Formelsammlung. Regelungstechnik 2

Größe: px
Ab Seite anzeigen:

Download "Formelsammlung. Regelungstechnik 2"

Transkript

1 Formelsammlung für den Teilbereich Digitale Regelungen der Vorlesung Regelungstechnik 2 Diese Formelsammlung wird so auch für den Prüfungsteil Digitale Regelungen ur Verfügung gestellt Michael Buchhol Tomas Sabo SS 2009 Alle Angaben ohne Gewähr Bei Fehlern, Kritik, Anregungen und Lob: tomassabo@uni-ulmde c 2009 Michael Buchhol, Tomas Sabo, Ulm

2 Z-TRANSFORMATION Hinweis: In dieser Formelsammlung werden skalare Größen nicht unterstrichen (um Beispiel u(t)) Vektorielle Größen (Zeilen- oder Spaltenvektoren) werden mit kleinen, unterstrichenen Buchstaben (um Beispiel b), Matrien mit großen, unterstrichenen Buchstaben (um Beispiel A) beeichnet Zeilenvektoren werden in dieser Formelsammlung grundsätlich mit einem Transpositionseichen versehen (um Beispiel c T ), während Spaltenvektoren grundsätlich ohne Transpositionseichen notiert werden (um Beispiel b) -Transformation Hier beeichnet F () die -Transformierte der abgetasteten Zeitfunktion f(t), der Impulsfolge f (t) bw der Zahlenfolge f k Dabei ist f (t) = f(t) δ(t νt ) = f ν δ(t νt ) Operation Zeitfunktion Zahlenfolge -Transformierte Linearität c f (t) + c 2 f 2 (t) c f k + c 2 f 2k c F () + c 2 F 2 () Verschiebung nach rechts Verschiebung nach links f(t mt ) f k m m [ F () + m ν= f ν ν ] [ ] f(t + mt ) f k+m m F () m f ν ν Differenbildung f(t) f(t T ) f k f k F () f f(t + T ) f(t) f k+ f k ( )F () f 0 Summation f = 0, t < 0 f(t νt ) k f ν k F () f ν F () Dämpfung f(t)e αt f k β k = f k e αkt ( F ) ( ) e αt = F β α beliebig komplex β = e αt Differentiation der Bildfunktion t T f(t) kf k F () Faltung f, g = 0, t < 0 f (t) g (t) f(t) g (t) k f ν g k ν F () G () Anfangswertsat f(0) f 0 lim F () Endwertsat lim t f(t) f lim ( )F () wenn Grenwert ex

3 2 Z-TRANSFORMATION Nr F (s) = L {f(t)} f(t) F () = Z {f(kt )} mit f(t) = 0 für t < 0 mit f(kt ) = f(t) t=kt 0 δ(t) s σ(t) 2 s 2 t T ( ) 2 3 2! s 3 t 2 T 2 + ( ) 3 3! 4 s t 3 T ( ) 4 5 n! s n+ t n, n =, 2, T n n + ( ) n+ 6 s α e αt e αt α beliebig komplex 7 ω s 2 +ω 2 sin(ωt) sin(ωt ) 2 2 cos(ωt )+ 8 s s 2 +ω 2 cos(ωt) cos(ωt ) 2 2 cos(ωt )+ 9 s sin(φ)+ω cos(φ) sin(φ)+sin(ωt φ) s 2 +ω sin(ωt + φ) cos(ωt )+ ω 0 (s α) 2 +ω e αt sin(ωt) 2 e αt sin(ωt ) 2 2e αt cos(ωt )+e 2αT s α (s α) 2 +ω 2 e αt cos(ωt) e αt cos(ωt ) 2 2e αt cos(ωt )+e 2αT 2 (s α) sin(φ)+ω cos(φ) (s α) 2 +ω 2 e αt cos(ωt + φ) sin(φ)+eαt sin(ωt φ) 2 2e αt cos(ωt )+e 2αT 3 (s α) 2 te αt T eαt ( e αt ) 2

4 Z-TRANSFORMATION 3 Nr F (s) = L {f(t)} f(t) F () = Z {f(kt )} mit f(t) = 0 für t < 0 mit f(kt ) = f(t) t=kt 4 (s α) 3 2! t2 e αt 2 T 2 e αt +eαt ( e αt ) 3 5 (s α) 4 3! t3 e αt 6 T 3 e αt 2 +4e αt +e 2αT ( e αt ) 4 n! 6 (s α) n+ t n αt e n n =, 2, ( ) α n e αt = T n e αt n + ( e αt ) n+ 7 2ωs (s 2 +ω 2 ) 2 t sin(ωt) T ( 2 ) sin(ωt ) ( 2 2 cos(ωt )+) 2 8 s 2 ω 2 (s 2 +ω 2 ) 2 t cos(ωt) T (2 +) cos(ωt ) 2 ( 2 2 cos(ωt )+) 2 9 2ωs cos(φ)+(s 2 ω 2 ) sin(φ) t sin(ωt + φ) T 2 sin(ωt +φ) 2 sin(φ) sin(ωt φ) (s 2 +ω 2 ) 2 ( 2 2 cos(ωt )+) 2 20 s T ln(a), a 0 e t T ln(a) = a t T a 2 ( t/t ) n n =, 2, ( ) n 22 e t T ln(β) β n ( t/t ) n ( β) n, β 0, n =, 2, 23 e mt s, m = 0,, δ(t mt ) m 24 b 0+b e T s + +b me mt s a 0+a e T s + +a ne nt s b 0+b + +b m m a 0+a + +a n n, a ( ) t T + 26 t T β t T ( β) 2

