Vectorruimten en deelruimten
|
|
- Joost van den Brink
- 6 jaren geleden
- Aantal bezoeken:
Transcriptie
1 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 Een (reële vectorruimte is een niet-lege verzameling V van objecten die we dan vectoren zullen noemen waarop twee bewerkingen de optelling en de scalaire vermenigvuldiging zijn gedefinieerd zodat voor alle u en v in V geldt dat u + v V en λu V voor alle λ R Verder moeten deze optelling en scalaire vermenigvuldiging (vermenigvuldiging met een getal voldoen aan de volgende axioma s : u + v = v + u 5 λ(u + v = λu + λv (u + v + w = u + (v + w 6 (λ + µu = λu + µu 3 u + o = u 7 λ(µu = (λµu 4 u + ( u = o 8 u = u voor alle u v w V en voor alle λ µ R Bij 3 gaat het er om dat er een neutraal element voor de optelling bestaat Dat element (of object noemen we de nulvector van V en noteren we op de gebruikelijke wijze met o De nulvector heeft de eigenschap dat als deze wordt opgeteld bij een (andere vector die vector niet verandert Er geldt : u = o voor iedere u in V Bij 4 gaat het er om dat iedere vector u in V een tegengestelde in V heeft Deze vector wordt genoteerd als u en heeft de eigenschap dat u + ( u = o Er geldt : ( u = u voor iedere u in V Bij 8 gaat het er om dat er een neutraal element van de scalaire vermenigvuldiging bestaat Dat is natuurlijk het welbekende getal Als je een (willekeurige vector in V vermenigvuldigt met het getal dan verandert die vector niet Er zijn erg veel voorbeelden van vectorruimten te verzinnen : Ga na dat R n voor iedere n { 3 } een vectorruimte is Vectoren zijn in dit geval steeds de rijtjes getallen van de vorm v = Merk op dat R (dat is R n met n = ook een vectorruimte is De reële getallen in R zijn dan de objecten die we dus ook vectoren zullen noemen 3 De verzameling C[a b] van alle continue (reële functies gedefinieerd op het interval [a b] is ook een vectorruimte De som van twee continue functies is immers weer een continue functies enzovoorts De (continue functies in C[a b] zullen we dus ook vectoren noemen De nulvector is hier de nulfunctie : de functie die op [a b] overal is v v n
2 4 De verzameling P n van alle (reële polynomen p(t = a + a t + + a n t n a a a n R van de graad n is ook een vectorruimte De vectoren (objecten in P n zijn dus polynomen (in de variabele t bijvoorbeeld Het nulpolynoom (a = a = = a n = is hier de nulvector De graad van dit nulpolynoom is niet gedefinieerd (soms : of maar het nulpolynoom behoort volgens afspraak wel tot P n Als p(t = a (constant polynoom ongelijk aan het nulpolynoom dan is de graad van p gelijk aan 5 De verzameling M m n van alle (m n-matrices is ook een vectorruimte Dergelijke matrices (van dezelfde afmetingen kunnen bij elkaar worden opgeteld en kunnen worden vermenigvuldigd met een getal Die (m n-matrices zijn dus de vectoren uit deze vectorruimte De (m n-nulmatrix treedt hier op als de nulvector (het neutrale element van deze vectorruimte M m n Het begrip deelruimte wordt op dezelfde manier gedefinieerd als voorheen bij R n : Definitie Een deelruimte van een vectorruimte V is een deelverzameling H van V met de eigenschappen : De nulvector van V zit in H u + v H voor alle u v H 3 λu H voor alle u H en voor alle λ R Een deelruimte van V is dus een deelverzameling van V die op zichzelf een vectorruimte is De optelling en de scalaire vermenigvuldiging moeten binnen H mogelijk zijn Als dat het geval is dan gelden automatisch alle axioma s uit definitie omdat die in V al gelden Ook hiervan zijn talloze voorbeelden te bedenken : De verzameling {o} die alleen de nulvector bevat en de verzameling V zelf zijn deelruimten van de vectorruimte V Deze worden wel de triviale deelruimten van V genoemd Een lijn of een vlak door O in R 3 zijn voorbeelden van deelruimten van R 3 3 Als v v p vectoren in R n zijn dan is Span{v v p } een deelruimte van R n 4 De verzameling S := {A M A T = A} van alle symmetrische ( -matrices is een deelruimte van M de vectorruimte van alle ( -matrices 5 De verzameling {f C[a b] : f(a = f(b} is een deelruimte van de vectorruimte C[a b] van alle continue functies op het interval [a b] Meer voorbeelden volgen later Het derde voorbeeld kunnen we eenvoudig generaliseren tot : Stelling Als v v p vectoren zijn in een vectorruimte V dan is Span{v v p } een deelruimte van V Span{v v p } noemt men de deelruimte van V opgespannen of voortgebracht door de vectoren v v p Schrijf het bewijs van deze stelling zelf eens uit (aan de hand van definitie
