Mathcad Funktionen für Electronic Engineering
|
|
- Laura Rothbauer
- vor 6 Jahren
- Abrufe
Transkript
1 Mathcad unktionen für Electronic Engineering erhard Krucker aunackerstrasse 9 C-33 Rubigen krucker@krucker.ch usgabe: usgabe: , erhard Krucker, C-33 Rubigen
2 nhaltsverzeichnis NLTSVERECNS...2 ENLETUN...3 WECK...3 COPRT...3 BENUTUN...3 UNKTONEN...5 NORME(WERT,EREE)...5 CELNORME(WERT,EREE)...6 LOORNORME(WERT,EREE)...7 LNRNE(X STRT,X END,N)...8 LORNE(X STRT, X END,N)...0 DB(V), DB0(V)... PSE()...2 MX2(,B), MN2(,B)...3 BUTTERWORT(N TP )...4 BUTTERWORTPOL(N)...5 TSCEBSCE(N TP, RDB )...6 NVTSCEBSCE(N TP, DB )...7 ERO2POL(S P )...8 PRMETERUMRECNUN...9 E2B(E), E2C(E), B2E(B), B2C(B), C2E(C), C2B(C)...9 2C(), 2C(), 2(), 2(), 2(), 2()...2 2(), 2C, 2(), 2(), 2()...2 C2(C), C2(C), C2(C), C2(C)...2 2(), 2(), 2(), 2()...2 2(), 2C(), 2(), 2(), 2()...2 2(), 2C(), 2(), 2(), 2()...2 KONSTNTEN...23 PSKLSCE KONSTNTEN...23 E-NORMWERTE...24 usgabe: , erhard Krucker, C-33 Rubigen
3 Einleitung weck Das vorliegende Paket stellt eine Erweiterung für Mathcad dar. Es beinhaltet unktionen, Einheiten und Dimensionen sowie Konstanten, die im Umfeld der Berechnung elektronischer Schaltungen benötigt werden. egenüber der Vorgängerversion für MathCad2000 wurde die Einheitentabelle für elektrische Einheiten weggelassen. Sie ist mittlerweile integrierter Bestandteil von MathCad. Das Paket ist aber um zusätzliche unktionen ergänzt worden. Das volliegende Paket wurde nur mit deuschen Version von MathCad getestet. ur unktionsfähigkeit mit anderen Versionen kann keine ussage gemacht werden. Copyright lle Rechte liegen beim Verfasser. Private Verwendung und Weitergabe mit Quellenangabe ist erlaubt. lle nformationen wurden nach bestem Wissen zusammen gestellt. ehler und rrtümer sind nicht ausgeschlossen. Die Verwendung erfolgt auf eigene efahr. Die unktionen linrange(), logrange, phase(), db(), db0() wurden von der dee her und in Teilen des Codes von eorge Chien der University of California at Berkeley mit Dank übernommen. nstallation Das ile EE MCD.MCD wird in ein Verzeichnis der Wahl kopiert und in EE.MCD umbenannt. Ebenso die Dokumentation EE MCD.PD. Die Referenzierung im rbeitsblatt erfolgt über einen Verweis. usgabe: , erhard Krucker, C-33 Rubigen
4 Benutzung Das Paket muss in jedem benutzten rbeitsblatt mittels Verweis eingefügt werden. ur einheitenbehafteten Rechnung sollten S-Einheiten gewählt werden. ür eine formatierte usgabe der Einheiten bedarf es zusätzlich : usgabe: , erhard Krucker, C-33 Rubigen
5 unktionen norme(wert,ereihe) unktion: Retourniert den E-normierten Wert, der über den Parameter Wert übergeben wurde. Wert u normierender Wert. st die össe mit Einheiten behaftet, wird diese an das Resultat weiter gegeben. EReihe u verwendende E-Normreihe, festgelegt mit symbolischem oder numerischen Wert: Symbolischer Numerisches Wirkung Wert Äquivalent E0 0 Keine Normung E Wert wird nach E normiert E3 2 Wert wird nach E3 normiert E6 3 Wert wird nach E6 normiert E2 4 Wert wird nach E2 normiert E24 5 Wert wird nach E24 normiert E48 6 Wert wird nach E48 normiert E96 7 Wert wird nach E96 normiert E92 8 Wert wird nach E92 normiert Die Mitte zweier olgenglieder wird über das geometrische Mittel bestimmt. n der Praxis wird aus Einfachheitsgründen vielfach das arithmetische Mittel benutzt. Beispiele: ( ) = norme 0.2Ω, E2 norme( 3.9n, E3) = ( ) = norme 99kΩ, E2 norme 34mΩ, E6 ( ) = norme 34.23MΩ, E0 ( ) = ( ) = norme 34.23MΩ, 2 Bemerkungen: Die Bestimmung der Normwerte erfolgt für die Reihen E bis E24 mit Tabellen. Die Reihen E48 bis E92 werden als Element der geometrischen olge mit einer ormel berechnet. usgabe: , erhard Krucker, C-33 Rubigen
6 ceilnorme(wert,ereihe) unktion: Retourniert den nächst grösseren E-Normwert. Wert Wert, der auf den nächst grösseren Normwert aufgerundet werden soll. st die össe mit Einheiten behaftet, wird diese an das Resultat weiter gegeben. Liegt der Wert exakt auf einem Normwert, wird nächst grössere Normwert retourniert. EReihe u verwendende E-Normreihe, festgelegt mit symbolischem oder numerischen Wert: Symbolischer Numerisches Wirkung Wert Äquivalent E0 0 Keine Normung E Wert wird nach E normiert E3 2 Wert wird nach E3 normiert E6 3 Wert wird nach E6 normiert E2 4 Wert wird nach E2 normiert E24 5 Wert wird nach E24 normiert E48 6 Wert wird nach E48 normiert E96 7 Wert wird nach E96 normiert E92 8 Wert wird nach E92 normiert Beispiele: ( ) = ceilnorme 0.2Ω, E2 ceilnorme( 3.9n, E3) = ( ) = ceilnorme 99kΩ, E2 ceilnorme 34mΩ, E6 ( ) = ceilnorme 34.23MΩ, E0 ( ) = ( ) = ceilnorme 34.23MΩ, 2 ceilnorme( 00, E2) = Bemerkungen: Die Bestimmung der Normwerte erfolgt für die Reihen E bis E24 mit Tabellen. Die Reihen E48 bis E92 werden als Element der geometrischen olge mit einer ormel berechnet. usgabe: , erhard Krucker, C-33 Rubigen
