Differentialgleichungen für Ingenieure WS 06/07

Größe: px
Ab Seite anzeigen:

Download "Differentialgleichungen für Ingenieure WS 06/07"

Transkript

1 Differentialgleichungen für Ingenieure WS 06/07 5. Vorlesung, korrigierte Fassung Michael Karow Themen heute:. Gewöhnliche Lineare Differentialgleichungen. Ordnung mit konstanten Koeffizienten (a) Die Eigenwertmethode (b) Reelle Lösungen (c) Anwendung auf das Federpendel (d) Ansatz vom Typ der rechten Seite

2 Lösung von ẏ(t) = Ay(t) mit der Eigenwertmethode Problem: Finde die Lösungen der homogenen DGL ẏ(t) = Ay(t), y(t) C n, A C n n. Ansatz: y(t) = e λ t v mit λ C, v C n ( ) Aus dem Ansatz folgt: e λ t λv = ẏ(t) = Ay(t) = A(e λ t v) = e λ t Av Av = λv In Worten: Der Ansatz ( ) gibt genau dann eine Lösung, wenn λ Eigenwert von A und v der zugehörige Eigenvektor ist.

3 Lösung von ẏ(t) = Ay(t) mit der Eigenwertmethode Seien v,...,v r C n und λ,..., λ r C so dass Av k = λ k v k. Dann sind (wie auf der vorige Seite gezeigt) die Funktionen Lösungen von ẏ(t) = A y(t). y k (t) = e λ k t v k Superpositionsprinzip Alle Funktionen der Form y(t) = c y (t) + c 2 y 2 (t) c r y r (t) = c e λ t v + c 2 e λ 2 t v c r e λ r t v r, c, c 2,..., c r C sind ebenfalls Lösungen. Die Koeffizienten c k sind beliebig wählbar. In den meisten praktischen Fällen sind auf diese Weise alle Lösungen gegeben. Genaueres auf den folgenden Seiten.

4 Lösung von ẏ(t) = Ay(t) mit der Eigenwertmethode Angenommen, es gibt zu A C n n eine Basis v,v 2,...,v n C n von Eigenvektoren, so dass Av k = λ k v k. Dann bilden die Funktionen y k (t) = e λ k t v k ein Fundamentalsystem (eine Lösungsbasis) der obigen DGL, d.h. alle Lösungen sind von der Form y(t) = c y (t) + c 2 y 2 (t) c n y n (t) = c e λ t v + c 2 e λ 2 t v c n e λ n t v n, c, c 2,..., c n C. Grund: Es ist y(0) = c v + c 2 v c n v n. Um ein gegebenes AWP ẏ(t) = Ay(t), y(0) = v, lösen muss man die c k daher so bestimmen, dass v = c v + c 2 v c n v n. Wenn die v k eine Basis des C n bilden, ist dies stets möglich (siehe nächste Seite). Die c k sind die Koordinaten von v bezüglich der Basis v,...,v n.

5 Erinnerung and die 4. Vorlesung Linearkombinationen in Matrixschreibweise: v = c v + c 2 v c n v n = [ v,...,v n ] c. c n = V wobei V = [ v,...,v n ] C n n. Um die Koeffizienten c k zu bestimmen, muss man das lineare Gleichungssystem V c. c n = v lösen. Dies ist genau dann stets eindeutig möglich, wenn die Spaltenvektoren v k eine Basis bilden. Genau dann ist auch V invertierbar, und es gilt. c c n = V v. ( ) ( ) Nachteil der Formel ( ): Das Berechnen von V ist aufwendig. Direktes Lösen von ( ) ist schneller, wenn man die c k nur für einen oder wenige einzelne Vektoren v bestimmen will. c. c n,

6 Das bisherige Ergebnis in einer geschlossenen Formel Bisheriges Ergebnis: Wenn der C n eine Basis v,...,v n besitzt, so dass Av k = λ k v k, dann hat das AWP ẏ(t) = Ay(t), y(0) = v, die Lösung y(t) = c e λ t v + c 2 e λ 2 t v c n e λ n t v n, wobei V = [ v,...,v n ]. Umformung: c. y(t) = c e λ t v + c 2 e λ 2 t v c n e λ n t v n = [ v,...,v n ] = V = V e λ t... e λ t c. e λ n t c n e λ n t. c c n e λ t... V e λ n t }{{} =exp(a t) (siehe nächste VL) v c n = V v,

7 Matrizen ohne Basis von Eigenvektoren Wenn es zu jeder Matrix A eine Basis von Eigenvektoren geben würde, dann könnten wir mit der Eigenwertmethode stets alle Lösungen von ẏ = Ay finden. Leider ist dies nicht der Fall, wie folgendes Beispiel zeigt: Jordanblock der Dimension 4: J 4 (λ 0 ) = λ 0 λ 0 λ 0 λ 0 C 4 4, λ C. Der einzige Eigenwert ist λ 0. Der Eigenraum ist -dimensional, denn die einzigen Eigenvektoren sind die Vielfachen des ersten Standard-Basisvektors: λ 0 λ 0 λ 0 λ 0 z 0 0 = λ 0 0 z 0 0 z C. 0 Für diese Matrix gibt es also keine Basis von Eigenvektoren. Es gibt Lösungen der homogenen DGL ẏ = J 4 (λ 0 )y welche sich nicht als Linearkombination von Eigenvektorlösungen darstellen lassen. Frage: Wie sehen diese Lösungen aus? (Antwort auf der nächsten Seite) Bemerkung: Das charakteristische Polynom von J 4 (λ 0 ) ist χ(λ) = det(λ I J 4 (λ 0 )) = (λ λ 0 ) 4 Somit ist λ 0 4-fache Nullstelle des charakteristischen Polynoms. Die Eigenvektoren zum Eigenwert λ 0 bilden aber einen -dimensionalen Raum. Es ist also geometrische Vielfacheit von λ 0 = < 4 = algebraische Vielfachheit von λ 0.

