Vorlesung Variationsrechnung und optimale Steuerung. 6. Foliensatz, Version vom Michael Karow
|
|
- Fritzi Richter
- vor 5 Jahren
- Abrufe
Transkript
1 Vorlesung Variationsrechnung und optimale Steuerung 6. Foliensatz, Version vom Michael Karow
2 Thema der nächsten Vorlesungen: Zeitoptimale -Steuerung für lineare zeitinvariante DGL bei beschränkter Steuerung. Gegeben: A R n n, B R n m, x R n und Ω R m kompakt und konvex, innerer Punkt von Ω (Steuerbereich). Aufgabe: Bestimme u PC([,t ],R m ) L ([,t ],R m ) so dass 1) u(t) Ω für alle t [,t ], 2) x(t ) =, R n x x n R x 3) t minimal, t t * wobei x 4) x() = x, 5) t x(t) stetig, 6) ẋ(t) = Ax(t)+Bu(t) an allen Stellen t, an denen u stetig ist. 11 R m R m m R m R Ω u t t * 11 Kompakte konvexe Steuerbereiche Ω und unstetige Steuerungen.
3 Definitionen Im Folgenden ist der Steuerbereich Ω R m stets konvex, kompakt und Abschluss einer nicht leeren offenen Menge welche enthält. Wichtigstes Beispiel ist der Einheitswürfel Ω = {u R m u i 1, i = 1,...,m }. Die zulässigen Steuerungen sind aus L ([,t],ω) = {u : [,t] Ω u messbar}. Die zugrunde liegende Norm ist u = inf{c u(s) 2 c für fast alle s [,t] } E Ω (x,t) bezeichnet die vom Zustand x aus mit Steuerungen in Ω zum Zeitpunkt t erreichbaren Zustände (Erreichbarkeitsmenge): { E Ω (x,t) = x R n x = e At x + Bemerkung: t } e A(t s) Bu(s)ds, u L ([,t],ω) Der Raum L ([,t],ω) wird eingeführt, damit E Ω (x,t) abgeschlossen ist. In der Praxis werden nur Steuerungen aus PC([, t], Ω) gebraucht.
4 Erreichbarkeitkeitsmenge. Grundtatsachen I Erreichbarkeitsmenge: { E Ω (x,t) = x R n x = e At x + t } e A(t s) Bu(s)ds, u L ([,t],ω) Insbesondere ist Hieraus folgt sofort: E Ω (,t) = { t } e A(t s) Bu(s)ds u L ([,t],ω) Fakt 1: E Ω (x,t) = e At x +E Ω (,t) e At x +C(A,B), wobei C(A,B) = range[b AB A 2 B...A n 1 B]. Fakt 2: ist relativ innerer Punkt von E Ω (,t) (bzgl. C(A,B)). Beweisidee: Sei ξ C(A,B). Wir wissen bereits, dass ξ = t e A(t s) Bu ξ (s)ds, wobei u ξ (s) := B e A (t s) z, Γ(t)z = ξ. Zu zeigen ist: wenn ξ 2 hinreichend klein, dann ist u ξ (s) Ω für s [,t]. Dies folgt aus z 2 ξ 2 λ min (Γ(t)), wobei λ min den kleinsten von verschiedenen Eigenwert bezeichnet.
5 Erreichbarkeitkeitsmenge. Grundtatsachen II Lemma 1. E Ω (,t) enthalten in einer Kugel um R n mit Radius R t = 1 A (e A t 1) B c Ω, wobei A = max v Av 2 v 2, c Ω = max{ u 2 u Ω}. Beweis: Wir haben t t e A(t s) Bu(s)ds e A(t s) Bu(s) ds t t e A(t s) B u(s) 2 ds e A (t s) ds B c Ω = R t
6 Erreichbarkeitkeitsmenge. Grundtatsachen III Fakt 3: E Ω (x,t) ist kompakt. Beweis: Die Beschränktheit von E Ω (x,t) folgt aus Lemma 1 und Fakt 1. Zur Abgeschlossenheit: Sei x E Ω (x,t). Dann gibt es eine Folge x j und Steuerungen u j L ([,t],ω), so dass x j = e At x + t e A(t s) Bu j (s)ds und lim j x j = x. Nach dem Satz von Banach-Alaoglu über schwach- Kompaktheit (Funktionalalysis) gibt es ein u L ([,t],ω), so dass x = e At x + Also ist x E Ω (x,t), t e A(t s) Bu (s)ds.
7 Erreichbarkeitkeitsmenge. Grundtatsachen IV Erreichbarkeitkeitsmenge: { E Ω (x,t) = x R n x = e At x + t } e A(t s) Bu(s)ds, u L ([,t],ω) Fakt 4: E Ω (x,t) ist konvex. Beweis: Sei x k = e At x + t ea(t s) Bu k (s)ds, k = 1,2, u k L ([,t],ω) und α [,1]. Wegen Konvexität von Ω ist u = αu 1 +(1 α)u 2 L ([,t],ω) und daher αx 1 +(1 α)x 2 = e At x + t e A(t s) Bu(s)ds E Ω (x,t).
8 Erreichbarkeitkeitsmenge. Grundtatsachen V Lemma 2: Sei x die Lösung von ẋ = Ax+Bu, x() = x. Dann gilt für t,τ, x(t+τ) = e Aτ x(t)+ τ e A(τ s) Bu(t+s)ds. Beweis: Es ist x(t+τ) = e A(t+τ) x + = e Aτ (e At x + = e Aτ x(t)+ τ t+τ t e A(t+τ s) Bu(s)ds ) e A(t s) Bu(s)ds + e A(τ s) Bu(t+s)ds. t+τ t e A(t+τ s) Bu(s)ds Aus Lemma 2 folgt unmittelbar Fakt 5: E Ω (x,t+τ) e Aτ E Ω (x,t)+e Ω (,τ). Fakt 6: Wenn E Ω (x,t), dann E Ω (x,t+τ) für alle τ. Beweis: Setze die Steuerung u, welche nach zur Zeit t nach steuert, durch die -Steuerung fort (Steuerung abschalten, sobald erreicht).
