector van A T A Stel dat A T Av i = λ i v i voor i =,,, n, dan geldt : Av i = (Av i T (Av i = v i A T Av i = v T i (λ i v i = λ i (v T i v i = λ i, i =,,, n 4
5 Hieruit volgt dat alle eigwaard van A T A niet-negatief zijn We kunn die eigwaard dus alsvolgt rangschikk : λ λ λ n De singuliere waard van A zijn nu de wortels van de eigwaard van A T A Dit zijn dus precies de lgtes van de vector Av i met i =,,, n : Nu geldt : σ i = λ i = Av i, i =,,, n Stelling Stel dat {v,, v n } e orthonormale basis van R n is bestaande uit eigvector van A T A behorde bij de eigwaard λ,, λ n zodat λ λ n Als A r positieve singuliere waard heeft, dan is {Av,, Av r } e orthogonale basis van Col A geldt dat rank A = r Bewijs Omdat {v,, v n } orthogonaal is volgt (Av i (Av j = (Av i T (Av j = v T i A T Av j = v T i (λ j v j = λ j (v i v j =, i j Dus : {Av,, Av n } is orthogonaal De singuliere waard van A zijn de lgtes van de vector Av,, Av n Omdat A r positieve singuliere waard heeft, dus n r singuliere waard gelijk aan nul, volgt dat Av i o voor i =,,, r Av i = o voor i = r +, r +,, n Dus : {Av,, Av r } is e lineair onafhankelijke verzameling vector in Col A Verder geldt dat iedere vector y Col A geschrev kan word als y = Ax voor zekere x R n Nu is x = c v + + c n v n, want {v,, v n } is e basis van R n Dus : y = Ax = A(c v + + c n v n = c Av + + c r Av r Dit betekt dat Col A = Span{Av,, Av r } Dus : {Av,, Av r } is e orthogonale basis van Col A dus is rank A = dim(col A = r Nu kunn we het hoofdresultaat formuler : Stelling 4 Stel dat A e (m n-matrix is met rank A = r Dan bestaat er e orthogonale (m m-matrix U, e orthogonale (n n-matrix V e (m n-matrix Σ waarvan de eerste r diagonaalelemt gelijk zijn aan de singuliere waard σ σ σ r > van A de andere elemt gelijk aan nul, zodat A = UΣV T Elke factorisatie van de vorm A = UΣV T met U V orthogonale matrices, noemt m e singuliere-waarddecompositie van de matrix A Zo n ontbinding is niet uniek Het bewijs is constructief : Bewijs Stel dat {v,, v n } e orthonormale basis van R n is bestaande uit eigvector van de matrix A T A behorde bij de eigwaard λ λ n respectievelijk Dan is dus {Av,, Av r } e orthogonale basis van Col A De lgtes van de vector Av,, Av r zijn de eerste r (positieve singuliere waard van A, dus : Av i = σu i, i =,,, r, 5
6 waarbij {u,, u r } e orthonormale verzameling is in R m Deze verzameling kan (evtueel uitgebreid word tot e orthonormale basis {u,, u m } van R m door geschikte eheidsvector u r+,, u m toe te voeg Definieer nu de matrices U = u u m V = v v n Dan is U e orthogonale (m m-matrix V e orthogonale (n n-matrix Verder geldt : AV = Av Av r o o = σ u σ r u r o o UΣ = u u m σ σ r = σ u σ r u r o o Hieruit volgt dat AV = UΣ omdat V e orthogonale matrix is (V = V T geldt : A = UΣV = UΣV T Voorbeeld 5 Voor de matrix A = Dan volgt : Av = Av = v = ( 8 ( ( , v = = = Dan volgt : A = UΣV T met U = ( ( ( uit voorbeeld 4 vind we (bijvoorbeeld : (, Σ = v = = σ u = u = ( = σ u = u = ( V = Merk op, dat in dit geval {u, u } al e basis van R is Deze hoeft dus niet verder te word aangevuld
7 Als A = UΣV T e singuliere-waarddecompositie van A is, dan is A = V Σ T U T e singuliere-waarddecompositie van A T In voorbeeld 4 voorbeeld 5 is A T A e ( - matrix, terwijl AA T e ( -matrix is Het is daarom iets evoudiger om de singuliere waard van A T te bepal Dat zijn er dan twee : σ = σ = De rol van de matrices U V wordt dan omgedraaid, waarbij er slechts twee kolomm word gevond voor de orthogonale ( -matrix De derde kolom moet dan nog geconstrueerd word Dit zi we ook in het volgde voorbeeld : Voorbeeld Als A =, dan is A T A = ( λ = Dus : σ = σ = Verder vind we evoudig dat v = ( v = ( met eigwaard λ = twee orthonormale eigvector zijn van A T A behorde bij de eigwaard λ = λ = respectievelijk Vervolgs vind we : Av = ( = = = σ u = u = Av = ( = = σ u = u = We vind dus : A = UΣV T met / U = / / / /, Σ = V = ( De derde kolom van U is min of meer willekeurig, maar we will wel dat U e orthogonale matrix is We moet de derde kolom daarom zo kiez dat deze lgte heeft orthogonaal x is met betrekking tot de eerste twee kolomm Stel dat die derde kolom gelijk is aan x, dan volgt dat x + x + x = x + x = Hieruit volgt dat x = x = x De lgte moet zijn, dus kiez we bijvoorbeeld : Voor de matrix U vind we dan : U = / / / / / / / / = x 7