8 Falls es zu wenig Eigenvektoren gibt... Falls es zur Matrix A keine Basis von Eigenvektoren gibt (z.b. wenn A ein Jordanblock ist), dann braucht man Hauptvektoren, um alle Lösungen von ẏ(t) = Ay(t) zu bekommen. Definition: v C n heisst Hauptvektor von A C n n zum Eigenwert λ C, falls (A λi) k v = 0 für eine k N ( ) Bemerkung: Eigenvektoren sind auch Hauptvektoren. Denn Av = λv 0 = Av λv = (A λi)v = (A λi) v. Hauptvektorlösungen: Wenn ( ) gilt, dann ist die Funktion y(t) = e λ t k j=0 t j j! (A λi)j v die Lösung des AWP ẏ(t) = Ay(t), y(0) = v. Beweis: siehe Ferus-Skript. Bemerkung: Die Vektoren v j := (A λi) j v bilden eine Jordankette. (siehe LinA-Vorlesung.)

9 Beispiel zu Hauptvektorlösungen: Betrachte die Matrix A = /2 /2 0 0 /2 3/ Das charakteristische Polynom von A ist χ(λ) = (λ 2) 3 (λ 7). Seien e,e 2,e 3,e 4 die kanonischen Basisvektoren. Das geübte Auge erkennt sofort: Nachrechnen ergibt aussserdem: e ist Eigenvektor zum Eigenwert 2, e 4 ist Eigenvektor zum Eigenwert 7. Alle Eigenvektoren zum Eigenwert 2 sind Vielfache von e. Man braucht also zwei linear unabängige Hauptvektoren zum Eigenwert 2. Zufälligerweise sind e 2 und e 3 solche Hauptvektoren, denn es gilt (A 2I) 3 e 2 = (A 2I) 3 e 3 = 0. Eine Lösungsbasis für die DGL ẏ = Ay ist also y (t) = e 2t e, y 2 (t) = e 2t ( e 2 + t(a 2I)e 2 + t2 2 (A 2I)2 e 2 ) y 3 (t) = e 2t ( e 3 + t(a 2I)e 3 + t2 2 (A 2I)2 e 3 ) y 4 (t) = e 7t e 4.,,

10 Rezept zur allgemeinen Lösung von ẏ(t) = Ay(t).. Bestimme die Eigenwerte λ C von A, d.h. die Nullstellen des charakteristischen Polynoms χ A (λ) = det(a λi). 2. Ist λ einfache Nullstelle, dann berechne einen Eigenvektor v, d.h. eine Lösung des Gleichungssystems (A λi)v = 0, v 0. Die zugehörige Basislösung ist y(t) = e λt v. 3. Ist λ eine k-fache Nullstelle, dann finde so viele linear unabhängige Eigenvektoren v,...,v r wie möglich. Es ist r k. Die zugehörigen Basislösungen sind y j (t) = e λt v j, j =,..., r. Ist r = k, dann ist nichts weiter zu tun. Ist r < k, dann finde zusätzliche, voneinander und von den schon gefundenen Eigenvektoren linear unabhängige Hauptvektoren v r+,...,v k. Diese sind Lösungen des linearen Gleichungssystems Bilde die Hauptvektorlösungen k y j (t) = e λ t j=0 t j (A λi) k v = 0. j! (A λi)j v j, j = r +,..., k. 4. Führe die Schritte 2,3 für jeden Eigenwert durch. Man erhält auf diese Weise eine Basis v,...,v n des C n und zugehörige Basislösungen y (t),...,y n (t). Zur Lösung des AWP ẏ(t) = Ay(t), y(0) = v berechne c,..., c n C, so dass und setze v = c v + c 2 v c n v n, y(t) = c y (t) + c 2 y 2 (t) c n y n (t).

11 Auf den nächsten Seiten werden folgende Notationen und Identitäten für komplexe Zahlen benutzt.. Sei z = z r + i z i, z r, z i R. Der Realteil von z ist R(z) = z r. Der Imaginärteil von z ist I(z) = z i. Die zu z konjugiert komplexe Zahl ist z = z r i z i = R(z) i I(z). 2. Man hat R(z) = (z + z), 2 I(z) = (z z). 2i 3. Die Polarkoordinatendarstellung von z ist z = z e iφ = z (cos(φ) + i sin(φ)), wobei z = zr 2 + z2 i, tan(φ) = z i/z r. 4. Für das Produkt zweier komplexer Zahlen z = z r + i z i, w = w r + i w i gilt: R(zw) = R(z)R(w) I(z)I(w), I(zw) = R(z)I(w) + I(z)R(w). Dies gilt sinngemäss auch, wenn w ein Vektor mit komplexen Einträgen ist.