5 4 2 SYSTEMBESCHREIBUNG IM ZUSTANDSRAUM 2 Systembeschreibung im Zustandsraum eitkontinuierlich ẋ(t) = A x(t) + B u(t) y(t) = C x(t) + D u(t) Zustandsgleichung Ausgangsgleichung eitdiskret x k+ = Φ x k + H u k y k = C x k + D u k Zustandsgleichung Ausgangsgleichung Φ(t) = e At = H(t) = 3 Stabilitätskriterien A ν t ν ν! = L { (si A) } A ν t ν ν! B = A [Φ(t) I] B ν= Notwendige und hinreichende Bedingungen für Einheitskreispolynome bis um Grad 4 Grad 2: Grad 3: Grad 4: N() = a a + a 0! = 0 mit a 2 > 0 N() > 0 ; N( ) > 0 ; a 2 > a 0 ; N() = a a a + a 0! = 0 mit a 3 > 0 N() > 0 ; N( ) < 0 ; a 3 > a 0 ; a a 3 a 0 a 2 < a 3 2 a 0 2 N() = a a a a + a 0! = 0 mit a 4 > 0 N() > 0 ; N( ) > 0; a 4 > a 0 ; a a 4 a 0 a 3 < a 4 2 a 0 2 ; (a 4 a 0 ) 2 (a 4 a 2 + a 0 ) + (a 3 a ) (a a 4 a 0 a 3 ) > 0 Kriterium von Schur-Cohn-Jury für Polynome höheren Grades N() = a n n + a n n + + a + a 0 mit a n > 0 Matrien für k =, 2,, n bilden a 0 a a k a 0 a a k 2 A k =, 0 a 0 B k = a n (k ) a n a n a n (k 2) a n a n 0, (k k)-matrix (k k)-matrix

6 4 STEUERBARKEITSKRITERIEN 5 Determinante bilden C k = det (A k + B k ) D k = det (A k B k ) Notwendige und hinreichende Bedingung, dass alle Pole im Einheitskreis liegen N() > 0 ( ) n N( ) > 0 n gerade n ungerade C 2 < 0, D 2 < 0 C > 0, D < 0 C 4 > 0, D 4 > 0 C 3 < 0, D 3 > 0 C 6 < 0, D 6 < 0 C 5 > 0; D 5 < 0 bis Index n bis Index n 4 Steuerbarkeitskriterien Steuerbarkeitskriterium nach Kalman Ein System ist genau dann vollständig steuerbar, wenn die Steuerbarkeitsmatrix Q S = [ ] H Φ H Φ 2 H Φ n H den Rang n hat Steuerbarkeitskriterium nach Hautus Ein System ist genau dann vollständig steuerbar, wenn die für jeden Eigenwert λ i von Φ gilt: Rang [λ i I Φ, H] = n, i =,, n 5 Beobachtbarkeitskriterien Beobachtbarkeitskriterium nach Kalman Ein System ist genau dann vollständig beobachtbar, wenn die Beobachtbarkeitsmatrix den Rang n hat Q B = C C Φ C Φ 2 C Φ n Beobachtbarkeitskriterium nach Hautus Ein System ist genau dann vollständig beobachtbar, wenn die für jeden Eigenwert λ i von Φ gilt: [ ] λi I Φ Rang = n, i =,, n C

7 6 6 REGLERENTWURF 6 Reglerentwurf Vorsteuermatrix: Ackermannformel: S = [ ] C (I Φ + HK) H k T = q T n p(φ) Vollständige modale Synthese nach Roppenecker: K = [ p p n ] [ [Φ λ R I] Hp [Φ λ Rn I] Hp n ] 7 Allgemeine Matrixoperationen Die Inverse einer nxn-matrix A berechnet sich wie folgt A = [ ] T ( ) µ+ν det(a det A µν ) nxn wobei A µν die Untermatrix ist, die durch Streichung der µ-ten Zeile und ν-ten Spalte entsteht

Formelsammlung. für den Teilbereich Zustandsraumdarstellung der Vorlesung. Einführung in die Regelungstechnik

Formelsammlung. für den Teilbereich Zustandsraumdarstellung der Vorlesung. Einführung in die Regelungstechnik Formelsammlung für den Teilbereich Zustandsraumdarstellung der Vorlesung Einführung in die Regelungstechnik Diese Formelsammlung ist ein Auszug aus der Formelsammlung zur Systemtheorie-Vorlesung von Matthias

