Mathcad Funktionen für Electronic Engineering

Größe: px
Ab Seite anzeigen:

Download "Mathcad Funktionen für Electronic Engineering"

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 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...

Mehr

Inverse Tschebyscheff Tiefpassfilter

Inverse Tschebyscheff Tiefpassfilter Inverse Tschebyscheff Tiefpassfilter Inverse Tschebyscheff-Tiefpassfilter (Tschebyscheff Typ-) werden dort verwendet wo eine hohe Flankensteilheit bei maximal flachem mplitudengang im Durchlassbereich

Mehr

Filterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11

Filterentwurf. 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 /

Mehr

Gedächtnisprotokoll zur ADELE-Klausur vom (Prof. Orglmeister)

Gedächtnisprotokoll 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,

Mehr

Digitale Signalverarbeitung, Vorlesung 7 - IIR-Filterentwurf

Digitale 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

Mehr

Analoge und digitale Filter

Analoge und digitale Filter Technische Universität Ilmenau Fakultät Elektrotechnik und Informationstechnik FG Nachrichtentechnik Übungsaufgaben zur Lehrveranstaltung Analoge und digitale Filter Filter. Ordnung. Betrachtet wird ein

Mehr

Vortrag 20: Kurze Vektoren in Gittern

Vortrag 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

Mehr

AUFGABENSAMMLUNG ZU VEKTORRECHNUNG FÜR USW

AUFGABENSAMMLUNG 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

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

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

x 1 + u y 2 = 2 0 x 2 + 4u 2.

x 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 [ ]

Mehr

Elektronik Prof. Dr.-Ing. Heinz Schmidt-Walter

Elektronik 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,

Mehr

Relativistische Bahnkurven und Cauerfilter. Dr.-Ing. Klaus Huber Sesenheimer Str Berlin

Relativistische 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

Mehr

Filterentwurf. Aufgabe

Filterentwurf. Aufgabe Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich

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

Physikalische Messtechnik und Elektronik

Physikalische 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,

Mehr

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

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

Mehr

03. Vektoren im R 2, R 3 und R n

03. 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

Mehr

03. Vektoren im R 2, R 3 und R n

03. 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

Mehr

Matrizen und Determinanten, Aufgaben

Matrizen 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

Mehr

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

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

Mehr

2.9 Die komplexen Zahlen

2.9 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

Mehr

sie ist also eine Lösung der Differenzialgleichung y 0 = Ay. Bei x = 0 sind diese n Spalten auch linear unabhängig, da ja

sie 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

Mehr

Fourierreihen periodischer Funktionen

Fourierreihen 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

Mehr

Hilfsblätter Lineare Algebra

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

Mehr

Nachrichtentechnik [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 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..................................

Mehr

T n (1) = 1 T n (cos π n )= 1. deg T n q n 1.

T 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

Mehr

Aktiver Tiefpass mit Operationsverstärker

Aktiver 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

Mehr

Komplexe Zahlen. Allgemeines. Definition. Darstellungsformen. Umrechnungen

Komplexe 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.

Mehr

Antialiasing-Filter. Die erforderliche Dämpfung des Antialiasingfilters bei der halben Abtastfrequenz errechnet sich nach (bei N-Bit ADU): f f.

Antialiasing-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

Mehr

09. Lineare Abbildungen und Koordinatentransformationen

09. 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

Mehr

Grundlagen der Signalverarbeitung

Grundlagen 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:

Mehr

7.2 Die adjungierte Abbildung

7.2 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.)

Mehr

Die Interpolationsformel von Lagrange

Die 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

Mehr

Skalarprodukte (Teschl/Teschl Kap. 13)

Skalarprodukte (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 +

Mehr

19. Frequenzgangkorrektur am Operationsverstärker

19. 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

Mehr

Fachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen

Fachbereich 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

Mehr

Komplexe Funktionen für Studierende der Ingenieurwissenschaften

Komplexe 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,

Mehr

x 1 + u y 2 = 2 0 x 2 + 4u 2.

x 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

Mehr

18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1

18 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

Mehr

Lösungsvorschlag zur Modulprüfung Numerische Methoden Sommersemester 2016

Lösungsvorschlag 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

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 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

Mehr

Inhaltsverzeichnis. Inhalt. Einleitung Vektoralgebra

Inhaltsverzeichnis. 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

Mehr

SV1: Aktive RC-Filter

SV1: 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

Mehr

Kurzskript zur Vorlesung Mathematik I für MB, WI/MB und andere Prof. Dr. Ulrich Reif

Kurzskript 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

Mehr

GRUNDLAGEN MATHEMATIK

GRUNDLAGEN 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

Mehr

Orthonormalbasis. Orthogonalentwicklung

Orthonormalbasis. 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

Mehr

LINEARE ALGEBRA UND ANALYSIS FÜR FUNKTIONEN EINER VARIABLEN

LINEARE 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

Mehr

Lösungsvorschläge zur Klausur

Lösungsvorschläge 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

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur 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:

Mehr

Elliptische Funktionen, elliptische Kurven und Modulformen Die Weierstraß sche -Funktion. Carina Sobotta

Elliptische 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

Mehr

a 2β... a n ω alle Permutationen von α β γ... ω a 3 γ ( 1) k a 1α

a 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

Mehr

Probeklausur Lineare Algebra für Physiker

Probeklausur 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:.................................

