9 Lineare Differentialgleichungen
|
|
- Edith Michel
- vor 6 Jahren
- Abrufe
Transkript
1 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 $Id: linear.tex,v.4 2/2/ :7:45 hk Exp hk $ 9 Lineare Differentialgleichungen 9.3 Differentialgleichungen mionstanten Koeffizienten Während sich allgemeine lineare Differentialgleichungen normalerweise nicht durch geschlossene Formeln lösen lassen, gibt es doch einen wichtigen speziellen Typ dieser Gleichungen bei denen dies zumindest im Prinzip immer möglich ist. Wie wir im letzten Abschnitt gesehen kann man sich weitgehend auf den homogenen Fall beschränken. Ein System linearer Differentialgleichungen erster Ordnung mionstanten Koeffizienten hat die Form y = Ay + b(t (A ist eine n n-matrix, b : I R n stetig, d.h. es liegt eine lineare Differentialgleichung vor deren Koeffizientenmatrix überhaupt nicht von t abhängt. Im homogenen Fall wird die Gleichung einfach y = Ay und wir wissen das die Lösungen auf ganz R definiert sind. Die Lösung dieser Differentialgleichung können wir nun explizit hinschreiben. Betrachten wir erst einmal den Fall n = einer einzelnen Gleichung, dann ist A eine Zahl und wir haben eine Gleichung der Form y = λy. Dies haben wir ganz zu Beginn von 7 behandelt, die allgemeine Lösung ist y(t = Ce λt. Erstaunlicherweise gilt für den n-dimensionalen Fall genau dieselbe Lösungsformel, man muss sich nur an die in 5.5 im letzten Semester eingeführte Exponentialfunktion für Matrizen erinnern. Für eine n n-matrix A über den reellen oder komplexen Zahlen hatten wir damals e A := k! Ak = + A + 2 A2 + 6 A3 + definiert, man nimmt also die gewöhnliche Exponentialreihe e z = n= zn /n! und setzt dort für z einfach die Matrix A ein. Dann erhalten wir eine Matrix e ta als Funktion von t, und ausgeschrieben bedeutet dies e ta = k! Ak. In jeder der n 2 Komponenten dieser Matrix steht eine Potenzreihe in t. Wie wir schon aus Satz 4.4 aus dem ersten Semester wissen können wir Potenzreihen gliedweise ableiten und erhalten d dt eta = k= k k! A k = k= ( (k! Ak = A 25- k! Ak = Ae ta.
2 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 Ziehen wir A auf der rechten Seite aus der Summe, so können wir dies auch als Ae ta = e ta A schreiben. Setzen wir also Y (t := e ta so wird Y (t = AY (t, und dies ist gerade die Differentialgleichung für eine Fundamentalmatrix, d.h. die Spalten der Matrix Y (t sind Lösungen der Differentialgleichung y = Ay. Wenn die Spalten von Y (t linear unabhängig sind, also wenn die Matrix Y (t invertierbar ist, so ist Y (t also eine Fundamentalmatrix des homogenen linearen Gleichungssystems y = Ay. Wie sich nun herausstellt wissen wir eigentlich schon das Y (t = e ta tatsächlich immer invertierbar ist. In 2.4 im ersten Semester hatten wir durch Rechnen mit Potenzreihen die Funktionalgleichung der Exponentialfunktion hergeleitet, dies war die Gleichung e z+w = e z e w für alle z, w C. Schauen wir uns diese Rechnung ruhig noch einmal an: e z e w = ( ( z k k! w k = k! = k z l w k l l!(k l! l= ( k ( k z l w k l = k! l l= (z + w k = e z+w. k! Wir können diese gesamte Rechnung fast genauso mit Matrizen A, B anstelle der komplexen Zahlen z, w durchführen, nur das vorletzte Gleichheitszeichen, also die Umstellung zu (A + B k, funktioniert nicht. Wenn man nämlich (A + B k ausmultipliziert so müssen die Matrizen A und B miteinander vertauscht werden. Dies sieht man schon im Fall k = 2, die Rechnung ist dann (A + B 2 = (A + B (A + B = A 2 + AB + BA + B 2, und dies ist eben nur dann gleich A 2 + 2AB + B 2 wenn AB = BA ist. Man braucht also die Bedingung AB = BA, und dann haben wir tatsächlich die Binomische Formel auch für die Matrizen A und B. In diesem Fall funktioniert die Rechnung also auch mit A, B und wir haben e A+B = e A e B. Insbesondere ist damit für jede n n Matrix A auch e A e A = e A A = e = = e A ist invertierbar mit (e A = e A. Wir fassen diese Tatsachen nun in einem Satz zusammen: Satz 9.5 (Grundeigenschaften der Matrix Exponentialfunktion Seien n N und A eine n n Matrix. Dann gelten: (a Ist B eine weitere n n Matrix mit AB = BA, so gilt e A+B = e A e B. (b Die Matrix e A ist invertierbar mit der Inversen e A. (c Es gilt det e A = e tr A. 25-2
3 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 Aussage (c haben wir dabei nicht begründet, und dies wollen wir hier auch nicht tun. Damit ist Y (t = e ta tatsächlich eine Fundamentalmatrix der homogenen linearen Differentialgleichung y = Ay, und ihre Wronski-Determinante berechnet sich zu W (t = det e ta = e tr(ta = e t tr A, was wir alternativ auch mit Satz 3 begründen können. Damit haben wir die Lösungen einer homogenen linearen Differentialgleichung mionstanten Koeffizienten zumindest im Prinzip bestimmt. Auch der inhomogene Fall passt sehr schön in diesen Kontext. Betrachten wir ein Anfangswertproblem y = Ay + b(t, y(a = v so liefert die Variation der Konstanten Satz 4 sofort die Lösung y(t = Y (ty (a v + t a Y (ty (s b(s ds = e ta (e aa v + Wir fassen all dies nun in einem Satz zusammen t a = e (t aa v + e ta (e sa b(s ds t a e (t sa b(s ds. Satz 9.6 (Lineare Differentialgleichungen mionstanten Koeffizienten Seien I R, n N, A eine n n Matrix und b : I R n eine stetige Funktion. Dann ist Y (t = e ta eine für alle t R definierte Fundamentalmatrix der linearen Differentialgleichung y = Ay mit der Wronski-Determinante W (t = e t tr A. Für a I, v R n ist die Lösung des Anfangswertproblems durch die Formel für alle t I gegeben. y = Ay + b(t, y(a = v y(t = e (t aa v + t a e (t sa b(s ds Die Theorie linearer Differentialgleichungen mionstanten Koeffizienten ist durch diesen Satz vollständig geklärt. Für praktische Fragen möchte man die Formel des Satzes aber oft noch etwas weiter auswerten. Das konkrete Problem besteht dann darin die Exponentialfunktion e ta näher zu berechnen. Im letzten Semester haben wir einige Aspekte diese Problems bereits behandelt, insbesondere hatten wir den Interpolationssatz Satz 5.8, der zumindest für diagonalisierbares A eine einfache Berechnung von e A erlaubt. Für die Behandlung unserer Differentialgleichungen ist aber eine etwas andere Rechentechnik vorteilhaft. Nehmen wir einmal an wir haben einen reellen Eigenwert λ der Matrix A und einen zugehörigen, von Null verschiedenen, Eigenvektor zu diesen 25-3
4 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 Eigenwert, also v R n und Av = λv. Für jedes k N folgt dann auch A k v = λ k v, und damit ist ( e ta (λ v = k! Ak v = k! λk v = v = e λt v k! für jedes t R. Da e ta v eine Linearkombination von Spalten der Fundamentalmatrix e ta ist, ist die Funktion y : R R n ; t e λt v damit eine Lösung der homogenen linearen Differentialgleichung y = Ay. Ist die Matrix A also diagonalisierbar mit reellen Eigenwerten λ,..., λ n R, so wählen wir eine Basis v,..., v n des R n mit Av i = λ i v i für i =,..., n und dann bilden die Funktionen y i (t = e λ it v für i =,..., n ein Fundamentalsystem. Insbesondere ist dies der Fall wenn A eine symmetrische Matrix ist, da solche Matrizen nach Satz 6.2 aus dem letzten Semester immer diagonalisierbar mit reellen Eigenwerten sind. Als ein Beispiel betrachten wir die homogene lineare Differentialgleichung x = 9x + 4y 8z y = x + 6y 8z z = 8x 4y + 7z. Als Koeffizientenmatrix erhalten wir die 3 3 Matrix A = 6 8, und als charakteristisches Polynom ergibt sich λ χ(λ = λ λ 7 = λ λ λ 2 λ + λ + = λ λ 2 λ + λ + = (λ 2 λ λ + λ + = (λ 2((λ + (λ + 5 8(λ + = (λ 2(λ + (λ 3. Die Koeffizientenmatrix hat hier also drei verschiedene Eigenwerte λ =, λ = 2 und λ = 3. Für den Eigenwert λ = berechnet sich der Eigenraum zu , also 3 y = 3z = y = 2z und 8x = 4y 8z = 6z = x = 2z
5 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 Wir erhalten damit beispielsweise mit z = den Eigenvektor 2 v = 2 Die beiden anderen Eigenvektoren ergeben sich als 4 λ = 2 : v 2 = 3, λ = 3 : v 3 = 4 Damit erhalten wir das Fundamentalsystem 2e t 4e 2t y (t = 2e t e t, y 2 (t = 3e 2t 4e 2t, y 3 (t = e 3t e 3t e 3t Der Fall diagonalisierbarer Koeffizientenmatrizen mit nur reellen Eigenwerten ist damit auf die Bestimmung von Eigenvektoren zurückgeführt. Wir kommen damit zum nächsten, und schon etwas komplizierteren, Fall und nehmen an, dass die Koeffizientenmatrix A über den komplexen Zahlen diagonalisierbar ist. Es bezeichne dann λ,..., λ r die reellen Eigenwerte von A und µ,..., µ s, µ,..., µ s die restlichen, nicht reellen Eigenwerte von A. Da die Matrix A reell ist, treten diese in Paaren komplex konjugierter Zahlen auf. Ist v i für i r ein reeller Eigenvektor zu λ i, so erhalten wir wie oben die Lösung y i (t = e λ it v i. Jetzommen wir zu den komplexen Eigenwerten, sei also j s gegeben und bezeichne v j C n einen Eigenvektor zum Eigenwert µ j. Da der Eigenwert µ j nicht reell ist, ist auch der Eigenvektor v j nicht reell. Wie wir schon im letzten Semester bemerkt haben ist weiter v j ein Eigenvektor zum Eigenwert µ j, es gilt ja einfach Av j = A v j = Av j = µ j v j = µ j v j. Indem wir wieder einmal einfach so tun als wäre im komplexen alles so wie im reellen, so erhalten wir eine komplexe Lösung z j (t = e µ jt v j der homogenen linearen Differentialgleichung y = Ay. Die Lösung zum konjugieromplexen Eigenwert ergibt sich dann als e µ j t v j = e µ jt v j = e µ jt v j = e µ jt v j = z j (t. Insbesondere werden dann auch y r+2j (t = Re(z j (t = z j(t + z j (t 2 und y r+2j = Im(z j (t = z j(t z j (t 2i zu reellen Lösungen. Schreiben wir µ j = α j + iβ j und v j = u j + iw j mit α j, β j R, u j, w j R n, so wird z j (t = e µ jt v j = e α jt (cos(β j t + i sin(β j t (u j + iw j = e α jt (cos(β j tu j sin(β j tw j + ie α jt (cos(β j tw j + sin(β j tu j, 25-5
