Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.

Größe: px
Ab Seite anzeigen:

Download "Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1."

Transkript

1 Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x = f n (x, y (x,, y n (x und f : (x, y y (x = f (x, y(x f (x, y,, y n, mit y = y n f n (x, y,, y n y : I R n, f : I R n R n, I R Intervall (zb I = R Chemische Reaktion: A + B C Variablen: Konzentrationen c A, c B, c C der Substanzen A, B, C Massenwirkungsgesetz (einfachster Fall: Reaktionsrate r = kc A c B => Differentialgleichungssystem t c A = k c A c B t c B = k c A c B t c C = k c A c B 85 / / 232 Beispiel 2 Zwei durch Federn verbundene Massenpunkte k m m k2 2 k3 x (t x 2(t x, x 2 Auslenkungen aus Ruhelage Kraft auf Massenpunkt : F (t = k x (t + k 2 (x 2 (t x (t 2: F 2 (t = k 2 (x (t x 2 (t k 3 x 2 (t Newtonsches Gesetz: m x (t = F (t m 2 x 2 (t = F 2(t => System 2 Ordnung x (t = k + k 2 m x (t + k 2 m x 2 (t x 2 (t = k 2 x (t k 2 + k 3 x 2 (t m 2 m 2 87 / 232 Transformation auf System Ordnung: x (t = k + k 2 m x (t + k 2 m x 2 (t x 2 (t = k 2 x (t k 2 + k 3 x 2 (t m 2 Setze x 3 (t = x (t, x 4(t = x 2 (t Dann: x x x 2 x 3 (t = k +k 2 k 2 m m x 2 x 3 (t x k 2 4 m 2 k 2+k 3 m 2 x 4 m 2 88 / 232

2 Gleichung höherer Ordnung y (n (x = f ( x, y(x, y (x,, y (n (x Transformation auf ein System Ordnung: Setze y j (x = y (j (x, j =,, n Dann gilt: y j (x = y j+(x, j =,, n 2, y n (x = y (n (x = f ( x, y(x, y (x,, y (n (x => System = f (x, y (x, y (x,, y n (x y (x = y (x y n 2 (x = y n (x y n (x = f (x, y (x, y (x,, y n (x Lineare Systeme Ein System heißt linear y (x = f (x, y(x f (x, y = A(x y + b(x mit einer Matrix A(x C n,n, dh A : I C n,n, I R Intervall und einem Vektor b(x C n, dh b : I C n In Komponenten ausgeschrieben: y (x = a (x y (x + + a n (x y n (x + b (x y 2 (x = a 2(x y (x + + a 2n (x y n (x + b 2 (x y n(x = a n (x y (x + + a nn (x y n (x + b n (x 89 / / 232 Satz (Struktur der Lösungsmenge Sei y (x = A(x y(x + b(x ein lineares System von Dglen und y (x = A(x y(x das zugehörige homogene System Dann gilt: ( ( Sind y, y 2 Lösungen von (, dann ist y y 2 Lösung von ( Sind y, y 2 Lösungen von (, dann ist auch jede Linearkombination α y + α 2 y 2, α, α C, eine Lösung von ( Ist y p Lösung von ( und y h Lösung von (, so ist y p + y h eine Lösung von ( Die Ziffern und 2 in y und y 2 sind keine Potenzen, sondern Indizes Sie sind hochgestellt, um sie von Vektorkomponenten zu unterscheiden 9 / 232 Beweis: Abschreiben des Beweises von S 98/99 und Ersetzen von a(x, y (x, y 2 (x durch A(x, y (x, y 2 (x Der Satz sagt (unter anderem aus, dass die Lösungsmenge L := {y : R C n y (x = A(x y(x} der homogenen Gleichung ein Vektorraum ist Man kann zeigen: L hat die Dimension n Definition Eine Basis von L, also ein System {y (x,, y n (x} aus n linear unabhängigen Lösungen der homogenen Gleichung (, heißt ein Fundamentalsystem 92 / 232

3 Lineare Systeme mit konstanten Koeffizienten Lösung linearer Systeme mit konstanten Koeffizienten Ein lineares System mit konstanten Koeffizienten hat die Form y (x = Ay(x + b(x mit A C n,n unabhängig von x und b : I C n In Komponenten: y (x = a y (x + + a n y n (x + b (x y 2 (x = a 2 y (x + + a 2n y n (x + b 2 (x y n(x = a n y (x + + a nn y n (x + b n (x System Strategie: y (x = Ay(x + b(x Bestimme eine allgemeine Lösungsdarstellung y h für das homogene System y (x = Ay(x Berechne eine Partikulärlösung y p für das inhomogene System Addiere beide Lösungen y (x = Ay(x + b(x 93 / / 232 Lösung des homogenen Systems Beispiel Homogenes System: y (x = Ay(x Ansatz: Exponentialfunktion y(x = e λx v mit λ C, v C n Einsetzen in Dgl: y (x = λ e λx v =! e λx Av => Av = λv, dh v ist ein Eigenvektor von A zum Eigenwert λ Differentialgleichungssystem y (x = y (x + y 2 (x Matrix Vektor Schreibweise: y (x = Ay(x mit y(x = y 2 (x = y (x y 2 (x Charakteristisches Polynom von A: p A (λ = det(a λe = det = ( λ 2 = λ 2 + 2λ => Eigenwerte λ = 2, λ 2 = ( ( y (x, A = y 2 (x ( λ λ 95 / / 232