7 floornorme(wert,ereihe) unktion: Retourniert den nächst kleineren E-Normwert. Wert Wert, der auf den nächst kleineren Normwert abgerundet werden soll. st die össe mit Einheiten behaftet, wird diese an das Resultat weiter gegeben. Liegt der Wert exakt auf einem Normwert, wird nächst kleinere Normwert retourniert. EReihe u verwendende E-Normreihe, festgelegt mit symbolischem oder numerischen Wert: Symbolischer Numerisches Wirkung Wert Äquivalent E0 0 Keine Normung E Wert wird nach E normiert E3 2 Wert wird nach E3 normiert E6 3 Wert wird nach E6 normiert E2 4 Wert wird nach E2 normiert E24 5 Wert wird nach E24 normiert E48 6 Wert wird nach E48 normiert E96 7 Wert wird nach E96 normiert E92 8 Wert wird nach E92 normiert Beispiele: floornorme( 0.2Ω, E2) = floornorme( 3.9n, E3) = ( ) = floornorme 99kΩ, E2 floornorme 34mΩ, E6 ( ) = floornorme 34.23MΩ, E0 ( ) = ( ) = floornorme 34.23MΩ, 2 floornorme( 00, E2) = Bemerkungen: Die Bestimmung der Normwerte erfolgt für die Reihen E bis E24 mit Tabellen. Die Reihen E48 bis E92 werden als Element der geometrischen olge mit einer ormel berechnet. usgabe: , erhard Krucker, C-33 Rubigen
8 linrange(x start,x end,n) unktion: Erzeugt einen Vektor mit N äquidistant angeordneten Werten zwischen x start und x end. x start Startwert = Erstes Element des Vektors x end Endwert = Letztes Element des Vektors. N nzahl Elemente im Vektor. Muss ganzzahlig positiv sein. mplementierung: ( ) := a N linrange x start, x end, N x end x end x start delta N for i 0.. N 2 a a i x start + i delta Beispiel: linrange( 20, 200, 0) = usgabe: , erhard Krucker, C-33 Rubigen
9 inweis: Eine zugehörige Bereichsvariable ii zur ndizierung kann wie folgt definiert werden: a := linrange( 20, 20, 0) ii := 0.. letzte( a) ii = usgabe: , erhard Krucker, C-33 Rubigen
10 logrange(x start, x end,n) unktion: Erzeugt einen Vektor mit N logarithmisch angeordneten Werten zwischen x start und x end. x start Startwert = Erstes Element des Vektors x end Endwert = Letztes Element des Vektors. N nzahl Elemente im Vektor. Muss ganzzahlig positiv sein. mplementierung: ( ) := a N logrange x start, x end, N Beispiele: g x end N x end x start for i 0.. N 2 a a i x start g i logrange( z, kz, 0) = z Ω := logrange( 0., 0, 200) ii := 0.. letzte Ω ( ) Ω, n ( ) := mplitudengang des normierten + Ω 2n ButterworthTiefpass der Ordnung n 0 3 ( ( )) db Ω ii, Ω ii usgabe: , erhard Krucker, C-33 Rubigen
11 db(v), db0(v) unktion: Berechnen des Spannungsverhältnis (db) und Leistungsverhältnis (db0) in Dezibel. v Dimensionslose Spannungs- oder Leistungsverhältniszahl. Werte v<0-25 werden auf 500dB begrenzt. Es wird immer der Betrag von v verwendet. Somit ist eine Betragbildung bei negativen oder komplexen rgumenten nicht notwendig. mplementierung: db( v) := p v v 500 if p < log( p) otherwise db0( v) := 0.5 db( v) Beispiele: db( 00) = db( 333) = ( ) = db 2 db = db0( 00) = usgabe: , erhard Krucker, C-33 Rubigen
12 phase(g) unktion: Berechnung der Phase eines komplexen Vektors g in Radian. Das Resultat wird in einem neuen Vektor derselben rösse retourniert. Unstetigkeitsstellen bei Vielfachen von π werden bei dieser unktion vermieden. g Komplexer Vektor mit 2 Elementen. mplementierung: phase ( g) := φ arg( g) return g if wrap 0 for letzte( g) < 2 i.. letzte( g) ( ) > 3 ( + wrap) < 3 wrap wrap 2 π if φ i φ i + wrap wrap wrap + 2 π if φ i φ i φ i φ i + wrap return φ Beispiele: Ein raph eines requenzganges eines Tiefpassfilters kann wie folgt gezeichnet werden. (Tschebyscheff normiert, 5. Ordnung, db Welligkeit): S P := tschebyscheff ( 5, ) Pole bestimmen ( ) Ω := logrange( 0., 0, 200) ii := 0.. letzte Ω ( ) s, S P := länge( S P ) s S Pi i = 0 ( ) fv ii := jω ii, S P (normierte) requenzachse Übertragungsfunktion Komplexer requenzgang 80 ii := db( fv ii ) P := phase ( fv) mplituden- und Phasenvektor berechnen π db(fv) Φ(Ω) Ω usgabe: , erhard Krucker, C-33 Rubigen
13 max2(a,b), min2(a,b) unktion: Bestimmen des grösseren Wertes (max) oder kleineren Wertes (min) aus dem Paar a, b. a,b u vergleichende skalare Werte. mplementierung: max2( a, b) := a if a > b min2( a, b) := a if a < b Beispiele: b otherwise b otherwise min2( 3, 5) = min2( 3, 5) = max(, 3) = max( 6p, n) = 0 9 usgabe: , erhard Krucker, C-33 Rubigen