3 Kolomruimte en nulruimte van een matrix We hebben al kennis gemaakt met de kolomruimte en de nulruimte van een matrix : Definitie 3 Als A = a a n een (m n-matrix is dan is Col A := Span{a a n } de kolomruimte van A en Nul A := {x R n Ax = o} de nulruimte van A Er geldt : Stelling Als A een (m n-matrix is dan is Col A een deelruimte van R m en is Nul A een deelruimte van R n Bewijs Dat Col A een deelruimte van R m volgt onmiddellijk uit stelling omdat Col A een opspansel is van vectoren in R m Voor Nul A geldt : o R n zit in Nul A want Ao = o R m Als u v Nul A dan geldt : Au = o en Av = o Maar dan geldt ook : A(u + v = Au + Av = o + o = o en dus ook u + v Nul A 3 Als u Nul A dan geldt : Au = o Maar dan geldt ook : A(λu = λau = λo = o en dus ook λu Nul A Hiermee is aangetoond (zie definitie dat Nul A een deelruimte van R n is Voorbeeld Door te vegen vinden we : A = We weten al dat de pivotkolommen van A een basis van Col A vormen : Col A = Span{ } is een deelruimte van R 3 Voor Nul A geldt : x = x x 4 x 3 = x 4 x en x 4 zijn vrij = x = x x x 3 x 4 = 3 x x 4 x x 4 x 4 = x + x 4
4 Hieruit volgt : Nul A = Span{ } is een deelruimte van R4 Lineaire afbeeldingen We definiëren : Definitie 4 Als V en W vectorruimten zijn dan heet een afbeelding F : V lineaire afbeelding als : F(u + v = F(u + F(v voor alle u en v in V F(λu = λf(u voor alle u V en voor alle λ R W een Definitie 5 Als V en W vectorruimten zijn en F : V W is een lineaire afbeelding dan heet Ker F := {v V F(v = o} de kern van F en Im F := {w W w = F(v voor zekere v V } de beeldruimte van F Er geldt : Stelling 3 Als V en W vectorruimten zijn en F : V W een lineaire afbeelding dan is Ker F een deelruimte van V en Im F een deelruimte van W Als A een (m n-matrix is dan is F : R n R m met F(x = Ax een lineaire afbeelding Zo n (lineaire afbeelding wordt wel een matrixafbeelding genoemd NB Elke matrixafbeelding is dus een lineaire afbeelding In het geval van een matrixafbeelding F : R n R m met F(x = Ax geldt : Ker F = Nul A en Im F = Col A ( a b Voorbeeld De afbeelding F : M R met F( afbeelding Immers : ( ( a a Stel dat A = b b en B = a 3 a 4 b 3 b 4 ( a + b F(A + B = F( a + b a 3 + b 3 a 4 + b 4 dan is = a + b + c + d is een lineaire = a + b + a + b + a 3 + b 3 + a 4 + b 4 = a + a + a 3 + a 4 + b + b + b 3 + b 4 = F(A + F(B 4
5 ( a a En als A = a 3 a 4 ( λa λa F(λA = F( λa 3 λa 4 dan volgt Voor Ker F geldt : ( a b F( ( a b Dus : A = Ker F ( ( a b b c d b = Dus : = λa + λa + λa 3 + λa 4 = λ(a + a + a 3 + a 4 = λf(a = a + b + c + d = a = b c d ( Ker F = Span{ ( = b ( Dit is een deelruimte van M Merk op dat Im F = R ( + c ( ( + d } Lineaire (onafhankelijkheid We kunnen nu de definitie van het begrip lineaire (onafhankelijkheid eenvoudig generaliseren : Definitie 6 Een verzameling vectoren {v v p } in een (willekeurige vectorruimte V heet lineair onafhankelijk als de vectorvergelijking c v + c v + + c p v p = o alléén de triviale oplossing (c = c = c p = heeft Anders heet de verzameling lineair afhankelijk Net als in R n geldt : een verzameling {v} met slechts één vector is lineair afhankelijk dan en slechts dan als v = o en een verzameling {v w} met twee vectoren is lineair afhankelijk dan en slechts dan als één van de twee vectoren een veelvoud is van de andere Voorbeeld 3 De verzameling {t sin t cos t} in C([ π] is lineair onafhankelijk want : c t + c sin t + c 3 cos t = voor alle t [ π] betekent onder andere t = : c 3 = t = π : c π c 3 = = c = c 3 t = π π = π : c + c π = = c = c = Uit c t+c sin t+c 3 cos t = voor alle t [ π] volgt dus dat c = c = c 3 = Dit betekent dat {t sin t cos t} lineair onafhankelijk is Voorbeeld 4 De verzameling { + t t t( + t} in P is lineair afhankelijk want : t( + t = t + t = ( + t ( t Oftewel : ( + t ( t t( + t = 5