9 Erreichbarkeitkeitsmenge. Grundtatsachen VI Lemma 3: Sei x die Lösung von ẋ = Ax+Bu, x() = x. Dann gilt für t,τ, ( x(t+τ) x(t) 2 (e A τ 1) x(t) 2 + B u ), A wobei A = max v Av 2 v 2. τ Beweis: Aus Lemma 2 folgt x(t+τ) x(t) = (e Aτ I)x(t) + e }{{} A(τ s) Bu(t+s)ds a }{{} Mit der Potenzreihe der Exponentialfunktion folgt e Aτ I e A τ 1, also a (e A τ 1) x(t). Im Beweis von Lemma 1 wurde schon gezeigt, dass b (e A t 1) B u / A b. Lemma 3 impliziert Fakt 7: Die Abbildung t E Ω (x,t) ist stetig bezüglich der Hausdorff-Metrik, genauer ( d H (E Ω (x,t+τ),e Ω (x,t)) (e A τ 1) ρ t + B c ) Ω, A ρ t = max{ x 2 x E Ω (x,t)}, c Ω = max{ u 2 u Ω}. (Zur Definition der Hausdorff-Metrik siehe nächste Seite)
10 Die Hausdorff-Metrik Definition. Seien M 1,M 2 nicht leere kompakte Teilmengen von R n. Der Hausdorff-Abstand d H (M 1,M 2 ) von M 1 und M 2 ist die kleinste Zahl d, so dass gilt: (1) zu jedem x 1 M 1 gibt es ein x 2 M 2 mit x 1 x 2 2 d, und (2) zu jedem x 2 M 2 gibt es ein x 1 M 1 mit x 1 x 2 2 d. In der Literatur findet man die gleichwertige Definition: { d H (M 1,M 2 ) = max max min x 1 x 2 2,max min x 1 x 2 2 x 1 M 1 x 2 M 2 x 2 M 2 x 1 M 1 }.
11 Erreichbarkeitkeitsmenge. Grundtatsachen VII Fakt 8: Der Erreichbarkeitskegel E Ω (x ) := t [{t} E Ω (x,t)] R R n ist abgeschlossen. Für den Rand gilt E Ω (x ) = t [{t} E Ω (x,t)]. Beweis: Wir zeigen, dass das Komplement von E Ω (x ) offen ist. Sei (ˆt,ˆx) E Ω (x ). Dann ist ˆx E Ω (x,ˆt). Weil E Ω (x,ˆt) abgeschlossen ist, gibt es eine Kugel B r (ˆx) um ˆx mit Radius r >, so dass E Ω (x,ˆt) B r (ˆx) =. Wegen der stetigen Abhängigkeit der Erreichbarkeitsmengen von t ist dann auch E Ω (x,t) B r/2 (ˆx) = für t (ˆt ǫ,ˆt+ǫ) und ǫ > hinreichend klein, also E Ω (x ) [(ˆt ǫ,ˆt+ǫ) B r/2 (ˆx)] =. Die Aussage über den Rand folgt ähnlich. R n x e At x t Bild: Erreichbarkeitskegel. Querschnitte sind die Erreichbarkeitsmengen.
12 Erreichbarkeitkeitsmenge. Grundtatsachen VIII Aus Fakt 8 folgt Fakt 9: Wenn x zu irgendeiner Zeit nach x 1 steuerbar ist, dann gibt es dafür eine minimale Zeit t und es ist x 1 E Ω (x,t ). R n x e At x x 1 E ( x, t) Ω * x 1 t * t x Diese Tatsache motiviert die Untersuchung von Steuerungen, welche zum Rand einer Erreichbarkeitsmenge steuern (extremale Steuerungen).
13 Randpunkte und Normalen konvexer Mengen Sei K R N konvex und x K. Dann sind folgende Aussagen äquivalent. (a) x ist ein Randpunkt von K. (b) Es gibt ein ν R N \{}, so dass ν (x x ) für alle x K ( ) Der Vektor ν heißt äußere Normale von K an x. (*) ist äquivalent zu ν x = max x K ν x. K x x ν
14 Extremale Steuerungen Definition: u e L ([,t ],Ω) heisst extremale Steuerung, falls der zugehörige Endzustand x e (t ) = e At x + t e A(t s) Bu e (s)ds ein Randpunkt von E Ω (x,t ) ist (i.e. x e (t ) E Ω (x,t )). Da E Ω (x,t ) konvex ist, gibt es eine äussere Normale ν R n \{} an x e (t ). D.h. ν x e (t ) = max ν x. x E Ω (x,t )
15 Satz über extremale Steuerungen und das Maximumprinzip Satz: Sei u e L ([,t ],R m ) extremale Steuerung mit Zustand x e ( ). Sei ν R n \{} äussere Normale von E Ω (x,t) an x e (t ) und sei λ : [,t ] R n, λ = A λ, λ(t ) = ν (adjungierte DGL,Endwertproblem) Dann gilt für fast alle τ (,t ], (a) λ(τ) ist äussere Normale von E Ω (x,τ) an x e (τ) E Ω (x,τ). (b) (B λ(τ)) ist äussere Normale von Ω an u e (τ) Ω. Äquivalente Aussage λ(τ) Bu e (τ) = max û Ω λ(τ) Bû. (Maximumprinzip) T ν) (B T λ(τ)) e T u ( τ) (B T u e( t * ) Ω λ(τ) (, τ) E Ω x x ( ) e τ ν=λ( ) t * E Ω t * x ( ) e t * x (, ) x
16 Der Beweis des Maximumprinzips für extremale Steuerungen Beweis: Das Endwertproblem λ = A λ, λ(t) = ν hat die Lösung λ(τ) = ν e A(t τ). Für eine Steuerung u L ([,t ],Ω) mit zugehörigem Zustandsverlauf x u setze φ u (τ) = λ(τ) (x u (τ) x e (τ)). Direkte Rechnug ergibt φ u (τ) = ν e A(t τ) = τ τ e A(τ s) B(u(s) u e (s))ds = λ(s) B(u(s) u e (s))ds. ( ) Für τ = t hat man, da ν = λ(t ) äussere Normale ist, ν (x u (t ) x e (t )) = φ u (t ) = Da u(s) Ω beliebig, folgt, t τ ν e A(t s) B(u(s) u e (s))ds λ(s) B(u(s) u e (s))ds ( ) λ(s) B(û u e (s)) für alle û Ω und fast alle s. ( ) Also (b). Mit ( ) folgt, dass λ(τ) (x u (τ) x e (τ)) für u L ([,t],ω), also (a). Zu (***): Wenn die Menge Q := {s [,t ] Es gibt û s mit < λ(s) B(û s u e (s)) } positives Maß hätte, dann wäre im Widerspruch zu ( ), < t λ(s) B(u(s) u e (s))ds für u(s) := {ûs s Q, u e (s) sonst.
17 Maximum- und Minimumprinzip Bemerkung: Wenn man als Endwert für λ die innere Normale ν wählt, dann wird das Maximumprinzip zum Minimumprinzip: λ(τ) Bu e (τ) = min û Ω λ(τ) Bû.