Mehr

Analyse und Entwurf von Mehrgrößenregelung im Frequenzbreich

Analyse und Entwurf von Mehrgrößenregelung im Frequenzbreich Fakultät Elektrotechnik und Informationstechnik Institut für Regelungs - und Steuerungstheorie Prof Dr-Ing habil Dipl Math Klaus Röbenack Analyse und Entwurf von Mehrgrößenregelung im Frequenzbreich Prof

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

Formelsammlung Elektrotechnik von Sascha Spors V1.3 /

Formelsammlung Elektrotechnik von Sascha Spors V1.3 / Formelsammlung Elektrotechnik von Sascha Spors V.3 /..96 Mathematische Formeln : arctan( b a Z a + jb Y arg(z ; arctan( b a arctan( b < a für a >, b +π für a π für a

Mehr

SYNTHESE LINEARER REGELUNGEN

SYNTHESE LINEARER REGELUNGEN Synthese Linearer Regelungen - Formelsammlung von 8 SYNTHESE LINEARER REGELUNGEN FORMELSAMMLUNG UND MERKZETTEL INHALT 2 Grundlagen... 2 2. Mathematische Grundlagen... 2 2.2 Bewegungsgleichungen... 2 2.3

Mehr

Institut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie

Institut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie Institut für Elektrotechnik und Informationstechnik Aufgabensammlung zur Systemtheorie Prof. Dr. techn. F. Gausch Dipl.-Ing. C. Balewski Dipl.-Ing. R. Besrat 05.04.2013 Übungsaufgaben zur Systemtheorie

Mehr

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit

5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem

Mehr

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten

8. Elemente der linearen Algebra 8.5 Quadratische Matrizen und Determinanten Einheitsmatrix Die quadratische Einheitsmatrix I n M n,n ist definiert durch I n = 1 0 0 0 1 0 0 0 1 (Auf der Hauptdiagonalen stehen Einsen, außerhalb Nullen Durch Ausmultiplizieren sieht man I n A = A

Mehr

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte

R 3 und U := [e 2, e 3 ] der von e 2, e 3 erzeugte Aufgabe ( Es seien e =, e = Untervektorraum (, e = ( R und U := [e, e ] der von e, e erzeugte Weiter sei G := {A GL(, R A e = e und A U U} (a Zeigen Sie, dass G eine Untergruppe von GL(, R ist (b Geben

Mehr

Zeigen sie, dass das gegebene Zustandssystem steuerbar ist. Die Anwendbarkeit der beiden Kriterien wird im Folgenden an dem gegebenen System gezeigt.

Zeigen sie, dass das gegebene Zustandssystem steuerbar ist. Die Anwendbarkeit der beiden Kriterien wird im Folgenden an dem gegebenen System gezeigt. Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LRT-5) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, HT 26 Übung

Mehr

Lösungsskizzen zur Nachklausur

Lösungsskizzen zur Nachklausur sskizzen zur Nachklausur Mathematik II für die Fachrichtungen Biologie und Chemie Sommersemester 22 Aufgabe Es seien die folgenden Vektoren 2 v = 2, v 2 = und v 3 = 2 im R 3 gegeben. (a) Zeigen Sie, dass

Mehr

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle.

In allen Fällen spielt die 'Determinante' einer Matrix eine zentrale Rolle. Nachschlag:Transposition von Matrizen Sei Explizit: Def: "Transponierte v. A": (tausche Zeilen mit Spalten d.h., spiegle in der Diagonale) m Reihen, n Spalten n Reihen, m Spalten z.b. m=2,n=3: Eigenschaft:

Mehr

36 2 Lineare Algebra

36 2 Lineare Algebra 6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so

Mehr

BSc PRÜFUNGSBLOCK 2 / D-MAVT VORDIPLOMPRÜFUNG / D-MAVT. Musterlösung

BSc PRÜFUNGSBLOCK 2 / D-MAVT VORDIPLOMPRÜFUNG / D-MAVT. Musterlösung Institut für Mess- und Regeltechnik BSc PRÜFUNGSBLOCK / D-MAVT.. 005. VORDIPLOMPRÜFUNG / D-MAVT REGELUNGSTECHNIK I Musterlösung Dauer der Prüfung: Anzahl der Aufgaben: Bewertung: Zur Beachtung: Erlaubte

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

mit "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor"

mit Skalarprodukt aus i-tem Zeilenvektor und j-tem Spaltenvektor Zusammenfassung Matrizen Transponierte: Addition: mit Skalare Multiplikation: Matrixmultiplikation: m x p m x n n x p mit ES "Skalarprodukt" aus i-tem "Zeilenvektor" und j-tem "Spaltenvektor" "Determinante"