Mehr

Inhalt. 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 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

Mehr

Stefan Ruzika. 24. April 2016

Stefan 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

Mehr

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

8.7 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) = 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.

Mehr

Praktikum zur Vorlesung: Numerische Mathematik für Lehramt SS Matlab: Fortsetzung. Jan Mayer. 4. Mai 2006

Praktikum 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.

Mehr

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

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

Mehr

Kapitel 3 Lineare Algebra

Kapitel 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

Mehr

Versuch 5: Filterentwurf

Versuch 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

Mehr

G S. p = = 1 T. =5 K R,db K R

G 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

Mehr

Simulation einer Mikrostreifenleitung mit Tiefpasscharakteristik. Khaoula Guennoun Torsten Finger Jan-Frederic Overbeck

Simulation 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

Mehr

Serie 12: Eigenwerte und Eigenvektoren

Serie 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

Mehr

KAPITEL 5. Nichtlineare Gleichungssysteme

KAPITEL 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

Mehr

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (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 =

Mehr

Hauptachsentransformation: Eigenwerte und Eigenvektoren

Hauptachsentransformation: 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

Mehr

1.7 Die schnelle Fourier-Transformation (FFT)

1.7 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

Mehr

Lösungen Serie 2. D-MAVT Lineare Algebra II FS 2018 Prof. Dr. N. Hungerbühler 1 0 1? 0 1 1

Lösungen 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

Mehr

Lineare Algebra II 11. Übungsblatt

Lineare 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

Mehr

Lösung zu Serie [Aufgabe] Faktorisieren Sie die folgenden Polynome so weit wie möglich:

Lösung 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

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

Klausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5

Klausurenkurs 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

Mehr

Mathematik für Studierende der Fachrichtungen Biologie, Chemie, Lebensmittelchemie und Erziehungswissenschaften Blatt 2

Mathematik 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

Mehr

2. Aufgabe Vereinfachen Sie die folgenden Ausdrücke so, dass möglichst wenige Multiplikationen ausgeführt werden müssen!

2. 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)

Mehr

ZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1.

ZHAW, 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

Mehr

1. 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. 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

Mehr

Zeitdiskrete Signalverarbeitung

Zeitdiskrete Signalverarbeitung Zeitdiskrete Signalverarbeitung Ideale digitale Filter Dr.-Ing. Jörg Schmalenströer Fachgebiet Nachrichtentechnik - Universität Paderborn Prof. Dr.-Ing. Reinhold Haeb-Umbach 7. September 217 Übersicht

Mehr

entspricht der Länge des Vektorpfeils. Im R 2 : x =

entspricht 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.

Mehr

Grundlagen der Vektorrechnung

Grundlagen 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

Mehr

4.1. Vektorräume und lineare Abbildungen

4.1. 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

Mehr

8.7 Die schnelle Fourier-Transformation

8.7 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.

Mehr

ÜBUNG 4: ENTWURFSMETHODEN

ÜBUNG 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!

Mehr

Addition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):

Addition, 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

Mehr

Mathematik-1, Wintersemester Vorlesungsplan, Übungen, Hausaufgaben

Mathematik-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.

Mehr

Bericht zur Mathematischen Zulassungsprüfung im Mai 2010

Bericht 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

Mehr

Harmonische Schwingung

Harmonische 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

Mehr

12 3 Komplexe Zahlen. P(x y) z = x + jy

12 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)

Mehr

Filtertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski

Filtertypen 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

Mehr

Drehung. Die orthogonale n n-matrix 1 0. c s. Zeile j. s c

Drehung. 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

Mehr

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

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

Mehr

Übungen zu Einführung in die Lineare Algebra und Geometrie

Übungen 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

Mehr

Mathematischer Vorkurs NAT-ING1

Mathematischer 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

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

Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT

Lösungen 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

Mehr

Aufgabenkomplex 4: Vektorfunktionen, Differenzialgleichungen, Eigenwertprobleme

Aufgabenkomplex 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

Mehr

Berechnung der Determinante

Berechnung 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,...,

Mehr

Dynamische Systeme und Zeitreihenanalyse // Komplexe Zahlen 3 p.2/29

Dynamische 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

Mehr

Die Modulgruppe SL(2, Z)

Die 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

Mehr

9. Übungsblatt zur Mathematik I für Maschinenbau

9. 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