4 ( Eigenvektoren von A = : ( Zu λ = 2: => v = Zu λ 2 = : ( ( ( => v 2 = Fundamentalsystem: { ( ( } e 2x, Allgemeine Lösung: ( ( y(x = c e 2x + c 2 Lösung mit Anfangsdaten y ( =, y 2 ( = 2: ( ( ( y ( y( = = c y 2 ( + c 2 => Gleichungssystem ( ( c = => c = /2, c 2 = 3/2 => Lösung c 2 y(x = 2 e 2x ( ( (! = ( 2 97 / / 232 Systeme mit diagonalisierbarer Matrix Komplexe Eigenwerte Wiederholung: Eine Matrix A C n,n heißt diagonalisierbar es gibt eine Basis {b,, b n } des C n aus Eigenvektoren von A Satz Sei A C n,n diagonalisierbar, sei {b,, b n } eine Basis aus Eigenvektoren von A mit (nicht notwendigerweise verschiedenen Eigenwerten λ,, λ n Dann ist durch y j (x = e λ j x b j, j =,, n ein Fundamentalsystem {y,, y n } des Systems gegeben y (x = Ay(x Satz Sei A R n,n eine Matrix mit Eigenvektor v C n zum Eigenwert λ C Dann ist v Eigenvektor zum Eigenwert λ Beweis: Av = Av = Av = λv = λv Anwendung: System y (x = A y(x Sei λ = λ + iλ 2 ein Eigenwert mit Eigenvektor v = v + i v 2 Dann hat das System die komplexen Lösungen z (x = ( v + i v 2 e λ x e iλ 2x und z 2 (x = ( v i v 2 e λ x e iλ 2x Durch Linearkombination folgen die reellen Lösungen y (x = ( 2 z (x + z 2 (x = Re ( z (x y 2 (x = 2i (z (x z 2 (x = Im ( z (x 2 / / 232

5 Beispiel System ( y 2 (x = y(x, y(x = 2 Charakteristisches Polynom ( y (x y 2 (x det(a λi = ( 2 λ 2 + = λ 2 + 4λ + 5 Nullstellen λ /2 = 2 ± 4 5 = 2 ± i Eigenvektoren: ( i Zu λ = 2 + i: i ( Zu λ 2 = 2 i: v 2 = i ( i => v = Komplexes Fundamentalsystem: { ( ( } e ( 2+ix, e ( 2 ix i i ( i Reelles Fundamentalsystem: { ( ( } e 2x cos x, e 2x sin x sin x cos x Allgemeine reelle Lösung: ( ( ( y(x = e 2x cos x sin x c + c sin x 2 cos x mit c, c 2 R Lösung mit Anfangsdaten y ( =, y 2 ( = 2: ( ( c! y( = = 2 => Lösung c 2 ( y(x = e 2x cos x + 2 sin x 2 cos x sin x 2 / / 232 Systeme mit nicht diagonalisierbarer Matrix Beispiel: y (x = Eigenwerte von A: p A (λ = (λ 2 ( y(x => es gibt nur einen Eigenwert λ = Eigenvektor: ( => x 2 = => es gibt nur einen (linear unabhängigen Eigenvektor ( v = Zugehörige Lösung der Dgl: y(x = e x ( Ansatz für weitere Lösung: Polynom vom Grad Einsetzen in Dgl: y(x = e λx (x u + w mit u, w C n y (x = e λx u + λ e λx (x u + w! = Ae λx (x u + w => (A λew = u, Au = λu => u ist Eigenvektor zum Eigenwert λ, zb u = v, w ist Lösung von Hier: (A λew = u ( => w = Fundamentalsystem: { ( ( } e x, e x x ( 23 / / 232

6 Definition Sei A C n,n, sei v C n ein Eigenvektor zum Eigenwert λ C Ein Vektor v mit (A λev = v heißt Hauptvektor der Stufe zum Eigenwert λ Für l = 2, 3,, k definieren wir rekursiv: Ein Vektor v l mit (A λev l = v l heißt Hauptvektor der Stufe l zum Eigenwert λ Die so definierten Vektoren { v, v,, v k} bilden eine Kette von Hauptvektoren der Länge k + Satz Zu jeder Matrix A C n,n existiert eine Basis des C n aus Eigenund Hauptvektoren von A Satz Sei { v, v,, v k} eine Kette von Hauptvektoren zum Eigenwert λ Dann hat das System die Lösungen y (x = Ay(x y l (x = e λx [ v l + x v l + x 2 für l =,,, k 2 v l x l ] l! v 25 / / 232 Beispiel System y (x = Ay(x mit A = Charakteristisches Polynom: λ det λ λ = ( λ 3 ( λ + ( λ = ( λ 3 => es gibt einen dreifachen Eigenwert λ = Eigenvektoren: A λe = => v = Hauptvektor Stufe: => v = Hauptvektor 2 Stufe: => v 2 = Fundamentalsystem: x e x, e x, e x x x 2 2 x x / / 232