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 informatieSymmetrische 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 informatieEigenwaarden 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 informatieMatrixalgebra (het rekenen met matrices)
Matrixalgebra (het rek met matrices Definitie A a a n a a n a m a mn is e (m n-matrix Hierbij is m het aantal rij van A n het aantal kolomm (m n noemt m de afmeting( van de matrix A We noter vaak kortweg
Nadere informatieLineaire 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 informatieComplexe 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 informatieSamenvatting 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 informatieDefinities, 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 informatiex 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 informatieLineaire 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 informatieInwendig product, lengte en orthogonaliteit in R n
Inwendig product, lengte en orthogonaliteit in R n Het inwendig product kan eenvoudig worden gegeneraliseerd tot : u v u v Definitie Als u = u n en v = v n twee vectoren in Rn zijn, dan heet u v := u T
Nadere informatieUitwerkingen 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 informatieLineaire 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 informatieLineaire 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 informatieUitwerkingen 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 informatieInwendig product, lengte en orthogonaliteit
Inwendig product, lengte en orthogonaliteit We beginnen met een definitie : u u Definitie. Als u =. en v = u n v v. v n twee vectoren in Rn zijn, dan heet u v := u T v = u v + u v +... + u n v n het inwendig
Nadere informatieLineaire 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 informatieTentamen 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 informatieLineaire 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 informatie11.0 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 informatieToepassingen 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 informatieGeadjungeerde 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 informatieTentamen 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 informatieUitwerkingen 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 informatieTECHNISCHE 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 informatieOefensommen 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 informatieExamen 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 informatieTECHNISCHE 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 informatieWI1808TH1/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 informatieAanvullingen 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 informatie1 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 informatieTentamen 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 informatieDe dimensie van een deelruimte
De dimensie van een deelruimte Een deelruimte van R n is een deelverzameling die op zichzelf ook een vectorruimte is. Ter herinnering : Definitie. Een deelverzameling H van R n heet een deelruimte van
Nadere informatieTentamen 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 informatieCTB1002-D2 Lineaire Algebra 2
CTB00-D Lineaire Algebra Juli 03 Augustus 03 Juli 0 Augustus 0 Juli 0 Augustus 0 Juli 00 Augustus 00 Tentamenbundel Civiele Techniek Het Gezelschap "Practische Studie" Technische Universiteit Delft Faculteit
Nadere informatieToepassingen op discrete dynamische systemen
Toepassingen op discrete dynamische systemen Een discreet dynamisch systeem is een proces van de vorm x k+ Ax k k met A een vierkante matrix Een Markov-proces is een speciaal geval van een discreet dynamisch
Nadere informatieBekijk 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 informatieMatrices 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 informatieextra sommen bij Numerieke lineaire algebra