6 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 und wir erhalten die Lösungen y r+2j (t = e α jt (cos(β j tu j sin(β j tw j, y r+2j (t = e α jt (cos(β j tw j + sin(β j tu j. Insgesamt bilden die Funktionen y,..., y n dann ein Fundamentalsystem unserer Differentialgleichung. Auch hierfür wollen wir nun ein Beispiel rechnen, und betrachten das folgende lineare Differentialgleichungssystem x = 2x + 5y z y = x + 3y z = 4x 7y + 2z, also A = Zuerst brauchen wir wieder die Eigenwerte von A und berechnen das charakteristische Polynom χ A (λ = λ λ λ 2 = = λ 3 λ 2 5λ 3 λ λ 3 λ 2 5λ 3 = 5λ 3 + λ2 (λ 3 = λ 3 3λ 2 + 5λ 3. Wir sehen sofort die erste Nullstelle λ = und rechnen weiter λ 3 3λ 2 + 5λ 3 : λ = λ 2 2λ + 3 (3λ 3 λ 2 2λ 2 + 5λ 3 ( 2λ 2 + 2λ 3λ 3. Die Nullstellen des Quotienten ergeben sich als λ ± = ± 3 = ± i 2, schreiben wir also µ := + i 2, so hat A die Eigenwerte λ =, λ 2 = µ und λ 3 = µ. Als nächstes berechnen wir einen Eigenvektor zum Eigenwert λ = also y = z, x = 2y = 2z und wir haben den Eigenvektor 2 v = sowie die Lösung y (t = e t e t e t
7 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 Eigenvektoren zum Eigenwert λ 2 = µ = + i 2 sind komplex, und verwenden wir µ 2 = 2µ 3, so wird µ µ µ 2 µ 3 µ 2 + µ + 4µ 5 µ 2 µ 3 4 µ 4 µ, und als Eigenvektor ergibt sich y = µ 4 z = x = y z = 3 + i 2 z = 3 + i 2 ( 3 + i 2 z, z = 8 + i 2 z, also etwa v 2 = 8 i i 2 = u 2 + iw 2 mit u 2 = 8 3, w 2 = 2 Gemäß der obigen Formel ergeben sich die beiden Lösungen e t (8 cos( 2 t + 2 sin( 2 t y 2 (t = e t (3 cos( 2 t 2 sin( 2 t e t cos( 2 t und y 3 (t = e t ( 2 cos( 2 t + 8 sin( 2 t e t ( 2 cos( 2 t + 3 sin( 2 t e t sin( 2 t und damit haben wir ein komplettes Fundamentalsystem unserer Differentialgleichung gefunden. Mit den bisher diskutierten Methoden haben wir alle Fälle abgehandelt in denen es eine komplexe, aus Eigenvektoren der Koeffizientenmatrix bestehende Basis des C n gibt. Wenn wir den ganz allgemeinen Fall behandeln wollen müssen wir auf die Jordansche Normalform zurückgreifen. Nach Satz 5.5 aus dem letzten Semester gibt es eine invertierbare, komplexe n n-matrix S so, dass die transformierte Matrix S AS in Jordanscher Normalform ist, also B := S AS = J... J s mit J i = 25-7 λ i λ i λ i λ i, } {{ } n i
8 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 wobei λ,..., λ s gerade die eventuell mehrfach aufgezählten Eigenwerte der Matrix A sind. Wir wir die Jordansche Normalform und die Matrix S explizit ausrechnen hatten wir im letzten Semester in 5.4 gesehen. Die Spalten der Matrix S bilden eine Basis v,..., v,n,..., v s,..., v s,ns des C n mit Av i = λ i v i und Av ij = λ i v ij + v i,j für i s, < j n i. Bei der Berechnung der Jordanschen Normalform wurde diese Basis explizit bestimmt. Nun gilt für jedes t R die Gleichung ( S e ta S = S k! Ak S = k! S A k S = k! (S AS k = e ts AS = e tb, wir müssen also nur e tb ausrechnen. Weiter läst auch leicht einsehen, das e tb = e tj... e tjs gilt, es reicht also e tj i für die einzelnen Jordan-Kästchen J i zu berechnen. Wir wollen die Rechnung hier nicht vorführen, sondern geben nur das Ergebnis e tj i = e λ it te λ it t 2 2 eλ it t n i (n i! eλ it e λ it te λ it t n i 2 (n i 2! eλ it e λ it te λ it an. Angewandt auf unsere Basisvektoren haben wir damit ( e ta v i = e λ it v i und e ta v ij = e λ it v ij + j k= e λ it k! v i,j k für < j n i. Für die folgenden Formeln numerieren wir die Eigenwerte λ,..., λ s in der Form λ,..., λ r, µ,..., µ t, µ,..., µ q wobei λ,..., λ r die reellen Eigenwerte sind und die restlichen Eigenwerte komplex sind. Die komplexen Eigenwerte treten dabei wieder ein konjugierten Paaren auf. Für die reellen Eigenwerte λ i ist die obige Formel schon das Ergebnis, dann können wir auch die Vektoren v ij reell wählen, und die Formel gibt uns die zugehörigen Elemente des Fundamentalsystems. Die beiden Fälle j = und j > können wir dabei zusammenfassen, die Formel für j > funktioniert auch bei j = wenn die Summe von 25-8
9 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 k = bis k = als Null interpretiert wird. Numerieren wir die Fundamentallösungen wie die Einträge in der Jordanschen Normalform, so ist damit ( j y ij = e λ t i k! v i,j k für j n i. Im allgemeinen Fall haben wir leider auch die komplexen Eigenwerte µ j, µ j für j q. Wir betrachten jetzt ein j q. Ist dabei µ j = α j + iβ j, also µ j = α j iβ j, so können wir für die zu µ j gehörigen Basisvektoren auch wieder v r+j,k, k n r+j wählen, also v r+t+j,k = v r+j,k für k n r+j = n r+t+j, und genau wie oben ergeben sich die zu µ j gehörenden Fundamentallösungen dann als die komplex konjugierten der zu µ j gehörenden Fundamentallösungen. Wir können also wieder zu Real- und Imaginärteil übergehen. Mit v r+j,k = u jk +iw jk, u jk, w jk R n ergeben sich die Fundamentallösungen [ ] m y r+2j,m (t = e α t jt k m cos(β j t k! u j,m k sin(β j t k! w j,m k und y r+2j,m (t = e α jt [ cos(β j t m m k! w j,m k + sin(β j t ] k! u j,m k jeweils für m n r+j. Als ein Beispiel betrachten wir einmal das System ( x = 5x + 8y 5 8 y = 2x 3y also A =. 2 3 Das charakteristische Polynom ist χ A (λ = λ λ 3 = (λ 5(λ = λ2 2λ + = (λ 2, wir haben also nur einen einzigen Eigenwert λ =. Da A keine Diagonalmatrix ist, muss die Jordansche Normalform zu A aus einem 2 2 Kästchen bestehen, dessen zugehörige Basis wir v, v 2 nennen. Wir folgen jetzt in Vorgehen und Bezeichnungen dem Rechenschema aus 5.4 des letzten Semesters, und erhalten ( y N := A = löse Nv = durch 4 8 y y 2 y 2 + y 2 also 4x + 8y = und somit x = 2y und nehme den Eigenvektor zu y = 2 also v := ( 4, 2. Zur Bestimmung von v 2 lösen wir ( ( x! 4 N = = 4x + 8y = 4 = x = ( 4 8y = 2y, y