7 Beispiel 2 System 2 y (x = 3 y(x Charakteristisches Polynom: 2 λ det 3 λ = (2 λ ( (3 λ( λ + λ => dreifache Nullstelle λ = 2 Eigenvektoren: = (2 λ(λ 2 4λ + 4 = (2 λ 3 A λe = => es gibt zwei unabhängige Eigenvektoren v =, v 2 = => Es muss noch einen Hauptvektor geben Dieser erfüllt: wobei v ein Eigenvektor ist w = v Frage: Welcher Eigenvektor? v? v 2? α v + α 2 v 2? Antwort: Das weiß man a priori nicht Man muss deshalb den Ansatz v = α v + α 2 v 2 mit unbekannten α, α 2 verwenden 29 / / 232 Berechnung des Hauptvektors w: Gleichungssystem (A λew = α v + α 2 v 2 Unbekannt sind w, w 2, w 3, α, α 2 => wir lösen das modifizierte Gleichungsystem ( A λe v v 2 w α = α 2 Gauß Elimination: Gesucht ist eine Lösung (w, w 2, w 3, α, α 2 mit (α, α 2 (, (sonst bekommt man einen Eigenvektor => eine Lösung ist w w 2 w 3 α = α 2 Dies liefert den Hauptvektor w = mit zugehörigem Eigenvektor v = α v + α 2 v 2 = Fundamentalsystem des Systems von Dglen: x e2x, e 2x, e 2x x x 2 / / 232

8 Darstellung der Lösungen homogener Systeme Homogenes System von Dglen y (x = A(x y(x Anfangswertproblem y (x = A(x y(x, y(x = a mit A : I C n,n gegeben, y : I C n gesucht Sei ein Fundamentalsystem { y,, y n} Dann hat jede Lösung eine Darstellung der Form mit y(x = c y (x + + c n y n (x = W (x c mit W (x = ( y (x y n (x und c = c c n mit a C n Allgemeine Lösung des Systems von Dglen: y(x = W (x c mit c = (c,, c n C n, W (x = ( y (x y n (x, {y,, y n } Fundamentalsystem Einsetzen der Anfangsbedingung => y(x = W (x c! = a Wenn W (x invertierbar ist, ist c durch a eindeutig bestimmt 23 / / 232 Satz Sei I R ein Intervall, A : I C n,n und seien y,, y n Lösungen des Systems y (x = A(x y(x Dann sind folgende Aussagen äquivalent: (i {y,, y n } sind linear unabhängig (ii {y (x,, y n (x } sind linear unabhängig für irgendein x I (iii Mit W (x = ( y (x y n (x gilt det W (x für irgendein x I Bemerkung: det W (x heißt Wronski Determinante Der Satz impliziert: det W (x für ein x I => det W (x für alle x I Achtung: Diese Aussagen gelten nur, wenn y,, y n Lösungen eines linearen Systems von Dglen sind 25 / 232 Beweis: (ii => (i: Klar, aus n c j y j (x = => c = = c n = folgt j= n c j y j (x = x I => c = = c n = j= (i => (ii: Später (ii (iii: Klar 26 / 232

9 Lösung inhomogener Systeme Inhomogenes System linearer Dglen: y (x = A(x y(x + b(x mit y : I C n gesucht, A : I C n,n, b : I C n gegeben, I R ein Intervall Fundamentalsystem für homogene Gleichung: { y,, y n} Ansatz für Partikulärlösung: Variation der Konstanten n y p (x = c j (x y j (x j= Einsetzen in System: n y p(x ( = cj (x ( y j (x + c j (x y j (x = j= n ( cj (x A(x y j (x + c j (x y j (x j= = A(x y p (x + W (x c (x =! A(x y p (x + b(x mit W (x = ( y (x y n (x c (x und c(x = c n (x Folgerung: W (x c (x = b(x 27 / / 232 Beispiel Inhomogenes System y (x = y (x + y 2 (x + x y 2 (x = y (x y 2 (x + e x Matrix Vektor Formulierung: y (x = Ay(x + b(x mit A = Fundamentalsystem (siehe S 97 : { y (x, y 2 (x } { ( = e 2x, Ansatz für Partikulärlösung: y p (x = c (x y (x + c 2 (x y 2 (x ( = c (x e 2x + c 2 (x ( ( x, b(x = e x ( } ( Matrix Vektor Schreibweise: ( ( e 2x c (x y p (x = e 2x = W (x c(x c 2 (x } ( {{} }{{} =c(x =W (x= Einsetzen in System: => y (x y 2 (x y p(x = (W (x c(x = W (x c(x + W (x c (x }{{} =A(x W (x = A(x y p (x + W (x c (x! = A(x y p (x + b(x W (x c (x = b(x 29 / / 232

