Zusammenfassung der 4. Vorlesung. ensysteme. Mehrgrößensysteme

Größe: px
Ab Seite anzeigen:

Download "Zusammenfassung der 4. Vorlesung. ensysteme. Mehrgrößensysteme"

Transkript

1 Mehrgrößensysteme ensysteme Zusammenfassung der 4. Vorlesung Standardform für ffür r nicht steuerbare Systeme Pole Pole und und Nullstellen von von MIMO-Systemen Pole Pole der der Übertragungsmatrix? Smith-McMillan-Form einer rationalen Matrix Pole Pole der der Übertragungsmatrix anhand der der Smith- McMillan-Form der der Übertragungsmatrix Pole Pole der der Übertragungsmatrix des des 2-DOF 2 Hubschraubermodells Blockierungseigenschaft der der Nullstellen von von SISO-Systemen Systemen Nullstellen der der Übertragungsmatrix?

2 Pole und Nullstellen von MIMO-Systemen (11) Diese Definition ist ist aus aus folgenden Gründen problematisch: folgenden Gr Die Die Determinante ist ist nicht mehr eindeutig definiert, wenn Elemente der der Übertragungsmatrix Pole Pole bei bei n i haben, i da da diese Elemente dann unendlich groß werden. Vielfachheiten einer Nullstelle können k nicht bestimmt werden. Bei Bei der der Bildung von von det detg(s G(s) können Pol- Pol-Nullstellenkürzungen auftreten. Welche Nullstellen hat hat die die Übertragungsmatrix, wenn der der Normalrang von von G(s) < m ist??? Das letzte Problem kann mit dieser Definition gelöst werden: Die Nullstellen der Übertragungsmatrix G(s) sind die komplexen Zahlen n i für die Rang G(n i )<Normalrang G(s) gilt.

3 Pole und Nullstellen von MIMO-Systemen (12) Alle Alle angesprochene Problem treten nicht auf, auf, wenn man man auch die die Nullstellen mit mit Hilfe der der Smith-McMillan-Normalform der der Über- tragungsmatrix definiert. Nullstellen der Übertragungsmatrix DieNullstellenderelementarenZählerpolynomeZ i (s), i= 1,..., ρ der Smith McMillan Normalform von G(s) mit ρ dem Normalrang von G(s) sind die Nullstellen der Übertragungsmatrix G(s) bzw. die Übertragungsnullstellen eines Systems (A,B,C).

4 Pole und Nullstellen von MIMO-Systemen (13) Beispiel 2.4 im im Skript Nullstellen Nullstellen bei bei s s = 1 Nullstelle Nullstelle bei bei s s =

5 Pole und Nullstellen von MIMO-Systemen (14) Eigenschaften der Nullstellen der Übertragungsmatrix Die Die Übertragungsnullstellen stimmen in in der der Regel nicht mit mit den den Nullstellen der der Elemente G ij (s) ij (s) von von G(s) überein. Übertragungsnullstellen von von Mehrgrößensystemen ensystemen können k dieselben Werte wie wie Übertragungspole aufweisen. Nichtquadratische Übertragungsmatrizen (unterschiedliche Anzahl von von Ein- Ein-und Ausgängen) haben in in der der Regel keine Übertragungsnullstellen. Die Die Übertragungsmatrix hat hat keine Nullstellen, wenn die die Anzahl der der Ausgänge gleich der der Anzahl der der Zustände ist. ist. Die Die Übertragungsmatrix wird wirdminimalphasig genannt, wenn alle alle Übertragungsnullstellen negative Realteile haben.

6 Pole und Nullstellen von MIMO-Systemen (15) Nullstellen der Rosenbrock-Systemmatrix Invariante Nullstellen Die Nullstellen der invarianten Polynome (Elementarpolynome)p 1 (s),...,p r (s)derrosenbrock Systemmatrix P(s), wobei r der Normalrang von P(s) ist, sind die Invarianten Nullstellen (IN) eines Systems (A,B,C). Für r Systeme mit Normalrang P(s) P = n+m,, können k die Invarianten Nullstellen auch mit Hilfe von berechnet werden. det P(s)=0 *Der *Der Name Name Invariante Invariante Nullstellen Nullstellen bezieht bezieht sich sich auf auf deren deren Zusammenhang Zusammenhang mit mit den den invarianten invarianten Polynomen Polynomen und und nicht nicht auf auf deren deren Invarianzeigenschaften Invarianzeigenschaften und und soll soll daher daher als als Eigenname Eigenname verstanden verstanden werden. werden.

7 Pole und Nullstellen von MIMO-Systemen (16) Nullstellen der Rosenbrock-Systemmatrix (2) (2) Entkopplungsnullstellen Die nicht steuer- und beobachtbaren Eigenwerte eines Systems (A,B,C) werden auch als Entkopplungsnullstellen (EN) bezeichnet. Eingangsentkopplungsnullstelle DiekomplexenZahlens 0,die Rang [s 0 I A, B] < n erfüllen, sind die Eingangs Entkopplungsnullstellen(EEN) eines linearen Systems(A,B,C). {EN} = {EEN,AEN} {EAEN} Ausgangsentkopplungsnullstelle DiekomplexenZahlens 0,die [ ] s0 I A Rang < n C erfüllen, sind die Ausgangs Entkopplungsnullstellen(AEN) eines linearen Systems(A,B,C). Komplexe Zahlen, die die beide beide Bedingungen erfüllen werden Eingangs- Ausgangs-Entkopplungsnullstellen (EAEN) genannt.