18 Extremale Steuerungen beim Einheitswürfel Wir betrachten extremale Steuerungen für Ω = {u R m u i 1 } Einheitswürfel Sei B = [b 1 b 2...b m ]. Die i-te Komponente des Vektors λ(τ) B ist σ i (τ) := (λ(τ) B) i = λ(τ) b i = ν τ e A(t τ) b i. (Schaltfunktion) Damit kann das Maximumprinzip für eine extremale Steuerung λ(τ) Bu e (τ) = max û Ω λ(τ) Bû geschrieben werden als σ i (τ)u i e(τ) = max σ i (τ)û i = σ i (τ). (wegen û i [ 1,1]). û Ω Es folgt i i i 1 wenn σ i (τ) > u i e(τ) = sign(σ i (τ)) = beliebig wenn σ i (τ) = 1 wenn σ i (τ) <. Diejenigen τ, für die σ i (τ) = heissen Schaltpunkte. Da σ i analytische Funktion ist, gilt: Weiterhin gilt: Entweder σ i oder σ i hat nur endlich viele Schaltpunkte. Wenn rang[b i Ab i A 2 b i... A n 1 b i ] = n, dann hat σ i nur endlich viele Schaltpunkte. Beweis: σ i impliziert = dk σ I dτ k () = ( 1) k ν A k b i, also ν span{b i Ab i A 2 b i... A n 1 b i }. Letzteres ist nicht möglich, wenn die Kalman-Matrix von (A,b i ) Rang n hat.
19 Normale Systeme und Bang-Bang-Steuerung Ein System (A, B) heisst normal, wenn für alle Spalten b i von B. rang[b i Ab i A 2 b i... A n 1 b i ] = n Zweck dieser Definition: ein normales System hat nur endlich viele Schaltpunkte. Eine Steuerung u mit u i (τ) { 1,1} mit Ausnahme von höchstens endlich vielen τ heisst Bang-Bang. Eine extremale Steuerung eines normalen Systems ist stets Bang-Bang.
20 Vollständige Nullsteuerbarkeit bei beschränktem Steuerbereich Satz: Angenommen, es gilt (a) rang[b AB A 2 B...A n 1 B] = n (Kalmanbedingung) (b) Re(λ) für alle Eigenwerte λ C von A. Dann gibt es zu jedem Startwert x R n ein minimales t und eine extremale Steuerung u L ([,t],ω), so dass x(t ) = e At x + t e A(t s) Bu(s)ds =. Bemerkungen: Die Existenz einer Nullsteuerung ist unmittelbar klar, wenn Re(λ) < für alle λ, Denn dann ist das ungesteuerte System aymptotisch stabil und man muss dem System nur noch den letzten kleinen Schubs nach geben. Im Fall Re(λ) = ist der Beweis schwieriger. Siehe Macki/Strauß. Wir haben E Ω (x,t ). Dies folgt aus der stetigen Abhängigkeit der Erreichbarkeitsmengen von t und der Minimalität von t.
21 Zeitoptimale Steuerung: Raketenwagen 1 Situation: Raketenwagen bewegt sich auf der x-achse. Ortskoordinate: p(t) Geschwindigkeit: q(t) Schub: u(t) u> q u < DGL (alle Konstanten auf 1 gesetzt): ṗ = q, q = u. Matrix-Vektor-Form: [ṗ ] q p [ ][ ] 1 p = + q [ ] u 1 Steuerbeschränkung: u(t) 1. Ziel: Steuerung nach (p,q) = (,) in minimaler Zeit. Steuerung ist Bang-Bang. Es ist: p = u. Bei konstantem Schub u = 1: Bei konstantem Schub u = 1: Trajektorien (p(t), q(t)) sind Parabeln: p = t2 2 +c 1t+c 2 = 1 2 (t+c 1) 2 +c 2 c 2 q2 1 /2 = 2 +α p = t2 2 +c 1t+c 2 = 1 2 (t+c 1) 2 +c 2 +c 2 1 /2 = q2 2 +α u=1.5 u=
22 Zeitoptimale Steuerung: Raketenwagen 2 Noch einmal die Trajektorien: u=1.5 u= Die Parabelhälften, die bei einlaufen, sind im unteren Bild schwarz eingezeichnet. Sie bilden die sogenannte Schaltkurve. Schaltregel um optimal nach Null zu steuern: 1) Wenn (p, q) oberhalb der Schaltkurve: voller Rückwärtsschub u = 1. 2) Wenn (p, q) unterhalb der Schaltkurve: voller Vorwärtsschub u = 1. 3) Bei Erreichen der Schaltkurve: volle Schubumkehr. Das untere Bild zeigt die Steuerung nach bei gleichem Anfangsort aber verschiedener Anfangsgeschwindigkeit. Berechnung der Schaltstelle p ist Hausaufgabe u= 1 u= u=1 p * 2 3 u=
23 Zeitoptimale Steuerung: Harmonischer Oszillator 1 Situation: schwingende Feder oder linearisiertes Pendel. Ortskoordinate: p(t) Geschwindigkeit: q(t) Schub: u(t) p DGL (alle Konstanten auf 1 gesetzt): ṗ = q, q = p+u. Steuerbeschränkung: u(t) 1. Matrix-Vektor-Form: Ziel: Steuerung nach (p,q) = (,) in minimaler Zeit. Steuerung ist Bang-Bang. q [ṗ ] q u> p u< [ ][ ] 1 p = + 1 q Bei konstantem Schub u = 1: (p 1) 2 +q 2 = r 2 (Kreis um (1,)) Bei konstantem Schub u = 1: (p+1) 2 +q 2 = r 2 (Kreis um ( 1,)) Trajektorien (Kreise) (p(t), q(t)) werden im Uhrzeigersinn durchlaufen. [ ] u u= u=
24 Zeitoptimale Steuerung: Harmonischer Oszillator 2 Schaltfunktion: σ(τ) = ν e A(t τ) b = σ ( [ν 1 ν 2 ] [ ][ ]) cos(t τ) sin(t τ) sin(t τ) cos(t τ) 1 = ν 1 sin(t τ)+ν 2 cos(t τ) = ρ sin(φ+t τ) Intervalle zwischen den Umschaltzeiten haben Länge π. In diesen Zeitintervallen wird ein Halbkreis durchlaufen. Die Schaltlinie (schwarz) im Bild unten besteht aus Halbkreisen mit Radius 1. Schaltregel: 1) Wenn (p, q) oberhalb der Schaltkurve: voller Rückwärtsschub u = 1. 2) Wenn (p, q) unterhalb der Schaltkurve: voller Vorwärtsschub u = 1. 3) Bei Erreichen eines der inneren schwarzen Halkreise: volle Schubumkehr. Herleitung: Vom Ende her denken. Ohne Umschalten gelangt man zu auf jedem der beiden inneren schwarzen Halbkreise (die an grenzen). Die Schaltfunktion erzwingt ein letztes Umschalten bei t 1 [t π,t ]. Zwischen dem ersten Umschalten bei, sagen wir, t und dem letzten Umschalten bei t 1 werden Halbkreise (blau, rot) durchlaufen, weil das Intervall zwischen zwei Schaltpunkten Länge π hat. Diese Halbkreise enden jeweils auf einem der schwarzen Halbkreise u= 1 u=
Seminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Dynamische Systeme I 1 Einleitung 1.1 Nichtlineare Systeme In den vorigen Vorträgen haben wir uns mit linearen Differentialgleichungen beschäftigt. Nun werden