10 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 also etwa mit y = v = ( 4 2 (, v 2 = Unsere Lösungsformel gibt uns damit das Fundamentalsystem ( ( 4e t y (t = 2e t, y 2 (t = e t et (4t + (v 2 + tv = 2te t.. Beispiele für den komplexen Fall sind unangenehmer schon weil n für diese mindestens gleich 4 sein muss. Daher beschränken wir uns auf ein vergleichsweise überschaubares Beispiel, nämlich z = z 3 z 2, z 2 = z + z 4, z 3 = z 4, z 4 = z 3, also A = Beginnen wir wieder mit dem charakteristischen Polynom χ A (λ = λ λ λ λ = = (λ 2 + λ λ λ λ λ 2 d.h. wir haben genau zwei Eigenwerte nämlich i und i. Es ist i N := A i = i i i und λ λ = (λ2 + 2, i y i y 2 i y 3 i y 4 i y 2 i y + iy 2 i y 3 i y 4 i y 2 i y + iy 2 2 iy y 2 + y 3 2i y iy 2 + y 4 i y 2 i y + iy 2 2 iy y 2 + y 3 iy 3 + y 4, 25-
11 Mathematik für Ingenieure III, WS 29/2 Mittwoch.2 und bestimmen wir den Eigenvektor v durch Nv =, so ergibt sich x 3 = x 4 = und x = ix 2, also etwa v = (i,,,. Weiter bestimmen wir den Vektor v 2 als Lösung von Nv 2 = N x x 2 x 3 x 4! = i i, also i 2i 2 2 und wir erhalten etwa x 4 =, x 3 = i, x 2 = und x = i. Damit haben wir i i v =, v 2 = i und für Real- und Imaginärteil dieser Vektoren bedeutet dies u =, w =, u 2 =, w 2 = Setzen wir dies in unsere obigen Formeln ein, so ergibt sich für das Fundamentalsystem y (t = cos(tu sin(tw, y 2 (t = cos(tw + sin(tu, y 3 (t = cos(t (u 2 + tu sin(t(w 2 + tw, y 4 (t = cos(t(w 2 + tw + sin(t (u 2 + tu, wobei wir die Lösungen als y = y, y 2 = y 2, y 3 = y 2 und y 4 = y 22 numeriert haben. Konkret sind sin t cos t ( + t sin t y (t = cos t, y 2(t = sin t, y 3(t = ( + t cos t sin t, cos t y 4 (t = ( + t cos t ( + t sin t cos t sin t 25-
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,
MehrLösungsskizzen zur Klausur
sskizzen zur Klausur Mathematik II Sommersemester 4 Aufgabe Es seien die folgenden Vektoren des R 4 gegeben: b = b = b 3 = b 4 = (a) Prüfen Sie ob die Vektoren b b 4 linear unabhängig sind bestimmen Sie
Mehry = A(x) y + b(x). (1) y = A(x) y (2)
73 5.2 Lineare Systeme Sei weiterhin IK = C oder IK = IR. Seien = I IR ein offenes Intervall, x 0 I, y 0 IK n, A: I IK n n und b: I IK n stetige matrix- bzw vektorwertige Funktionen. Wir betrachten komplexe
MehrEigenwerte und Diagonalisierung
Eigenwerte und Diagonalisierung Wir wissen von früher: Seien V und W K-Vektorräume mit dim V = n, dim W = m und sei F : V W linear. Werden Basen A bzw. B in V bzw. W gewählt, dann hat F eine darstellende
MehrMC-Serie 11: Eigenwerte
D-ERDW, D-HEST, D-USYS Mathematik I HS 14 Dr. Ana Cannas MC-Serie 11: Eigenwerte Einsendeschluss: 12. Dezember 2014 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung
Mehr5 Eigenwerte und die Jordansche Normalform
Mathematik für Physiker II, SS Mittwoch 8.6 $Id: jordan.tex,v.6 /6/7 8:5:3 hk Exp hk $ 5 Eigenwerte und die Jordansche Normalform 5.4 Die Jordansche Normalform Wir hatten bereits erwähnt, dass eine n n
Mehr6 Eigenwerte und Eigenvektoren
6.1 Eigenwert, Eigenraum, Eigenvektor Definition 6.1. Es sei V ein Vektorraum und f : V V eine lineare Abbildung. Ist λ K und v V mit v 0 und f(v) = λv gegeben, so heißt die Zahl λ Eigenwert (EW) von f,
Mehr4.3 Anwendungen auf Differentialgleichungen
7 4.3 Anwendungen auf Differentialgleichungen Die Laplace-Transformation wird gerne benutzt, um lineare Differentialgleichungen mit konstanten Koeffizienten y n + a n y n +... + a y + a 0 y ft zu lösen,
MehrKapitel 2: Matrizen. 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung
Kapitel 2: Matrizen 2.1 Matrizen 2.2 Determinanten 2.3 Inverse 2.4 Lineare Gleichungssysteme 2.5 Eigenwerte 2.6 Diagonalisierung 2.1 Matrizen M = n = 3 m = 3 n = m quadratisch M ij : Eintrag von M in i-ter
MehrLineare Differentialgleichungen
Kapitel 4 Lineare Differentialgleichungen 4.1 Lineare Systeme mit variablen Koeffizienten 4.2 Die Matrix Exponentialfunktion 4.3 Lineare System mit konstanten Koeffizienten 4.4 Lineare Differentialgleichungen
Mehr8. Übungsblatt Aufgaben mit Lösungen
8 Übungsblatt Aufgaben mit Lösungen Aufgabe 6: Matrix Bestimmen Sie die allgemeine reelle Lösung des Differentialgleichungssystems u x = Aux für die A =, 9 indem Sie das System auf eine einzelne gewöhnliche
MehrTutorium Mathematik II, M Lösungen
Tutorium Mathematik II, M Lösungen März 03 *Aufgabe Bestimmen Sie durch Hauptachsentransformation Lage und Typ der Kegelschnitte (a) 3x + 4x x + 3x 4x = 0, (b) 3x + 4x x + 3x 4x 6 = 0, (c) 3x + 4x x +
MehrDiagonalisieren. Nikolai Nowaczyk Lars Wallenborn
Diagonalisieren Nikolai Nowaczyk http://mathniknode/ Lars Wallenborn http://wwwwallenbornnet/ 16-18 März 01 Inhaltsverzeichnis 1 Matrizen 1 11 Einschub: Invertierbarkeit
Mehr45 Eigenwerte und Eigenvektoren
45 Eigenwerte und Eigenvektoren 45.1 Motivation Eigenvektor- bzw. Eigenwertprobleme sind wichtig in vielen Gebieten wie Physik, Elektrotechnik, Maschinenbau, Statik, Biologie, Informatik, Wirtschaftswissenschaften.