8 Pole und Nullstellen von MIMO-Systemen (16a) Alternative Definition:

9 Pole und Nullstellen von MIMO-Systemen (17) Zusammenhang zwischen IN IN und ÜN Durch Anwendung der SCHUR-Formel det R S T U =det R det [ U TR 1 S ], (det R 0) auf det P(n i )=0 folgt det n i I A B C 0 =det (n i I A) det [ 0 C(ni I A) 1 B ] =0 =det (n i I A) det G(n i )=0 Übertragungsnullstellen sind auch Invariante Nullstellen

10 Pole und Nullstellen von MIMO-Systemen (18) Zusammenhang zwischen IN IN und EN Aus Rang [n i I A, B] < n folgt Rang n ii A B C 0 <n+m und aus Rang [ ni I A C ] < n folgt Rang n ii A B C 0 <n+m {IN} = {ÜN} {EN} Entkopplungsnullstellen sind sind auch Invariante Nullstellen

11 Pole und Nullstellen von MIMO-Systemen (19) Anzahl der Nullstellen von MIMO-Systemen Anzahl der der Eingangsentkopplungsnullstellen n Rang Q S Anzahl der der Ausgangsentkopplungsnullstellen n Rang Q B

12 Pole und Nullstellen von MIMO-Systemen (20) Anzahl der Nullstellen von MIMO-Systemen (2) (2) Anzahl der der Invarianten Nullstellen Normalrang P(s)=n+m

13 Pole und Nullstellen von MIMO-Systemen (21) Anzahl der Nullstellen von MIMO-Systemen (3) (3) 2-DOF Hubschraubermodell A= B = 5,765 0,326 0,651 2,786 CB= 0 Rangdefekt d = 2 C = Anzahl der der IN IN n-m-d d = 0 Das Das Zustandsmodell des des Hubschraubers ist ist vollständig steuer- und und beobachtbar.

14 Pole und Nullstellen von MIMO-Systemen (22) Invarianzeigenschaften der Invarianten Nullstellen Die Die Invarianten Nullstellen werden durch durch unimodulare Transformationen, die die auf auf die die Rosenbrock-Systemmatrix angewendet werden, nicht nicht verändert. regulären ren Transformationen des Eingangsvektors w(t)=v 1 u(t) (A, B) (A, BV) regulären ren Transformationen des Zustandsvektors x(t)=tx(t) (A,B,C) (TAT 1,TB,CT 1 ) einer Zustandsrückf ckführung u(t)= Kx(t)+w(t) (A, B) (A BK, B)

15 Pole und Nullstellen von MIMO-Systemen (23) Invarianzeigenschaften der Invarianten Nullstellen (2) (2) Beweis der der Invarianz gegenüber Zustandsrückführungen: Die Rosenbrock-Systemmatrix P g (s) des geschlossenen Kreises lautet: P g (s) = P g (s) = [ si (A BK) B C 0 Diese Matrix kann in folgendes Matrizenprodukt zerlegt werden: [ si A B C 0 ] [ ] I 0 K I ] unimodulare Matrix mit mit det det = 1 Die Die Invarianten Nullstellen können k durch eine eine Zustandsrückführungen nicht verändert werden!!!!!!

16 Pole und Nullstellen von MIMO-Systemen (24) Invarianzeigenschaften der Übertragungsnullstellen Da Da die die Übertragungsnullstellen ein ein Teil Teil der der Invarianten Nullstellen sind, verfügen sie sie bis bis auf auf eine eine Ausnahme über dieselben Invarianzeigenschaften wie wie die die Invarianten Nullstellen. Ausnahme: Ein Ein beobachtbarer Eigenwert kann durch eine eine Zustandsrückführung unbeobachtbar gemacht werden, indem man man diesen auf auf eine eine Übertragungsnullstelle legt legt und und so so kompensiert. Innerhalb der der Invarianten Nullstellen wird wird dann aus aus einer Übertragungsnullstelle eine eine Ausgangs Entkopplungsnullstelle. Die Die Anzahl der der ÜN ÜN kann durch ein ein Zustandsrückführung verändert werden.

17 Pole und Nullstellen von MIMO-Systemen (25) Beispiel 2.4 im im Skript % Beispiel 2.4 in Skript " I % Nullstellen Nullstellen bei bei s s = 1 s = sym('s'); z11 = (s-1); z12 = 4*(s+1); G z21 = 4.5*(s+1); z22 = 2*(s-1); = [ H_s = (s+1)*(s+2); [ 1/(s+1)/(s+2)*(s-1), 4/(s+2) 4/(s+2) ]] [ Z=[ z11 z12; z21 z22] [ 9/2/(s+2)), 1/(s+1)/(s+2)*(2*s-2)] G=1/H_s*Z % % Bestimmung der Smith'schen Normalform S = % mit der Maple-Funktion Smith [[ 1, 1, 0 ]] % [[ 0, 0, 1/2/*(s+2)*(2*s+1)] S=maple('smith',Z,s); S=factor(S) M=1/H_s*S M = [[ 1/(s+1)/(s+2), 0 ]] [[ 0, 0, 1/2/(s+1)*(2*s+1) ]] Nullstelle Nullstelle bei bei s s =