MehrAnalyis I -Metrische Räume - eine Einführung in die Topologie
Analyis I -Metrische Räume - eine Einführung in die Topologie E = E isolierter Punkte x 1 x 2 x 3 E ist abgeschlossen U ɛ (x) x innerer Punkt Ω Häufungspunkte Ω Metrik Metrische Räume Definition Sei X
MehrDie komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe
Die komplexe Halbebene faktorisiert nach einer Fuchsschen Gruppe Matthias Nagel Riemannsche Flächen Stets sei X eine 2-dimensionale Mannigfaltigkeit (Fläche). Definition. ) Eine komplexe Karte auf X ist
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die Konvergenz
MehrHöhere Funktionalanalysis WS2016/17 Übungsblatt
Höhere Funktionalanalysis WS2016/17 Übungsblatt 1 11.10.2016 Aufgabe 1. Berechne die Normen der Operatoren (a) f L [0, 1], M f : L 2 [0, 1] L 2 [0, 1], (M f g)(x) = f(x)g(x). (b) g C[0, 1], T g : C[0,
MehrZusammenfassung Analysis 2
Zusammenfassung Analysis 2 1.2 Metrische Räume Die Grundlage metrischer Räume bildet der Begriff des Abstandes (Metrik). Definition 1.1 Ein metrischer Raum ist ein Paar (X, d), bestehend aus einer Menge
MehrLineare Algebra und analytische Geometrie II
Prof. Dr. H. Brenner Osnabrück SS 2018 Lineare Algebra und analytische Geometrie II Vorlesung 52 Auf dem R n gibt es sehr viele verschiedene Normen, allerdings hängen sehr viele wichtige Begriffe wie die
Mehr14. Das Minimumprinzip
H.J. Oberle Variationsrechnung u. Optimale Steuerung SoSe 2008 14. Das Minimumprinzip In diesem Abschnitt behandeln wir die Idee der dynamischen Programmierung, die auf Bellmann 31 (1957) zurückgeht und
Mehr1 Die direkte Methode der Variationsrechnung
Die direkte Methode der Variationsrechnung Betrachte inf I(u) = f(x, u(x), u(x)) dx : u u + W,p () wobei R n, u W,p mit I(u ) < und f : R R n R. (P) Um die Existenz eines Minimierers direkt zu zeigen,
Mehr6. Einführung 43. gilt. Dann soll also A B x B = b eindeutig lösbar sein, also A B vollen Rang haben, d. h. invertierbar (regulär) sein.
6. Einführung 43 und aus der linearen Unabhängigkeit der (a i ) i I(x) folgt y i = z i auch für i I(x). Insgesamt gilt also y = z, d. h., nach Definition 6.9 ist x eine Ecke von P. Beachte: Der Koordinatenvektor
MehrDifferentialgleichungen und Hilberträume Sommersemester 2014 Übungsblatt 11
Institut für Analysis Prof. Dr. Wolfgang Reichel Dipl.-Math. Anton Verbitsky Aufgabe 1 Differentialgleichungen und Hilberträume Sommersemester 14 Übungsblatt 11 5 Punkte In dieser Aufgabe geht es um die
MehrCauchy-Folgen und Kompaktheit. 1 Cauchy-Folgen und Beschränktheit
Vortrag zum Seminar zur Analysis, 10.05.2010 Michael Engeländer, Jonathan Fell Dieser Vortrag stellt als erstes einige Sätze zu Cauchy-Folgen auf allgemeinen metrischen Räumen vor. Speziell wird auch das
MehrLösungen der Übungsaufgaben von Kapitel 3
Analysis I Ein Lernbuch für den sanften Wechsel von der Schule zur Uni 1 Lösungen der Übungsaufgaben von Kapitel 3 zu 3.1 3.1.1 Bestimmen Sie den Abschluss, den offenen Kern und den Rand folgender Teilmengen
Mehr22 KAPITEL 1. GRUNDLAGEN. Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion
KAPITEL 1. GRUNDLAGEN Um zu zeigen, dass diese Folge nicht konvergent ist, betrachten wir den punktweisen Limes und erhalten die Funktion 1 für 0 x < 1 g 0 (x) = 1 1 für < x 1. Natürlich gibt dies von
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrKlausur - Analysis I Lösungsskizzen
Klausur - Analysis I Lösungsskizzen Aufgabe 1.: 5 Punkte Entscheiden Sie, ob folgende Aussagen wahr oder falsch sind. Kennzeichnen Sie wahre Aussagen mit W und falsche Aussagen mit F. Es sind keine Begründungen
Mehr9 Metrische und normierte Räume
9 Metrische und normierte Räume Idee: Wir wollen Abstände zwischen Punkten messen. Der Abstand soll eine reelle Zahl 0 sein (ohne Dimensionsangabe wie Meter...). 9.1 Definition Sei X eine Menge. Eine Metrik
MehrVorlesung Mathematik für Ingenieure I (Wintersemester 2007/08)
1 Vorlesung Mathematik für Ingenieure I (Wintersemester 2007/08) Kapitel 4: Konvergenz und Stetigkeit Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 22. November 2007) Folgen Eine Folge
MehrExtremalpunkte und der Satz von Krein-Milman. 1 Lokalkonvexe topologische Vektorräume
Extremalpunkte und der Satz von Krein-Milman Seminar zu ausgewählten Kapiteln der Banachraumtheorie Vortrag von Michael Hoffmann 1 Lokalkonvexe topologische Vektorräume Im folgenden betrachten wir stets
Mehrx= f(x) p= U (x). (b) Zeigen Sie, dass auf jeder auf einem Intervall existierenden Lösung t x(t) die Energie E(t) := 1 2 p(t)2 + U(x(t)) x 1
Blatt 1 03042006 H-Ch Grunau Aufgabe 1 Betrachten Sie die Differentialgleichung x= f(x) mit f = U und U C 2 ((α, β), R) und schreiben Sie diese in der Form x= p, p= U (x) (a) Skizzieren Sie die Phasenportraits
MehrTeil I. Lineare Optimierung
Teil I Lineare Optimierung 5 Kapitel 1 Grundlagen Definition 1.1 Lineares Optimierungsproblem, lineares Programm. Eine Aufgabenstellung wird lineares Optimierungsproblem oder lineares Programm genannt,
MehrUltrametrik. Christian Semrau Metrische Räume
Ultrametrik Christian Semrau 05.11.2002 Inhaltsverzeichnis 1 Metrische Räume 1 1.1 Definition der Metrik.................................. 1 1.2 Offene und abgeschlossene Mengen..........................