Mehr

Lösung zum Übungsblatt - Steuerbarkeit und Beobachtbarkeit

Lösung zum Übungsblatt - Steuerbarkeit und Beobachtbarkeit Prof. Dr.-Ing. Jörg Raisch Dr.-Ing. Thomas Seel Fachgebiet Regelungssysteme Fakultät IV Elektrotechnik und Informatik Technische Universität Berlin Integrierte Veranstaltung Mehrgrößenregelsysteme Aufgabe

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Vorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Thema: Herleitung der Transformationsformel für Gebietsintegrale

Vorlesung: Analysis II für Ingenieure. Wintersemester 09/10. Michael Karow. Thema: Herleitung der Transformationsformel für Gebietsintegrale Vorlesung: Analysis II für Ingenieure Wintersemester 9/ Michael Karow Thema: Herleitung der Transformationsformel für Gebietsintegrale Auf den folgenden Seiten wird die Transformationsformel für Gebietsintegrale

Mehr

Wir wollen Systeme von linearen Differentialgleichungen 1. Ordnung über einem offenen Intervall I R untersuchen:

Wir wollen Systeme von linearen Differentialgleichungen 1. Ordnung über einem offenen Intervall I R untersuchen: 23 23 Lineare Systeme Wir wollen Systeme von linearen Differentialgleichungen Ordnung über einem offenen Intervall I R untersuchen: y = y A(t + b(t, mit stetigen Abbildungen A : I M n,n (R und b : I R

Mehr

Zusammenfassung der 8. Vorlesung

Zusammenfassung der 8. Vorlesung Zusammenfassung der 8. Vorlesung Beschreibung und Analyse dynamischer Systeme im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit Unterscheidung:

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Musterlösung der Klausur zur linearen Algebra II

Musterlösung der Klausur zur linearen Algebra II David Blottière SS 7 Patrick Schützdeller Universität Paderborn Julia Sauter Musterlösung der Klausur zur linearen Algebra II Aufgabe 1 Bestimmen Sie Jordan-Normalformen der folgenden Matrizen, und schreiben

Mehr

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a).

Aufgabe 1. Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = 1). Es gilt det(λa) = (λ) n det(a). Aufgabe Die Determinante ist eine lineare Abbildung von C n n nach C? Nein (außer für n = Es gilt det(λa = (λ n det(a det I n = n? Nein (außer für n = Es gilt deti n = det(ab = det A det B? Ja det(a =

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

Regelungstechnik 2 Zeitdiskrete und zeitkontinuierliche nichtlineare und optimale Regelungen

Regelungstechnik 2 Zeitdiskrete und zeitkontinuierliche nichtlineare und optimale Regelungen Regelungstechnik Zeitdiskrete und zeitkontinuierliche nichtlineare und optimale Regelungen Sommersemester 008 eil I: Lineare zeitdiskrete Systeme Michael A. Danzer eil II: Nichtlineare zeitkontinuierliche

Mehr

12 Lineare Differentialgleichungen mit periodischen Koeffizienten

12 Lineare Differentialgleichungen mit periodischen Koeffizienten 56 Gewöhnliche Differentialgleichungen / Sommersemester 28 12 Lineare Differentialgleichungen mit eriodischen Koeffizienten 12.1 Homogene lineare Systeme mit eriodischen Koeffizienten haben für > die Form

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR THEORETISCHE NACHRICHTENTECHNIK UND INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 5.0.005 Uhrzeit: 09:00

Mehr

Zusammenfassung der 1. Vorlesung

Zusammenfassung der 1. Vorlesung Zusammenfassung der. Vorlesung Einordnung und Motivation Grundlegende Definitionen Kontinuierliches Signal Quantisiertes Signal Zeitdiskretes Signal Digitales Signal Auflösung der A/D- Umsetzer der MicroAutoBox

Mehr

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen

Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen Mathematik für Naturwissenschaftler, Pruscha & Rost Kap 7 Lösungen a) Es ist < x, y > α + + β β ( + α) und y α + + β α + + ( + α) (α + α + ) 6 α + α, also α, ± 5 + ± 9 4 ± 3 Es gibt also Lösungen: α, β

Mehr

Schriftliche Prüfung aus Control Systems 1 am

Schriftliche Prüfung aus Control Systems 1 am TU Graz, Institut für Regelungs- und Automatisierungstechnik 1 Schriftliche Prüfung aus Control Systems 1 am 24.11.2014 Name / Vorname(n): Kennzahl / Matrikel-Nummer: Prüfungsmodus: O VO+UE (TM) O VO (BM)

Mehr

Spezielle Matrixformen

Spezielle Matrixformen Definition B57 (Transposition) Eine einfache aber wichtige Operation auf Matrizen ist die Transposition, die aus einer (m n) Matrix A eine (n m) Matrix B = A T macht Hierbei gilt β i j = α j i, so daß

Mehr

4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT

4 Determinanten. 4.1 Eigenschaften der Determinante. ME Lineare Algebra HT ME Lineare Algebra HT 2008 86 4 Determinanten 4. Eigenschaften der Determinante Anstatt die Determinante als eine Funktion IC n n IC durch eine explizite Formel zu definieren, bringen wir zunächst eine