MehrAussagenlogik. Lehrstuhl für BWL, insb. Mathematik und Statistik Prof. Dr. Michael Merz Mathematik für Betriebswirte I Wintersemester 2015/2016
Aussagenlogik 1. Gegeben seien folgende Aussagen: A: 7 ist eine ungerade Zahl B: a + b < a + b, a, b R C: 2 ist eine Primzahl D: 7 7 E: a + 1 b, a, b R F: 3 ist Teiler von 9 Bestimmen Sie den Wahrheitswert
Mehr46 Eigenwerte und Eigenvektoren symmetrischer Matrizen
46 Eigenwerte und Eigenvektoren symmetrischer Matrizen 46.1 Motivation Symmetrische Matrizen (a ij = a ji für alle i, j) kommen in der Praxis besonders häufig vor. Gibt es für sie spezielle Aussagen über
Mehr(a) Zunächst benötigen wir zwei Richtungsvektoren der Ebene E; diese sind zum Beispiel gegeben durch die Vektoren
Aufgabe Gegeben seien die Punkte A(,,, B(,,, C(,,. (a Geben Sie die Hesse-Normalform der Ebene E, welche die drei Punkte A, B und C enthält, an. (b Bestimmen Sie den Abstand des Punktes P (,, 5 zur Ebene
Mehr6 Symmetrische und hermitesche Matrizen
$Id: quadrat.tex,v.0 0/06/9 :47:4 hk Exp $ $Id: orthogonal.tex,v.4 0/06/9 3:46:46 hk Exp $ 6 Symmetrische und hermitesche Matrizen 6.3 Quadratische Funktionen und die Hauptachsentransformation Wir sind
Mehr9.2 Invertierbare Matrizen
34 9.2 Invertierbare Matrizen Die Division ist als Umkehroperation der Multiplikation definiert. Das heisst, für reelle Zahlen a 0 und b gilt b = a genau dann, wenn a b =. Übertragen wir dies von den reellen
MehrSerie 10: Inverse Matrix und Determinante
D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die
Mehr4 Lineare Algebra (Teil 2): Quadratische Matrizen
4 Lineare Algebra (Teil : Quadratische Matrizen Def.: Eine (n n-matrix, die also ebensoviele Zeilen wie Spalten hat, heißt quadratisch. Hat sie außerdem den Rang n, sind also ihre n Spalten linear unabhängig,
MehrLineare Algebra II 6. Übungsblatt
Lineare Algebra II 6 Übungsblatt Fachbereich Mathematik SS 2011 Prof Dr Kollross 18/19 Mai 2011 Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G1 (Minimalpolynom) Bestimmen Sie das Minimalpolynom der
Mehr14 Lineare Differenzengleichungen
308 14 Lineare Differenzengleichungen 14.1 Definitionen In Abschnitt 6.3 haben wir bereits eine Differenzengleichung kennengelernt, nämlich die Gleichung K n+1 = K n q m + R, die die Kapitalveränderung
Mehr$Id: reihen.tex,v /06/12 10:59:50 hk Exp $ unendliche Summe. a 1 + a 2 + a 3 +.
Mathematik für Informatiker B, SS 202 Dienstag 2.6 $Id: reihen.tex,v.8 202/06/2 0:59:50 hk Exp $ 7 Reihen Eine Reihe ist eine unendliche Summe a + a 2 + a 3 +. Die Summanden a i können dabei reell oder
Mehr3.6 Eigenwerte und Eigenvektoren
3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse
MehrMatrizen, Determinanten, lineare Gleichungssysteme
Matrizen, Determinanten, lineare Gleichungssysteme 1 Matrizen Definition 1. Eine Matrix A vom Typ m n (oder eine m n Matrix, A R m n oder A C m n ) ist ein rechteckiges Zahlenschema mit m Zeilen und n
MehrDefinitionen. Merkblatt lineare Algebra. affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht
Seite 1 Definitionen affiner Teilraum Menge, die durch Addition eines Vektors v 0 zu allen Vektoren eines Vektorraumes V entsteht ähnliche Matrizen Matrizen, die das gleiche charakteristische Polynom haben
MehrLineare Algebra II 5. Übungsblatt
Lineare Algebra II Übungsblatt Fachbereich Mathematik SS Prof Dr Kollross / Mai Susanne Kürsten Tristan Alex Gruppenübung Aufgabe G (Algebraisch abgeschlossener Körper) Ein Körper heißt algebraisch abgeschlossen,
Mehrf f(x ɛξ) f(x) 0, d.h. f (x)ξ = 0 für alle ξ B 1 (0). Also f (x) = 0. In Koordinaten bedeutet dies gerade, dass in Extremstellen gilt: f(x) = 0.
Mehrdimensionale Dierenzialrechnung 9 Optimierung 9 Optimierung Definition Seien U R n oen, f : U R, x U x heiÿt lokales Maximum, falls eine Umgebung V U von x existiert mit y V : fx fy x heiÿt lokales
MehrExplizite 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
Mehr5.1 Determinanten der Ordnung 2 und 3. a 11 a 12 a 21 a 22. det(a) =a 11 a 22 a 12 a 21. a 11 a 21
5. Determinanten 5.1 Determinanten der Ordnung 2 und 3 Als Determinante der zweireihigen Matrix A = a 11 a 12 bezeichnet man die Zahl =a 11 a 22 a 12 a 21. Man verwendet auch die Bezeichnung = A = a 11
MehrMusterlösungen 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,
MehrVariante A. Hinweise
Lehrstuhl C für Mathematik (Analsis Prof. Dr. Y. Guo Aachen, den 6..3 Klausur zur Höheren Mathematik I WS /3 Variante A Hinweise Zugelassene Hilfsmittel: Als Hilfsmittel zugelassen sind handschriftliche
MehrBetriebsanleitung für gewöhnliche lineare Differentialgleichungen. Prof. Dr. Dirk Ferus
Betriebsanleitung für gewöhnliche lineare Differentialgleichungen Prof. Dr. Dirk Ferus Version vom 30.10.2005 Inhaltsverzeichnis 1 Homogene skalare Gleichungen. 1 1.1 Einfache reelle Nullstellen.............................