Mehr12. Trennungssätze für konvexe Mengen 83
12. Trennungssätze für konvexe Mengen 83 C_1 C_2 a Abbildung 12.4. Trennung konvexer Mengen durch eine Hyperebene mit Normalenvektor a Dann ist int(c) nicht leer (warum?) und [als Minkowski-Summe von C
Mehr9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 89 Beweis. Der Beweis erfolgt durch vollständige Induktion. Angenommen wir hätten den Satz für k 1 gezeigt. Dann ist wegen auch Damit ist f(g(y), y) = 0 0 = D y
Mehrist ein n-dimensionaler, reeller Vektorraum (vgl. Lineare Algebra). Wir definieren auf diesem VR ein Skalarprodukt durch i y i i=1
24 14 Metrische Räume 14.1 R n als euklidischer Vektorraum Die Menge R n = {(x 1,..., x n ) x i R} versehen mit der Addition und der skalaren Multiplikation x + y = (x 1 + y 1,..., x n + y n ) λx = (λx
MehrTopologische Begriffe
Kapitel 3 Topologische Begriffe 3.1 Inneres, Rand und Abschluss von Mengen Definition (innerer Punkt und Inneres). Sei (V, ) ein normierter Raum über K, und sei M V eine Menge. Ein Vektor v M heißt innerer
Mehr17. Orthogonalsysteme
17. Orthogonalsysteme 17.1. Winkel und Orthogonalität Vorbemerkung: Sei V ein Vektorraum mit Skalaprodukt, und zugehöriger Norm, dann gilt nach Cauchy-Schwarz: x, y V \ {0} : x, y x y 1 Definition: (a)
MehrStetigkeit, Konvergenz, Topologie
Ferienkurs Seite 1 Technische Universität München Ferienkurs Analysis 1 Hannah Schamoni Wintersemester 2011/12 Stetigkeit, Konvergenz, Topologie 21.03.2012 Inhaltsverzeichnis 1 Stetigkeit und Konvergenz
MehrFloquet Theorie II. 1 Einführung
Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 18.10.2011 Sebastian Monschang 1 Einführung Auf den Ergebnissen des ersten Vortrags basierend werden wir in diesem Vortrag gewöhnliche lineare Differentialgleichungssysteme
MehrDefinition Eine Metrik d auf der Menge X ist eine Abbildung d : X X IR
0 Inhaltsverzeichnis 1 Metrik 1 1.1 Definition einer Metrik............................. 1 1.2 Abstand eines Punktes von einer Menge................... 1 1.3 Einbettung eines metrischen Raumes in einen
MehrAnalysis I. Guofang Wang Universität Freiburg
Universität Freiburg 30.11.2016 5. Teilmengen von R und von R n Der R n ist eine mathematische Verallgemeinerung: R n = {x = (x 1,..., x n ) : x i R} = } R. {{.. R }. n mal Für x R ist x der Abstand zum
MehrStabilität linearer Differentialgleichungssysteme 1-1
Stabilität linearer Differentialgleichungssysteme Ein lineares homogenes Differentialgleichungssystem mit konstanten Koeffizienten u = Au, u = (u 1,..., u n ) t, ist Stabilität linearer Differentialgleichungssysteme
MehrVorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13)
1 Vorlesung Mathematik für Ingenieure (WS 11/12, SS 12, WS 12/13) Kapitel 5: Konvergenz Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 15. Dezember 2011) Folgen Eine Folge x 0, x 1,
MehrMessbare Vektorräume
Messbare Vektorräume Hans-Jörg Starkloff TU Bergakademie Freiberg Westsächsische Hochschule Zwickau Dezember 2010 / Januar 2011 Hans-Jörg Starkloff Messbare Vektorräume 1 1. Definition Geg. X linearer
MehrRelative Kontrollierbarkeit und Invarianz-Entropie
Relative Kontrollierbarkeit und Invarianz-Entropie Ralph Lettau in Zusammenarbeit mit Fritz Colonius und Christoph Kawan Institut für Mathematik Universität Augsburg 9. Elgersburg Workshop 5. März 2014
Mehr3 Gewöhnliche Differentialgleichungen 23.4.
3 Gewöhnliche Differentialgleichungen 23.4. 3.1 Differentialgleichungen erster Ordnung 3.1.1 Fundamentalsätze Definition 3.1. Es sei Ω R d eine offene Menge und V : Ω R d eine Vektorfunktion. Eine Kurve
Mehr4 Differenzierbarkeit einer konjugierten Funktion
4 Differenzierbarkeit einer konjugierten Funktion (Eingereicht von Corinna Vits) 4.1 Differenzierbarkeit 1.Ordnung Theorem 4.1.1: Sei f ConvR n strikt konvex. Dann ist int dom und f ist stetig differenzierbar
Mehr10 Untermannigfaltigkeiten
10. Untermannigfaltigkeiten 1 10 Untermannigfaltigkeiten Definition. Eine Menge M R n heißt k-dimensionale Untermannigfaltigkeit des R n, 1 k n, falls es zu jedem a M eine offene Umgebung U R n von a und
MehrInvarianz-Entropie für Kontrollsysteme
Invarianz-Entropie für Kontrollsysteme Christoph Kawan Institut für Mathematik, Universität Augsburg in Zusammenarbeit mit Fritz Colonius, Institut für Mathematik, Universität Augsburg im Rahmen des DFG-Schwerpunktprogramms
MehrStroppel Musterlösung , 180min
Stroppel Musterlösung 040907, 80min Aufgabe (8 Punkte) (a) Seien A, D, T R d d für ein d N Weiter sei T invertierbar und es gelte T AT D Zeigen Sie durch vollständige Induktion, dass A n T D n T gilt für
Mehrtun, sondern nur mit der Reaktion auf verschiedene Anfangswerte.