6 Basis Voor het begrip basis hebben we de volgende generalisatie : Definitie 7 Als H een deelruimte is van een (willekeurige vectorruimte V dan heet een verzameling vectoren {v v p } een basis van H als : {v v p } is lineair onafhankelijk H = Span{v v p } Enkele voorbeelden : De verzameling {e e e n } met e = e = heet wel de standaardbasis van R n e n = De verzameling { t t t n } heet wel de standaardbasis van P n 3 De verzameling ( { ( ( kan gezien worden als de standaardbasis van M ( 4 De verzameling {t sin t cos t} is een basis van de deelruimte H = Span{t sin t cos t} van C[ π] want {t sin t cos t} is lineair onafhankelijk 5 De verzameling ( B := { ( ( is een basis van S de deelruimte van alle symmetrische matrices want : ( ( ( ( ( c c c + c + c 3 = = c c 3 } } ( Dus : c = c = c 3 = Dat wil zeggen dat B lineair onafhankelijk is Verder geldt : ( ( ( a b A = S A T a c a b = A = b = c b d Dus : ( a c A S A = ( Hieruit volgt dat S = Span{ Dus : B is een basis van S ( = a ( ( + c ( ( + d } 6
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 informatieLineaire 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 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 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 informatieCoördinatiseringen. 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 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 informatieLineaire 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. Wilbrink HG 9.49, Tel. 2783, E-mail: h.a.wilbrink@tue.nl http://www.win.tue.nl/wsk/onderwijs/2wf09
Nadere informatieHoofdstuk 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 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 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 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 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 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 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 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 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 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 informatieAanvullingen bij Hoofdstuk 6
Aanvullingen bij Hoofdstuk 6 We veralgemenen eerst Stelling 6.4 tot een willekeurige lineaire transformatie tussen twee vectorruimten en de overgang naar twee nieuwe basissen. Stelling 6.4. Zij A : V W
Nadere informatieEigenwaarden 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 informatieTweede 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 informatieVincent 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 informatieHoofdstuk 1. Inleiding. Lichamen
Hoofdstuk 1 Lichamen Inleiding In Lineaire Algebra 1 en 2 heb je al kennis gemaakt met de twee belangrijkste begrippen uit de lineaire algebra: vectorruimte en lineaire afbeelding. In dit hoofdstuk gaan
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 informatieTer Leering ende Vermaeck
Ter Leering ende Vermaeck 15 december 2011 1 Caleidoscoop 1. Geef een relatie op Z die niet reflexief of symmetrisch is, maar wel transitief. 2. Geef een relatie op Z die niet symmetrisch is, maar wel
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 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 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 informatieVector-en matrixvergelijkingen. Figuur: Vectoren, optellen
Vector-en matrixvergelijkingen (a) Parallellogramconstructie (b) Kop aan staartmethode Figuur: Vectoren, optellen (a) Kop aan staartmethode, optellen (b) Kop aan staart methode, aftrekken Figuur: Het optellen
Nadere informatieOptelling en scalaire vermenigvuldiging zijn weer plaatsgewijs gedefinieerd, bijvoorbeeld: 7 (x 1, x 2, x 3,...)
