Technische Universität München

Lineare Algebra
für Informatiker [MA 0901]

Übungsblatt 8

Tutorium
T8.1 Wir betrachten den Vektorraum V = R3 mit dem Standardskalarprodukt, und die Vektoren
 √   √   √   
1/√3 1/ √2 1/√6 2
v1 := 1/√3 , v2 := −1/ 2 , v3 :=  1/ √6  , v := −2 .
       

1/ 3 0 −2/ 6 1
(a) Zeigen Sie, dass B = {v1 , v2 , v3 } eine ONB von V ist.
(b) Schreiben Sie v als Linearkombination von B.

Lösung T8.1: (a) Dies folgt unmittellbar aus |B| = dim(V ) = 3 und
⟨v1 , v1 ⟩ = ⟨v2 , v2 ⟩ = ⟨v3 , v3 ⟩ = 1
und
⟨v1 , v2 ⟩ = ⟨v1 , v3 ⟩ = ⟨v2 , v3 ⟩ = 0.
(b) Da B eine ONB ist erhalten wir
1 √ 2
v = ⟨v1 , v⟩v1 + ⟨v2 , v⟩v2 + ⟨v3 , v⟩v3 = √ v1 + 2 2v2 − √ v3
3 6

T8.2 Es sei V der Vektorraum der stetigen Funktionen auf dem Intervall [0, 2]. Prüfen Sie die Abbildung
s : V × V → R gegeben durch
s(f, g) := f (0)g(0) + f (1)g(1) + f (2)g(2)
auf Bilinearität, Symmetrie und positive Definitheit. Ist s ein Skalarprodukt?

Lösung T8.2: Wir rechnen für f, g, h ∈ V und λ ∈ R nach:

Symmetrie gilt:
s(f, g) = f (0)g(0) + f (1)g(1) + f (2)g(2) = g(0)f (0) + g(1)f (1) + g(2)f (2) = s(g, f ).
Aufgrund der Symmetrie reicht es nun für die Bilinearität die Linearität im ersten Argument nachzurech-
nen: (Bi)linearität (im erstem Argument) gilt:
s(f + λg, h) = (f + λg)(0)h(0) + (f + λg)(1)h(1) + (f + λg)(2)h(2) =
(f (0) + λg(0))h(0) + (f (1) + λg(1))h(1) + (f (2) + λg(2))h(2) =
f (0)h(0) + f (1)h(1) + f (2)h(2) + λ(g(0)h(0) + g(1)h(1) + g(2)h(2)) = s(f, h) + λs(g, h).
Die positive Definitheit ist dagegen nicht erfüllt. Zwar ist stets s(f, f ) = f (0)2 + f (1)2 + f (2)2 ≥ 0,
aber es gibt viele von Null verschiedene stetige Funktionen, die f (0) = f (1) = f (2) = 0 und damit auch
s(f, f ) = 0 erfüllen, z.B. f (x) = sin(πx).
Damit ist s dann auch kein Skalarprodukt.
1
T8.3 Gegeben ist eine orthogonale Matrix A ∈ R3×3 . Leider hat der Eumel seinen Kaffee über die
Angabe verschüttet, so dass die Einträge x1 , x2 , x3 , x4 unlesbar geworden sind. Der Eumel hat nur noch
kurz gesehen, dass x1 > 0 war. Rekonstruieren sie alle Einträge für
 1 
√ x1 x3
 2
√1 − √25 

A= 0
 5 .
√1 x2 x4
2

Lösung T8.3: Wir verwenden zunächst, dass das Skalarprodukt aus erster und zweiter Spalte Null
ergeben muss, und das liefert die Gleichung

x1 + x2 = 0.
2 1 2
Weiter muss die Norm der zweiten
q
Spalte gleich 1 sein, also xq
1 + 5 + x2 = 1. Dies liefert
q
wegen x1 = −x2
4 2 2 2
dann 2x21 = 5 oder x1 = ± 5 . Da x1 > 0 folgt somit x1 = 5 und x2 = −x1 = − 5 . Wir verwenden
nun dass die dritte Spalte auf den ersten beiden senkrecht steht, und das liefert die Gleichungen
s s
2 2 2
x 3 + x4 = 0 und x3 − − x4 = 0,
5 5 5
also das LGS mit erweiterter Koeffizientematrix
! !
1 1 0 1 1 q0
q
2
q
2 2 → 2 .
5
− 5 5
1 −1 5

Dieses hat als eindeutige Lösung x3 = √1 , x4 = − √110 . Wir erhalten die orthogonale Matrix
10
 q 
√1 2 √1
 2 5 10 
0
A= √1 − √25  .
q5

 
√1 − 2
− √110
2 5

T8.4 Gegeben seien die Vektoren

v1 = (1, 0, 1, 0)⊤ , v2 = (1, 1, 1, 1)⊤ , v3 = (1, 1, 2, 2)⊤ und v4 = (0, 1, −1, 0)⊤ .