18 Pole und Nullstellen von MIMO-Systemen (26) Beispiel für f r die Verschiebbarkeit der Nullstellen der Elemente der Übertragungsmatrix anhand Beispiel 2.4 % % Bestimmung der Übertragungsmatrix für U(s) = -K Y(s) + Z(S) % k11=sym('k11'); [ s + 2 k22 s - 8 k22 [ s + 2 k22 s - 8 k22 k12=sym('k12'); [ [ k21=sym('k21'); k22=sym('k22'); [9 s [9 s K=[k11 k12; k21 k22] [ [ G_g=inv(eye(2)+G*K)*G; G_g=simple(G_g); pretty(g_g) [ 2 ] [ 2 ] 8 k s + k12 s - 4 k12-2] 8 k s + k12 s - 4 k12-2] ] ] [ %1 %1 ] [ %1 %1 ] [ ] [ ] [ 2 ] [ 2 ] [9 s - 4 k21 s + 16 k s + k11 s - 4 k11-1 ] [9 s - 4 k21 s + 16 k s + k11 s - 4 k11-1 ] ] ] [ %1 %1 ] [ %1 %1 ] %1 := 2 s + 4 s k s + 2 k11 s + 8 k21 s + 10 s + 9 k12 k s %1 := 2 s + 4 s k s + 2 k11 s + 8 k21 s + 10 s + 9 k12 k s + 4 k11 s k22-4 k12 s k21-16 k11 k k k k11 s k22-4 k12 s k21-16 k11 k k k k12 k k12-2 k k12 k k12-2 k11

19 Pole und Nullstellen von MIMO-Systemen (27) Beispiel für f r die Verschiebbarkeit der Nullstellen der Elemente der Übertragungsmatrix anhand Beispiel 2.4 Übertragungsmatrix des des geschlossenen Kreises: [ 2 ] [ 2 ] [ s + 2 k22 s - 8 k s + k12 s - 4 k12-2] [ s + 2 k22 s - 8 k s + k12 s - 4 k12-2] [ ] [ ] [ %1 %1 ] [ %1 %1 ] [ ] [ ] [ 2 ] [ 2 ] [9 s - 4 k21 s + 16 k s + k11 s - 4 k11-1 ] [9 s - 4 k21 s + 16 k s + k11 s - 4 k11-1 ] [ ] [ ] [ %1 %1 ] [ %1 %1 ] Nullstelle des des Elementes G G11 (s) (s) wird wird durch RRückführung des des Ausganges y 1 auf 1 auf u 1 nicht 1 beeinflußt. Nullstelle des des Elementes G 11 (s) 11 (s) wird wird aber aber durch die die Rückführung des des Ausganges y 2 auf 2 auf u 2 beeinflußt. 2 Eine Eine beliebige Verschiebung der der Nullstellen der der Elemente der der Übertragungsmatrix ist ist durch eine eine statische Ausgangsrückführung nicht möglich.

Analyse und Entwurf von Mehrgrößenregelung im Frequenzbreich

Analyse und Entwurf von Mehrgrößenregelung im Frequenzbreich Fakultät Elektrotechnik und Informationstechnik Institut für Regelungs - und Steuerungstheorie Prof Dr-Ing habil Dipl Math Klaus Röbenack Analyse und Entwurf von Mehrgrößenregelung im Frequenzbreich Prof

Mehr

Entwurf durch Polvorgabe

Entwurf durch Polvorgabe Grundidee der Zustandsregelung Entwurf durch Polvorgabe Zustandsgröß ößen, innere Informationen aus dem Prozeß,, werden zurückgef ckgeführt. Vorteile: Bei Bei vollständiger Steuerbarkeit ist ist eine eine

Mehr

Zusammenfassung der 8. Vorlesung

Zusammenfassung der 8. Vorlesung Zusammenfassung der 8. Vorlesung Beschreibung und Analyse dynamischer Systeme im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit Unterscheidung:

Mehr

120 Minuten Seite 1. Einlesezeit

120 Minuten Seite 1. Einlesezeit 120 Minuten Seite 1 Einlesezeit Für die Durchsicht der Klausur wird eine Einlesezeit von 10 Minuten gewährt. Während dieser Zeitdauer ist es Ihnen nicht gestattet, mit der Bearbeitung der Aufgaben zu beginnen.

Mehr

MC-Serie 11: Eigenwerte

MC-Serie 11: Eigenwerte D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung

Mehr

Schriftliche Prüfung aus Systemtechnik am

Schriftliche Prüfung aus Systemtechnik am TU Graz, Institut für Regelungs- und Automatisierungstechni Schriftliche Prüfung aus Systemtechni am 29.0.206 Name / Vorname(n): Matriel-Nummer: Aufgabe A A2 A3 A4 A5 A6 A7 A8 Summe erreichbare Punte 2

Mehr

Flachheit Eine nützliche Methodik auch für lineare Systeme

Flachheit Eine nützliche Methodik auch für lineare Systeme Flachheit Eine nützliche Methodik auch für lineare Systeme Michael Zeitz Institut für Systemdynamik Universität Stuttgart Flachheits-Methodik [FLIESS et al. 92ff] Lineare SISO und MIMO Systeme M. Zeitz

Mehr

2. Übung: Lineare dynamische Systeme

2. Übung: Lineare dynamische Systeme 2. Übung: Lineare dynamische Systeme Aufgabe 2.. Gegeben sind die beiden autonomen Systeme und x (2.) {{ A 2 2 x. (2.2) {{ A 2 Berechnen Sie die regulären Zustandstransformationen x = V z und x = V 2 z,

Mehr

3 Determinanten, Eigenwerte, Normalformen

3 Determinanten, Eigenwerte, Normalformen Determinanten, Eigenwerte, Normalformen.1 Determinanten Beispiel. Betrachte folgendes Parallelogramm in der Ebene R 2 : y (a + c, b + d) (c, d) (a, b) x Man rechnet leicht nach, dass die Fläche F dieses

Mehr

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=

Lösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B := Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 2. Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: 0 2 0 0 0 2 0 0 0 0 0 0 0