12 Reelle Matrizen und nichtreelle Eigenwerte Angenommen, die reelle Matrix A R n n hat einen nichtreellen Eigenwert λ = α + iω, ω 0 mit Eigenvektor v: Konjugieren dieser Gleichung ergibt: Av = λv Av = λv, ( ). ( ) d.h.: auch λ = α iω ist Eigenwert, und zwar mit dem Eigenvektor v. Die zugehörigen Basislösungen sind y(t) = e λt v, y(t) = e λt v. Analog gilt für Hauptvektoren: (A λi) k v = 0 (A λi) k v = 0. Die zugehörigen Basislösungen sind k y(t) = e λ t j=0 t j j! (A λi)j v, y(t) = e λ t k j=0 t j j! (A λi)j v. Fazit: Die nichtreellen Eigenwerte einer reellen Matrix treten in konjugiert komplexen Paaren auf. Gleiches gilt für die zugehörigen Eigenvektoren, Hauptvektoren und Basislösungen. Zu den reellen Eigenwerten einer reellen Matrix gibt es natürlich stets reelle Eigenvektoren, Hauptvektoren und Basislösungen.

13 Im Folgenden nehmen wir an, dass die Matrix A R n n reell ist, und dass es zu A eine Basis von Eigenvektoren gibt. Dann müssen keine Hauptvektorlösungen betrachtet werden. Seien λ, λ,..., λ r, λ r die nichtreellen Eigenwerte von A und seien λ 2r+,..., λ 2r+p die reellen Eigenwerte, 2r + p = n. Die zugehörige Basis von Eigenvektoren sei v,v,...,v r,v r, }{{} nichtreell v 2r+,...,v }{{ 2r+p. } reell Alle Lösungen der DGL ẏ(t) = Ay(t) sind von der Form r ( ) p y(t) = c 2j e λ j t v j + c 2j e λ j t v j + c 2r+j e λ 2r+j t v 2r+j. j= Dabei können die c j, j =,..., n beliebige komplexe Zahlen sein. Im allgemeinen nehmen die Funktionen y(t) dann nichtreelle Werte an. Meistens ist man aber an Lösungen interessiert, die nur reelle Werte annehmen. Damit y(t) stets reell ist, muss gelten j= c 2j = c 2j, j =,..., r, c 2r+j R, j =,... p. Notationsvereinfachung: c 2j =: c j /2. Dann sind die reellen Lösungen also von der Form: y(t) = r ( ) (c j /2) e λ j t v j + (c j /2) e λ j t v j + j= p c 2r+j e λ 2r+j t v 2r+j j= = r j= 2 ( ) p c j e λ j t v j + c j e λ j t v j + c 2r+j e λ 2r+j t v 2r+j j= = r R ( ) p c j e λ j t v j + c 2r+j e λ 2r+j t v 2r+j j= komplex reell j=

14 Was bedeuten nichtreelle Eigenwerte und -Vektoren Wir haben eben gesehen, dass die DGL für jeden nichtrellen Eigenwert λ = α+iω, ω 0 mit Eigenvektor v C n spezielle Lösungen der Form y(t) = R ( c e λ t v ) ( ) = R c e (α+iω) t v, c = c r + i c i C hat. Für diese Lösungen gilt: = c r R ( e λ t v ) c i I ( e λ t v ). Die Komponenten des Vektors y(t) führen Cosinusschwingungen aus, die, falls α 0, durch den exponentiellen Vorfaktor e αt abgeschwächt oder verstärkt werden. 2. Der Vektor y(t) macht eine spiralförmige oder ellipsenförmige Bewegung in einer Ebene (=2-dimensionaler Unterraum des Phasenraums C n ). Beide Tatsachen werden auf den folgenden Seiten diskutiert.

15 Die Komponenten der Lösung y(t) = R(c e (α+iω) t v) Seien y k (t), v k die Komponenten der Lösung bzw. des Eigenvektors: y(t) = y (t)., v = v.. y n (t) v n Wir stellen nun c und die Komponenten v k in Polarkoordinaten dar: Dann folgt: c = c e i ψ, v k = v k e i φ k, y k (t) = R( c e (α+iω) t v k ) = R( c e i ψ e (α+iω) t v k e iφ k ) = R( c v k e iψ e αt e iω t e iφ k ) = e αt c v k R( e i(ω t+φ k+ψ) ) = e αt c v k cos(ω t + φ k + ψ).. Imaginärteil ω des Eigenwerts Kreisfrequenz. 2. Realteil α des Eigenwerts Verstärkungs- oder Dämpfungsfaktor. 3. Betrag von c Amplitude 4. Argument ψ von c Phasenverschiebung.

16 Die Bahn der Lösung y(t) = R(c e (α+iω) t v) im Phasenraum. Setze Dann ξ(t) = R( c e (α+iω) t ), η(t) = I( c e (α+iω) t ). y(t) = R(c e (α+iω) t v) = R(c e (α+iω) t ) R(v) I(c e (α+iω) t ) I(v) = ξ(t) R(v) η(t) I(v), und [ ] ξ(t) η(t) = [ ] R( c e (α+iω) t ) I( c e (α+iω) t ) [ R( c e = e α t iω t ] ) I( c e iω t ) Re(v) [ R(c) R(e = e α t iω t ) I(c) I(e iω t ] ) R(c) I(e iω t ) + I(c) R(e iω t ) [ ] R(c) cos(ωt) I(c) sin(ωt) = e α t R(c) sin(ω t) + I(c) cos(ω t) [ ] [ ] cos(ωt) sin(ωt) R(c) = e α t sin(ω t) cos(ω t) I(c) Im(v) Folgerung: Die Bahn y(t) liegt in der von den Vektoren R(v) und I(v) aufgespannten Ebene. Die Bewegung ist spiralförmig (wenn α 0) oder ellipsenförmig (wenn α = 0).