2.3 Stabilität Eine wichtige Rolle spielt das Stabilitätsverhalten dynamischer Systeme. Wie üblich sei Φ die Fundamentalmatrix des linearen Systems ẋ = A(t)x + u. Im weiteren sei t fixiert, später wird
MehrExtremalprobleme mit Nebenbedingungen
Extremalprobleme mit Nebenbedingungen In diesem Abschnitt untersuchen wir Probleme der folgenden Form: g(x 0 ) = inf{g(x) : x Ω, f(x) = 0}, (x 0 Ω, f(x 0 ) = 0). (1) Hierbei sind Ω eine offene Menge des
MehrHolomorphe Funktionen
1 Kapitel 1 Holomorphe Funktionen 1 Komplexe Differenzierbarkeit Ist z = (z 1,..., z n ) ein Element des C n und z ν = x ν + i y ν, so können wir auch schreiben: z = x + i y, mit x = (x 1,..., x n ) und
MehrSatz 7. A sei eine Teilmenge des nichttrivialen Vektorraums (V,+, ). Dann sind die folgende Aussagen äquivalent.
Definition der Basis Def. Es sei (V,+, ) ein nichttrivialer Vektorraum. Die Menge A V heißt eine Basis-Menge, falls sie (a) linear unabhängig ist und (b) span(a) = V. Satz 7. A sei eine Teilmenge des nichttrivialen
Mehr4 Holomorphie-Konvexität. Definition Satz. 42 Kapitel 2 Holomorphiegebiete
42 Kapitel 2 Holomorphiegebiete 4 Holomorphie-Konvexität Wir wollen weitere Beziehungen zwischen Pseudokonvexität und affiner Konvexität untersuchen. Zunächst stellen wir einige Eigenschaften konvexer
MehrÜbungen zur Ingenieur-Mathematik III WS 2011/12 Blatt Aufgabe 25: Berechnen Sie den kritischen Punkt der Funktion
Übungen zur Ingenieur-Mathematik III WS 11/1 Blatt 8 3.11.11 Aufgabe 5: Berechnen Sie den kritischen Punkt der Funktion fx, y 3x 5xy y + 3 und entscheiden Sie, ob ein Maximum, Minimum oder Sattelpunkt
MehrÜbungen zu Differentialgleichungen (WiSe 12/13)
Übungen zu Differentialgleichungen WiSe 2/) Blatt 6 22 November 202 Gruppenübung Aufgabe G Sei f t, p) := p 5, t, p) R 2 Gegeben sei das Anfangswertproblem ẋ = f t,x), x0) = ) Bestimmen sie das maximale
Mehr14 Ljapunov-Funktionen
14 Ljapunov-Funktionen 67 14 Ljapunov-Funktionen 14.1 Gradientenfelder. a Ein Vektorfeld v C 1 D, R n besitze ein Potential U C 2 D, R, d.h. es sei v = gradu. Dann ist Dvx = HUx symmetrisch, und man hat
Mehr4 Funktionenfolgen und normierte Räume
$Id: norm.tex,v 1.57 2018/06/08 16:27:08 hk Exp $ $Id: jordan.tex,v 1.34 2018/07/12 20:08:29 hk Exp $ 4 Funktionenfolgen und normierte Räume 4.7 Kompakte Mengen Am Ende der letzten Sitzung hatten wir zwei
MehrOptimale Steuerung, Prof.Dr. L. Blank 1. II Linear-quadratische elliptische Steuerungsprobleme
Optimale Steuerung, Prof.Dr. L. Blank 1 II Linear-quadratische elliptische Steuerungsprobleme Zuerst: Zusammenstellung einiger Begriffe und Aussagen aus der Funktionalanalysis (FA), um dann etwas über
MehrMathematik für Physiker, Informatiker und Ingenieure
Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel IV SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de
MehrMAA = MAB + B AA = B CA + CAA BA A Nun sehen wir mit Proposition 10.7 aus dem Skript, dass A M AB gelten muss.
1. Konvexität in der absoluten Ebene In einem Dreieck in der Euklidischen Ebene hat die Strecke zwischen zwei Seitenmittelpunkten die halbe Länge der dritten Seite. In der absoluten Ebene hat man eine
MehrMusterlösung. Aufgabe 1 a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [0, 1] R, die folgendermaßen definiert ist:
Musterlösung Aufgabe a) Die Aussage ist falsch. Ein Gegenbeispiel ist die Funktion f : [, ] R, die folgendermaßen definiert ist: f(x) := { für x R \ Q für x Q f ist offensichtlich beschränkt. Wir zeigen,
MehrDer Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt.
Kapitel 3 Konvexität 3.1 Konvexe Mengen Der Begriff der konvexen Menge ist bereits aus Definition 1.4, Teil I, bekannt. Definition 3.1 Konvexer Kegel. Eine Menge Ω R n heißt konvexer Kegel, wenn mit x
MehrLineare Algebra und analytische Geometrie I
Prof. Dr. H. Brenner Osnabrück WS 215/216 Lineare Algebra und analytische Geometrie I Vorlesung 27 In der letzten Vorlesung haben wir die Haupträume zu einem Eigenwert λ zu einem Endomorphismus ϕ als Kern
MehrEffiziente Algorithmen Lineares Programmieren 216. Schwache Dualität
Effiziente Algorithmen Lineares Programmieren 216 Schwache Dualität Sei wieder z = max{ c T x Ax b, x 0 } (P ) und w = min{ b T u A T u c, u 0 }. (D) x ist primal zulässig, wenn x { x Ax b, x 0 }. u ist
MehrLineare Differentialgleichungen
Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n
MehrDas Bang-Bang-Prinzip
Das Bang-Bang-Prinzip Tanja Binder 15. Dezember 2004 1 Mathematische Grundlagen Wir wollen mit einigen Sätzen und Definitionen beginnen. Diese werden wir benötigen, wenn wir anschließend das Bang-Bang-Prinzip
Mehr5 Stetigkeit und Differenzierbarkeit
5 Stetigkeit und Differenzierbarkeit 5.1 Stetigkeit und Grenzwerte von Funktionen f(x 0 ) x 0 Graph einer stetigen Funktion. Analysis I TUHH, Winter 2006/2007 Armin Iske 127 Häufungspunkt und Abschluss.
