Systeme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
|
|
- Benedikt Hartmann
- vor 6 Jahren
- Abrufe
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 Differentialgleichungssysteme Marco Boßle Jörg Hörner Mathematik Online Frühjahr 20 PV-Kurs HM 3 DGlSysteme - Zusammenfassung Allgemeine Differentialgleichungssysteme.Ordnung
Mehry 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 (...)
Mehry = 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
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
Mehr8. 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
MehrAnleitung 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,
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
MehrRückblick 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
MehrEigenwerte, Diagonalisierbarkeit, charakteristisches Polynom
Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse
MehrLösungen 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
MehrLineare 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
Mehr4.7 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.
Mehr9.4 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
MehrTechnische 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
MehrBestimmen 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
Mehr4 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
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
Mehr3 Lineare Differentialgleichungen
3 Lineare Differentialgleichungen In diesem Kapitel behandeln wir die allgemeine Theorie linearer Differentialgleichungen Sie werden zahlreiche Parallelen zur Theorie linearer Gleichungssysteme feststellen,
Mehr45 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.
Mehr1 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
Mehr6 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,
MehrGewöhnliche 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
MehrLösungsvorschläge 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
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:
MehrLösungen 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
MehrMathematik 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/
MehrKleine 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..................................
MehrLösungsskizzen 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
Mehr2 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
MehrAussagenlogik. 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
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
Mehr(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
MehrLineare 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
Mehr1. 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
MehrDiagonalisieren. Nikolai Nowaczyk Lars Wallenborn
Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit
MehrDefinitionen. 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
MehrKapitel 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
Mehr4 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,
MehrOrthonormalisierung. 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).
MehrVorkurs 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)
Mehr6 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
MehrKlausurberatung 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
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
MehrMathematik 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,...,
MehrINGENIEURMATHEMATIK. 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.
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
MehrKlausur 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.:
MehrPrüfungs-/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:................................................................................
MehrBetriebsanleitung 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) Sei K ein beliebiger Körper. Ein Vektorraum über K ist eine (nichtleere) Menge V, auf der zwei Operationen deniert sind, die bestimmten Rechenregeln genügen:
MehrKlausur 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
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
MehrGewöhnliche 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
Mehr3.3 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.
MehrHomogene 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
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,
MehrThema 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;
MehrOrientierung 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
Mehr5 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
Mehr5.1 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
Mehr6 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
MehrKlausur 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,
MehrLineare 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.
MehrTeil 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)
Mehr14 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
MehrÜ 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
MehrAusgewählte 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
MehrEigenwerte 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
Mehr3.6 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
Mehr2.2 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 +
MehrKapitel 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
MehrHöhere 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 ; : :
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
MehrPrüfung 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
MehrTutorium 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 +
MehrMusterlösungen 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
MehrKlausurberatung 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
MehrLineare 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.
MehrLineare 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
MehrLineare 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
MehrMathematik 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
Mehr6 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
MehrZusammenfassung 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,
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr46 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
Mehr4 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
MehrLineare 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:
MehrDivision 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
MehrDifferentialgleichungen
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
Mehr00. 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
MehrLineare 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
Mehr9. 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).
MehrLineare 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:
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 =
MehrLineare 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
MehrLösung 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
MehrSkript 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.................................
Mehrf 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
MehrKlausur 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
Mehr4 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