extra sommen bij Numerieke lineaire algebra 31 oktober 2012 1. Stel, we willen met een rekenapparaat (dat arithmetische bewerkingen uitvoert met een relatieve nauwkeurigheid ξ, ξ ξ) voor twee getallen
Nadere informatieEXAMEN 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 informatie1.1 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 informatieUITWERKINGEN 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 informatiePraktische informatie. m.b.t. College. Lineaire Algebra en Beeldverwerking. Bachelor Informatica. 1e jaar. Voorjaar semester 2012
Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica 1e jaar Voorjaar semester 2012 Docenten: Jesse Goodman en Charlene Kalle Universiteit Leiden Praktische informatie
Nadere informatieKies 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 informatieVectorruimten 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 informatieOpgaven Matlab - Week 2, sessie 2: De Singulierewaardendecompositie
Opgaven Matla - Week 2, sessie 2: De Singulierewaardendecompositie Laat A R n k. Dan etaan er unitaire matrices V R k k en U R n n zodanig, dat AV = UΣ, (1) waarij Σ R n k een niet-negatieve diagonaalmatrix
Nadere informatieLineaire 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 informatieTentamen 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 informatieONBETWIST 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(2) Stel een parametervoorstelling op van de doorsnijdingskromme van sfeer en cilinder in de voorkeurpositie.
Vraag op 5 punten de sfeer met middelpunt in,, 4 en straal 6; de omwentelingscilinder met straal 6 en als as de rechte door,, met richtingsvector,, Bepaal een affiene transformatie of een coördinatentransformatie,
Nadere informatieTentamen 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 informatieLineaire 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 2 J.Keijsper
Nadere informatieTECHNISCHE 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 informatieUnitaire 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 informatieTENTAMEN 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 informatiePraktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica en Economie 2 e jaar Voorjaar semester 2013 Docent:
Praktische informatie m.b.t. College Lineaire Algebra en Beeldverwerking Bachelor Informatica en Economie 2 e jaar Voorjaar semester 2013 Docent: D.P. Huijsmans LIACS Universiteit Leiden College Lineaire
Nadere informatieLineaire 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 informatieUitwerkingen 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 informatieWiskundigen. Tentamen Lineaire Algebra 1. Donderdag 18 december 2008, a ( )
Wiskundigen Tentamen Lineaire Algebra Donderdag 8 december 8,.-3. Naam: () Bepaal voor alle reële waarden van a de rang van de matrix a C a = a. 4a () Zij n een geheel getal en laat P n de vectorruimte
Nadere informatieTentamen 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 informatieLineaire 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 informatieHoofdstuk 5: Machtreeksoplossingen van tweede orde lineaire differentiaalvergelijkingen
Hoofdstuk 5: Machtreeksoplossing van tweede orde lineaire differtiaalvergelijking 5.1. Machtreeks. In deze paragraaf word de belangrijkste eigschapp van machtreeks op e rijtje gezet. Zelf doorlez! Zie
Nadere informatieLineaire 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 7 J.Keijsper
Nadere informatieTentamen 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 informatieCTB1002 deel 1 - Lineaire algebra 1
CTB100 deel 1 - Lineaire algebra 1 College 5 5 februari 014 1 Opbouw college Vandaag behandelen we hoofdstuk 1.7 en deel van 1.8 Voor de pauze: hoofdstuk 1.7 Na de pauze: hoofdstuk 1.8 Verschillende notaties
Nadere informatie10.6. Andere warmteproblemen. We hebben warmteproblemen bekeken van de vorm. 0 < x < L, t > 0. w(0, t) = 0, w(l, t) = 0, t 0. u(x, 0) = f(x), 0 x L,
.6. Andere warmteproblem. We hebb warmteproblem bekek van de vorm α 2 u xx = u t, < x u(, t) =, u(, t) =, t u(x, ) = f(x), x, waarbij de temperatuur aan de beide uiteind constant bovdi gelijk is.