Mehr

Abbildung 5.1: stabile und instabile Ruhelagen

Abbildung 5.1: stabile und instabile Ruhelagen Kapitel 5 Stabilität Eine intuitive Vorstellung vom Konzept der Stabilität vermitteln die in Abb. 5.1 dargestellten Situationen. Eine Kugel rollt unter dem Einfluss von Gravitation und Reibung auf einer

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 2. Ordnung Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:

Mehr

Formelsammlung (zusammengestellt aus... ) 1 Grundlagen linearer Regelungstechnik

Formelsammlung (zusammengestellt aus... ) 1 Grundlagen linearer Regelungstechnik Übung (WS8/9 Lehrstuhl für elektrische Antriebsssteme und Leistungselektronik, TUM Formelsammlung (Stand.7.8 Alle Abbildungen und Übungsunterlagen basieren fast ausschlieÿlich auf den Übungsunterlagen

Mehr

Übungen zu Mathematik für ET

Übungen zu Mathematik für ET Sommersemester 8 Prof. Dr. Henning Kempka Übungen zu Mathematik für ET Übungsblatt zum Thema Aufgaben zu Analysis. Uneigentliche Integrale Aufgabe Berechnen Sie die uneigentlichen Integrale der Form L[f](s)

Mehr

TET - Formelsammlung

TET - Formelsammlung TET - Formelsammlung Matthias Jung 30. August 2008 1 Dierentialgleichungen Characterisierung von DGLn: Linear: y(t) sowie ẏ(t), ÿ(t)... kommen nur in der 1. Potenz vor Gewöhnlich: y(t) hängt nur von einer

Mehr

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V.

[Nächste Frage: wie wissen wir, ob Spaltenvektoren eine Basis bilden? Siehe L6.1] , enthält eine Basis v. V, nämlich und somit das ganze V. Kriterien für Invertierbarkeit einer Matrix Eine lineare Abbildung falls und nur falls ist bijektiv, d.h. ihre Matrix ist invertierbar, (i) für jede Basis, die Bildvektoren auch eine Basis, bilden; (intuitiv

Mehr

LAPLACE Transformation

LAPLACE Transformation LAPLACE Transformation Bei der LAPLACE-Transformation wird einer (geeigneten) Funktion f(t) eine Funktion F (s) zugeordnet. Diese Art von Transformation hat u.a. Anwendungen bei gewissen Fragestellungen

Mehr

Zusammenfassung der 7. Vorlesung

Zusammenfassung der 7. Vorlesung Zusammenfassung der 7. Vorlesung Beschreibung und Analyse dynamischer Systeme im Zustandsraum Methoden zur Berechnung der Transitionsmatrix Φ(t) = e At Numerische Integration Reihenentwicklung Mit Hilfe

Mehr

Differentialgleichungen für Ingenieure WS 06/07

Differentialgleichungen für Ingenieure WS 06/07 Differentialgleichungen für Ingenieure WS 06/07 5. Vorlesung, korrigierte Fassung Michael Karow Themen heute:. Gewöhnliche Lineare Differentialgleichungen. Ordnung mit konstanten Koeffizienten (a) Die

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) 1 Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 14: Vektorräume und lineare Abbildungen Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 6. Oktober 2009) Vektorräume

Mehr

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds

Wir stellen uns das Ziel, wesentliche Information über. Determinanten haben auch eine geometrische Bedeutung: Volumenbestimmung eines Parallelepipeds 39 Determinanten 391 Motivation Wir stellen uns das Ziel, wesentliche Information über die Invertierbarkeit einer n n-matrix das Lösungsverhalten zugehöriger linearer Gleichungssysteme möglichst kompakt

Mehr

Die Determinante einer Matrix

Die Determinante einer Matrix Chr.Nelius, Lineare Algebra II (SS 2005) 6 Die Determinante einer Matrix Wir betrachten im folgenden Determinantenformen auf dem Vektorraum V = K n. Eine solche Form ist eine Abbildung von n Spaltenvektoren

Mehr

Zu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2

Zu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2 Leibniz Universität Hannover Institut für Kommunikationstechnik Prof. Dr. J. Peissig Zu Beginn der Vorlesung Signale und Systeme ausgegebene Übungsaufgaben V 1.2 Universität Hannover, Institut für Kommunikationstechnik,

Mehr

Wiederholung von Linearer Algebra und Differentialrechnung im R n

Wiederholung von Linearer Algebra und Differentialrechnung im R n Wiederholung von Linearer Algebra und Differentialrechnung im R n 1 Lineare Algebra 11 Matrizen Notation: Vektor x R n : x = x 1 x n = (x i ) n i=1, mit den Komponenten x i, i {1,, n} zugehörige Indexmenge:

Mehr

Laplacetransformation

Laplacetransformation Laplacetransformation Fakultät Grundlagen Februar 206 Fakultät Grundlagen Laplacetransformation Übersicht Transformationen Transformationen Bezugssysteme Definition der Laplacetransformation Beispiele