14 butterworth(n TP ) unktion: Retourniert die komplexen Pole des normierten Butterworth Tiefpass der Ordnung n TP. n TP Ordnung des Tiefpass als positive anzzahl. mplementierung: ( ) butterworth n TP := for k 0.. n TP S Pk sin + 2 k π + j cos 2 n TP return S P + 2 k 2 n TP π Beispiele: butterworth ( 3) j 0 3 = j 0 3 butterworth ( 6) j j j 0 3 = j j j 0 3 usgabe: , erhard Krucker, C-33 Rubigen
15 butterworthpoly(n) unktion: Retourniert die Koeffizienten b 0..b n des normierten Butterworth-Polynoms B n (S) der Ordnung n. B n (S). Es wird zur Bildung der Butterworth-Tiefpassübertragungsfunktion (s) benutzt. 2 n Bn( S) = b0 + bs + b2s + + bns s () = B ( S) n n Ordnung des Butterworth-Polynoms als positive anzzahl. mplementierung: butterworthpoly( n) := zero2poly( butterworth( n) ) Beispiele: butterworthpoly ( 3) butterworthpoly ( 6) 2 = = usgabe: , erhard Krucker, C-33 Rubigen
16 tschebyscheff(n TP, rdb ) unktion: Retourniert die komplexen Pole des normierten Tschebyscheff Tiefpass der Ordnung n TP. mit Welligkeit rdb im Durchlassbereich. n TP Ordnung des Tiefpass als positive anzzahl. rdb Welligkeit im Durchlassbereich in db als positive reelle ahl >0.0 mplementierung: tschebyscheff ( ) ε 0 0. rdb := n TP, rdb for k 0.. n TP S Pk sin + 2 k π sinh arsinh 2 n TP n TP ε + 2 k S Pk S Pk j cos π + cosh arsinh 2 n TP n TP ε return S P Beispiele: tschebyscheff ( 3, ) j 0 3 = j 0 3 tschebyscheff ( 4, 0.0) j j 0 3 = j j 0 0 usgabe: , erhard Krucker, C-33 Rubigen
17 invtschebyscheff(n TP, db ) unktion: Retourniert die komplexen Pole und Nullstellen des normierten inversen Tschebyscheff Tiefpass der Ordnung n TP.und Welligkeit db. n TP Ordnung des Tiefpasses als positive anzzahl. db Welligkeit im Sperrbereich in db als positive reelle ahl >0.0 Resultat: Die erste Spalte der Matrix beinhaltet die Nullstellen. Die zweite Spalte beinhaltet die Polstellen. mplementierung: ( ) := ε invtschebyscheffpn n, db 0 0. db for i 0.. n S Pi sin + 2 n i π sinh 2 n arsinh + 2 i i cos π cosh ε 2 n n arsinh + ε S i cos for i 0.. n S S i0, i S S i, Pi return S i + 2 i 2 n π Beispiele: invtschebyscheffpn ( 5, 30) =.05i.70i.633i i.05i i i i i invtschebyscheffpn ( 4, 60).082i i 2.63i i = 2.63i i.082i i Bemerkung: nverse Tschebyscheff-Tiefpässe ungerader Ordnung haben ein Nullstelle bei unendlich. Sie wird hier als verhältnismässig grosse ahl angenähert. Die endlichen Nullstellen sind immer rein imaginär. Referenz: nverse Tschebyscheff Tiefpassfilter,. Krucker 2002, usgabe: , erhard Krucker, C-33 Rubigen
18 zero2poly(s P ) unktion: Polynom in Linearfaktordarstellung, definiert durch Nullstellen in Normalform ausmultiplizieren. Das Resultat wird als Koeffizientenvektor p retourniert. ( s + S )( s+ S ) ( s+ S ) = p + p s+ p s + + p s 2 2 P0 P Pn 0 2 n nwendung z.b. bei der Bestimmung der Übertragungsfunktion eines Polynomfilters anhand der berechneten Pole-Nullstellen. S P Vektor mit Nullstellen des Polynoms. Die Dimension des Vektors muss sein. mplementierung: Synthetische Polynommultiplikation. zero2poly( ) := p 0 0 p pdeg return if for p j+ p j p 0 0 länge( ) for i.. länge( ) j pdeg.. 0 for j 0.. pdeg p j p j p j+ i pdeg pdeg + return p Beispiel: Butterworth-Polynomkoeffizienten der Ordnung 5: n := 5 Sp := butterworth ( n) Koeffizienten Potenzen j j 0 3 Sp = 0 0 zero2poly( Sp) = j j s 0 s s 2 s 3 s 4 s 5 nterpretation: Die Übertragungsfunktion eines normierten Butterworth Tiefpassfilters der Ordnung 5 ist daher: s () = = + s s s s j j j ( s) s s s s s j usgabe: , erhard Krucker, C-33 Rubigen
19 Parameterumrechnung E2B(he), E2C(he), B2E(hb), B2C(hb), C2E(hc), C2B(hc) unktion Umrechnung der Transistorparameter für andere rundschaltungen. Das Resultat wird als 2x2- Matrix retourniert. E2B(he) E2C(he) B2E(he) B2C(he) C2E(he) C2B(he) he-parameter in hb-parameter umrechnen he-parameter in hc-parameter umrechnen hb-parameter in he-parameter umrechnen hb-parameter in hc-parameter umrechnen hc-parameter in he-parameter umrechnen hc-parameter in hb-parameter umrechnen Parameter u wandelnde Transistorparameter in eine 2x2 Matrix der jeweiligen rundschaltung. Die Parameter müssen einheitenlos sein. mplementierung B2E( hb) := E2B( he) := hb 2, hb 2, + + hb he 2, he 2, + + he hb, ( hb + hb 2, ) he, ( he + he 2, ) hb hb 2, hb 22, he he 2, he 22, E2C( he) := C2E( hc) := he, ( ) + he 2, hc, ( ) + hc 2, he 2, he 22, hc 2, hc 22, C2B( hc) := hc hc, ( hc hc 2, ) hc + hc 2, hc 22, B2C( hb) := + hb hb 2, + hb 2, hb, hb 2, + hb 2, hb 22, inweise Nach Konvention werden die Matrizen mit den ndizes,2 indiziert. Damit das erste Element den ndex erhält, muss in Mathcad ORN gesetzt werden. Die Einheiten können nicht direkt in die Matrix eingebracht werden, da Mathcad in Matrizen (anscheinend) nur skalare Komponenten zulässt. usgabe: , erhard Krucker, C-33 Rubigen