10 Lösung des LGS: ( e 2x x e 2x e x => Integration: c 2 (x = ( 2 x + e x c (x = e2x( x 2 (x + e x = 2 ( e 2x x 2 x + e x ( x e 2x e x (x c (x = 2 e 2x e x dx = 8 (2x e2x 2 ex (+c c 2 (x = 2 (x + e x dx = 4( x 2 2 e x (+c Partikulärlösung: y p (x = W (x c(x = c (x y (x + c 2 (x y 2 (x ( 2x = e 2x ( 8 2 ex e 2x + x 2 2 e x ( 4 = 2x ( ( 8 2 e x + x 2 ( ( e x 4 2 = ( 2x 2 + 2x 8 e x 8 2x 2 2x + Allgemeine Lösung: ( ( y(x = c e 2x + c 2 + ( 2x 2 + 2x 8 e x 8 2x 2 2x + 22 / / 232 Lösbarkeit von Differentialgleichungssystemen Folgerung Anfangswertproblem y (x = f (x, y(x, y(x = y ( mit y : R R n gesucht, f : R R n R n, x R, y R n Satz (Picard Lindelöf Sei f : R R n R n stetig und Lipschitz stetig bezüglich y, dh f (x, y f (x, z L y z für alle x R, y, z R n mit L unabhängig von x, y, z Dann gibt es zu jeden Anfangsdaten x R, y R n ein δ > so dass ( genau eine Lösung y : (x δ, x + δ R n hat Lineares System von Differentialgleichungen y (x = A(x y(x + b(x mit A : R R n,n, b : R R n stetig und beschränkt Dann gilt: Jedes Anfangswertproblem y (x = A(x y(x + b(x, y(x = y mit x R, y R n hat eine eindeutige Lösung y : R R n 2 Die Lösungsmenge L der homogenen Gleichung y (x = A(x y(x hat die Dimension n 223 / / 232

11 Folgerung 2 Begründung von 2: Sei y j die Lösung des Anfangswertproblems ( y j (x = A(x y j (x, y j ( = e j mit dem j ten Einheitsvektor e j Dann gilt: { y,, y n} ist linear unabhängig, denn { y (,, y n ( } ist linear unabhängig Sei y Lösung von y (x = A(x y(x Dann gilt mit c j = y j ( = j te Komponente von y(: n y(x = c j y j (x j= => { y,, y n} ist eine Basis von L Homogenes lineares System von Dglen y (x = A(x y(x Seien y,, y n : I R n Lösungen dieses Systems, I R ein Intervall Dann gilt: {y (x,, y n (x } linear unabhängig für irgendein x I => {y (x,, y n (x} linear unabhängig für alle x I Dies impliziert die noch nicht gezeigte Aussage (i => (ii des Satzes von S / / 232 Folgerung 3 Beweis: Sei { y (x,, y n (x } linear unabhängig, c y (x + + c n y n (x = für ein x I => y(x = c y (x + + c n y n (x ist (eindeutige Lösung von Diese Lösung ist y(x = y (x = Ay(x, y(x = => y(x = c y (x + + c n y n (x = { y (x,, y n (x } ist linear unabhängig => c = = c n = => {y (x,, y n (x } ist linear unabhängig Anfangswertproblem für Dgl höherer Ordnung y (n (x = f ( x, y(x,, y (n (x y(x = a, y (x = a,, y (n (x = a n mit y : I R, I R, f : R R n R, x I, a,, a n R Satz Ist f stetig und gilt f (x, y,, y n f (x, z,, z n L ( y z + y z + + y n z n für alle x, y,, y n, z,, z n R, dann gibt es ein δ > so dass ( eine eindeutige Lösung y : (x δ, x + δ R n hat ( 227 / / 232

12 Folgerung 4 Beweis: Anwendung des Satzes von Picard Lindelöf auf das äquivalente System Ordnung für y j (x := y (j (x, j =,, n : y (x = y (x y n 2 (x = y n (x y n (x = f (x, y (x, y (x,, y n (x mit Anfangsbedingungen y j (x = a j, j =,, n Anfangswertproblem für lineare Dgl höherer Ordnung: y (n (x + a n (x y (n (x + + a (x y(x = b(x y(x = y,, y (n (x = y n Falls a j : I C, j =,, n, und b : I C stetig sind, dann gilt: Das Anfangswertproblem hat für alle x I und alle y,, y n C eine eindeutige Lösung Die Lösungsmenge der homogenen Gleichung y (n (x + a n (x y (n (x + + a (x y(x = hat die Dimension n 229 / / 232 Fourierreihen Teil III Fourieranalysis Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L R gegebene Funktion Gesucht: Darstellung der Form ( f (x = a + a n cos ( 2πn n= L x + b n sin ( 2πn L x } {{ } Schwingung der Wellenlänge L/n mit Koeffizienten a n, n =,, und b n, n =, 2, 23 / / 232

Prüfungsvorbereitungskurs Höhere Mathematik 3

Prüfungsvorbereitungskurs Höhere Mathematik 3 Prüfungsvorbereitungskurs Höhere Mathematik 3 Differentialgleichungssysteme Marco Boßle Jörg Hörner Mathematik Online Frühjahr 20 PV-Kurs HM 3 DGlSysteme - Zusammenfassung Allgemeine Differentialgleichungssysteme.Ordnung

Mehr

y hom (x) = C e p(x) dx

y hom (x) = C e p(x) dx Gewöhnliche Differentialgleichungen F (x, y, y,..., y n ) = 0 Gleichung, die die Veränderliche x sowie die Funktion y = y(x) und ihre Ableitungen y,..., y n beinhaltet. Klassifiaktion: implizit F (...)