Mehr

4. Übungsblatt zur Mathematik II für Inf, WInf

4. Übungsblatt zur Mathematik II für Inf, WInf Fachbereich Mathematik Prof Dr Streicher Dr Sergiy Nesenenko Pavol Safarik SS 010 11 15 Mai 4 Übungsblatt zur Mathematik II für Inf, WInf Gruppenübung Aufgabe G13 (Basistransformation) ( ) 15 05 Die lineare

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen 1 Lineare Abhängigkeit 1.1 Für welche t sind die folgenden Vektoren aus 3 linear abhängig? (1, 3, 4), (3, t, 11), ( 1, 4, 0). Das zur Aufgabe gehörige LGS führt auf die Matrix 1 3 4 3 t 11. 1 4 0 Diese

Mehr

Klausur HM I H 2005 HM I : 1

Klausur HM I H 2005 HM I : 1 Klausur HM I H 5 HM I : 1 Aufgabe 1 4 Punkte): Zeigen Sie mit Hilfe der vollständigen Induktion: n 1 1 + 1 ) k nn k n! für n. Lösung: Beweis mittels Induktion nach n: Induktionsanfang: n : 1 ) 1 + 1 k

Mehr

Aufgabe Summe Note Punkte

Aufgabe Summe Note Punkte Fachhochschule Südwestfalen - Meschede Prof. Dr. Henrik Schulze Klausur Ingenieurmathematik am 9. März 7 - Musterlösung Name Matr.-Nr. Vorname Unterschrift Aufgabe 4 5 6 7 Summe Note Punkte Die Klausur

Mehr

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

Mehr

Aufgaben für die 14. Übung zur Vorlesung Mathematik 2 für Informatiker: Analysis Sommersemester 2010

Aufgaben für die 14. Übung zur Vorlesung Mathematik 2 für Informatiker: Analysis Sommersemester 2010 Aufgaben für die 4. Übung zur Vorlesung Mathematik für Informatiker: Analysis Sommersemester 4. Bestimmen Sie den Flächeninhalt der dreiblättrigen Kleeblattkurve γ für ein Kleeblatt. Die Polarkoordinaten-

Mehr

Ökonometrische Analyse

Ökonometrische Analyse Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der

Mehr

Signale und Systeme I

Signale und Systeme I FACULTY OF ENGNEERING CHRISTIAN-ALBRECHTS-UNIVERSITÄT ZU KIEL DIGITAL SIGNAL PROCESSING AND SYSTEM THEORY DSS Signale und Systeme I Musterlösung zur Modulklausur WS 010/011 Prüfer: Prof. Dr.-Ing. Gerhard

Mehr

e At = e λt e (A λi)t.

e At = e λt e (A λi)t. Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LR-15) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, H 2016 Übung

Mehr

B. Die z-transformation

B. Die z-transformation B. Die -Transformation Die -Transformation ist eine im Wesentlichen eineindeutige Zuordnung von Folgen von Funktionswerten f k u Funktionen einer komplexen Variablen. Im Rahmen der einseitigen -Transformation

Mehr

51 Numerische Berechnung von Eigenwerten und Eigenvektoren

51 Numerische Berechnung von Eigenwerten und Eigenvektoren 5 Numerische Berechnung von Eigenwerten und Eigenvektoren 5. Motivation Die Berechnung der Eigenwerte einer Matrix A IR n n als Lösungen der charakteristischen Gleichung (vgl. Kapitel 45) ist für n 5 unpraktikabel,

Mehr

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n

Universität Stuttgart Physik und ihre Didaktik PD Dr. Holger Cartarius. Matrizen. a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A = a m,1 a m,2 a m,n Universität Stuttgart Physik und ihre Didaktik PD Dr Holger Cartarius Matrizen Matrizen: Ein rechteckiges Zahlenschema der Form a 1,1 a 1,2 a 1,n a 2,1 a 2,2 a 2,n A a m,1 a m,2 a m,n (a) nennt man eine

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

1.3 Zweidimensionale Systeme

1.3 Zweidimensionale Systeme 132 KAPITEL IV. QUALITATIVE THEORIE UND DYNAMISCHE SYSTEME Im Fall a 3 > 0 ist das Gleichgewicht asymptotisch stabil. Für a 2 3 > 4a 1a 2 haben wir < < 0 und es liegt ein stabiler Knoten vor (siehe den

Mehr

29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1)

29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1) 292 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System y = A y, t R, ( wobei A C n n, und wollen ein Fundamentalsystem bestimmen Grundlegende Beobachtung:

Mehr

1 Fourierreihen zeitkontinuierlicher period. Signale

1 Fourierreihen zeitkontinuierlicher period. Signale Formelsammlung erlaubtes Klausurhilfsmittel) 389.055 Signale und Systeme 2 Institute of Telecommunications Technische Universität Wien G. Doblinger,. Goert -206 Fourierreihen eitkontinuierlicher period.