Nadere informatieHoofdstuk 10: Partiële differentiaalvergelijkingen en Fourierreeksen
Hoofdstuk : Partiële differtiaalvergelijking Fourierreeks Partiële differtiaalvergelijking zijn vergelijking waarin e onbekde functie van twee of meer variabel z n partiële afgeleide(n) voorkom. Dit in
Nadere informatieFrobenius lage rang benaderingen
Falcuteit Wetenschappen en Bio-Ingenieurswetenschappen Departement Wiskunde Frobenius lage rang benaderingen Proefschrift ingediend met het oog op het behalen van de graad Bachelor in de Wiskunde Dina
Nadere informatieLineaire Algebra voor ST
Lineaire Algebra voor ST docent: Judith Keijsper TUE, HG 9. email: J.C.M.Keijsper@tue.nl studiewijzer: http://www.win.tue.nl/wsk/onderwijs/ds6 Technische Universiteit Eindhoven college 9 J.Keijsper (TUE)
Nadere informatieLineaire 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 informatieLineaire 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 3 J.Keijsper
Nadere informatieGeef 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 informatieTentamen Lineaire Algebra voor BMT en TIW (2DM20) op vrijdag 11 mei 2007, 9:00 12:00 uur.
TECHNISCHE UNIVERSITEIT EINDHOVEN Faculteit Wiskunde en Informatica Tentamen Lineaire Algebra voor BMT en TIW (DM) op vrijdag mei 7, 9: : uur. U mag bij het tentamen geen computer (notebook, laptop), boeken
Nadere informatieOverzicht. 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 informatieHet orthogonaliseringsproces van Gram-Schmidt
Het orthogonaliseringsproces an Gram-Schmidt Voor het berekenen an een orthogonale projectie an een ector y op een deelruimte W an R n is een orthogonale basis {u,, u p } zeer gewenst De orthogonale projectie
Nadere informatieVectorruimten met inproduct
Hoofdstuk 3 Vectorruimten met inproduct 3. Inleiding In R 2 en R 3 hebben we behalve de optelling en scalairvermenigvuldiging nog meer structuur ; bij een vector kun je spreken over zijn lengte en bij
Nadere informatie3.2 Vectoren and matrices
we c = 6 c 2 = 62966 c 3 = 32447966 c 4 = 72966 c 5 = 2632833 c 6 = 4947966 Sectie 32 VECTOREN AND MATRICES Maar het is a priori helemaal niet zeker dat het stelsel vergelijkingen dat opgelost moet worden,
Nadere informatieExamenvragen Hogere Wiskunde I
1 Examenvragen Hogere Wiskunde I Vraag 1. Zij a R willekeurig. Gegeven is dat voor alle r, s Q geldt dat a r+s = a r a s. Bewijs dat voor alle x, y R geldt dat a x+y = a x a y. Vraag 2. Gegeven 2 functies
Nadere informatieAntwoorden 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 informatieEindtermen 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 informatiecompact weer te geven (ken ook een waarde toe aan n).