Mehr

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,

Heinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche, Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat

Mehr

Aufgabe 1 (Klassifizierung von Systemen)

Aufgabe 1 (Klassifizierung von Systemen) Prof. L. Guzzella Prof. R. D Andrea 151-0591-00 Regelungstechnik I (HS 07) Musterlösung Übung 3 Systemklassifizierung, Systeme 1. Ordnung im Zeitbereich, Stabilitätsanalyse moritz.oetiker@imrt.mavt.ethz.ch,

Mehr

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von

1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von 1.11 Eigenwertproblem Anwendungen von Eigenwerten und Eigenvektoren Lineare Rekursionen Lineare Differentialgleichungssysteme Bestimmung von Wachstumsraten Bestimmung von Maximal- und Minimalwerten von

Mehr

Ausgewählte Lösungen zu den Übungsblättern 9-10

Ausgewählte Lösungen zu den Übungsblättern 9-10 Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt

Mehr

Moderne Methoden der Regelungstechnik

Moderne Methoden der Regelungstechnik Moderne Methoden der Regelungstechnik Professor Dr.-Ing. Ferdinand Svaricek Professur für Steuer und Regelungstechnik Fakultät für Luft und Raumfahrttechnik Universität der Bundeswehr München Vorwort Diese

Mehr

Institut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie

Institut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie Institut für Elektrotechnik und Informationstechnik Aufgabensammlung zur Systemtheorie Prof. Dr. techn. F. Gausch Dipl.-Ing. C. Balewski Dipl.-Ing. R. Besrat 05.04.2013 Übungsaufgaben zur Systemtheorie

Mehr

Lineare Algebra II 12. Übungsblatt

Lineare Algebra II 12. Übungsblatt Lineare Algebra II 12. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 13. / 14. Juli 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Probeklausur) Sprechen Sie über die Probeklausur

Mehr

Moderne Methoden der Regelungstechnik. Moderne Methoden der Regelungstechnik

Moderne Methoden der Regelungstechnik. Moderne Methoden der Regelungstechnik Vorlesung: Dozenten: Professor Ferdinand Svaricek,, PD PD Gunther Reißig ig Ort: Ort: 33/2301 Zeit: Zeit: Di Di 9.45 9.45 11.15 11.15 Uhr Uhr Seminarübungen: Dozent: PD PD Gunther Reißig ig Ort: Ort: 036

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

Eigenwerte (Teschl/Teschl 14.2)

Eigenwerte (Teschl/Teschl 14.2) Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =

Mehr

Wiederholungsserie II

Wiederholungsserie II Lineare Algebra II D-MATH, FS 205 Prof. Richard Pink Wiederholungsserie II. Zeige durch Kopfrechnen, dass die folgende reelle Matrix invertierbar ist: 205 2344 234 990 A := 224 423 990 3026 230 204 9095

Mehr

Diplomhauptprüfung / Masterprüfung

Diplomhauptprüfung / Masterprüfung Diplomhauptprüfung / Masterprüfung "Regelung linearer Mehrgrößensysteme" 6. März 2009 Aufgabenblätter Die Lösungen sowie der vollständige und nachvollziehbare Lösungsweg sind in die dafür vorgesehenen

Mehr

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2,

a b Q = b a 0 ) existiert ein Element p Q, so dass gilt: q 1 q 2 = 2 b 1 b 2 a 1 b 2 a 2 b 1 a 1 a 2 b 1 b 2 a 1 b 2 a 2 b 1 a b p = 1 det(q) C 2 2, Aufgabe I Es sei Q die folgende Teilmenge von C 2 2 : { ( ) a b Q a, b C b a Hier bezeichnet der Querstrich die komplexe Konjugation Zeigen Sie: (a) Mit den üblichen Verknüpfungen + und für Matrizen ist

Mehr

Lösung 13: Unitäre Vektorräume und normale Abbildungen

Lösung 13: Unitäre Vektorräume und normale Abbildungen D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Lösung 13: Unitäre Vektorräume und normale Abbildungen 1. a) Im Folgenden sei γ : V V C die Abbildung γ(v, w) v + w 2 v w 2 i v + iw 2 + i v iw 2. : Wir

Mehr

Lineare Algebra II 3. Übungsblatt

Lineare Algebra II 3. Übungsblatt Lineare Algebra II 3. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 27./28. April 2011 Susanne Kürsten Tristan Alex Minitest Aufgabe M1 (Formale Polynome) Betrachten Sie die folgenden Polynome

Mehr

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr)

Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) WS 2011/12 Zentralübung zur Vorlesung Diskrete Strukturen (Prof. Mayr) Dr. Werner Meixner Fakultät für Informatik TU München http://www14.in.tum.de/lehre/2011ws/ds/uebung/ 18. Januar 2012 ZÜ DS ZÜ XII

Mehr

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg.