20 Beispiele ORN 0 3 he := hb := E2B( he) hb = hc := E2C( he) hc = C2E( hc) = B2E( hb) = C2B( hc) = B2C( hb) = usgabe: , erhard Krucker, C-33 Rubigen
21 2C(a), 2C(a), 2(a), 2(a), 2(a), 2(a) 2(h), 2C, 2(h), 2(h), 2(h) C2(c), C2(c), C2(c), C2(c) 2(g), 2(g), 2(g), 2(g) 2(y), 2C(y), 2(y), 2(y), 2(y) 2(z), 2C(z), 2(a), 2(z), 2(z) unktion Umrechnen der Vierpolmatrizen in andere Parameterformen. Das Resultat wird immer als 2x2 Matrix retourniert. Parameter a, h. c, g, y, z 2x2 Matrix mit den umzurechnenden Parameter. Die Parameter müssen einheitenlos sein. mplementierung Der mplementierung liegen folgende formalen usammenhänge zu runde: det 2 2 det det det C,, - 2 det 2 K det det det det K det K det K 2 det K det det det det K 2 2 det K det K 22 det det K K det 22 2 C det C K K 2 2 det det K K det det det det K det det det det K usgabe: , erhard Krucker, C-33 Rubigen
22 Bemerkung: C, und - Parameter sind identisch. Referenz: W. Weissgerber, Elektrotechnik für ngenieure, S. 8, 99, SBN inweise Nach Konvention werden die Matrizen mit den ndizes,2 indiziert. Damit das erste Element den ndex erhält, muss in Mathcad ORN gesetzt werden. Beispiele ORN 0 3 h := ( h) = ( h) = 2( 2( h) ) = usgabe: , erhard Krucker, C-33 Rubigen
23 Konstanten Physikalische Konstanten Elementarladung Elektron Boltzmann Konstante Lichtgeschwindigkeit im Vakuum Permeabilität im Vakuum Dielektrizitätskonstate des Vakkums Plancksche Konstante Normfallbeschleunigung bsoluter Druck Schallgeschwindigkeit bei p 0 Ruhemasse des Elektrons Ruhemasse des Protons Klassischer Elektrononenradius q e := C k B := K c := m s µ 0 := 4 π 0 7 m ε 0 := µ 0 2 c 0 h P := s 2 g := m s p 0 := Pa c sound := 33.2 m s m e := kg m p := kg 2 q e r e := 2 4 π ε 0 m e c 0 µ 0 = m ε 0 = m r e = m Referenz: Taschenbuch der Physik,. Kuchling,Verlag arry Deutsch 982, S.659, S.52, S. 322,S.659. usgabe: , erhard Krucker, C-33 Rubigen
24 E-Normwerte Sie beinhalten als Vektor eine vollständige Dekade von [00,000] Normwerten der E-Reihe: E-Normreihen E..E TabE := TabE3 := TabE6 := TabE2 := 330 TabE24 := E-Normreihen E48..E92 TabE48 = TabE96 = TabE92 = inweis: Die Vektoren TabE48..TabE92 zeigen nur die ersten 6 Werte. Beispiele: TabE2 0 = TabE24 24 = 0 3 TabE92 33 = usgabe: , erhard Krucker, C-33 Rubigen
Mathcad Funktionen für Electronic Engineering
Mathcad unktionen für Electronic Engineering erhard rucker aunackerstrasse 9 C-33 Rubigen krucker@krucker.ch usgabe: 8.7.200 nhaltsverzeichnis NLTSVERECNS... 2 ENLETUN... 3 WEC... 3 COPRT... 3 BENUTUN...
MehrInverse Tschebyscheff Tiefpassfilter
Inverse Tschebyscheff Tiefpassfilter Inverse Tschebyscheff-Tiefpassfilter (Tschebyscheff Typ-) werden dort verwendet wo eine hohe Flankensteilheit bei maximal flachem mplitudengang im Durchlassbereich
MehrFilterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11
Filterentwurf IIR-Filter Beispiele für die verschiedenen Filtertypen FIR-Filter Entwurf mit inv. Fouriertransformation und Fensterfunktion Filter mit Tschebyscheff-Verhalten Vorgehensweise bei Matlab /
MehrGedächtnisprotokoll zur ADELE-Klausur vom (Prof. Orglmeister)
1. Aufgabe: Bandsperre Gegeben war das Toleranzschema einer Bandsperre über der normierten Frequenz (vgl. Abb. 1, links). Abbildung 1: Toleranzschema Die Verstärkung im Durchlassbereich sollte 1/ 2 betragen,
MehrDigitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf
Digitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf 5. Dezember 2016 Siehe begleitend: Kammeyer / Kroschel, Digitale Signalverarbeitung, 7. Auflage, Kapitel 4.2 1 Filterentwurfsstrategien 2 Diskretisierung
MehrAnaloge und digitale Filter
Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Übungsaufgaben zur Lehrveranstaltung Analoge und digitale Filter Filter. Ordnung. Betrachtet wird ein
MehrVortrag 20: Kurze Vektoren in Gittern
Seminar: Wie genau ist ungefähr Vortrag 20: Kurze Vektoren in Gittern Kerstin Bauer Sommerakademie Görlitz, 2007 Definition und Problembeschreibung Definition: Gitter Seien b 1,,b k Q n. Dann heißt die
MehrAUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW
AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW Lineare Gleichungssysteme Lösen Sie folgende Gleichungssysteme über R: a) x + x + x = 6x + x + x = 4 x x x = x 7x x = 7 x x = b) x + x 4x + x 4 = 9 x + 9x x x
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
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
Mehrx 1 + u y 2 = 2 0 x 2 + 4u 2.