17 Beispiel: Das ungedämpfte Doppelpendel s u m s u m Bewegungsgleichung in Matrixform: ] [ ] [ ] [ü (s + s = 2 )/m s 2 /m u ü 2 s 2 /m 2 s 2 /m 2 u 2 }{{}}{{}}{{} ü G u Mit der Geschwindigkeit v = u R 2 bekommt man DGL. Ordnung: [ u v] [ ] [ 0 I u = I=Einheitsmatrix G 0 v] }{{}}{{} A y Die Matrix A R 4 4 hat 4 rein imaginäre Eigenwerte: λ = i ω, λ 2 = i ω 2, λ 3 = λ = i ω, λ 4 = λ 2 = i ω 2. Die allgemeine Lösung ist von der Form: ( [ ] ) ( y(t) = R c e i ω t u + R c 2 e i ω t i ω u komplexe Konstante Eigenvektor [ u2 i ω 2 u 2 Für den Fall m = m 2 =, s = s 2 = hat man zum Beispiel 3 ± [ ] 5 2 ω,2 =, u,2 = 2 5 Daraus liest man ab:. Fall: schnelle Schwingung, gegenphasige Schwingung der Massen 2. Fall: langsame Schwingung, gleichphasige Schwingung der Massen ] )

18 Anwendung der Ergebnisse auf das gedämpfte Federpendel Mit den Bezeichungen wie in der 4. VL lautet die DGL für die freie Schwingung des gedämpften Pendels: [ ] [ ] 0 u(t) ẏ(t) = y(t), y(t) =. s/m d/m v(t) }{{} =:A Das charakteristische Polynom ist χ A (λ) = λ 2 spur(a) λ + det(a) = λ 2 (d/m) λ + (s/m). Die Eigenwerte sind die Nullstellen von χ A, also λ,2 = 2 (d/m) ±, = 4 (d/m)2 (s/m). Die zugehörigen Eigenvektoren sind v,2 = [ λ,2 ]. Die Größe ist die sogenannte Diskriminante. Sie entscheidet darüber, von welchem Typ die Eigenwerte λ,2 sind. Es gibt 3 Fälle: < 0 : Eigenwerte sind nichtreell, Schwingfall = 0 : Eigenwerte sind gleich, aperiodischer Grenzfall > 0 : Eigenwerte sind reell und verschieden, Kriechfall.

19 Der Fall < 0 (Schwingfall): Matrix für das gedämpfte Federpendel: A = [ ] 0. Eigenwerte und -vektoren: s/m d/m λ,2 = δ ±, wobei = δ 2 (s/m), δ = 2 (d/m), [ ] v,2 =. λ,2 Wir betrachten den Fall < 0. Setze ω :=. Dann λ = δ + iω, λ 2 = δ iω = λ, v 2 = [ λ ] = v. Die Eigenwerte und Eigenvektoren sind nichtreell und konjugiert komplex. Die allgemeine Lösung der DGL ist daher: [ ] u(t) y(t) = = R ( ) c e v(t) λ t v, c C Einsetzen von λ, v und Ausrechnen ergibt: [ ] [ ]) u(t) y(t) = = R (c e v(t) ( δ+iω) t = e δ + iω δ t c c = c e iφ [ cos(ω t + φ) δ cos(ω t + φ) + ω sin(ω t + φ) ]. Daraus liest man ab: Das Pendel führt gedämpfte (δ > 0) oder ungedämpfte (δ = 0) Schwingungen aus.

20 Der Fall > 0 (Kriechfall): Matrix für das gedämpfte Federpendel: A = [ ] 0. Eigenwerte und -vektoren: s/m d/m λ,2 = δ ±, wobei = δ 2 (s/m), δ = 2 (d/m), [ ] v,2 =. λ,2 Wir betrachten den Fall < 0. Dann sind die Eigenwerte reell und verschieden. Die Eigenvektoren sind reell und linear unabhänging. Sie bilden daher eine Basis des R 2. Die allgemeine reelle Lösung der DGL ist: y(t) = c e λ t v + c 2 e λ 2 t v 2, c, c 2 R. Beide Eigenwerte sind negativ, denn < δ. Neue Bezeichnungen: Damit bekommt man [ ] u(t) y(t) = v(t) λ,2 = δ,2 = (δ ). = c e δ t [ δ ] + c 2 e δ 2 t [ δ 2 ] c, c 2 R. Daraus liest man ab: Die Bewegungen des Pendels enthalten 2 Anteile. Der eine fällt mit dem Faktor e δ t, der andere mit e δ 2 t. Je grösser, desto kleiner ist δ 2 = δ, d.h. desto langsamer ist das Abklingen des 2. Anteils.