K. Eppler, Inst. f. Num. Mathematik Übungsaufgaben. 13. Übung: Woche vom (Lin.Alg. Übungsaufgaben 13. Übung: Woche vom 23. 1.-27. 1. 2017 (Lin.Alg. II): Heft Ü 3: 1.1.3; 1.1.7 (a,b); 1.1.8; 1.1.11; 3.4.3 (b); 1.3.3 (c); 1.2.3 (b,d); Hinweis 1: 3. Test (Integration, analyt. Geom.) ist

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

5 Minimalpolynom und charakteristisches Polynom

5 Minimalpolynom und charakteristisches Polynom 5 Minimalpolynom und charakteristisches Polynom 5.1 Lemma Sei A K n n. Dann ist λ K genau dann ein Eigenwert von A, wenn det(λe n A) = 0. 5.2 Beispiel ( ) 1 4 i) A = R 1 1 2 2 det(λe 2 A) = λ 1 4 1 λ 1

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

Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am

Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik. SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am Technische Universität Wien Institut für Automatisierungs- und Regelungstechnik SCHRIFTLICHE PRÜFUNG zur VU Automatisierung am 9.05.07 Arbeitszeit: 50 min Name: Vorname(n): Matrikelnummer: Note: Aufgabe

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 34 Die Diagonalisierbarkeit von Isometrien im Komplexen Satz 34.1. Es sei V ein endlichdimensionaler C-Vektorraum

Mehr

Lösung zum Übungsblatt - Steuerbarkeit und Beobachtbarkeit

Lösung zum Übungsblatt - Steuerbarkeit und Beobachtbarkeit Prof. Dr.-Ing. Jörg Raisch Dr.-Ing. Thomas Seel Fachgebiet Regelungssysteme Fakultät IV Elektrotechnik und Informatik Technische Universität Berlin Integrierte Veranstaltung Mehrgrößenregelsysteme Aufgabe

Mehr

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen.

Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. Definition: Lineare Abbildung Lineare Abbildungen Die wichtigste Klasse von Funktionen zwischen Vektorräumen sind die linearen Abbildungen. 8.1 Definition: Lineare Abbildung Eine Funktion f : V Ñ W zwischen

Mehr

Regelungstechnik 2. 4y Springer. Jan Lunze. Mehrgrößensysteme Digitale Regelung. 4., neu bearbeitete Auflage

Regelungstechnik 2. 4y Springer. Jan Lunze. Mehrgrößensysteme Digitale Regelung. 4., neu bearbeitete Auflage Jan Lunze Regelungstechnik 2 Mehrgrößensysteme Digitale Regelung 4., neu bearbeitete Auflage Mit 257 Abbildungen, 53 Beispielen, 91 Übungsaufgaben sowie einer Einführung in das Programmsystem MATLAB 4y

Mehr

Formelsammlung. für den Teilbereich Zustandsraumdarstellung der Vorlesung. Einführung in die Regelungstechnik

Formelsammlung. für den Teilbereich Zustandsraumdarstellung der Vorlesung. Einführung in die Regelungstechnik Formelsammlung für den Teilbereich Zustandsraumdarstellung der Vorlesung Einführung in die Regelungstechnik Diese Formelsammlung ist ein Auszug aus der Formelsammlung zur Systemtheorie-Vorlesung von Matthias

Mehr

Zusatzmaterial zu Kapitel 6

Zusatzmaterial zu Kapitel 6 ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)

Mehr

Polynome und rationale Funktionen

Polynome und rationale Funktionen Polynome und rationale Funktionen Definition. 1) Eine Funktion P : R R (bzw. P : C C) der Form P (x) = n a k x k = a 0 + a 1 x + a 2 x 2 +... + a n x n mit a k R (bzw. C) und a n 0 heißt Polynom vom Grad

Mehr

29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen.

29 Lineare Algebra 2 (SS 2009) 4.9. Das charakteristische Polynom sei Produkt von linearen Polynomen. 9 Lineare Algebra (SS 009) 49 Das charakteristische Polynom sei Produkt von linearen Polynomen 49 Das charakteristische Polynom sei Potenz eines linearen Polynoms Wir betrachten nun eine Matrix A, sodass

Mehr

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar.

6.3 Eigenwerte. γ ist Eigenwert von T [T] B B γi ist nicht invertierbar. Um zu zeigen, dass die irreduziblen Teiler eines reellen Polynoms höchstens den Grad 2 haben, fassen wir nun (x γ) und (x γ) zusammen und stellen fest, dass (x (a + b i))(x ((a b i)) = x 2 2a + (a 2 +

Mehr

Serie 3 - Komplexe Zahlen II

Serie 3 - Komplexe Zahlen II Analysis D-BAUG Dr. Meike Akveld HS 2015 Serie - Komplexe Zahlen II 1. Wir betrachten die komplexe Gleichung z 6 = 4 4i. a) Bestimmen Sie alle en z C dieser Gleichung. b) Zeichnen Sie die en in die komplexe

Mehr

Lineare Algebra II 6. Übungsblatt

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

Mehr

Zusammenfassung der 7. Vorlesung

Zusammenfassung der 7. Vorlesung Zusammenfassung der 7. Vorlesung Steuer- und Erreichbarkeit zeitdiskreter Systeme Bei zeitdiskreten Systemen sind Steuer-und Erreichbarkeit keine äquivalente Eigenschaften. Die Erfüllung des Kalmankriteriums

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

Musterlösung. 8 (unterschiedlich gewichtet, total 62 Punkte)

Musterlösung. 8 (unterschiedlich gewichtet, total 62 Punkte) BSc - Sessionsprüfung 6.8.8 Regelungstechnik II (5-59-) Prof. Dr. L. Guzzella Musterlösung Dauer der Prüfung: Anzahl der Aufgaben: Bewertung: Minuten 8 (unterschiedlich gewichtet, total 6 Punkte) Um die

Mehr

Lineare Algebra und analytische Geometrie II

Lineare Algebra und analytische Geometrie II Prof. Dr. H. Brenner Osnabrück SS 2016 Lineare Algebra und analytische Geometrie II Vorlesung 53 Norm von Endomorphismen und Matrizen Definition 53.1. Es seien V und W endlichdimensionale normierte K-