3. Übung: Regelkreis Aufgabe 3.1. Gegeben sind die beiden linearen zeitkontinuierlichen Systeme 3 2 2 ẋ 1 = 6 5 x 1 + 1 u 1 6 2 3 [ ] y 1 = 2 x 1 (3.1a) (3.1b) und [ ] [ ] 8 15 1 ẋ 2 = x 2 + 6 1 4 [ ]
MehrElektronik Prof. Dr.-Ing. Heinz Schmidt-Walter
6. Aktive Filter Filterschaltungen sind Schaltungen mit einer frequenzabhängigen Übertragungsfunktion. Man unterscheidet zwischen Tief, Hoch und Bandpässen sowie Sperrfiltern. Diesen Filtern ist gemeinsam,
MehrRelativistische Bahnkurven und Cauerfilter. Dr.-Ing. Klaus Huber Sesenheimer Str Berlin
Relativistische Bahnkurven und Cauerfilter Dr.-Ing. Klaus Huber Sesenheimer Str. 21 10627 Berlin klaus.huber@o2online.de Zarm Universität Bremen Am Fallturm 28359 Bremen 16.12.2010 1 Übersicht: - Tiefpassfilter
MehrFilterentwurf. Aufgabe
Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich
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
MehrPhysikalische Messtechnik und Elektronik
Physikalische Messtechnik und Elektronik Othmar Marti Experimentelle Physik Universität Ulm Othmar.Marti@Physik.Uni-Ulm.de 16. November 23 Universität Ulm, Experimentelle Physik Vierpole Abbildung 1: Anschlüsse,
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
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
Mehr03. Vektoren im R 2, R 3 und R n
03 Vektoren im R 2, R 3 und R n Unter Verwendung eines Koordinatensystems kann jedem Punkt der Ebene umkehrbar eindeutig ein Zahlenpaar (x, y) zugeordnet werden P (x, y) Man nennt x und y die kartesischen
MehrMatrizen und Determinanten, Aufgaben
Matrizen und Determinanten, Aufgaben Inhaltsverzeichnis 1 Multiplikation von Matrizen 1 11 Lösungen 3 2 Determinanten 6 21 Lösungen 7 3 Inverse Matrix 8 31 Lösungen 9 4 Matrizengleichungen 11 41 Lösungen
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
Mehr2.9 Die komplexen Zahlen
LinAlg II Version 1 3. April 2006 c Rudolf Scharlau 121 2.9 Die komplexen Zahlen Die komplexen Zahlen sind unverzichtbar für nahezu jede Art von höherer Mathematik. Systematisch gehören sie zum einen in
Mehrsie ist also eine Lösung der Differenzialgleichung y 0 = Ay. Bei x = 0 sind diese n Spalten auch linear unabhängig, da ja
Lineare Systeme mit konstanten Koeffizienten 44 63 Zusammenhang mit Fundamentalsystemen Für die Matrix-Exponenzialfunkton e Ax gilt (e Ax ) = Ae Ax Für jede Spalte '(x) der Matrix e Ax Matrixmultpiplikation
MehrFourierreihen periodischer Funktionen
Fourierreihen periodischer Funktionen periodische Funktion: (3.1) Fourierkoeffizienten und (3.2) (3.3) Fourier-Reihenentwicklungen Cosinus-Reihe: (3.4) (3.5) Exponentialreihe: (3.6) (3.7-3.8) Bestimmung
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,
MehrNachrichtentechnik [NAT] Kapitel 6: Analoge Filter. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik
Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 6 Analoge Filter 3 6. Motivation..................................
MehrT n (1) = 1 T n (cos π n )= 1. deg T n q n 1.
KAPITEL 3. INTERPOLATION UND APPROXIMATION 47 Beweis: Wir nehmen an qx) für alle x [, ] und führen diese Annahme zu einem Widerspruch. Es gilt nach Folgerung ii) T n ) T n cos π n ). Wir betrachten die
MehrAktiver Tiefpass mit Operationsverstärker
Aktiver Tiefpass mit Operationsverstärker Laborbericht an der Fachhochschule Zürich vorgelegt von Samuel Benz Leiter der Arbeit: B. Obrist Fachhochschule Zürich Zürich, 17.3.2003 Samuel Benz Inhaltsverzeichnis
MehrKomplexe Zahlen. Allgemeines. Definition. Darstellungsformen. Umrechnungen
Komplexe Zahlen Allgemeines Definition Eine komplexe Zahl z x + y i besteht aus einem Realteil Re(z) x und einem Imaginärteil Im(z) y. Der Imaginärteil wird mit der Imaginären-Einheit i multipliziert.
