Formelsammlung. Regelungstechnik 2
|
|
- Harald Friedrich
- vor 5 Jahren
- Abrufe
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 Diese Formelsammlung ist ein Auszug aus der Formelsammlung zur Systemtheorie-Vorlesung von Matthias
MehrAnalyse 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
MehrLineare 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
MehrFormelsammlung 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
MehrSYNTHESE 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
MehrInstitut 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
Mehr5 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
Mehr8. 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
MehrR 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
MehrZeigen 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
MehrLösungsskizzen 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
MehrIn 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:
Mehr36 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
MehrBSc 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
MehrAusgewählte 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
Mehrmit "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"
MehrLösung 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
MehrMC-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
MehrVorlesung: 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
MehrWir 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
MehrZusammenfassung der 8. Vorlesung
Zusammenfassung der 8. Vorlesung Beschreibung und Analyse dynamischer Systeme im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit Unterscheidung:
MehrMathematik 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
MehrMusterlösung 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
MehrAufgabe 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 =
MehrMusterlösungen 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
MehrHilfsblätter 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,
MehrRegelungstechnik 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
Mehr12 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
MehrKlausur 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
MehrZusammenfassung 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
MehrMathematik 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
MehrSchriftliche 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)
MehrSpezielle 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
Mehr4 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
MehrAbbildung 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
MehrDierentialgleichungen 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:
MehrFormelsammlung (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
MehrÜbungen 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)
MehrTET - 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.
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
MehrLAPLACE 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
MehrZusammenfassung 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
MehrDifferentialgleichungen 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
MehrVorlesung 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
MehrWir 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
MehrDie 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
MehrZu 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,
MehrWiederholung 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:
MehrLaplacetransformation
Laplacetransformation Fakultät Grundlagen Februar 206 Fakultät Grundlagen Laplacetransformation Übersicht Transformationen Transformationen Bezugssysteme Definition der Laplacetransformation Beispiele
Mehr4. 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
MehrÜbungen 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
MehrKlausur 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
MehrAufgabe 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
MehrMatrizen. 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
MehrAufgaben 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-
MehrÖkonometrische 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
MehrSignale 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
Mehre 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
MehrB. 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
Mehr51 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,
MehrUniversität 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
Mehr3 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
Mehr1.3 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
Mehr29.2 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:
Mehr1 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.
MehrLINEARE 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
Mehr3 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
MehrEigenwerte. 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
MehrMathematik 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
MehrAnalysis 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
MehrVektoren 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
Mehra 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
Mehr2.4 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
MehrRunde 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
MehrÜbungsskript 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.
MehrEigenwertprobleme. 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
MehrDeterminanten. 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
Mehr5 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
MehrKlausurenkurs 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 +& $
MehrKLAUSUR. 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
MehrA = ( 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
Mehr4.3 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,
MehrViele 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
MehrB 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,
Mehrtäglich 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
MehrZustandsraum: 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.
Mehr1 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
MehrAffine Koordinatentransformationen
Affine Koordinatentransformationen Medieninformatik IL Andreas Unterweger Vertiefung Medieninformatik Studiengang ITS FH Salzburg Wintersemester 017/18 Andreas Unterweger (FH Salzburg) Affine Koordinatentransformationen
Mehr1.11 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
MehrKlausur 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,
MehrApl. 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
Mehra 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
Mehr3. 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
MehrSystemtheorie 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
MehrEinführung 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
Mehr5 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
Mehr11 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
Mehr6 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