Es sei W = ⟨v1 , v2 , v3 , v4 ⟩.

(a) Bestimmen Sie die Dimension und eine Basis von W .

(b) Bestimmen Sie mit dem Gram-Schmidtverfahren eine Orthonormalbasis von W .

Lösung T8.4: (a) Wir schreiben die Vektoren v1 , . . . , v4 spaltenweise in eine Matrix A. W ist dann der
Spaltenraum von A bzw. der Zeilenraum von B = A⊤ . Um eine Basis davon zu bestimmen, bringen wir
B mithilfe elementarer Zeilenoperationen auf Dreiecksform:
1 0 1 0 1 0 1 0
   
1 1 1 1 0 1 0 1
2 ⇝ 0 0 1 .
   
1 1 2 1
0 1 −1 0 0 0 0 0

Es ist dim(W ) = 3 und die {(1, 0, 1, 0)⊤ , (0, 1, 0, 1)⊤ , (0, 0, 1, 1)⊤ } eine Basis von W .

2
(b) Wir nummerieren nun die Basisvektoren, die wir in Teil (a) berechnet haben, mit b1 , b2 , b3 durch und
wenden das Gram-Schmidtverfahren auf diese Basis an:
1 0 0
     
b1 1 0 1 1 1
=√  w2′ = b2 − ⟨w1 , b2 ⟩ w1 = 
0 ⇒ w2 = √ 0
   
w1 = , 
||b1 || 2 1

2
0 1 1
−1
 

′ 1 −1  mit ||w ′ || = 1 ⇒ w3 = w ′ .

w3 = b3 − ⟨w1 , b3 ⟩ w1 − ⟨w2 , b3 ⟩ w2 = 
2 1
 3 3
1

1 0 −1 
      

1   √1   1 −1
 
 0 1  
Es ist die Menge √
2 1
, 2 0 , 2  1  eine Orthonormalbasis von W .

 


0 1 1 
T8.5 Begründen Sie, warum orthogonale Vektoren ungleich 0 linear unabhängig sind.

Lösung T8.5: Wir zeigen die Aussage für zwei zueinander senkrechte Vektoren, die Behauptung lässt
sich dann leicht verallgemeinern. Wir betrachten zwei orthogonale Vektoren v und w und machen wie
immer den Ansatz
(∗) λ v + µ w = 0 .
Zu zeigen ist, dass λ = 0 = µ gilt. Da ⟨v, 0⟩ = 0, gilt wegen der Linearität des Skalarprodukts:

0 = ⟨v, λv + µw⟩ = λ ⟨v, v⟩ + µ ⟨v, w⟩ ,

| {z }
=0

sodass wegen v ̸= 0 notwendig λ = 0 gelten muss. Ist aber erst mal λ = 0 erkannt, so ist wegen w ̸= 0
auch µ = 0 (siehe obige Gleichung (∗)).

3
 Zusätzliche Übungen
Z8.1 Es sei {a1 , . . . , an } eine beliebige Basis von V ⊆ Rm und A := (a1 , . . . , an ) ∈ Rm×n . Die folgende
Matlab -Funktion gramSchmidt(A) soll das Gram-Schmidt-Vefahren implementieren. Ergänzen Sie das
fehlende Fragment:
1 function A = gramSchmidt ( A )
2 [m , n ]= size ( A ) ;
3 A (: ,1) = A (: ,1) / norm ( A (: ,1) ) ;
4 for k =2: n
5 for j =1: k -1
6 A (: , k ) = A (: , k ) - % Hier fehlt etwas
7 end
8 A (: , k ) = A (: , k ) / norm ( A (: , k ) ) ;
9 end

Lösung Z8.1:
1 function A = gramSchmidt ( A )
2 [m , n ]= size ( A ) ;
3 A (: ,1) = A (: ,1) / norm ( A (: ,1) ) ;
4 for k =2: n
5 for j =1: k -1
6 A (: , k ) = A (: , k ) -( A (: , j ) '* A (: , k ) ) * A (: , j ) ;
7 end
8 A (: , k ) = A (: , k ) / norm ( A (: , k ) ) ;
9 end

Z8.2 Auf dem R-Vektorraum V = R[x]3 ⊆ R[x] sei das Skalarprodukt ⟨ , ⟩ durch
Z 1
⟨f, g⟩ = f (x)g(x) dx
−1

für f, g ∈ V gegeben.
(a) Bestimmen Sie eine Orthonormalbasis bezüglich ⟨ , ⟩ von V .
(b) Man berechne in V den Abstand von f = x + 1 und g = x2 − 1.