MehrAntialiasing-Filter. Die erforderliche Dämpfung des Antialiasingfilters bei der halben Abtastfrequenz errechnet sich nach (bei N-Bit ADU): f f.
ntialiasing-filter Bei der btastung eines auf f < fb bandbeenzten Messsignal ergibt sich, wie später gezeigt wird, für das abgetastete ignal eine periodische Wiederholung des Basisspektrums. m Überlappungen
Mehr09. Lineare Abbildungen und Koordinatentransformationen
09. Lineare Abbildungen und Koordinatentransformationen Definition. Seien V und W Vektorräume. Unter einer linearen Abbildung versteht man eine Abbildung F : V W, v F v w mit folgender Eigenschaft: F λ
MehrGrundlagen der Signalverarbeitung
Grundlagen der Signalverarbeitung Digitale und analoge Filter Wintersemester 6/7 Wiederholung Übertragung eines sinusförmigen Signals u t = U sin(ω t) y t = Y sin ω t + φ ω G(ω) Amplitude: Y = G ω U Phase:
Mehr7.2 Die adjungierte Abbildung
7.2 Die adjungierte Abbildung Definition 7.2.1 Eine lineare Abbildung f : V K heißt lineares Funktional oder Linearform. (Diese Definition gilt für beliebige K-Vektorräume, nicht nur für innere Produkträume.)
MehrDie Interpolationsformel von Lagrange
Die Interpolationsformel von Lagrange Zentrale Aussage: Zu beliebigen n + Stützpunkten (x i,f i ), i =,...,n mit paarweise verschiedenen Stützstellen x i x j, für i j, gibt es genau ein Polynom π n P n
MehrSkalarprodukte (Teschl/Teschl Kap. 13)
Skalarprodukte (Teschl/Teschl Kap. ) Sei V Vektorraum über R. Ein Skalarprodukt auf V ist eine Abbildung V V R, (x, y) x, y mit den Eigenschaften () x, y = y, x (symmetrisch), () ax, y = a x, y und x +
Mehr19. Frequenzgangkorrektur am Operationsverstärker
9. Frequenzgangkorrektur am Operationsverstärker Aufgabe: Die Wirkung komplexer Koppelfaktoren auf den Frequenzgang eines Verstärkers ist zu untersuchen. Gegeben: Eine Schaltung für einen nichtinvertierenden
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
MehrKomplexe Funktionen für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg SoSe 214 Dr K Rothe Komplexe Funktionen für Studierende der Ingenieurwissenschaften Aufgaben und Theoriehinweise zu Blatt 6 Komplexe Funktionen, K Rothe,
Mehrx 1 + u y 2 = 2 0 x 2 + 4u 2.
3. Übung: gelkreis Aufgabe 3.. Gegeben sind die beiden linearen zeitkontinuierlichen Systeme 3 ẋ = 6 x + u 6 3 [ ] y = x (3.a) (3.b) und [ ] [ ] 8 ẋ = x + 6 4 [ ] y = x + 4u. u (3.a) (3.b) Berechnen Sie
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrLösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016
Institut für Analysis Prof Dr Michael Plum Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 0 0090 Aufgabe Punkte: Betrachten Sie das lineare Gleichungssystem Ax = b mit A = 0 und b
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
MehrInhaltsverzeichnis. Inhalt. Einleitung Vektoralgebra
Inhalt 3 Inhaltsverzeichnis Einleitung...9 1 Vektoralgebra 1.1 Geometrische Darstellung von Vektoren... 14 1.1.1 Begriff des Vektors... 14 1.1.2 Inverser Vektor und Nullvektor... 17 1.1.3 Addition von
MehrSV1: Aktive RC-Filter
Signal and Information Processing Laboratory Institut für Signal- und Informationsverarbeitung. September 6 Fachpraktikum Signalverarbeitung SV: Aktive RC-Filter Einführung In diesem Versuch wird ein aktives
MehrKurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif
14 Oktober 2008 1 Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof Dr Ulrich Reif Inhalt: 1 Vektorrechnung 2 Lineare Gleichungssysteme 3 Matrizenrechnung 4 Lineare Abbildungen 5 Eigenwerte
MehrGRUNDLAGEN MATHEMATIK
Mathematik und Naturwissenschaften Fachrichtung Mathematik, Institut für Numerische Mathematik GRUNDLAGEN MATHEMATIK 6. Komplexe Zahlen Prof. Dr. Gunar Matthies Wintersemester 2015/16 G. Matthies Grundlagen
MehrOrthonormalbasis. Orthogonalentwicklung
Orthonormalbasis Eine Orthogonal- oder Orthonormalbasis des R n (oder eines Teilraums) ist eine Basis {v,..., v n } mit v i = und v i, v j = für i j, d. h. alle Basisvektoren haben Norm und stehen senkrecht
MehrLINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN
Fakultät Mathematik Institut für Numerische Mathematik LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN 6. Komplexe Zahlen Prof. Dr. Gunar Matthies Wintersemester 2017/18 G. Matthies Lineare
MehrLösungsvorschläge zur Klausur
Prüfung in Höhere Mathematik 3 5. September 3 Lösungsvorschläge zur Klausur für bau, ernen, fmt, IuI, mach, tema, umw, verf, geod und so weiter ; Aufgabe : Punkte Im R 3 wird eine Fläche T durch die Abbildung
MehrKlausur zur Vorlesung Digitale Signalverarbeitung
INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 0.08.007 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:
MehrElliptische Funktionen, elliptische Kurven und Modulformen Die Weierstraß sche -Funktion. Carina Sobotta
Elliptische Funktionen, elliptische Kurven und Modulformen Die Weierstraß sche -Funktion Carina Sobotta 7. Oktober 004 Einleitung Elliptische Funktionen erhielten ihren Namen, da sie anfangs bei Untersuchungen
Mehra 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α
Mathematik 1 - Übungsblatt 7 Lösungshinweise Tipp: Verwenden Sie zur Kontrolle Scilab, wo immer es möglich ist. Aufgabe 1 (Definitionsformel für Determinanten) Determinanten quadratischer Matrizen sind
MehrProbeklausur Lineare Algebra für Physiker
Fachbereich Mathematik Prof. Dr. K. Grosse-Brauckmann D. Frisch Probeklausur Lineare Algebra für Physiker SS 8 26./27.6.27 Name:..................................... Vorname:.................................