Mehr

y = A(x) y + b(x). (1) y = A(x) y (2)

y = A(x) y + b(x). (1) y = A(x) y (2) 73 5.2 Lineare Systeme Sei weiterhin IK = C oder IK = IR. Seien = I IR ein offenes Intervall, x 0 I, y 0 IK n, A: I IK n n und b: I IK n stetige matrix- bzw vektorwertige Funktionen. Wir betrachten komplexe

Mehr

Eigenwerte und Diagonalisierung

Eigenwerte 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

Mehr

8. Übungsblatt Aufgaben mit Lösungen

8. Übungsblatt Aufgaben mit Lösungen 8 Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Matrix Bestimmen Sie die allgemeine reelle Lösung des Differentialgleichungssystems u x = Aux für die A =, 9 indem Sie das System auf eine einzelne gewöhnliche

Mehr

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe / Dr Hanna Peywand Kiani 722 Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften Lineare Differentialgleichungssysteme,

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

Rückblick auf die letzte Vorlesung

Rückblick auf die letzte Vorlesung Rückblick auf die letzte Vorlesung Lineare Differentialgleichungen Ausblick auf die heutige Vorlesung Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, 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

Mehr

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt

Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik II für biw/ciw/mach/mage/vt Karlsruher Institut für Technologie Institut für Algebra und Geometrie PD Dr. F. Hettlich Dr. S. Schmitt Dipl.-Math. J. Kusch Karlsruhe, den 09.06.20 Lösungen zum 9. Übungsblatt zur Vorlesung Höhere Mathematik

Mehr

Lineare Differenzengleichungen

Lineare Differenzengleichungen Lineare Differenzengleichungen Die Fibonacci-Zahlen F n sind definiert durch F 0 = 0 F 1 = 1 F n = F n 1 +F n 2 für n >= 2 Die letzte Zeile ist ein Beispiel für eine homogene lineare Differenzengleichung

Mehr

4.7 Lineare Systeme 1. Ordnung

4.7 Lineare Systeme 1. Ordnung 3. Die allgemeine Lösung der inhomogenen Differentialgleichung lautet damit yx = y hom x + y inh x = c x + c 2 x + 8 x + 4 xlnx2 4 xlnx = C x + C 2 x + 4 xlnx2 4 xlnx. Wir haben c 2 + 8 zu C 2 zusammengefasst.

Mehr

9.4 Lineare gewöhnliche DGL

9.4 Lineare gewöhnliche DGL 9.4 Lineare gewöhnliche DGL Allgemeinste Form einer gewöhnlichen DGL: Falls linear in ist, sprechen wir von einer "linearen" DGL: und eine Matrix zeitabhängigen Komponenten ein zeitabhängiger Vektor In

Mehr

Technische Universität München Zentrum Mathematik. Übungsblatt 7

Technische Universität München Zentrum Mathematik. Übungsblatt 7 Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion

Mehr

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.

Bestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0. Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ

Mehr

4 Eigenwerte und Eigenvektoren

4 Eigenwerte und Eigenvektoren 4 Eigenwerte und Eigenvektoren Sei V {0} ein K Vektorraum und f : V V K linear. Definition: Ein Eigenwert von f ist ein Element λ K, für die es einen Vektor v 0 in V gibt, so dass f(v) = λ v. Sei nun λ

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

3 Lineare Differentialgleichungen

3 Lineare Differentialgleichungen 3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,

Mehr

45 Eigenwerte und Eigenvektoren

45 Eigenwerte und Eigenvektoren 45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.

Mehr

1 Einführung, Terminologie und Einteilung

1 Einführung, Terminologie und Einteilung Zusammenfassung Kapitel V: Differentialgleichungen 1 Einführung, Terminologie und Einteilung Eine gewöhnliche Differentialgleichungen ist eine Bestimmungsgleichung um eine Funktion u(t) einer unabhängigen

Mehr

6 Eigenwerte und Eigenvektoren

6 Eigenwerte und Eigenvektoren 6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,

Mehr

Gewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael

Gewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und

Mehr

Lösungsvorschläge zur Klausur

Lösungsvorschläge zur Klausur Prüfung in Höhere Mathematik 3 6 Februar 3 Lösungsvorschläge zur Klausur für bau, ernen, fmt, IuI, mach, tema, umw, verf, geod und so weiter ; Aufgabe : Punkte Die Fläche T im R 3 sei gegeben als T : {x,y,z

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

Lösungen zu Mathematik I/II

Lösungen zu Mathematik I/II Prof. Dr. E. W. Farkas ETH Zürich, Februar 11 D BIOL, D CHAB Lösungen zu Mathematik I/II Aufgaben 1. 1 Punkte a Wir berechnen lim x x + x + 1 x + x 3 + x = 1. b Wir benutzen L Hôpital e x e x lim x sinx

Mehr

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren

Mathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

Kleine Formelsammlung zu Mathematik für Ingenieure IIA

Kleine Formelsammlung zu Mathematik für Ingenieure IIA Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................