21 Der Fall = 0 (aperiodischer Grenzfall): [ ] 0 Matrix für das gedämpfte Federpendel: A =. Eigenwerte und -vektoren: s/m d/m λ,2 = δ ±, wobei = δ 2 (s/m), δ = 2 (d/m), [ ] v,2 =. λ,2 Wir betrachten den Fall = 0. Dann sind die Eigenwerte und Eigenvektoren identisch: λ = λ 2 = δ, v = v 2. Alle weiteren Eigenvektoren sind Vielfache von v. Es gibt keine Basis von Eigenvektoren. Man braucht Hauptvektorlösungen. Alle Vektoren des C 2 sind Hauptvektoren, denn [ ] 2 (A λ I) 2 δ = δ 2 = 0. δ Ein vom Eigenvektor v linear unabhängiger Hauptvektor ist z.b. e = Die zugehörige Hauptvektorlösung ist e λ t ( t(a λ I)e + e ). [ ]. 0 Die allgemeine Lösung der DGL ist [ ] u(t) y(t) = v(t) = c e λ t v + c 2 e λt ( t(a λ I)e + e ), c, c 2 C [ ] = e δ t c + c 2 (δ t + ) c δ c 2 δ 2. t

22 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d = 0 : Eigenwerte rein imaginär, ungedämpfte Schwingung 0.5 d= imaginäre Achse

23 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d = 0.5 : Eigenwerte weder reell noch imaginär, gedämpfte Schwingung 0.5 d= imaginäre Achse

24 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d =.5 : Eigenwerte weder reell noch imaginär, gedämpfte Schwingung 0.5 d= imaginäre Achse

25 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d = 2 : Eigenwerte fallen zusammen, aperiodischer Grenzfall 0.5 d= imaginäre Achse

26 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d = 2. : Eigenwerte reell, starke Dämpfung, Kriechfall 0.5 d= imaginäre Achse

27 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d = 2.3 : Eigenwerte reell, starke Dämpfung, Kriechfall 0.5 d= imaginäre Achse

28 Wurzelortskurve: Eigenwerte (grün) des Pendels bei fester Masse (m = ) und Steifigkeit (s = ) und wachsender Dämpfung d d = 5 : Eigenwerte reell, starke Dämpfung, Kriechfall 0.5 d= imaginäre Achse

29 Die inhomogene DGL y(t) = Ay(t) + b(t) für spezielle Eingangsfunktionen b(t): Ansatz von Typ der rechten Seite Gesucht: eine partikuläre Lösung y p für die DGL ẏ(t) = Ay(t) + e µ t b. ( ) Ansatz: y p (t) = e µ t v. Aus dem Ansatz folgt: }{{} b(t) ẏ p (t) = µ e µ t v Ay p (t) + e µ t b = e µ t (Av + b) Gleichsetzen der linken und damit auch der rechten Seiten ergibt Umstellen ergibt: µv = Av + b. (µi A)v = b. ( ) ( ) ist ein lineares Gleichungssystem für die Einträge von v. Wenn µ kein Eigenwert von A ist, dann ist ( ) eindeutig lösbar, denn det(µi A) 0. Wenn µ ein Eigenwert ist (Resonanzfall), dann führt der Ansatz in den meisten Fällen nicht zum Ziel, und man braucht einen komplizierteren Ansatz der Gestalt: y p (t) = e µt (v 0 + v t v k t k ), wobei k groß genug. Dies wird in dieser VL nicht weiter verfolgt.

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

Anleitung zu Blatt 4 Differentialgleichungen I für Studierende der Ingenieurwissenschaften

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

Mehr

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

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

Mehr

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

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

Mehr

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

45 Eigenwerte und Eigenvektoren

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

Mehr

6 Eigenwerte und Eigenvektoren

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

Mehr

4.3 Anwendungen auf Differentialgleichungen

4.3 Anwendungen auf Differentialgleichungen 7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,

Mehr

4.7 Lineare Systeme 1. Ordnung

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

Mehr

9.4 Lineare gewöhnliche DGL

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

Mehr

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

5 Gewöhnliche Differentialgleichungen

5 Gewöhnliche Differentialgleichungen 5 Gewöhnliche Differentialgleichungen 5.1 Einleitung & Begriffsbildung Slide 223 Natürliches Wachstum Eine Population bestehe zur Zeit t aus N(t) Individuen. Die Population habe konstante Geburts- und

Mehr

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

Technische Universität München Zentrum Mathematik. Übungsblatt 7

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

Mehr

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

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung

Viele wichtige Operationen können als lineare Abbildungen interpretiert werden. Beispielsweise beschreibt die lineare Abbildung Kapitel 3 Lineare Abbildungen Lineare Abbildungen sind eine natürliche Klasse von Abbildungen zwischen zwei Vektorräumen, denn sie vertragen sich per definitionem mit der Struktur linearer Räume Viele

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

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

46 Eigenwerte und Eigenvektoren symmetrischer Matrizen

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

Mehr

5. Vorlesung Wintersemester

5. Vorlesung Wintersemester 5. Vorlesung Wintersemester 1 Bewegung mit Stokes scher Reibung Ein dritter Weg, die Bewegungsgleichung bei Stokes scher Reibung zu lösen, ist die 1.1 Separation der Variablen m v = αv (1) Diese Methode

Mehr

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

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

Mehr

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

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

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

Mehr

Lösung 05 Klassische Theoretische Physik I WS 15/16. y a 2 + r 2. A(r) =

Lösung 05 Klassische Theoretische Physik I WS 15/16. y a 2 + r 2. A(r) = Karlsruher Institut für Technologie Institut für theoretische Festkörperphsik www.tfp.kit.edu Lösung Klassische Theoretische Phsik I WS / Prof. Dr. G. Schön Punkte Sebastian Zanker, Daniel Mendler Besprechung...