Mehr

LINEARE ALGEBRA II. FÜR PHYSIKER

LINEARE ALGEBRA II. FÜR PHYSIKER LINEARE ALGEBRA II FÜR PHYSIKER BÁLINT FARKAS 4 Rechnen mit Matrizen In diesem Kapitel werden wir zunächst die so genannten elementaren Umformungen studieren, die es ermöglichen eine Matrix auf besonders

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein

Mehr

Mathematik II Frühjahrssemester 2013

Mathematik II Frühjahrssemester 2013 Mathematik II Frühjahrssemester 2013 Prof Dr Erich Walter Farkas Kapitel 7: Lineare Algebra 73 Ergänzungen Prof Dr Erich Walter Farkas Mathematik I+II, 73 Ergänzungen 1 / 17 1 Reguläre Matrizen Prof Dr

Mehr

Analysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS.

Analysis III. Teil I. Rückblick auf das letzte Semester. Themen aus dem SS Inhalt der letzten Vorlesung aus dem SS. Analysis III für Studierende der Ingenieurwissenschaften Technische Universität Hamburg-Harburg Reiner Lauterbach Teil I Rückblick auf das letzte Semester Fakultät für Mathematik, Informatik und Naturwissenschaften

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

a 1 a 1 A = a n . det = λ det a i

a 1 a 1 A = a n . det = λ det a i 49 Determinanten Für gegebene Vektoren a 1,,a n K n, betrachte die Matrix deren Zeilenvektoren a 1,,a n sind, also A = Ab sofort benutzen wir diese bequeme Schreibweise Definition Sei M : K n K }{{ n K

Mehr

2.4 Determinanten 41.. b. a j. = λ det. a n. a 1 a j a n + µ det

2.4 Determinanten 41.. b. a j. = λ det. a n. a 1 a j a n + µ det 24 Determinanten 4 Satz 243 Rechenregeln für Determinanten Sei A eine n n-matri, n N i det ist linear in jeder Zeile oder Spalte, dh es gelten für λ, µ R, b R n, und j,, n, a a a det λ a j + µ b λ det

Mehr

Runde 9, Beispiel 57

Runde 9, Beispiel 57 Runde 9, Beispiel 57 LVA 8.8, Übungsrunde 9,..7 Markus Nemetz, markus.nemetz@tuwien.ac.at, TU Wien, 3..7 Angabe Seien y, z C N und c, d C N ihre Spektralwerte. Außerdem bezeichne (x k ) k die N - periodische

Mehr

Übungsskript Regelungstechnik 2

Übungsskript Regelungstechnik 2 Seite 1 von 11 Universität Ulm, Institut für Mess-, Regel- und Mikrotechnik Prof. Dr.-Ing. Klaus Dietmayer / Seite 2 von 11 Aufgabe 1 : In dieser Aufgabe sollen zeitdiskrete Systeme untersucht werden.

Mehr

Eigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )

Eigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( ) Eigenwertprobleme 5. Oktober Autoren:. Herrmann, Hannes (45969). Kraus, Michael (9). Krückemeier, Paul (899) 4. Niedzielski, Björn (7) Eigenwertprobleme tauchen in der mathematischen Physik an Stellen

Mehr

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.

Determinanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y. Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls

Mehr

5 Minimalpolynom und charakteristisches Polynom

5 Minimalpolynom und charakteristisches Polynom 5 Minimalpolynom und charakteristisches Polynom 5.1 Lemma Sei A K n n. Dann ist λ K genau dann ein Eigenwert von A, wenn det(λe n A) = 0. 5.2 Beispiel ( ) 1 4 i) A = R 1 1 2 2 det(λe 2 A) = λ 1 4 1 λ 1

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

=!'04 #>4 )-:!- / )) $!# & $ % # %)6 ) + # 6 0 %% )90 % 1% $ 9116 69)" %" :"6. 1-0 &6 -% ' 0' )%1 0(,"'% #6 0 )90 1-11 ) 9 #,0. 1 #% 0 9 & %) ) '' #' ) 0 # %6 ;+'' 0 6%((&0 6?9 ;+'' 0 9)&6? #' 1 0 +& $

Mehr

KLAUSUR. Mathematik II (E-Techniker/Mechatroniker/W-Ingenieure) (W.Strampp) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr.