Mehr

Lösungsskizzen zur Klausur

Lösungsskizzen zur Klausur sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie

Mehr

2 Die Dimension eines Vektorraums

2 Die Dimension eines Vektorraums 2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

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

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren

(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene

Mehr

Lineare Differenzen- und Differenzialgleichungen

Lineare Differenzen- und Differenzialgleichungen Lineare Differenzen- und Differenzialgleichungen Fakultät Grundlagen April 2011 Fakultät Grundlagen Lineare Differenzen- und Differenzialgleichungen Übersicht 1 Beispiele Anwendung auf Fragen der dynamischen

Mehr

1. Übungsblatt Aufgaben mit Lösungen

1. Übungsblatt Aufgaben mit Lösungen . Übungsblatt Aufgaben mit Lösungen Aufgabe : Sei I R ein Intervall. Geben Sie Beispiele für Differentialgleichungen für Funktionen y = y in I mit den folgenden Eigenschaften an: Beispiel separabel, nicht

Mehr

Diagonalisieren. Nikolai Nowaczyk Lars Wallenborn

Diagonalisieren. Nikolai Nowaczyk  Lars Wallenborn Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit

Mehr

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht

Definitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben

Mehr

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.

Kapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn. Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

4 Lineare Algebra (Teil 2): Quadratische Matrizen 4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,

Mehr

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen

Orthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).

Mehr

Vorkurs Mathematik Übungen zu Differentialgleichungen

Vorkurs Mathematik Übungen zu Differentialgleichungen Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 Symmetrische Matrizen und quadratische Formen Mathematik für Ingenieure II, SS 9 Freitag 9.6 $Id: quadrat.tex,v. 9/6/9 4:6:48 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6. Symmetrische Matrizen Eine n n Matrix heißt symmetrisch wenn

Mehr

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten

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

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 18. April 2016 Übersicht über die Methoden Seien v 1,..., v r Vektoren in K n. 1. Um zu prüfen, ob die Vektoren v 1,...,

Mehr

INGENIEURMATHEMATIK. 10. Gewöhnliche Differentialgleichungen. Sommersemester Prof. Dr. Gunar Matthies

INGENIEURMATHEMATIK. 10. Gewöhnliche Differentialgleichungen. Sommersemester Prof. Dr. Gunar Matthies Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik INGENIEURMATHEMATIK 10. Gewöhnliche Differentialgleichungen Prof. Dr. Gunar Matthies Sommersemester 2016 G.

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

Klausur Mathematik I

Klausur Mathematik I Technische Universität Dresden 15. August 2008 Institut für Numerische Mathematik Dr. K. Eppler Klausur Mathematik I für Studierende der Fakultät Maschinenwesen (mit Lösungshinweisen) Name: Matrikelnummer.:

Mehr

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker

Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker TECHNISCHE UNIVERSITÄT BERLIN SS 2001 Fachbereich 3 - Mathematik Pohst / Lusala Prüfungs-/Übungsschein-Klausur (Rechenteil) Lineare Algebra für Ingenieure/E-Techniker Name:................................................................................

Mehr

Betriebsanleitung für gewöhnliche lineare Differentialgleichungen. Prof. Dr. Dirk Ferus

Betriebsanleitung für gewöhnliche lineare Differentialgleichungen. Prof. Dr. Dirk Ferus Betriebsanleitung für gewöhnliche lineare Differentialgleichungen Prof. Dr. Dirk Ferus Version vom 30.10.2005 Inhaltsverzeichnis 1 Homogene skalare Gleichungen. 1 1.1 Einfache reelle Nullstellen.............................

Mehr

(Allgemeine) Vektorräume (Teschl/Teschl 9)

(Allgemeine) Vektorräume (Teschl/Teschl 9) (Allgemeine) Vektorräume (Teschl/Teschl 9) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:

Mehr

Klausur Lineare Algebra I & II

Klausur Lineare Algebra I & II Prof. Dr. G. Felder, Dr. Thomas Willwacher ETH Zürich, Sommer 2010 D MATH, D PHYS, D CHAB Klausur Lineare Algebra I & II Bitte ausfüllen! Name: Vorname: Studiengang: Bitte nicht ausfüllen! Aufgabe Punkte

Mehr

[5], [0] v 4 = + λ 3

[5], [0] v 4 = + λ 3 Aufgabe 9. Basen von Untervektorräumen. Bestimmen Sie Basen von den folgenden Untervektorräumen U K des K :. K = R und U R = span,,,,,.. K = C und U C = span + i, 6, i. i i + 0. K = Z/7Z und U Z/7Z = span

Mehr

Gewöhnliche Dierentialgleichungen

Gewöhnliche Dierentialgleichungen Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 Eigenwerte und Eigenräume, Diagonalisierung 3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.