1 HOVO: Gravitatie en kosmologie OPGAVEN WEEK 2 - Oplossingen Opgave 1: Er geldt n 3 en we hebben de compacte uitdrukking y i a r i x r, waarbij we gebruik maken van de Einsteinsommatieconventie. a Schrijf
Nadere informatieHet oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b
Het oplossen van stelsels lineaire vergelijkingen Wiskunde 2, 2DM60 College 2b Ruud Pellikaan g.r.pellikaan@tue.nl /k 2014-2015 Lineaire vergelijking 2/64 DEFINITIE: Een lineaire vergelijking in de variabelen
Nadere informatieNP2.5w3 Eigenwaarden. Eigenwaarden. VU Numeriek Programmeren 2.5. Charles Bos. Vrije Universiteit Amsterdam 1A april /26
1/26 Eigenwaarden VU Numeriek Programmeren 2.5 Charles Bos Vrije Universiteit Amsterdam c.s.bos@vu.nl, 1A40 22 april 2013 2/26 Overzicht Waarom? Voorbeelden Eigenwaarden/eigenvectoren Hoe vind ik ze? Polynoom
Nadere informatieMeetkunde 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 informatiePrincipale Componenten Analyse:
Principale Componenten Analyse: Doelstellingen: dimensiereductie inzicht in de variabiliteit van de data dataexploratie PCA is een transformatie: van p oorspronkelijke variabelen naar p PC s ˆΣ Σ variantie
Nadere informatieVragen, 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 informatieCollege 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 informatieLineaire algebra I (wiskundigen)
Lineaire algebra I (wiskundigen) Voorbeelden van toetsopgaven, 011 en (1) (a) Bepaal de afstand van het punt Q = (1,, ) R 3 tot het vlak gegeven door x + y z = 1. (b) Bepaal de hoek tussen de vectoren
Nadere informatieEXAMEN 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 informatieGeef 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 informatiePROEFEXAMEN 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 informatieBilineaire 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 informatieMatrixoperaties. Definitie. Voorbeelden. Een matrix is een rechthoekig array van getallen, die kentallen of elementen heten.
Definitie Een matrix is een rechthoekig array van getallen, die kentallen of elementen heten. Voorbeelden De coëfficiëntenmatrix of aangevulde matrix bij een stelsel lineaire vergelijkingen. Een rij-echelonmatrix
Nadere informatieUitwerking 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 informatieSamenvatting. Lineaire Algebra 1 - Collegejaar Dictaat met verwijzing naar het boek. Disclaimer
Samenvatting Lineaire Algebra 1 - Collegejaar 2013-2014 Dictaat met verwijzing naar het boek Disclaimer De informatie in dit document is afkomstig van derden. W.I.S.V. Christiaan Huygens betracht de grootst
Nadere informatieFACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie
FACULTEIT ECONOMIE EN BEDRIJFSKUNDE Afdeling Kwantitatieve Economie Lineaire Algebra, tentamen Uitwerkingen vrijdag 4 januari 0, 9 uur Gebruik van een formuleblad of rekenmachine is niet toegestaan. De
Nadere informatie4. Determinanten en eigenwaarden
4. Determinanten en eigenwaarden In dit hoofdstuk bestuderen we vierkante matrices. We kunnen zo n n n matrix opvatten als een lineaire transformatie van R n. We onderscheiden deze matrices in twee typen:
Nadere informatieBlokmatrices. , I 21 = ( 0 0 ) en I 22 = 1.
Blokmatrices Soms kan het handig zijn een matrix in zogenaamde blokken op te delen, vooral als sommige van deze blokken uit louter nullen bestaan Berekeningen kunnen hierdoor soms aanzienlijk worden vereenvoudigd
Nadere informatie9.1 Vergelijkingen van lijnen[1]
9.1 Vergelijkingen van lijnen[1] y = -4x + 8 is de vergelijking van een lijn. Hier wordt y uitgedrukt in x. Algemeen: Van de lijn y = ax + b is de richtingscoëfficiënt a en het snijpunt met de y-as (0,
Nadere informatieDimensie van een deelruimte en rang van een matrix
Dimensie van een deelruimte en rang van een matrix Definitie (Herinnering) Een basis voor een deelruimte H van R n is een lineair onafhankelijke verzameling vectoren die H opspant. Notatie Een basis van
Nadere informatie