KLAUSUR. Mathematik II (E-Techniker/Mechatroniker/W-Ingenieure) (W.Strampp) Name: Vorname: Matr. Nr./Studiengang: Versuch Nr. KLAUSUR Mathematik II (E-Techniker/Mechatroniker/W-Ingenieure) 39 (WStrampp) Name: Vorname: Matr Nr/Studiengang: Versuch Nr: Für jede Aufgabe gibt es Punkte Zum Bestehen der Klausur sollten 7 Punkte erreicht

Mehr

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix

A = ( a 1,..., a n ) ii) Zwei Matrizen sind gleich, wenn die Einträge an den gleichen Positionen übereinstimmen. so heißt die n n Matrix Matrizen Definition: i Eine m n Matrix A ist ein rechteckiges Schema aus Zahlen, mit m Zeilen und n Spalten: a a 2 a n a 2 a 22 a 2n a m a m2 a mn Die Spaltenvektoren dieser Matrix seien mit a,, a n bezeichnet

Mehr

4.3 Anwendungen auf Differentialgleichungen

4.3 Anwendungen auf Differentialgleichungen 7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,

Mehr

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

Mehr

B Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R,

B Lösungen. Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R 2 Berechnen Sie zur Abbildung. f(x, y) := x sin(xy) f : R 2 R, B en Aufgabe 1 (Begriffe zur Differenziation) Sei (x, y) R Berechnen Sie zur Abbildung f : R R, f(x, y) : x sin(xy) das totale Differenzial f df, die Jacobi-Matrix J f (x, y) und den Gradienten ( f)(x,

Mehr

täglich einmal Scilab!

täglich einmal Scilab! Mathematik 1 - Übungsblatt 7 täglich einmal Scilab! Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind skalare Größen (=einfache Zahlen im Gegensatz zu vektoriellen

Mehr

Zustandsraum: Historische Einordnung

Zustandsraum: Historische Einordnung Zustandsraum: Historische Einordnung Die Grundlagen der Zustandsraummethoden wurden im Zeitraum 1955 1965 von Kalman und seinen Kollegen in dem Research Institute for Advanced Studies in Baltimore entwickelt.

Mehr

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema

1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema 1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und

Mehr

Affine Koordinatentransformationen

Affine Koordinatentransformationen Affine Koordinatentransformationen Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 017/18 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen

Mehr

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von 1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von

Mehr

Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min

Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte, 90 min Klausur, Analyse mehrdimensionaler Daten, WS 2010/2011, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 21.02.2011 Klausur zur Vorlesung Analyse mehrdimensionaler Daten, Lösungen WS 2010/2011; 6 Kreditpunkte,

Mehr

Apl. Prof. Dr. N. Knarr Musterlösung , 120min. cos(x), y(0) = 1.

Apl. Prof. Dr. N. Knarr Musterlösung , 120min. cos(x), y(0) = 1. Apl. Prof. Dr. N. Knarr Musterlösung.9.6, min Aufgabe ( Punkte) Lösen Sie das folgende Anfangswertproblem: y = e y cos(x), y() =. Sei y : I R die maximale Lösung des gegebenen Anfangswertproblems (diese

Mehr

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:

a 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema: Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag

Mehr

3. Beschreibung dynamischer Systeme im Frequenzbereich

3. Beschreibung dynamischer Systeme im Frequenzbereich 3. Laplace-Transformation 3. Frequenzgang 3.3 Übertragungsfunktion Quelle: K.-D. Tieste, O.Romberg: Keine Panik vor Regelungstechnik!.Auflage, Vieweg&Teubner, Campus Friedrichshafen --- Regelungstechnik

Mehr

Systemtheorie und Regelungstechnik Abschlussklausur

Systemtheorie und Regelungstechnik Abschlussklausur Systemtheorie und Regelungstechnik Abschlussklausur Prof. Dr. Moritz Diehl, IMTEK, Universität Freiburg, und ESAT-STADIUS, KU Leuven 7. März 5, 9:-:, Freiburg, Georges-Koehler-Allee, HS 6 und HS 6 page

Mehr

Einführung in die Mathematik für Informatiker

Einführung in die Mathematik für Informatiker Einführung in die Mathematik für Informatiker Prof. Dr. www.math.tu-dresden.de/ baumann 12.12.2016 9. Vorlesung Eigenschaften linearer Abbildungen Beschreibung linearer Abbildungen durch Matrizen... Eigenschaften

Mehr

5 Gewöhnliche Differentialgleichungen

5 Gewöhnliche Differentialgleichungen 5 Gewöhnliche Differentialgleichungen 5.1 Einleitung & Begriffsbildung Slide 223 Natürliches Wachstum Eine Population bestehe zur Zeit t aus N(t) Individuen. Die Population habe konstante Geburts- und

Mehr

11 Fourier-Analysis Grundlegende Begriffe

11 Fourier-Analysis Grundlegende Begriffe 11 Fourier-Analysis 11.1 Grundlegende Begriffe Definition: Eine Funktion f : R R (oder f : R C) heißt periodisch mit der Periode T (oder T-periodisch), falls f(t + T) = f(t) für alle t R. Ziel: Entwicklung

Mehr

6 Der Fixpunktsatz von Banach

6 Der Fixpunktsatz von Banach 6 Der Fixpunktsatz von Banach Es sei (V, ) ein vollständiger NLR Satz 24 (Fixpunktsatz von Banach) Ist A V abg und nicht leer, und g : A A eine Abbildung mit g(x) g(y) q x y (x, y V ) für ein 0 q < 1 Dann

Mehr