MehrInhalt. Mathematik für Chemiker II Lineare Algebra. Vorlesung im Sommersemester Kurt Frischmuth. Rostock, April Juli 2015
Inhalt Mathematik für Chemiker II Lineare Algebra Vorlesung im Sommersemester 5 Rostock, April Juli 5 Vektoren und Matrizen Abbildungen 3 Gleichungssysteme 4 Eigenwerte 5 Funktionen mehrerer Variabler
MehrStefan Ruzika. 24. April 2016
Stefan Ruzika Mathematisches Institut Universität Koblenz-Landau Campus Koblenz 24. April 2016 Stefan Ruzika 2: Körper 24. April 2016 1 / 21 Gliederung 1 1 Schulstoff 2 Körper Definition eines Körpers
MehrKlausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 5/6): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
Mehr8.7 Die schnelle Fourier-Transformation Aufgabe: Gegeben zwei Polynome A(x) und B(x), als A(x) =
8.7 Die schnelle Fourier-Transformation Aufgabe: Gegeben zwei Polynome A(x) und B(x), als A(x) = a i x i und B(x) = 0 i n 1 berechne das Polynomprodukt A(x) B(x) = C(x) = 0 k 2n 2 0 j n 1 c k x k, d. h.
MehrPraktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006
Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS 2006 Matlab: Fortsetzung Jan Mayer 4. Mai 2006 Manipulation von Matrizen und Vektoren [M,N]=size(A); speichert die Dimension einer Matrix bzw.
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:
MehrKapitel 3 Lineare Algebra
Kapitel 3 Lineare Algebra Inhaltsverzeichnis VEKTOREN... 3 VEKTORRÄUME... 3 LINEARE UNABHÄNGIGKEIT UND BASEN... 4 MATRIZEN... 6 RECHNEN MIT MATRIZEN... 6 INVERTIERBARE MATRIZEN... 6 RANG EINER MATRIX UND
MehrVersuch 5: Filterentwurf
Ziele In diesem Versuch lernen Sie den Entwurf digitaler Filter, ausgehend von der Festlegung eines Toleranzschemas für den Verlauf der spektralen Charakteristik des Filters, kennen. Es können Filtercharakteristiken
MehrG S. p = = 1 T. =5 K R,db K R
TFH Berlin Regelungstechnik Seite von 0 Aufgabe 2: Gegeben: G R p =5 p 32ms p 32 ms G S p = p 250 ms p 8 ms. Gesucht ist das Bodediagramm von G S, G R und des offenen Regelkreises. 2. Bestimmen Sie Durchtrittsfrequenz
MehrSimulation einer Mikrostreifenleitung mit Tiefpasscharakteristik. Khaoula Guennoun Torsten Finger Jan-Frederic Overbeck
Fachhochschule Aachen Master Telekommunikationstechnik Elektrotechnik und Informationstechnik Lehrgebiet: Hoch- und Höchstfrequenztechnik Prof. Dr. Ing. H. Heuermann Simulation einer Mikrostreifenleitung
MehrSerie 12: Eigenwerte und Eigenvektoren
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende
MehrKAPITEL 5. Nichtlineare Gleichungssysteme
KAPITEL 5. Nichtlineare Gleichungssysteme Beispiel 5.1. Gravitationskraft zwischen zwei Punktmassen m 1 und m 2 mit gegenseitigem Abstand r: F = G m 1m 2 r 2, wobei G = 6.67 10 11 Nm 2 /kg. Gravitationsfeld
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
Mehr1.7 Die schnelle Fourier-Transformation (FFT)
1.7 Die schnelle Fourier-Transformation (FFT) Polynom in Koeffizientendarstellung: A(x) = a 0 + a 1 x + a 2 x 2 +... + a n 1 x n 1 = 0 i n 1 a i x i, mit a 0,..., a n 1 Zahlenbereich Z oder R oder C. Für
MehrLösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1
D-MAVT Lineare Algebra II FS 8 Prof. Dr. N. Hungerbühler Lösungen Serie. Welche der folgenden Vektoren sind Eigenvektoren der Matrix? (a) (,, ). Ein Vektor v ist Eigenvektor von A :=, falls Av ein skalares
MehrLineare Algebra II 11. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross 9 / Juni Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Minitest (Bearbeitung innerhalb von Minuten und ohne Benutzung des
MehrLösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:
Lineare Algebra D-MATH, HS 04 Prof. Richard Pink Lösung zu Serie. [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich: a) F (X) := X 5 X in R[X] und C[X]. b) F (X) := X 4 +X 3 +X in
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
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrMathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2
Fakultät Mathematik WS 27/8 Institut für Mathematische Stochastik / Institut für Analysis Dr. W. Kuhlisch, Dr. F. Morherr Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie
Mehr2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!
Studiengang: PT/LOT/PVHT Semester: WS 9/ lgebra Serie: 2 Thema: Matrizen, Determinanten. ufgabe Gegeben sind die Matrizen = µ 2 3 2 µ 3 2 4, B = 2 Berechnen Sie: a) 2 + 3B b) B 2 c) B T d) B T e) T B f)
MehrZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1.
ZHAW, DSV, FS200, Rumc, DSV Modulprüfung 7 + 4 + 5 + 8 + 6 = 30 Punkte Name: Vorname: : 2: 3: 4: 5: Punkte: Note: Aufgabe : AD-DA-Umsetzung. + + +.5 +.5 + = 7 Punkte Betrachten Sie das folgende digitale
Mehr1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat.