Lösung Z8.2: (a) Wir wenden das Gram-Schmidtverfahren auf die Standardbasis {1, x, x2 , x3 } an:
1
Z 1
1
||1||2 = 1 · 1 dx = x = 1 + 1 = 2 ⇒ b1 = √ · 1 .
−1 −1 2
1
Z 1
1 1
⟨1, x⟩ = x dx = x2 = 0 ⇒ b′2 = x − ⟨1, x⟩ · 1 = x
−1 2 −1
2
s
x 3
⇒ b2 = = x.
||x|| 2
s
⟨1, x2 ⟩ 2 ⟨x, x2 ⟩ 1 8
b′3 = x2 − 1− x = x2 − ⇒ ||b′3 || =
2 3 3 45
s
45 2 1
 
⇒ b3 = x − .
8 3
s s
3 8 175 3 3
 
b′4 = x3 − x mit ||b′4 || = ⇒ b4 = x − x .
5 175 8 5
4
 nq q q   q  o
1 3 45 1 175
Es ist also 2
, 2
x, 8
x2 − 3
, 8
x3 − 35 x eine Basis von R[x]3 .
(b)
D E D E
d(f, g)2 = ||f − g||2 = x + 1 − x2 + 1, x + 1 − x2 + 1 = x2 − x − 2, x2 − x − 2
Z 1  2 Z 1
= x2 − x − 2 dx = x4 − 2x3 − 3x2 + 4x + 4 dx
−1 −1
1
1 1
= x5 − x4 − x3 + 2x2 + 4x
5 2 −1
1 1 1 1 2
 
= − − 1 + 2 + 4 − − − + 1 + 2 − 4 = − 2 + 8 = 32/5 .
5 2 5 2 5
q
Der Abstand von f und g ist also d(f, g) = 32/5.

Z8.3 Im R3 (mit dem Standardskalarprodukt) seien die Ebenen

     
x1 1 −2
E1 = {x2  ∈ R3 | 2x1 − 2x2 + x3 = 0} und E2 = ⟨0 ,  3 ⟩
     

x3 1 1
 
9
gegeben, sowie der Vektor v = 3.
 

6
(a) Bestimmen Sie jeweils die Normalenvektoren n1 und n2 der Ebenen E1 und E2 .
Hinweis zu n1 : Schreiben Sie die Ebenengleichung mit Hilfe des Skalarproduktes.
(b) Bestimmen Sie den Winkel zwischen den Ebenen E1 und E2 . Diesen erhält man als den kleineren
der beiden Winkel ∡(n1 , n2 ) bzw. ∡(n1 , −n2 ) (erklären Sie ihrem Nachbarn, warum man das so
definiert).
(c) Geben Sie eine Zerlegung v = u + w des Vektors v an mit u ∈ E1 und w ⊥ E1 .

Lösung Z8.3: (a) Wir bestimmen den Normalenvektor für E1 : Aus

   
2 x1 + *
2x1 − 2x2 + x3 = 0 ⇔ −2 , x2  = 0
   

1 x3
 
2
folgt, dass die Ebene E1 aus allen Vektoren besteht, die auf dem Vektor −2 senkrecht stehen. Nach
 

1
normieren erhalten wir so  
2
1 
n1 = −2
3
1
als einen Normalenvektor von E1 - dieser ist natürlich nur bis auf das Vorzeichen eindeutig. Für die Ebene
E2 bestimmen wir den Normalenvektor mit dem Kreuzprodukt und anschließendem normieren aus
     
1 −2 −3
0 ×  3  = −3
     

1 1 3
 
−1
zu n2 = √13 −1. Auch dieser ist natürlich nur bis aufs Vorzeichen eindeutig.
 

1 5
(b) Es gilt
⟨n1 , n2 ⟩ 1
cos(∡(n1 , n2 )) = = ⟨n1 , n2 ⟩ = √
||n1 || · ||n2 || 3 3
Wir erhalten somit ∡(n1 , n2 ) = arccos( 3√1 3 ) = 78.9042◦ . Da ∡(n1 , n2 ) + ∡(n1 , −n2 ) = 180◦ , ist also
78.9042◦ der gesuchte kleinere Winkel. Da Ebenen keine Orientierung haben, definiert man den kleineren
der beiden möglichen von ihnen engeschlossenen Winkel als ihren Schnittwinkel, um Eindeutigkeit zu
gewährleisten.
(c) Wir erhalten die gesuchte Zerlegung als orthogonale Zerlegung von v entlang des Vektors n1 . Dabei
erhalten wir dann        
* 9 2 + 2 4
  1 1   
w = ⟨v, n1 ⟩n1 = 3 , −2 · −2 = −4

3 3
6 1 1 2
als Vektor parallel zu n1 und damit Senkrecht zu E1 , und
     
9 4 5
u = v − w = 3 − −4 = 7
     

6 2 4

als Vektor in E1 . (Zur Kontrolle: 2 · 5 − 2 · 7 + 4 = 0, d.h. u liegt wirklich in E1 ).

Aktuelle Informationen zu Vorlesung und Übungen finden Sie unter: [Link]

6