Mehr

Homogene Systeme in höheren Dimensionen

Homogene Systeme in höheren Dimensionen 56 4 Systeme von Differenzialgleichungen gefunden, so sind deren ilder, ' = T, Lösungen in den y-koordinaten. llerdings ist das uffinden einer geeigneten Transformation T gleichbedeutend mit der estimmung

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

Thema 10 Gewöhnliche Differentialgleichungen

Thema 10 Gewöhnliche Differentialgleichungen Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;

Mehr

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops

Orientierung der Vektoren b 1,..., b n. Volumen des von den Vektoren aufgespannten Parallelotops 15. DETERMINANTEN 1 Für n Vektoren b 1,..., b n im R n definiert man ihre Determinante det(b 1,..., b n ) Anschaulich gilt det(b 1,..., b n ) = Orientierung der Vektoren b 1,..., b n Volumen des von den

Mehr

5 Potenzreihenansatz und spezielle Funktionen

5 Potenzreihenansatz und spezielle Funktionen 5 Potenzreihenansatz und spezielle Funktionen In diesem Kapitel betrachten wir eine Methode zur Lösung linearer Differentialgleichungen höherer Ordnung, die sich anwenden läßt, wenn sich alle Koeffizienten

Mehr

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21

5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21 5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11

Mehr

6 Gewöhnliche Differentialgleichungen

6 Gewöhnliche Differentialgleichungen 6 Gewöhnliche Differentialgleichungen Differentialgleichungen sind Gleichungen in denen nicht nur eine Funktion selbst sondern auch ihre Ableitungen vorkommen. Im einfachsten Fall gibt es eine unabhängige

Mehr

Klausur zur Mathematik für Maschinentechniker

Klausur zur Mathematik für Maschinentechniker SS 04. 09. 004 Klausur zur Mathematik für Maschinentechniker Apl. Prof. Dr. G. Herbort Aufgabe. Es sei f die folgende Funktion f(x) = 4x 4x 9x 6 x (i) Was ist der Definitionsbereich von f? Woistf differenzierbar,

Mehr

Lineare Algebra II 8. Übungsblatt

Lineare Algebra II 8. Übungsblatt Lineare Algebra II 8. Übungsblatt Fachbereich Mathematik SS 11 Prof. Dr. Kollross 1./9. Juni 11 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minitest) Sei V ein euklidischer oder unitärer Vektorraum.

Mehr

Teil III. Fourieranalysis

Teil III. Fourieranalysis Teil III Fourieranalysis 3 / 3 Fourierreihen Ziel: Zerlegung einer gegebenen Funktion in Schwingungen Konkret: f : (, L) R gegebene Funktion Gesucht: Darstellung der Form ( f (x) = a + a n cos ( n L x)

Mehr

14 Lineare Differenzengleichungen

14 Lineare Differenzengleichungen 308 14 Lineare Differenzengleichungen 14.1 Definitionen In Abschnitt 6.3 haben wir bereits eine Differenzengleichung kennengelernt, nämlich die Gleichung K n+1 = K n q m + R, die die Kapitalveränderung

Mehr

Ü b u n g s b l a t t 11

Ü b u n g s b l a t t 11 Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

Ausgewählte Lösungen zu den Übungsblättern 4-5 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Ausgewählte en zu den Übungsblättern -5 Aufgabe, Lineare Unabhängigkeit

Mehr

Eigenwerte und Eigenvektoren von Matrizen

Eigenwerte und Eigenvektoren von Matrizen Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

2.2 Lineare Gleichungssysteme (LGS)

2.2 Lineare Gleichungssysteme (LGS) 2.2 Lineare Gleichungssysteme (LGS) Definition 2.2.. Ein LGS über einem Körper K von m Gleichungen in n Unbekannten x,..., x n ist ein Gleichungssystem der Form a x + a 2 x 2 +... + a n x n = b a 2 x +

Mehr

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung

Kapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter

Mehr

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :

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

Prüfung zur Vorlesung Mathematik I/II

Prüfung zur Vorlesung Mathematik I/II Dr. A. Caspar ETH Zürich, August 2011 D BIOL, D CHAB Prüfung zur Vorlesung Mathematik I/II Bitte ausfüllen! Name: Vorname: Legi-Nr.: Nicht ausfüllen! Aufgabe Punkte Kontrolle 1 2 3 4 5 6 Total Vollständigkeit

Mehr

Tutorium Mathematik II, M Lösungen

Tutorium Mathematik II, M Lösungen Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +

Mehr

Musterlösungen Online Zwischentest - Serie 10

Musterlösungen Online Zwischentest - Serie 10 D-MAVT, D-MATL Analysis II FS 2013 Prof. Dr. P. Biran Musterlösungen Online Zwischentest - Serie 10 Frage 1 [Prüfungsaufgabe Frühling 2011)] Sei das Vektorfeld in R 3, ( x v(x,y,z) = 2, x+y ),0 2 und der

Mehr

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 27.01.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten

Mehr

Lineare gewöhnliche Differentialgleichungen und Randwertprobleme

Lineare gewöhnliche Differentialgleichungen und Randwertprobleme Kapitel Lineare gewöhnliche Differentialgleichungen und Randwertprobleme Eine Differentialgleichung (DGL) ist eine Gleichung, in der die Variable x, die gesuchte Funktion y(x) sowie deren Ableitungen vorkommen.