1. Vektoralgebra 1.0 Einführung Vektoren Ein Vektor ist eine Größe, welche sowohl einen Zahlenwert (Betrag) als auch eine Richtung hat. übliche Beispiele: Ort r = r( x; y; z; t ) Kraft F Geschwindigkeit
MehrZeitdiskrete Signalverarbeitung
Zeitdiskrete Signalverarbeitung Ideale digitale Filter Dr.-Ing. Jörg Schmalenströer Fachgebiet Nachrichtentechnik - Universität Paderborn Prof. Dr.-Ing. Reinhold Haeb-Umbach 7. September 217 Übersicht
Mehrentspricht der Länge des Vektorpfeils. Im R 2 : x =
Norm (oder Betrag) eines Vektors im R n entspricht der Länge des Vektorpfeils. ( ) Im R : x = x = x + x nach Pythagoras. Allgemein im R n : x x = x + x +... + x n. Beispiele ( ) =, ( 4 ) = 5, =, 4 = 0.
MehrGrundlagen der Vektorrechnung
Grundlagen der Vektorrechnung Ein Vektor a ist eine geordnete Liste von n Zahlen Die Anzahl n dieser Zahlen wird als Dimension des Vektors bezeichnet Schreibweise: a a a R n Normale Reelle Zahlen nennt
Mehr4.1. Vektorräume und lineare Abbildungen
4.1. Vektorräume und lineare Abbildungen Mengen von Abbildungen Für beliebige Mengen X und Y bezeichnet Y X die Menge aller Abbildungen von X nach Y (Reihenfolge beachten!) Die Bezeichnungsweise erklärt
Mehr8.7 Die schnelle Fourier-Transformation
8.7 Die schnelle Fourier-Transformation Aufgabe: Gegeben zwei Polynome A(x) und B(x), als A(x) = a i x i und B(x) = 0 i n 1 berechne das Polynomprodukt A(x) B(x) = C(x) = 0 k 2n 2 0 j n 1 c k x k, d. h.
MehrÜBUNG 4: ENTWURFSMETHODEN
Dr. Emil Matus - Digitale Signalverarbeitungssysteme I/II - Übung ÜBUNG : ENTWURFSMETHODEN 5. AUFGABE: TIEFPASS-BANDPASS-TRANSFORMATION Entwerfen Sie ein nichtrekursives digitales Filter mit Bandpasscharakteristik!
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
MehrMathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben
Mathematik-1, Wintersemester 2014-15 Vorlesungsplan, Übungen, Hausaufgaben Vorlesungen: Lubov Vassilevskaya Übungen: Dr. Wilhelm Mons, Lubov Vassilevskaya http://www.math-grain.de/ Inhaltsverzeichnis 1.
MehrBericht zur Mathematischen Zulassungsprüfung im Mai 2010
Bericht zur Mathematischen Zulassungsprüfung im Mai 2 Heinz-Willi Goelden, Wolfgang Lauf, Martin Pohl Am 5. Mai 2 fand die Mathematische Zulassungsprüfung statt. Die Prüfung bestand aus einer 9-minütigen
MehrHarmonische Schwingung
Harmonische Schwingung Eine harmonische Schwingung mit Amplitude c 0, Phasenverschiebung δ und Frequenz ω bzw. Periode T = 2π/ω hat die Form x x(t) = c cos(ωt δ). δ/ω c t T=2π/ω Harmonische Schwingung
Mehr12 3 Komplexe Zahlen. P(x y) z = x + jy
2 3 Komplexe Zahlen 3 Komplexe Zahlen 3. Grundrechenoperationen Definition Die Menge C = {z = a + jb a, b IR; j 2 = } heißt Menge der komplexen Zahlen; j heißt imaginäre Einheit. (andere Bezeichnung: i)
MehrFiltertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski
typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt 3. November 2009 Mateusz Grzeszkowski / 24 Mateusz Grzeszkowski 3. November 2009 typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt Motivation
MehrDrehung. Die orthogonale n n-matrix 1 0. c s. Zeile j. s c
Drehung Die orthogonale n n-matrix Q i,j... Zeile i c s... Zeile j s c... mit c = cos ϕ und s = sin ϕ beschreibt eine Drehung um den Winkel ϕ in der x i x j -Ebene des R n. Drehung - Drehung Die orthogonale
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
MehrÜbungen zu Einführung in die Lineare Algebra und Geometrie
Übungen zu Einführung in die Lineare Algebra und Geometrie Andreas Cap Wintersemester 2014/15 Kapitel 1: Einleitung (1) Für a, b Z diskutiere analog zur Vorlesung das Lösungsverhalten der Gleichung ax
MehrMathematischer Vorkurs NAT-ING1
Mathematischer Vorkurs NAT-ING1 (02.09. 20.09.2013) Dr. Robert Strehl WS 2013-2014 Mathematischer Vorkurs TU Dortmund Seite 1 / 40 Kapitel 12 Komplexe Zahlen Kapitel 12 Komplexe Zahlen Mathematischer Vorkurs
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
MehrLösungen zu Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in
MehrAufgabenkomplex 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme
Technische Universität Chemnitz 3. Mai Fakultät für Mathematik Höhere Mathematik I. Aufgabenkomple 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme Letzter Abgabetermin:. Juni (in Übung
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
MehrDynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29
Dynamische Systeme und Zeitreihenanalyse Komplexe Zahlen Kapitel 3 Statistik und Mathematik WU Wien Michael Hauser Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.0/29 Motivation Für die
MehrDie Modulgruppe SL(2, Z)
Die Modulgruppe SL(2, Z Corina Mettler Universität Freiburg (Schweiz 18.Oktober 2007 Inhaltsverzeichnis 1 Einleitung 1 2 Die Modulgruppe 1 2.1 Möbiustransformationen............................. 1 2.2
Mehr9. Übungsblatt zur Mathematik I für Maschinenbau
Fachbereich Mathematik Prof. Dr. M. Joswig Dr. habil. Sören Kraußhar Dipl.-Math. Katja Kulas 9. Übungsblatt zur Mathematik I für Maschinenbau Gruppenübung WS /..-4.. Aufgabe G (Koordinatentransformation)
Mehr