5. Lineaire ruimten Tot nu toe hebben we ons uitsluitend met de R n bezig gehouden. We gaan de behandelde theorie nu uitbreiden tot verzamelingen die een sterke overeenkomst met een R n vertonen. Een dergelijke
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 informatieLineaire 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 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 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 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 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 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 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 informatieEigenwaarden en Diagonaliseerbaarheid
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
Nadere informatieLineaire Algebra SUPPLEMENT I
Lineaire Algebra SUPPLEMENT I F.Beukers 22 Departement Wiskunde UU Hoofdstuk 2 Vectorruimten 2. Axioma s Tot nu toe hebben we het uitsluitend over R n gehad. In de geschiedenis van de wiskunde blijkt
Nadere informatie6. 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 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 4 J.Keijsper
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 informatieVoortgezette Lineaire Algebra. Prof. dr. J. van Mill Dr. F. van Schagen
Voortgezette Lineaire Algebra Prof. dr. J. van Mill Dr. F. van Schagen Inhoud Hoofdstuk I. Complexe vectorruimten en inwendige producten 5 I.1. Vectorruimten 5 I.2. Hermitische producten 8 I.3. Inwendig-productruimten
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 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/2ds06 Technische Universiteit Eindhoven college 8 J.Keijsper
Nadere informatieStelsels lineaire vergelijkingen
Een matrix heeft een rij-echelon vorm als het de volgende eigenschappen heeft: 1. Alle nulrijen staan als laatste rijen in de matrix. 2. Het eerste element van een rij dat niet nul is, ligt links ten opzichte
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 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 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 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 informatieFLIPIT 5. (a i,j + a j,i )d i d j = d j + 0 = e d. i<j
FLIPIT JAAP TOP Een netwerk bestaat uit een eindig aantal punten, waarbij voor elk tweetal ervan gegeven is of er wel of niet een verbinding is tussen deze twee. De punten waarmee een gegeven punt van
Nadere informatieHERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN
HERTENTAMEN WISKUNDIGE BEELDVERWERKINGSTECHNIEKEN Vakcode: 8D. Datum: Vrijdag juli 3. Tijd: 9.. uur. Plaats: AUD 5. Lees dit vóórdat je begint! Maak iedere opgave op een apart vel. Schrijf je naam en studentnummer
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 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 informatieStelsels 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 informatieHints en antwoorden bij de vragen van de cursus Lineaire Algebra en Meetkunde
Hints en antwoorden bij de vragen van de cursus Lineaire Algebra en Meetkunde Ik heb de vragen die in de nota s staan en de vragen van de samenvattingen samengebracht in deze tekst en voorzien van hints
Nadere informatieVierde 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 informatieInleiding Analyse 2009
Inleiding Analyse 2009 Inleveropgaven A). Stel f(, y) = In (0, 0) is f niet gedefinieerd. We bestuderen y2 2 + y 4. lim f(, y). (,y) (0,0) 1. Bepaal de waarde van f(, y) op een willekeurige rechte lijn
Nadere informatieCollege WisCKI. Albert Visser. 5 december, Department of Philosophy, Faculty Humanities, Utrecht University. Lijn, Vlak, etc.
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 5 december, 2012 1 Overview 2 Overview 2 Overview 2 Overview 2 Overview 3 Vectorvoorstelling Lijn: x = b +
Nadere informatieOPLOSSINGEN PROEFEXAMEN LINEAIRE ALGEBRA donderdag 18 november 2010
OPLOSSINGEN PROEFEXAMEN LINEAIRE ALGEBRA donderdag 18 november 2010 1. Zij V een vectorruimte en A = {v 1,..., v m } een deelverzameling van m vectoren uit V die voortbrengend is voor V, m.a.w. V = A.
Nadere informatiea) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n.
. Oefen opgaven Opgave... Gegeven zijn de lijnen l : 2 + λ m : 2 2 + λ 3 n : 3 6 4 + λ 3 6 4 a) Bepaal punten a l en b m zó dat de lijn door a en b parallel is met n. b) Bepaal de afstand tussen die lijn
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 informatieLineaire algebra en kegelsneden. Cursus voor de vrije ruimte
Lineaire algebra en kegelsneden Liliane Van Maldeghem Hendrik Van Maldeghem Cursus voor de vrije ruimte 2 Hoofdstuk Reële vectorruimten. De reële vectorruimte van de reële n-tallen Definitie Een reëel
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 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 informatie3 De duale vectorruimte
3 De duale vectorruimte We brengen de volgende definitie in de herinnering. Definitie 3.1 (hom K (V, W )) Gegeven twee vectorruimtes (V, K) en (W, K) over K noteren we de verzameling van alle lineaire
Nadere informatieUITWERKINGEN d. Eliminatie van a geeft d. Eliminatie van b,