Mehr

Lineare Differentialgleichungen

Lineare Differentialgleichungen Kapitel 4 Lineare Differentialgleichungen 4.1 Lineare Systeme mit variablen Koeffizienten 4.2 Die Matrix Exponentialfunktion 4.3 Lineare System mit konstanten Koeffizienten 4.4 Lineare Differentialgleichungen

Mehr

Lineare Algebra II 6. Übungsblatt

Lineare Algebra II 6. Übungsblatt Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der

Mehr

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016

Mathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern

Mehr

6 Hauptachsentransformation

6 Hauptachsentransformation 6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

Zusammenfassung zum Thema Vektor- und Matrizenrechnung Zusammenfassung zum Thema Vektor- und Matrizenrechnung Mathematischer Vorkurs für Physiker und Naturwissenschaftler WS 2014/2015 Grundbegriffe der Linearen Algebra Viele physikalische Größen (Geschwindigkeit,

Mehr

DIFFERENTIALGLEICHUNGEN

DIFFERENTIALGLEICHUNGEN DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung

Mehr

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über

Mehr

4 Affine Koordinatensysteme

4 Affine Koordinatensysteme 4 Affine Koordinatensysteme Sei X φ ein affiner Raum und seien p,, p r X Definition: Nach ( c ist der Durchschnitt aller affinen Unterräume Z X, welche die Menge {p,,p r } umfassen, selbst ein affiner

Mehr

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2)

Lineare Abbildungen (Teschl/Teschl 10.3, 11.2) Lineare Abbildungen (Teschl/Teschl.3,.2 Eine lineare Abbildung ist eine Abbildung zwischen zwei Vektorräumen, die mit den Vektoroperationen Addition und Multiplikation mit Skalaren verträglich ist. Formal:

Mehr

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x

Mehr

Differentialgleichungen

Differentialgleichungen Skriptenreihe zur Vorlesung Mathematik für Elektrotechnik Differentialgleichungen Institut für Analysis R Löwen, AE Schroth, K-J Wirths Inhaltsverzeichnis Einleitung D Trennung der Variablen 2 D Variablentrennung

Mehr

00. Einiges zum Vektorraum R n

00. Einiges zum Vektorraum R n 00. Einiges zum Vektorraum R n In diesem einleitenden Kapitel werden die in der LV Einführung in die mathematischen Methoden erwähnten Konzepte über Vektoren (im R 2 und R 3 ) im Rahmen des n-dimensionalen

Mehr

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Universität Karlsruhe (TH) Institut für Algebra und Geometrie Dr. Klaus Spitzmüller Dipl.-Inform. Wolfgang Globke Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik Lösungen zum

Mehr

9. Übung zur Linearen Algebra II -

9. Übung zur Linearen Algebra II - 9. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 00. Aufgabe 33 (i) Beweise oder widerlege: In einem euklidischen VR gilt x + y = x + y x y (Satz von Pythagoras).

Mehr

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar.

Lineare Algebra I. Prof. Dr. M. Rost. Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar. Lineare Algebra I Prof. Dr. M. Rost Übungen Blatt 10 (WS 2010/2011) Abgabetermin: Donnerstag, 13. Januar http://www.math.uni-bielefeld.de/~rost/la1 Erinnerungen und Ergänzungen zur Vorlesung: Hinweis:

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

Lineare Differenzengleichungen und Polynome. Franz Pauer

Lineare Differenzengleichungen und Polynome. Franz Pauer Lineare Differenzengleichungen und Polynome Franz Pauer Institut für Mathematik, Universität Innsbruck, Technikerstr. 13/7, A-600 Innsbruck, Österreich. Franz.Pauer@uibk.ac.at Vortrag beim ÖMG-LehrerInnenfortbildungstag

Mehr

Lösung zur Übung 19 SS 2012

Lösung zur Übung 19 SS 2012 Lösung zur Übung 19 SS 01 69) Beim radioaktiven Zerfall ist die Anzahl der pro Zeiteinheit zerfallenden Kerne dn/dt direkt proportional zur momentanen Anzahl der Kerne N(t). a) Formulieren Sie dazu die

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014 Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................

Mehr

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.

f f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0. Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016, Klausur zur Vorlesung Lineare Algebra II, SoSe 6, 6.7.6 Vokabelbuch In diesem Teil soll getestet werden, inwieweit Sie in der Lage sind, wichtige Definitionen und Sätze aus der Vorlesung korrekt zu formulieren

Mehr

4 Lineare Abbildungen Basisdarstellungen

4 Lineare Abbildungen Basisdarstellungen 4 Lineare Abbildungen Basisdarstellungen (4.1) Seien V,W endlich dimensionale K-Vektorräume, und sei T : V W linear. Sei {v 1,...,v } Basis von V und {w 1,...,w M } Basis von W. Sei T (v j ) = M a kj w

Mehr