Mehr6 Hauptachsentransformation
6 Hauptachsentransformation A Diagonalisierung symmetrischer Matrizen (6.1) Satz: Sei A M(n n, R) symmetrisch. Dann gibt es eine orthogonale n n-matrix U mit U t AU = D Diagonalmatrix Es folgt: Die Spalten
MehrProseminar 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
Mehr1.9 Eigenwerte und Eigenvektoren
.9. EIGENWERTE UND EIGENVEKTOREN 0.9 Eigenwerte und Eigenvektoren Alles in diesem Abschnitt bezieht sich auf quadratische reelle oder komplexe n n-matrizen. Statt E n (n n-einheitsmatrix) wird kurz E geschrieben..
MehrMathematik II Frühlingsemester 2015 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik II Frühlingsemester 215 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren www.math.ethz.ch/education/bachelor/lectures/fs215/other/mathematik2 biol Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/
Mehr( ) Lineare Gleichungssysteme
102 III. LINEARE ALGEBRA Aufgabe 13.37 Berechne die Eigenwerte der folgenden Matrizen: ( ) 1 1 0 1 1 2 0 3 0 0, 2 1 1 1 2 1. 1 1 0 3 Aufgabe 13.38 Überprüfe, ob die folgenden symmetrischen Matrizen positiv
MehrOrthonormalisierung. ein euklidischer bzw. unitärer Vektorraum. Wir setzen
Orthonormalisierung Wie schon im Falle V = R n erwähnt, erhalten wir durch ein Skalarprodukt eine zugehörige Norm (Länge) eines Vektors und in weiterer Folge eine Metrik (Abstand zwischen zwei Vektoren).
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2016 25. April 2016 Die Dimensionsformel Definition 3.9 Sei f : V W eine lineare Abbildung zwischen zwei K-Vektorräumen. Der Kern
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 7
Technische Universität München Zentrum Mathematik Mathematik (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 7 Hausaufgaben Aufgabe 7. Für n N ist die Matrix-Exponentialfunktion
MehrGewöhnliche inhomogene Differentialgleichungen der 1. und 2. Ordnung. Christopher Schael
Gewöhnliche inhomogene Differentialgleichungen der 1. und. Ordnung 1.1.) Anleitung DGL der 1. Ordnung 1.) DGL der 1. Ordnung In diesem Abschnitt werde ich eine Anleitung zur Lösung von inhomogenen und
MehrDierentialgleichungen 2. Ordnung
Dierentialgleichungen 2. Ordnung haben die allgemeine Form x = F (x, x, t. Wir beschränken uns hier auf zwei Spezialfälle, in denen sich eine Lösung analytisch bestimmen lässt: 1. reduzible Dierentialgleichungen:
MehrKlausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften
Fachbereich Mathematik der Universität Hamburg WiSe 14/15 Dr. Hanna Peywand Kiani 06.07.2015 Klausurberatung Differentialgleichungen I für Studierende der Ingenieurwissenschaften Die ins Netz gestellten
MehrDifferentialgleichungen
Kapitel Differentialgleichungen Josef Leydold Mathematik für VW WS 05/6 Differentialgleichungen / Ein einfaches Modell (Domar) Im Domar Wachstumsmodell treffen wir die folgenden Annahmen: () Erhöhung der
MehrKlausurenkurs zum Staatsexamen (SS 2015): Lineare Algebra und analytische Geometrie 5
Dr. Erwin Schörner Klausurenkurs zum Staatsexamen (SS 5): Lineare Algebra und analytische Geometrie 5 5. (Herbst 9, Thema 3, Aufgabe ) Betrachtet werde die Matrix A := 3 4 5 5 7 7 9 und die lineare Abbildung
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrDrehung um einen Punkt um Winkel α.
Drehung um einen Punkt um Winkel α. Sei A R 2 und α R. Drehung um A um Winkel α ist eine Abbildung D A (α) : R 2 R 2 welche wie folgt definiert ist: D A (α) = T A D 0 (α) T ( A), wobei die Abbildung D
MehrLie Gruppen, SS 2010 Montag $Id: intro.tex,v /04/13 16:06:37 hk Exp hk $ Es wird etwas dauern bis wir in der Lage sind zu sagen was
$Id: intro.tex,v 1.3 2010/04/13 16:06:37 hk Exp hk $ 1 Einleitung Es wird etwas dauern bis wir in der Lage sind zu sagen was Lie Gruppen eigentlich sind. Dagegen ist es sehr wohl möglich bereits einige
MehrThema 10 Gewöhnliche Differentialgleichungen
Thema 10 Gewöhnliche Differentialgleichungen Viele Naturgesetze stellen eine Beziehung zwischen einer physikalischen Größe und ihren Ableitungen (etwa als Funktion der Zeit dar: 1. ẍ = g (freier Fall;
MehrKapitel 5. Eigenwerte. Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich der Produktion ist, d.h. wenn.
Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2016/17 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich
MehrBeispiele 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix (A
133 e 1. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 2. Gegeben sei das lineare Gleichungssystem mit erweiterter Matrix 1 3 2 1 1 2 3 0. 1 3 2 1 Schritte des
MehrDeterminanten. a e b f a c b d. b) x = , y = c) zu einem Spaltenvektor das Vielfache des anderen Spaltenvektors addiert wird,
Determinanten Wir entwickeln eine Lösungsformel für Gleichungssysteme mit zwei Variablen. ax + cy = e b bx + y = f a } abx bcy = be + abx + ay = af ya bc = af be Man schreibt y = af be a bc = a e b f analog
MehrLösung zur Übung 19 SS 2012
Lösung zur Übung 19 SS 01 69) Beim radioaktiven Zerfall ist die Anzahl der pro Zeiteinheit zerfallenden Kerne dn/dt direkt proportional zur momentanen Anzahl der Kerne N(t). a) Formulieren Sie dazu die
MehrAddition, Subtraktion und Multiplikation von komplexen Zahlen z 1 = (a 1, b 1 ) und z 2 = (a 2, b 2 ):
Komplexe Zahlen Definition 1. Eine komplexe Zahl z ist ein geordnetes Paar reeller Zahlen (a, b). Wir nennen a den Realteil von z und b den Imaginärteil von z, geschrieben a = Re z, b = Im z. Komplexe
Mehrklar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s
Nachtrag zur allgemeinen Vektorraum-Theorie. 1.5.15. Direkte Summen. Sei V ein Vektorraum, seien U 1,..., U t Unterräume, wir schreiben V = U 1 U 2 U t = t i=1 U i falls die folgenden beiden Bedingungen
Mehr6 Reelle und komplexe Zahlenfolgen
Mathematik für Physiker I, WS 200/20 Freitag 0.2 $Id: folgen.tex,v. 200/2/06 :2:5 hk Exp $ $Id: reihen.tex,v. 200/2/0 4:4:40 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Cauchyfolgen Wir kommen nun
Mehr37 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
MehrBestimmen Sie die Lösung des Anfangswertproblems. y (x) 4y (x) 5y(x) = 6e x. y(0) = y (0) = 0.
Aufgabe Bestimmen Sie die Lösung des Anfangswertproblems y (x) 4y (x) 5y(x) = 6e x y(0) = y (0) = 0. Zunächst bestimmen wir die Lösung der homogenen DGL. Das charakteristische Polynom der DGL ist λ 2 4λ
Mehr6 Reelle und komplexe Zahlenfolgen
$Id: folgen.tex,v.7 200//29 :58:57 hk Exp hk $ 6 Reelle und komplexe Zahlenfolgen 6. Folgenkonvergenz In der letzten Sitzung hatten wir den Begriff der Konvergenz einer reellen oder komplexen Folge gegen
MehrEuklidische und unitäre Vektorräume
Kapitel 7 Euklidische und unitäre Vektorräume In diesem Abschnitt ist der Körper K stets R oder C. 7.1 Definitionen, Orthonormalbasen Definition 7.1.1 Sei K = R oder C, und sei V ein K-Vektorraum. Ein
MehrC orthogonal und haben die Länge 1). Dann ist die Länge von w = x u + y v gegeben durch w 2 Def. = w,w =
1 v Die Länge Def. Sei (V,, ) ein Euklidscher Vektorraum. Für jeden Vektor v V heißt die Zahl v,v die Länge von v und wird v bezeichnet. Bemerkung. Die Länge des Vektors ist wohldefiniert, da nach Definition
MehrPrüfung Lineare Algebra Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr?
1. Sei V ein n-dimensionaler euklidischer Raum. Welche der folgenden Aussagen ist wahr? A. Wenn n = 3 ist, sind mindestens zwei der drei Euler-Winkel einer Drehung kleiner oder gleich π. B. Wenn n = 2
MehrMusterlösung Höhere Mathematik I/II Di. Aufgabe 1 (11 Punkte) Geben Sie die Matrixbeschreibung der Quadrik
Aufgabe Punkte Geben Sie die Matrixbeschreibung der Quadrik {x R 3x 3x 8x x +x +4x +7 = 0} an Berechnen Sie die euklidische Normalform der Quadrik und ermitteln Sie die zugehörige Koordinatentransformation
MehrWalter Strampp AUFGABEN ZUR WIEDERHOLUNG. Mathematik III
Walter Strampp AUFGABEN ZUR WIEDERHOLUNG Mathematik III Differenzialgleichungen erster Ordnung Aufgabe.: Richtungsfeld und Isoklinen skizzieren: Wie lauten die Isoklinen folgender Differenzialgleichungen:
MehrKapitel 18. Aufgaben. Verständnisfragen
Kapitel 8 Aufgaben Verständnisfragen Aufgabe 8 Gegeben ist ein Eigenvektor v zum Eigenwert λ einer Matrix A (a) Ist v auch Eigenvektor von A? Zu welchem Eigenwert? (b) Wenn A zudem invertierbar ist, ist
MehrSkript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014
Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 2. Oktober 2014 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................
Mehr1 Lineare Algebra. 1.1 Matrizen und Vektoren. Slide 3. Matrizen. Eine Matrix ist ein rechteckiges Zahlenschema
1 Lineare Algebra 1.1 Matrizen und Vektoren Slide 3 Matrizen Eine Matrix ist ein rechteckiges Zahlenschema eine n m-matrix A besteht aus n Zeilen und m Spalten mit den Matrixelementen a ij, i=1...n und
MehrAufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).
Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A
MehrLeitfaden a tx t
Leitfaden -0.7. Potenz-Reihen. Definition: Es sei (a 0, a, a 2,...) eine Folge reeller Zahlen (wir beginnen hier mit dem Index t 0). Ist x R, so kann man die Folge (a 0, a x, a 2 x 2, a 3 x 3,...) und
MehrLösung zu den Testaufgaben zur Mathematik für Chemiker II (Analysis)
Universität D U I S B U R G E S S E N Campus Essen, Mathematik PD Dr. L. Strüngmann Informationen zur Veranstaltung unter: http://www.uni-due.de/algebra-logic/struengmann.shtml SS 7 Lösung zu den Testaufgaben
MehrKurs über Lineare Gleichungssysteme. PD Dr. Karin Halupczok
Kurs über Lineare Gleichungssysteme PD Dr. Karin Halupczok Mathematisches Institut Albert-Ludwigs-Universität Freiburg http://home.mathematik.unifreiburg.de/halupczok/diverses.html karin.halupczok@math.uni-freiburg.de
MehrMathematische Erfrischungen III - Vektoren und Matrizen
Signalverarbeitung und Musikalische Akustik - MuWi UHH WS 06/07 Mathematische Erfrischungen III - Vektoren und Matrizen Universität Hamburg Vektoren entstanden aus dem Wunsch, u.a. Bewegungen, Verschiebungen
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
MehrDifferentialgleichungen
Skriptenreihe zur Vorlesung Mathematik für Elektrotechnik Differentialgleichungen Institut für Analysis R Löwen, AE Schroth, K-J Wirths Inhaltsverzeichnis Einleitung D Trennung der Variablen 2 D Variablentrennung
MehrErweiterte Koordinaten
Erweiterte Koordinaten Sei K n ein n dimensionaler affiner Raum Die erweiterten Koordinaten des Punktes x x n K n sind x x n Kn+ (Das ist für alle K sinnvoll, weil in jedem Körper K wohldefiniert ist In
MehrMat(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 =
Mehr2 Die Dimension eines Vektorraums
2 Die Dimension eines Vektorraums Sei V ein K Vektorraum und v 1,..., v r V. Definition: v V heißt Linearkombination der Vektoren v 1,..., v r falls es Elemente λ 1,..., λ r K gibt, so dass v = λ 1 v 1
MehrAufgabensammlung aus Mathematik 2 UMIT, SS 2010, Version vom 7. Mai 2010
Aufgabensammlung aus Mathematik 2 UMIT, SS 2, Version vom 7. Mai 2 I Aufgabe I Teschl / K 3 Zerlegen Sie die Zahl 8 N in ihre Primfaktoren. Aufgabe II Teschl / K 3 Gegeben sind die natürliche Zahl 7 und
MehrGewöhnliche Dierentialgleichungen
Gewöhnliche Dierentialgleichungen sind Gleichungen, die eine Funktion mit ihren Ableitungen verknüpfen. Denition Eine explizite Dierentialgleichung (DGL) nter Ordnung für die reelle Funktion t x(t) hat
Mehr$Id: stetig.tex,v /06/26 15:40:18 hk Exp $
$Id: stetig.tex,v 1.11 2012/06/26 15:40:18 hk Exp $ 9 Stetigkeit 9.1 Eigenschaften stetiger Funktionen Am Ende der letzten Sitzung hatten wir eine der Grundeigenschaften stetiger Funktionen nachgewiesen,
MehrKleine Formelsammlung zu Mathematik für Ingenieure IIA
Kleine Formelsammlung zu Mathematik für Ingenieure IIA Florian Franzmann 5. Oktober 004 Inhaltsverzeichnis Additionstheoreme Reihen und Folgen 3. Reihen...................................... 3. Potenzreihen..................................
Mehr1 Singulärwertzerlegung und Pseudoinverse
Singulärwertzerlegung und Pseudoinverse Singulärwertzerlegung A sei eine Matrix mit n Spalten und m Zeilen. Zunächst sei n m. Bilde B = A A. Dies ist eine n n-matrix. Berechne die Eigenwerte von B. Diese
Mehr2. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB
Fachbereich Mathematik Prof. Dr. J. Lang Dipl.-Math. C. Schönberger Dipl.-Math. L. Kamenski WS 007/08 6.Oktober 007. Übungsblatt zur Mathematik III für MB/MPE, LaB/WFM, VI, WI/MB Gruppenübung Aufgabe G4
MehrEin Beispiel für eine lineare Abbildung
Inhaltsverzeichnis Ein Beispiel für eine lineare Abbildung Lothar Melching Vorbemerkungen 2 Ein Beispiel 2 2 Definition der Abbildung f 2 22 Die Abbildungsmatrix 3 23 Anwendung 3 Eigenwerte 3 Die neue
Mehr6.3 Hauptachsentransformation
Im Wintersemester 6/7 wurde in der Vorlesung Höhere Mathematik für Ingenieurstudiengänge der folgende Algorithmus zur Hauptachsentransformation besprochen: 63 Hauptachsentransformation Die Matrizen, die
MehrBasen von Schnitt und Summe berechnen
Basen von Schnitt und Summe berechnen 1 / 8 Voraussetzung Es seien U 1, U 2 Untervektorräume von K n. Wir wollen Basen des Schnittes U 1 U 2 und der Summe bestimmen. U 1 + U 2 2 / 8 Bezeichnung Der Einfachheit
MehrMusterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung
Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet
Mehr1 Rechnen mit 2 2 Matrizen
1 Rechnen mit 2 2 Matrizen 11 Produkt Wir berechnen das allgemeine Produkt von A = Für das Produkt gilt AB = a11 a 12 a 21 a 22 a11 b 11 + a 12 b 21 a 11 b 12 + a 12 b 22 a 21 b 11 + a 22 b 21 a 21 b 12
MehrKapitel 7. Funktionentheorie. 7.1 Holomorphe und harmonische Funktionen. 1. Definitionen
Kapitel 7 Funktionentheorie In diesem Kapitel geht es meistens um Funktionen, die auf einem Gebiet G C definiert sind und komplexe Werte annehmen. Nach Lust, Laune und Bedarf wird C mit R identifiziert,
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrMathematik II für Studierende der Informatik. Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015
und Wirtschaftsinformatik (Analysis und lineare Algebra) im Sommersemester 2015 4. April 2016 Zu der Vorlesung wird ein Skript erstellt, welches auf meiner Homepage veröffentlicht wird: http://www.math.uni-hamburg.de/home/geschke/lehre.html
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrHöhere Mathematik II. 7 Lineare Algebra II. für naturwissenschaftliche Studiengänge. 7.1 Wiederholung einiger Begriffe
Dr. Mario Helm Institut für Numerische Mathematik und Optimierung Fakultät für Mathematik und Informatik Höhere Mathematik II für naturwissenschaftliche Studiengänge Sommersemester 2013 7 Lineare Algebra
Mehr1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.
Definition Die rechteckige Anordnung von m n Elementen a ij in m Zeilen und n Spalten heißt m n- Matrix. Gewöhnlich handelt es sich bei den Elementen a ij der Matrix um reelle Zahlen. Man nennt das Paar
MehrKurze Geschichte der linearen Algebra
Kurze Geschichte der linearen Algebra Dipl.-Inform. Wolfgang Globke Institut für Algebra und Geometrie Arbeitsgruppe Differentialgeometrie Universität Karlsruhe 1 / 20 Entwicklung Die Historische Entwicklung
MehrGroßes Lehrbuch der Mathematik für Ökonomen
Großes Lehrbuch der Mathematik für Ökonomen Von Professor Dr. Karl Bosch o. Professor für angewandte Mathematik und Statistik an der Universität Stuttgart-Hohenheim und Professor Dr. Uwe Jensen R. Oldenbourg
Mehr3.4 Der Gaußsche Algorithmus
94 34 Der Gaußsche Algorithmus Wir kommen jetzt zur expliziten numerischen Lösung des eingangs als eine Motivierung für die Lineare Algebra angegebenen linearen Gleichungssystems 341 n 1 a ik x k = b i,
Mehr