Mehr

Formelsammlung. Regelungstechnik 2

Formelsammlung. Regelungstechnik 2 Formelsammlung für den Teilbereich Digitale Regelungen der Vorlesung Regelungstechnik 2 Diese Formelsammlung wird so auch für den Prüfungsteil Digitale Regelungen ur Verfügung gestellt Michael Buchhol

Mehr

Erreichbarkeit und Zustandsregler

Erreichbarkeit und Zustandsregler Übung 5 Erreichbarkeit und Zustandsregler 5. Kriterium für die Erreichbarkeit Betrachtet wird wieder ein zeitkontinuierliches, lineares und zeitinvariantes System (LZI bzw. LTI : Linear Time Invariant)

Mehr

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10)

Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Vorlesung Mathematik für Ingenieure 3 (Wintersemester 2009/10) Kapitel 15: Eigenwerte und -vektoren Volker Kaibel Otto-von-Guericke Universität Magdeburg (Version vom 5. November 2009) Diagonalisierbarkeit

Mehr

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud.

Lineare Algebra für D-ITET, D-MATL, RW. Beispiellösung für Serie 12. Aufgabe Herbstsemester Dr. V. Gradinaru D. Devaud. Dr. V. Gradinaru D. Devaud Herbstsemester 15 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Beispiellösung für Serie 1 Aufgabe 1.1 1.1a) Sei A eine n n-matrix. Das Gleichungssystem Ax = b sei

Mehr

Explizite Formeln für rekursiv definierte Folgen

Explizite Formeln für rekursiv definierte Folgen Schweizer Mathematik-Olympiade Explizite Formeln für rekursiv definierte Folgen Aktualisiert: 6 Juni 014 In diesem Skript wird erklärt, wie man explizite Formeln für rekursiv definierte Folgen findet Als

Mehr

Zusatzmaterial zu Kapitel 4

Zusatzmaterial zu Kapitel 4 1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 1 Zusatzmaterial zu Kapitel 4 1 Ermittlung der Transitionsmatrix mit der Sylvester- Formel Wir nehmen an, dass das Zustandsmodell eines linearen

Mehr

Floquet Theorie II. 1 Einführung

Floquet Theorie II. 1 Einführung Vortrag zum Seminar Gewöhnliche Differentialgleichungen, 18.10.2011 Sebastian Monschang 1 Einführung Auf den Ergebnissen des ersten Vortrags basierend werden wir in diesem Vortrag gewöhnliche lineare Differentialgleichungssysteme

Mehr

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1)

Eigenwerte. Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) Eigenwerte 1 Eigenwerte und Eigenvektoren Ein Eigenwert einer quadratischen n n Matrix A ist ein Skalar λ C (eine komplexe Zahl) mit der Eigenschaft Ax = λx (1) für einen Vektor x 0. Vektor x heißt ein

Mehr

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1

Serie a) Welche der folgenden Vektoren sind Eigenvektoren der Matrix 1 0 1? 0 1 1 Prof. Norbert Hungerbühler Serie Lineare Algebra II ETH Zürich - D-MAVT. a Welche der folgenden Vektoren sind Eigenvektoren der Matrix? i (,,. ii (,,. iii (,,. iv (, 3,. v (,,. Ein Vektor v ist Eigenvektor

Mehr

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder

Scheinklausur, 2. Teil, Lineare Algebra I, WS 2001, Prof. Dr. G. Hiß. Ja oder Gruppe A Scheinklausur 2. Teil 15.2.2002 Lineare Algebra I WS 2001 Prof. Dr. G. Hiß Name: Matrikelnummer: Kreuzen Sie bei jeder Frage entweder Ja oder Nein oder nichts an. Auswertung der Multiple-Choice-Aufgaben:

Mehr

5. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main

5. Vorlesung. Systemtheorie für Informatiker. Dr. Christoph Grimm. Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main 5. Vorlesung Systemtheorie für Informatiker Dr. Christoph Grimm Professur Prof. Dr. K. Waldschmidt, Univ. Frankfurt/Main Letzte Woche: e jωt -Funktionen sind sinusförmige, komplexe Funktionen. Sie sind

Mehr

= [Entw. nach S1 ] 2 det = [Z2 Z 2 Z 1 ] 2 det = [Entw. nach Z1 ] 5 det = [Z1 Z 1 +Z 3 ] 5 det

= [Entw. nach S1 ] 2 det = [Z2 Z 2 Z 1 ] 2 det = [Entw. nach Z1 ] 5 det = [Z1 Z 1 +Z 3 ] 5 det Aufgabe 1 Wir wissen, dass sich die Determinante einer Matrix nicht verändert, wenn wir das Vielfache einer Spalte zu einer anderen Spalte bzw. das Vielfache einer Zeile zu einer anderen Zeile addieren.

Mehr

Serie 1: Eigenwerte & Eigenvektoren

Serie 1: Eigenwerte & Eigenvektoren D-MATH Lineare Algebra II FS 2017 Dr. Meike Akveld Serie 1: Eigenwerte & Eigenvektoren 1. Beweisen oder widerlegen Sie, dass die folgenden Paare von Matrizen über dem angegebenen Körper zueinander ähnlich

Mehr

Rückblick auf die letzte Vorlesung

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

Mehr

e At = e λt e (A λi)t.

e At = e λt e (A λi)t. Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LR-15) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, H 2016 Übung

Mehr

Musterlösung Donnerstag - Determinanten und Eigenwerte

Musterlösung Donnerstag - Determinanten und Eigenwerte Musterlösung Donnerstag - Determinanten und Eigenwerte 6. März Aufgabe : Zum Aufwärmen () Zeige, dass eine nilpotente Endomorphismus nur die Null als Eigenwert hat. Hinweis: Ein Endomorphismus heißt nilpotent,

Mehr

LINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017

LINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017 LINEARE ALGEBRA II (LEHRAMT GYMNASIUM) SOMMERSEMESTER 2017 CAROLINE LASSER Inhaltsverzeichnis 1. Euklidische Vektorräume 2 1.1. Skalarprodukte und Normen (26.4.) 2 1.2. Orthonormalisierung (3.5.) 2 1.3.