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

Musterlösungen zur Linearen Algebra II Weihnachtszettel

Musterlösungen zur Linearen Algebra II Weihnachtszettel Musterlösungen zur Linearen Algebra II Weihnachtszettel Aufgabe. Welche der folgenden Matrizen 3 0 0 A = 0 4, B = 3, C = 0 0 0 6 0 0 0 sind über R und welche über C diagonalisierbar? Bestimmen Sie dazu

Mehr

6 Symmetrische Matrizen und quadratische Formen

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

Mehr

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

Blatt 1. Kinematik- Lösungsvorschlag

Blatt 1. Kinematik- Lösungsvorschlag Fakultät für Physik der LMU München Lehrstuhl für Kosmologie, Prof. Dr. V. Mukhanov Übungen zu Klassischer Mechanik (T1) im SoSe 011 Blatt 1. Kinematik- Lösungsvorschlag Aufgabe 1.1. Schraubenlinie Die

Mehr

Prüfungsvorbereitungskurs Höhere Mathematik 3

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

Mehr

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom

Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eigenwerte, Diagonalisierbarkeit, charakteristisches Polynom Eine Fragestellung, die uns im weiteren beschäftigen wird, ist das Finden eines möglichst einfachen Repräsentanten aus jeder Äquivalenzklasse

Mehr

4 Lineare Abbildungen Basisdarstellungen

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

Mehr

Lineare Algebra und analytische Geometrie I

Lineare Algebra und analytische Geometrie I Prof Dr H Brenner Osnabrück WS 205/206 Lineare Algebra und analytische Geometrie I Vorlesung 2 Ein guter Schüler lernt auch bei einem schlechten Lehrer Eigentheorie Unter einer Achsenspiegelung in der

Mehr

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

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

Mehr

Dierentialgleichungen 2. Ordnung

Dierentialgleichungen 2. Ordnung Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:

Mehr

Lösungsskizzen zur Klausur

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

Mehr

8. Übungsblatt Aufgaben mit Lösungen

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

Mehr

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

5. Übung zur Linearen Algebra II -

5. Übung zur Linearen Algebra II - 5. Übung zur Linearen Algebra II - en Kommentare an Hannes.Klarner@Fu-Berlin.de FU Berlin. SS 2. Aufgabe 7 5 A := 2. 3 2 (i) Berechne die Eigenwerte und Eigenvektoren von A. (ii) Ist A diagonalisierbar?

Mehr

5 Lineare Algebra (Teil 3): Skalarprodukt

5 Lineare Algebra (Teil 3): Skalarprodukt 5 Lineare Algebra (Teil 3): Skalarprodukt Der Begriff der linearen Abhängigkeit ermöglicht die Definition, wann zwei Vektoren parallel sind und wann drei Vektoren in einer Ebene liegen. Daß aber reale

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

2 Die Dimension eines Vektorraums

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

Mehr

Technische Universität München

Technische Universität München Technische Universität München Michael Schreier Ferienkurs Lineare Algebra für Physiker Vorlesung Montag WS 2008/09 1 komplexe Zahlen Viele Probleme in der Mathematik oder Physik lassen sich nicht oder

Mehr

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

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

Mehr

Komplexe Zahlen (Seite 1)

Komplexe Zahlen (Seite 1) (Seite 1) (i) Motivation: + 5 = 3 hat in N keine Lösung Erweiterung zu Z = 2 3 = 2 hat in Z keine Lösung Erweiterung zu Q = 2 / 3 ² = 2 hat in Q keine Lösung Erweiterung zu R = ± 2 ² + 1 = 0 hat in R keine

Mehr

Lineare Differenzen- und Differenzialgleichungen

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

Mehr

Lineare Differenzialgleichungen n-ter Ordnung mit konstanten Koeffizienten

Lineare Differenzialgleichungen n-ter Ordnung mit konstanten Koeffizienten Lineare Differenzialgleichungen n-ter Ordnung mit konstanten Koeffizienten Wir betrachten nun Lu = u (n) + a n 1 u (n 1) +... + a 1 u + a 0 u = b(t) wobei a 0, a 1,..., a n 1 R. Um ein FS für die homogene

Mehr

6 Hauptachsentransformation

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

Mehr

Prüfung zur Vorlesung Mathematik I/II

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

Mehr

x W x 3 W M 2 x 2 x 1

x W x 3 W M 2 x 2 x 1 Priv-Doz G Reißig, F Goßmann MSc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik LRT-5 Email: felixgossmann@unibwde Moderne Methoden der Regelungstechnik, HT 26 Übung - Lösung

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

Theoretische Fragen zu ausgewählten Themen in Lineare Algebra

Theoretische Fragen zu ausgewählten Themen in Lineare Algebra Theoretische Fragen zu ausgewählten Themen in Lineare Algebra { Oren Halvani, Jonathan Weinberger } TU Darmstadt 25. Juni 2009 Inhaltsverzeichnis 1 Determinanten................................................