MehrKlausur - Analysis I Lösungsskizzen
Klausur - Analysis I Lösungsskizzen Aufgabe 1.: 5 Punkte Entscheiden Sie, ob folgende Aussagen wahr oder falsch sind. Kennzeichnen Sie wahre Aussagen mit und falsche Aussagen mit. Es sind keine Begründungen
MehrGewöhnliche Dierentialgleichungen
Prof. Dr. Guido Sweers WS 28/29 Jan Gerdung, M.Sc. Gewöhnliche Dierentialgleichungen Übungsblatt 6 Die Lösungen müssen in den Übungsbriefkasten Gewöhnliche Dierentialgleichungen Raum 3 im MI) geworfen
Mehrx x 2 + y + 2y 2 y x 2 + y = 2 (x 2 + y 2 ) 2 = 0, (x,y) =r
Funktionentheorie, Woche 8 Harmonische Funktionen 8. Folgen der Holomorphie Im letzten Kapitel sahen wir, dass der Realteil einer holomorphen Funktion harmonisch ist, und dass es zu jeder harmonischen
MehrDer CG-Algorithmus (Zusammenfassung)
Der CG-Algorithmus (Zusammenfassung) Michael Karow Juli 2008 1 Zweck, Herkunft, Terminologie des CG-Algorithmus Zweck: Numerische Berechnung der Lösung x des linearen Gleichungssystems Ax = b für eine
Mehr30 Die Gammafunktion und die Stirlingsche Formel
3 Die Gammafunktion und die Stirlingsche Formel 35 Charakterisierung der Gammafunktion 36 Darstellung der Gammafunktion 38 Beziehung zwischen der Gammafunktion und der Zetafunktion 3 Stirlingsche Formel
MehrNicht-kooperative Spiele
Kapitel 1 Nicht-kooperative Spiele 1.1 Zwei-Personen-Spiele Definition 1: Ein Zwei-Personen-Spiel Γ besteht aus einem Paar nichtleerer Mengen S T zwei reellwertigen Funktionen φ 1 φ 2 auf dem kartesischen
MehrElemente in Φ werden Wurzeln genannt. Bemerkung 3.2. (a) Zu einem Wurzelsystem können wir immer eine Spiegelungsgruppe definieren
3. Wurzelsysteme Als erstes führen wir den Begriff eines Wurzelsystems ein. Definition 3.1 (Wurzelsystem). Eine endliche Teilmenge Φ V {0} heißt Wurzelsystem falls gilt: (R1) Φ Rα = {±α} für α Φ, (R2)
Mehr2. Klausur zur Funktionentheorie SS 2009
Aufgabe : Finden Sie ein Beispiel für eine meromorphe Funktion f M(C), die auf den Kreisringen A 0, (0) und A,2 (0) unterschiedliche Laurentreihenentwicklungen besitzt. Beweisen Sie, dass Ihr Beispiel
Mehr8.1. DER RAUM R N ALS BANACHRAUM 17
8.1. DER RAUM R N ALS BANACHRAUM 17 Beweis. Natürlich ist d 0 und d(x, y) = 0 genau dann, wenn x = y. Wegen (N2) ist x = x und damit d(x, y) = d(y, x). Die letzte Eigenschaft einer Metrik schließt man
MehrLemma (Eigenschaften elementarer Mengen) 1. Jede elementare Menge lässt sich als disjunkte Vereinigung halboffener Intervalle schreiben.
12.3. DIE LEBESGUE ALGEBRA 19 Bemerkung 12.3.2 (Bezeichnungen) Im Buch von Bauer [2] werden elementare Mengen als Figuren bezeichnet. Wir folgen mit unserer Nomenklatur Rudin [15]. Natürlich kann man auf
MehrMeßbare Funktionen. Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen.
Meßbare Funktionen Die angemessenen Abbildungen zwischen Meßräumen sind die meßbaren Funktionen. Definition. Seien (X, Ω 1 ) und (Y, Ω 2 ) Meßräume. Eine Abbildung f : X Y heißt Ω 1 -Ω 2 -meßbar oder kurz
MehrNun zeigen wir: wie kann man durch eine Liftung eine neue Unterlösung konstruieren.
56 SS2016 Definition 6.17 (Unterlösung,Oberlösung). Ω R n seieingebietleinelliptischeroperator wie in Bedingung 6.1. Seien a i j, b i c stetig mit c 0 in Ω. Sei f stetig in Ω. Eine Funktion u C(Ω) heißt
MehrDas Singularitätentheorem von Hawking Teil 2
Das Singularitätentheorem von Hawking Teil Jakob Hedicke 0.06.06 In diesem Vortrag werden wir den Beweis des Singularitätentheorems von Stephen Hawking vervollständigen. Im letzten Vortrag wurde bereits
Mehr49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit
49 Differenzierbarkeit, Richtungsableitung und partielle Differenzierbarkeit 49.1 Differenzierbarkeit 49.2 Eindeutigkeit des Differentials; Unabhängigkeit der Differenzierbarkeit von den gewählten Normen
MehrHörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 28/29 Dr. Hanna Peywand Kiani Hörsaalübung 6 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Autonome Systeme, Stabilität Die ins
MehrTopologie metrischer Räume
Technische Universität München Christoph Niehoff Ferienkurs Analysis für Physiker Vorlesung Montag SS 11 In diesem Teil des Ferienkurses beschäftigen wir uns mit drei Themengebieten. Zuerst wird die Topologie
MehrFloquet-Theorie IV. 1 Hills Gleichung
Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 08.11.2011 Tobias Roidl Dieser Vortrag befasst sich mit der Hills Gleichung und gibt eine Einführung in die Periodischen Orbits von linearen Systemen.
MehrCauchys Integralsatz und Cauchys Integralformel
Kapitel 23 Cauchys Integralsatz und Cauchys Integralformel 23. Der Cauchysche Integralsatz (einfach zusammenhängend; einfache geschlossene Kurven; Fresnelsche Integrale) Wird die Voraussetzung f habe eine
MehrDynamische Systeme eine Einführung
Dynamische Systeme eine Einführung Seminar für Lehramtstudierende: Mathematische Modelle Wintersemester 2010/11 Dynamische Systeme eine Einführung 1. Existenz und Eindeutigkeit von Lösungen 2. Flüsse,
Mehr6. Lineare DGL-Systeme erster Ordnung
HJ Oberle Differentialgleichungen I WiSe 22/3 6 Lineare DGL-Systeme erster Ordnung A Allgemeines Wir betrachten ein lineares DGL System erster Ordnung y (t = A(t y(t + b(t (6 und setzen voraus, dass die
MehrFormelsammlung zum Skriptum
Systemtheorie und Regelungstechnik I - WS08/09 Formelsammlung zum Skriptum Kapitel 2 Satz 23 (Lokale Existenz und Eindeutigkeit) Es sei f (x, t) stückweise stetig in t und genüge der Abschätzung (Lipschitz-Bedingung)
MehrKompaktheit in topologischen Räumen
Kompaktheit in topologischen Räumen Joel Gotsch 21. Januar 2011 Inhaltsverzeichnis 1 Notation und Allgemeines 2 2 Definitionen 2 2.1 Allgemeine Definitionen..................... 2 2.2 Globale Kompaktheitseigenschaften...............