UITWERKINGEN 1. Gegeven in R 3 zijn de punten P = (1, 1, ) t en Q = ( 2,, 1) t en het vlak V gegeven door de vergelijking 2x 1 x 2 + x 3 = 1. Zij l de lijn door P loodrecht op V en m de lijn door Q loodrecht
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 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 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 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 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 informatieLineaire Algebra TW1205TI. I.A.M. Goddijn, Faculteit EWI 12 februari 2014
Lineaire Algebra TW1205TI, 12 februari 2014 Contactgegevens Mekelweg 4, kamer 4.240 tel : (015 27)86408 e-mail : I.A.M.Goddijn@TUDelft.nl homepage : http: //fa.its.tudelft.nl/ goddijn blackboard : http:
Nadere informatie2. Transformaties en matrices
Transformaties en matrices Lineaire afbeelding Onder een lineaire afbeelding van R n naar R m verstaan we een functie A die aan iedere vector uit R n een vector uit R m toevoegt en van het volgende type
Nadere informatieLineaire 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 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 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 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 8 J.Keijsper (TUE)
Nadere informatieVectorruimten en lineaire afbeeldingen tussen vectorruimten
Hoofdstuk 3 Vectorruimten en lineaire afbeeldingen tussen vectorruimten 3.1 Vectorruimte : definitie en voorbeelden R DEFINITIE 3.1 vectorruimte Een vectorruimte of lineaire ruimte over een veld F is een
Nadere informatieJe hebt twee uur de tijd voor het oplossen van de vraagstukken. µkw uitwerkingen. 12 juni 2015
Je hebt twee uur de tijd voor het oplossen van de vraagstukken. Elk vraagstuk is maximaal 10 punten waard. Begin elke opgave op een nieuw vel papier. µkw uitwerkingen 12 juni 2015 Vraagstuk 1. We kunnen
Nadere informatieOverzicht Fourier-theorie
B Overzicht Fourier-theorie In dit hoofdstuk geven we een overzicht van de belangrijkste resultaten van de Fourier-theorie. Dit kan als steun dienen ter voorbereiding op het tentamen. Fourier-reeksen van
Nadere informatieTENTAMEN 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 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 1 J.Keijsper
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 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 informatieCollege WisCKI. Albert Visser. 28 november, Department of Philosophy, Faculty Humanities, Utrecht University. Lijn, Vlak, etc.
College WisCKI Albert Visser Department of Philosophy, Faculty Humanities, Utrecht University 28 november, 2012 1 Overview 2 Overview 2 Overview 2 Overview 3 Vectorvoorstelling Lijn: x = b + λa. b is steunvector
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 informatieTENTAMEN 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 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 informatieLineair voor CT College 2a. Echelon vorm 1.2 Duncan van der Heul
Lineair voor CT College 2a Echelon vorm 1.2 Duncan van der Heul Speciale vormen van een matrix Een stelsel oplossen komt overeen met door elementaire rijopera-es bepalen van de gereduceerde echelon vorm
Nadere informatieRuimtemeetkunde deel 1
Ruimtemeetkunde deel 1 1 Punten We weten reeds dat Π 0 het meetkundig model is voor de vectorruimte R 2. We definiëren nu op dezelfde manier E 0 als meetkundig model voor de vectorruimte R 3. De elementen
Nadere informatieEerste deeltentamen Lineaire Algebra A
Eerste deeltentamen Lineaire Algebra A 8 november 2011, 13u30-16u30 Bij dit tentamen mag het dictaat niet gebruikt worden. Schrijf op elk vel je naam, studnr en naam practicumleider (Victor Blasjo, Esther
Nadere informatieLineaire 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 informatieTentamen Lineaire Algebra 2
Lineaire algebra (NP010B) januari 013 Tentamen Lineaire Algebra Vermeld op ieder blad je naam en studentnummer. Lees eerst de opgaven voordat je aan de slag gaat. Schrijf leesbaar en geef uitleg over je
Nadere informatie3 De duale vectorruimte
3 De duale vectorruimte We brengen de volgende definitie in de herinnering. Definitie 3. (hom K (V, W )) Gegeven twee vectorruimtes (V, K) en (W, K) over K noteren we de verzameling van alle lineaire afbeeldingen
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 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 informatieWI1808TH1/CiTG - Lineaire algebra deel 1
WI1808TH1/CiTG - Lineaire algebra deel 1 College 6 26 september 2016 1 Hoofdstuk 3.1 en 3.2 Matrix operaties Optellen van matrices Matrix vermenigvuldigen met een constante Matrices vermenigvuldigen Machten
Nadere informatieCoëfficiënten matrix = matrix waarin de rechterkolom geen oplossing van de vergelijking is. 1. Lineair systeem = Stelsel van lineaire vergelijkingen
Hoofdstuk 1 Vectoren dik gedrukt, scalairen normaal en Matrices in hoofdletters Vector = een pijl in R n. Een vector heeft een grootte en een richting. Dit in tegenstelling tot een coördinaat, dat slechts
Nadere informatieHet 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