Mehr

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

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

Mehr

Experimentalphysik E1

Experimentalphysik E1 Experimentalphysik E1 Erzwungene & gekoppelte Schwingungen Alle Informationen zur Vorlesung unter : http://www.physik.lmu.de/lehre/vorlesungen/index.html 10. Jan. 016 Gedämpfte Schwingungen m d x dt +

Mehr

Experimentalphysik II Elektromagnetische Schwingungen und Wellen

Experimentalphysik II Elektromagnetische Schwingungen und Wellen Experimentalphysik II Elektromagnetische Schwingungen und Wellen Ferienkurs Sommersemester 2009 Martina Stadlmeier 10.09.2009 Inhaltsverzeichnis 1 Elektromagnetische Schwingungen 2 1.1 Energieumwandlung

Mehr

Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften

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

Mehr

Musterlösungen zur Linearen Algebra II Übungsklausur

Musterlösungen zur Linearen Algebra II Übungsklausur Musterlösungen zur Linearen Algebra II Übungsklausur Aufgabe. Sei A R 3 3. Welche der folgenden Aussagen sind richtig? a Ist det(a =, dann ist A eine orthogonale Matrix. b Ist A eine orthogonale Matrix,

Mehr

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

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

Mehr

Klausur Mathematik I

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

Mehr

Gewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators

Gewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators Gewöhnliche Differentialgleichungen am Beispiel des harmonischen Oszillators Horst Laschinsky 12. Oktober 1999 Inhaltsverzeichnis 1 Gewöhnliche lineare homogene Differentialgleichungen 2. Ordnung mit konstanten

Mehr

Komplexe Zahlen. (a, b) + (c, d) := (a + c, b + d) (a, b) (c, d) := (a c b d, a d + b c)

Komplexe Zahlen. (a, b) + (c, d) := (a + c, b + d) (a, b) (c, d) := (a c b d, a d + b c) Komplexe Zahlen Wir betrachten Zahlenpaare (a, b, (c, d R und definieren eine Addition und eine Multiplikation wie folgt: (a, b + (c, d := (a + c, b + d (a, b (c, d := (a c b d, a d + b c Satz: R mit dieser

Mehr

10.2 Linearkombinationen

10.2 Linearkombinationen 147 Vektorräume in R 3 Die Vektorräume in R 3 sind { } Geraden durch den Ursprung Ebenen durch den Ursprung R 3 Analog zu reellen Vektorräumen kann man komplexe Vektorräume definieren. In der Definition

Mehr

Ausgewählte Lösungen zu den Übungsblättern 4-5

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

Mehr

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

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

Mehr

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

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

Mehr

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren

Länge eines Vektors und Abstand von zwei Punkten 2. 4 = 6. Skalarprodukt und Winkel zwischen Vektoren Länge eines Vektors und Abstand von zwei Punkten Aufgabe Bestimme die Länge des Vektors x. Die Länge beträgt: x ( ) =. Skalarprodukt und Winkel zwischen Vektoren Aufgabe Es sind die Eckpunkte A(; ), B(

Mehr

Theoretische Physik: Mechanik

Theoretische Physik: Mechanik Ferienkurs Theoretische Physik: Mechanik Blatt 4 - Lösung Technische Universität München 1 Fakultät für Physik 1 Zwei Kugeln und der Satz von Steiner Nehmen Sie zwei Kugeln mit identischem Radius R und

Mehr

[5], [0] v 4 = + λ 3

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

Mehr

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

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

Mehr

37 Gauß-Algorithmus und lineare Gleichungssysteme

37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Gauß-Algorithmus und lineare Gleichungssysteme 37 Motivation Lineare Gleichungssysteme treten in einer Vielzahl von Anwendungen auf und müssen gelöst werden In Abschnitt 355 haben wir gesehen, dass

Mehr

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

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

Mehr

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

Eigenwerte und Eigenvektoren

Eigenwerte und Eigenvektoren Vortrag Gmnasium Birkenfeld Von der mathematischen Spielerei zur technischen Anwendung Vortrag Gmnasium Birkenfeld. Vektoren und Matrizen Wir betrachten einen Punkt P (, ) in der Ebene eines rechtwinklig

Mehr

14 Lineare Differenzengleichungen

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

Mehr

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

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

Mehr

Vorkurs Mathematik B

Vorkurs Mathematik B Vorkurs Mathematik B Dr. Thorsten Camps Fakultät für Mathematik TU Dortmund 20. September 2011 Definition (R n ) Wir definieren: 1 Der R 2 sei die Menge aller Punkte in der Ebene. Jeder Punkt wird in ein

Mehr

6.2 Lineare Differentialgleichungen erster Ordnung

6.2 Lineare Differentialgleichungen erster Ordnung 98 6.2 Lineare Differentialgleichungen erster Ordnung Eine Differentialgleichung erster Ordnung heisst linear, wenn sie auf die Form y = p(x)y +q(x) (I) gebracht werden kann. Die DGL y = p(x)y (H) heisst

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

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

8 Tangenten an Quadriken

8 Tangenten an Quadriken 8 Tangenten an Quadriken A Geraden auf Quadriken: Sei A 0 eine symmetrische n n Matri und Q : t A + b t + c = 0 eine nicht leere Quadrik im R n, b R n, c R. g = p + R v R n ist die Gerade durch p mit Richtung

Mehr

(a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F.