Mehr

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen

Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - Lösungen Lina II - Aufgaben zur Vorbereitung für die Klausur (Teil 1) - en Kommentare an HannesKlarner@FU-Berlinde FU Berlin SS 1 Dia- und Trigonalisierbarkeit Aufgabe (1) Gegeben seien A = i i C 3 3 und B = 1

Mehr

4 Lineare Algebra (Teil 2): Quadratische Matrizen

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

Mehr

Prüfung Lineare Algebra , B := ( ), C := 1 1 0

Prüfung Lineare Algebra , B := ( ), C := 1 1 0 1. Es seien 1 0 2 0 0 1 3 0 A :=, B := ( 1 2 3 4 ), C := 1 1 0 0 1 0. 0 0 0 1 0 0 1 0 0 0 0 Welche der folgenden Aussagen ist richtig? A. A und C haben Stufenform, B nicht. B. A und B haben Stufenform,

Mehr

3.7 Eigenwerte und Eigenvektoren

3.7 Eigenwerte und Eigenvektoren 3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,

Mehr

FORD RANGER Ranger_2013.5_Cover_V2.indd 1 12/02/2013 12:59

FORD RANGER Ranger_2013.5_Cover_V2.indd 1 12/02/2013 12:59 FORD RANGER 1 2 3 4 5 1.8 m3 6 7 8 9 10 11 3 7 8 5 1 2 4 6 9 10 12 13 3500kg 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 [Nm] 475 450 425 400 375 350 325 [kw] [PS] 180 245 165 224 150 204 135 184

Mehr

FORD RANGER _Ranger_2015.5_COVER_V2.indd /08/ :39:54

FORD RANGER _Ranger_2015.5_COVER_V2.indd /08/ :39:54 FORD RANGER 2 3 4 5 1.8 m3 6 7 8 9 10 11 1 4 6 10 9 7 2 8 5 3 12 13 3500kg 14 15 16 17 18 19 20 21 22 23 24 25 26 28 28 29 29 [Nm] 475 [kw] [PS] 180 245 30 450 425 400 375 165 224 150 204 135 184 31 350

Mehr

FORD RANGER _Ranger_2015.5_COVER_V2.indd /08/ :39:54

FORD RANGER _Ranger_2015.5_COVER_V2.indd /08/ :39:54 FORD RANGER 2 3 4 5 1.8 m3 6 7 8 9 10 11 3 7 8 5 1 2 4 6 9 10 12 13 3500kg 14 15 16 17 18 19 20 21 22 23 24 25 26 28 28 29 29 [Nm] 475 [kw] [PS] 180 245 30 450 425 400 375 165 224 150 204 135 184 31

Mehr

Körper- und Galoistheorie

Körper- und Galoistheorie Prof. Dr. H. Brenner Osnabrück SS 2011 Körper- und Galoistheorie Vorlesung 8 Erzeugte Algebra und erzeugter Körper Satz 8.1. Sei K L eine Körpererweiterung und sei f L ein algebraisches Element. Dann ist

Mehr

c r Addiert man nun beide Reihendarstellungen, so folgt f (ζ) Nach dem Cauchyschen Integralsatz gilt dann auch

c r Addiert man nun beide Reihendarstellungen, so folgt f (ζ) Nach dem Cauchyschen Integralsatz gilt dann auch Residuen V Beweis Einsetzen in das Kurvenintegral über c r ergibt demnach f (ζ) 2πi ζ z dζ = f (ζ) 2πi (ζ z 0 ) c r k= c r k+ dζ Addiert man nun beide Reihendarstellungen, so folgt a k (z z 0 ) k, r z

Mehr

Lösungen Test 1 - Lineare Algebra

Lösungen Test 1 - Lineare Algebra Name: Seite: Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Test - Lineare Algebra Dozent: R. Burkhardt Büro: 4. Klasse:. Studienjahr Semester: Datum: HS 8/9 Bemerkung Alle Aufgaben

Mehr

Mathematik für Physiker, Informatiker und Ingenieure

Mathematik für Physiker, Informatiker und Ingenieure Mathematik für Physiker, Informatiker und Ingenieure Folien zu Kapitel V SS 2010 G. Dirr INSTITUT FÜR MATHEMATIK UNIVERSITÄT WÜRZBURG dirr@mathematik.uni-wuerzburg.de http://www2.mathematik.uni-wuerzburg.de

Mehr

Springer-Lehrbuch. Regelungstechnik 2. Mehrgrößensysteme, Digitale Regelung. von Jan Lunze. Neuausgabe

Springer-Lehrbuch. Regelungstechnik 2. Mehrgrößensysteme, Digitale Regelung. von Jan Lunze. Neuausgabe Springer-Lehrbuch Regelungstechnik 2 Mehrgrößensysteme, Digitale Regelung von Jan Lunze Neuausgabe Regelungstechnik 2 Lunze schnell und portofrei erhältlich bei beck-shop.de DIE FACHBUCHHANDLUNG Thematische

Mehr

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 13. (A ± I)x = 0 Ax ± x = 0 Ax = ±x Ax = λx