MehrDer n-dimensionale Raum
Der n-dimensionale Raum Mittels R kann nur eine Größe beschrieben werden. Um den Ort eines Teilchens im Raum festzulegen, werden schon drei Größen benötigt. Interessiert man sich für den Bewegungszustand
MehrBemerkung Als Folge von Satz 6.2 kann man jede ganze Funktion schreiben als Potenzreihe. α m z m. f(z) = m=0. 2πi. re it t [0,2π] 2πi
Funktionentheorie, Woche 7 Eigenschaften holomorpher Funktionen 7.1 Ganze Funktionen Definition 7.1 Eine Funktion f : C C, die holomorph ist auf C, nennt man eine ganze Funktion. Bemerkung 7.1.1 Als Folge
MehrOptimale Steuerung eines linearen Servomotors
mit Coulomb-Reibung und Zustandsbeschränkungen Bahne Christiansen, Helmut Maurer Oliver Zirn Universität Münster Institut für Numerische Mathematik University of Applied Sciences Giessen Kleinwalsertal,
Mehr3 Bedingte Erwartungswerte
3 Bedingte Erwartungswerte 3.3 Existenz und Eindeutigkeit des bedingten Erwartungswertes E A 0(X) 3.6 Konvexitätsungleichung für bedingte Erwartungswerte 3.9 Konvergenzsätze von Levi, Fatou und Lebesgue
MehrProf. D. Salamon Funktionentheorie ETH Zürich MATH, PHYS 27. Oktober Musterlösung 5
Prof. D. Salamon Funktionentheorie ETH Zürich MATH, PHYS 27. Oktober 2009 Musterlösung 5 1. Sei f : C C eine holomorphe Funktion, so dass f(z) < z n für ein n N und alle hinreichend grossen z. Dann ist
MehrKlausur zu Analysis II - Lösungen
Mathematisches Institut der Heinrich-Heine-Universität Düsseldorf Dr. Axel Grünrock WS 1/11 11..11 Klausur zu Analysis II - Lösungen 1. Entscheiden Sie, ob die folgenden Aussagen richtig oder falsch sind.
MehrPrüfer: Dr. M. Lenz, Prof. Dr. M. Rumpf. Klausurdauer: 180 Minuten. Bitte Namen, Vornamen und Matrikel-Nr. einsetzen. Name:... Vorname:...
Klausur zum Modul Ingenieurmathematik II (B22) 20. März 2014 für den Bachelorstudiengang Geodäsie und Geoinformation In der Klausur können 10 Punkte pro Aufgabe, also insgesamt 100 Punkte erreicht werden.
MehrFinite Elemente I Konvergenzaussagen
Finite Elemente I 195 5 onvergenzaussagen 5 onvergenzaussagen TU Bergakademie Freiberg, SoS 2006 Finite Elemente I 196 5.1 Interpolation in Sobolev-Räumen Wesentlicher Baustein der FE-onvergenzanalyse
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr8 KAPITEL 1. GRUNDLAGEN
8 KAPITEL 1. GRUNDLAGEN Beweis. 1. Sei A X abgeschlossen, dann ist X \ A offen und jede offene Überdeckung von A lässt sich durch Hinzunahme von X \ A auf ganz X fortsetzen. Die Kompaktheit von X erlaubt
Mehr31. Kurven in Ebene und Raum
31. Kurven in Ebene und Raum Für ebene Kurven (also Kurven im R gibt es mehrere Darstellungsmöglichkeiten: implizite Darstellung : F (x, y = explizite Darstellung : y = f(x oder x = g(y Parameterdarstellung
MehrVergleich und Erzeugung von Topologien und topologischen
KAPITEL 3 Vergleich und Erzeugung von Topologien und topologischen Räumen 3.1. Definition. Auf einer Menge X seien zwei Topologien τ und σ gegeben. Ist jede bezüglich σ offene Menge auch bezüglich τ offen,
MehrAnalysis 2, Woche 6. Grundbegriffe I. 6.1 Topologische Begriffe
A1 Analysis 2, Woche 6 Grundbegriffe I A2 6.1 Topologische Begriffe Wenn man offene Teilmengen von R betrachtet, landet man meistens bald bei Intervallen. Das Intervall (a, b) = R; a < < b} mit a, b R
MehrÜbungsaufgaben zu Partielle Differentialgleichungen Blatt III vom
Prof. Dr. M. Kaßmann Fakultät für Mathematik Wintersemester 2011/2012 Universität Bielefeld Übungsaufgaben zu Partielle Differentialgleichungen Blatt III vom 27.10.2011 Aufgabe III.1 (4 Punkte) Sei Ω R
Mehr3. Übungsblatt zur Analysis II
Fachbereich Mathematik Prof. Dr. R. Farwig Ch. Komo J. Prasiswa R. Schulz SS 9.5.9. Übungsblatt zur Analysis II Gruppenübung Aufgabe G (Äquivalenz von Normen) i) etrachten Sie den Vektorraum R n mit der
Mehr4.1 Grundlegende Konstruktionen Stetigkeit von Funktionen Eigenschaften stetiger Funktionen... 91
Kapitel 4 Funktionen und Stetigkeit In diesem Kapitel beginnen wir Funktionen f : R R systematisch zu untersuchen. Dazu bauen wir auf den Begriff des metrischen Raumes auf und erhalten offene und abgeschlossene
MehrNachklausur zur Analysis 2, SoSe 2017
BERGISCHE UNIVERSITÄT WUPPERTAL 18.9.17 Fakultät 4 - Mathematik und Naturwissenschaften Prof. N. V. Shcherbina Dr. T. P. Pawlaschyk www.kana.uni-wuppertal.de Nachklausur zur Analysis 2, SoSe 217 Aufgabe
Mehr6. Normale Abbildungen
SKALARPRODUKE 1 6 Normale Abbildungen 61 Erinnerung Sei V ein n-dimensionaler prä-hilbertraum, also ein n-dimensionaler Vektorraum über K (R oder C) versehen auch mit einer Skalarprodukt, ra K Die euklidische
Mehr