(a) Bestimmen Sie die Matrixdarstellung dieser Abbildung bzgl. einer möglichst einfachen Basis von P n - (b) Bestimmen Sie die zu F duale Abbildung F. Übung. Wiederholen Sie die folgenden Begriffe und geben sie jeweils Beispiele (a) Vektorraum (b) Vektorraumhomomorphismus mit Spezialfällen (c) Basis (d) Dualraum (e) Duale Basis (f) Koordinatenabbildung

Mehr

Zusammenfassung zum Thema Vektor- und Matrizenrechnung

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

Mehr

Lineare Algebra und Analytische Geometrie I für die Fachrichtung Informatik

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

Mehr

Übungen zur Linearen Algebra 1

Übungen zur Linearen Algebra 1 Übungen zur Linearen Algebra 1 Wintersemester 2014/2015 Universität Heidelberg - IWR Prof. Dr. Guido Kanschat Dr. Dörte Beigel Philipp Siehr Blatt 10 Abgabetermin: Freitag, 16.01.2015, 11 Uhr Auf diesem

Mehr

Proseminar Lineare Algebra II, SS 11. Blatt

Proseminar Lineare Algebra II, SS 11. Blatt Blatt 1 1. Berechnen Sie die Determinante der Matrix 0 0 4 1 2 5 1 7 1 2 0 3 1 3 0 α. 2. Stellen Sie folgende Matrix als Produkt von Elementarmatrizen dar: 1 3 1 4 2 5 1 3 0 4 3 1. 3 1 5 2 3. Seien n 2

Mehr

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

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

Mehr

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger

Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Beispiellösungen zur Klausur Lineare Algebra bei Prof. Habegger Stefan Lell 2. Juli 2 Aufgabe. Sei t Q und A t = t 4t + 2 2t + 2 t t 2t 2t Mat 3Q a Bestimmen Sie die Eigenwerte von A t in Abhängigkeit

Mehr

Lösungen Serie 6 (Vektorräume, Skalarprodukt)

Lösungen Serie 6 (Vektorräume, Skalarprodukt) Name: Seite: 1 Fachhochschule Nordwestschweiz (FHNW) Hochschule für Technik Lösungen Serie 6 (Vektorräume, Skalarprodukt) Dozent: R. Burkhardt Büro: 4.613 Klasse: 1. Studienjahr Semester: 1 Datum: HS 28/9

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

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3

Klausurenkurs zum Staatsexamen (WS 2015/16): Lineare Algebra und analytische Geometrie 3 Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (WS 205/6): Lineare Algebra und analytische Geometrie 3 3. (Herbst 997, Thema 3, Aufgabe ) Berechnen Sie die Determinante der reellen Matrix 0 2 0 2 2

Mehr

0, v 6 = , v 4 = 1

0, v 6 = , v 4 = 1 Aufgabe 6. Linearkombinationen von Vektoren Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 : M = v =, v =, v 3 =, v 4 =, v 5 =, v 6 =. Zeigen Sie, dass sich jeder Vektor v i M, i =,,...,

Mehr

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

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

Mehr

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

Tutorium Mathematik II, M Lösungen

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

Mehr

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1

Mat(2 2, R) Wir bestimmen das charakterische Polynom 1 f A (t) = t 2 t 2 = (t 2)(t + ( 1). ) 2 2. Eigenvektor zu EW 2 ist v 2 = 1 1 Aufgabe. Bestimmen Sie das Exponential expa) der Matrix ) 5 6 A = Mat, R). 4. Wir bestimmen das charakterische Polynom f A t) = t t = t )t + ). ). Eigenvektor zu EW ist v = ). Eigenvektor zu EW ist v =

Mehr

Kapitel VI. Euklidische Geometrie

Kapitel VI. Euklidische Geometrie Kapitel VI. Euklidische Geometrie 1 Abstände und Lote Wiederholung aus Kapitel IV. Wir versehen R n mit dem Standard Skalarprodukt x 1 y 1.,. := x 1 y 1 +... + x n y n x n y n Es gilt für u, v, w R n und

Mehr

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $

$Id: linabb.tex,v /01/09 13:27:34 hk Exp hk $ Mathematik für Ingenieure I, WS 8/9 Freitag 9. $Id: linabb.tex,v.3 9//9 3:7:34 hk Exp hk $ II. Lineare Algebra 9 Lineare Abbildungen 9. Lineare Abbildungen Der folgende Satz gibt uns eine einfachere Möglichkeit

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

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden?

7. Wie lautet die Inverse der Verkettung zweier linearer Abbildungen? 9. Wie kann die Matrixdarstellung einer linearen Abbildung aufgestellt werden? Kapitel Lineare Abbildungen Verständnisfragen Sachfragen Was ist eine lineare Abbildung? Erläutern Sie den Zusammenhang zwischen Unterräumen, linearer Unabhängigkeit und linearen Abbildungen! 3 Was ist

Mehr

Übungen zu Lineare Algebra und Geometrie 1

Übungen zu Lineare Algebra und Geometrie 1 Übungen zu Lineare Algebra und Geometrie 1 Andreas Čap Sommersemester 2015 Wiederholung grundlegender Begriffe (1 Bestimme Kern und Bild der linearen Abbildung f : R 3 R 3, die gegeben ist durch f(x, y,

Mehr