D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung. Musterlösung 13. (A ± I)x = 0 Ax ± x = 0 Ax = ±x Ax = λx D-INFK Lineare Algebra HS 2017 Özlem Imamoglu Olga Sorkine-Hornung Musterlösung 13 1. Die Matrix A±I ist singulär falls es einen Vektor x 0 gibt der die Gleichung (A±I)x = 0 erfüllt, d.h. wenn A ± I als

Mehr

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen

Übungen zum Ferienkurs Lineare Algebra 2015/2016: Lösungen Übungen zum Ferienkurs Lineare Algebra 5/6: Lösungen Darstellungsmatrizen. Bestimme die Darstellungsmatrix M B,B (f ) für die lineare Abbildung f : 3, die durch f (x, y, z) = (4x + y z, y + z) definiert

Mehr

Höhere Mathematik II für die Fachrichtung Physik

Höhere Mathematik II für die Fachrichtung Physik Karlsruher Institut für Technologie Institut für Analysis Dr. Christoph Schmoeger Dipl.-Math. Sebastian Schwarz SS 5 4.5.5 Höhere Mathematik II für die Fachrichtung Physik Lösungsvorschläge zum 4. Übungsblatt

Mehr

a x = y log a : R >0 R,

a x = y log a : R >0 R, 1.2.3 Gruppenhomomorphismen Es sei a > 1 eine reelle Zahl. Der Logarithmus von x R >0 zur Basis a ist bekanntlich diejenige Zahl y R, für die die Gleichung a x = y gilt. Man schreibt auch y = log a (x).

Mehr

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013

Aussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2012/2013 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

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

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9

Aussagenlogik. 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl. C: 2 ist eine Primzahl D: 7 7. F: 3 ist Teiler von 9 Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert

Mehr

Inhaltsverzeichnis INHALTSVERZEICHNIS 1

Inhaltsverzeichnis INHALTSVERZEICHNIS 1 INHALTSVERZEICHNIS 1 Inhaltsverzeichnis 1 Die Parabel 2 1.1 Definition................................ 2 1.2 Bemerkung............................... 3 1.3 Tangenten................................ 3 1.4

Mehr

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt.

(1) In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. () In dieser Aufgabe kreuzen Sie bitte nur die Antworten an, die Sie für richtig halten. Eine Begründung wird nicht verlangt. a) Es seien A und B beliebige n n-matrizen mit Einträgen in einem Körper K.

Mehr

Lineare Differenzengleichungen

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

Mehr

Lösungsskizze zur Wiederholungsserie

Lösungsskizze zur Wiederholungsserie Lineare Algebra D-MATH, HS Prof. Richard Pink Lösungsskizze zur Wiederholungsserie. [Aufgabe] Schreibe die lineare Abbildung f : Q Q 5, x +x +x x x +x +6x f x := x +x +8x x x +x +x. x +x +5x als Linksmultiplikation

Mehr

Zusammenfassung der 6. Vorlesung

Zusammenfassung der 6. Vorlesung Zusammenfassung der 6. Vorlesung Dynamische Systeme 2-ter Ordnung (PT 2 -System) Schwingungsfähige Systeme 2-ter Ordnung. - Systeme mit Speicher für potentielle und kinetische Energie - Beispiel: Feder-Masse-Dämpfer

Mehr

Jordansche Normalform - Beispielrechnung. 1 Beispielrechnung an einer komplexen Matrix

Jordansche Normalform - Beispielrechnung. 1 Beispielrechnung an einer komplexen Matrix Jordansche Normalform - Beispielrechnung Dieses kurze Skript soll die jordansche Normalform erklären die auch oft als Trigonalisierung von Matrizen bezeichnet wird da man die Matrix auf eine bestimmte

Mehr

12.3 Kommutierende Abbildungen

12.3 Kommutierende Abbildungen 12.3 Kommutierende Abbildungen Definition 12.3.1 Sei V ein endlichdimensionaler Vektorraum, und sei F eine Familie linearer Abbildungen V V mit UT = TU für alle U, T in F. Dann nennt man F eine Familie

Mehr

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

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

Mehr

JNF Rezept. 21. Juli 2006

JNF Rezept. 21. Juli 2006 JNF Rezept Simon Wood swood@student.ethz.ch. Juli 6 Was ist die Jordan Normalform? Die Jordan Normalform (JNF) ist die eifachst mögliche Darstellung einer Matrix bezüglich einer geeigneten Basis. Matrizen

Mehr

4 Eigenwerte und Eigenvektoren

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

Mehr

Klausur zur Vorlesung Lineare Algebra II, SoSe 2016,

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

Mehr

Systemtheorie. Vorlesung 6: Lösung linearer Differentialgleichungen. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann

Systemtheorie. Vorlesung 6: Lösung linearer Differentialgleichungen. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Systemtheorie Vorlesung 6: Lösung linearer Differentialgleichungen Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Einführung Viele technischen Anwendungen lassen sich zumindest näherungsweise

Mehr

5 Diagonalisierbarkeit

5 Diagonalisierbarkeit 5 Diagonalisierbarkeit Sei V ein K Vektorraum mit einer Basis B = (v 1,..., v n ) Wiederholung aus 2: Sei f : V V K linear. Stelle f(v j ) für j = 1,..., n dar in der Form a 1j Das n Tupel a j =. a nj

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

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J =

Jordan-Form. Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform. = Q 1 AQ 0 J k J = Jordan-Form Eine komplexe quadratische Matrix A lässt sich durch eine Ähnlichkeitstranformation auf die Blockdiagonalform J 1 0 J =... = Q 1 AQ 0 J k transformieren. Jordan-Form 1-1 Jordan-Form Eine komplexe

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