Entwurf robuster Regelungen
|
|
- Silvia Jaeger
- vor 2 Jahren
- Abrufe
Transkript
1 Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25
2 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler Regler K(s) ist die Lösung einesvariations--- oderextremwertproblems der Form J(x, u, t, ) = min K(s) Ein Regler ist nur dann optimal hinsichtlich des sogenannten Funktionals J, wenn keinandererreglerexistiert, der J weiter minimiert Das Funktional J wird häufig auch als Kostenfunktion bezeichnet Der Begriff optimal kennzeichnet also einen objektiven Sachverhalt im Gegensatz zu der subjektiven Bewertung einer Regelung als gut Ackermann soll einmal eine Regelung mit den Worten beurteilt haben: Die Regelung ist optimal, aber nicht gut Auch der umgekehrte Fall ist denkbar, wenn beispielsweise eine Zustandsregelung, die mit Hilfe der Polvorgabe entworfen wurde, auf sehr gute Ergebnisse führt Da in diesem Fall aber kein Funktional minimiert wird (die Vorgabe der Pole ist größtenteils willkürlich), kann man nicht von einer optimalen Regelung sprechen Bei einer optimalen Zustandsregelung wird derjenige Verlauf der Stellgröße gesucht, der eine lineare Strecke von einem beliebigen Anfangszustand x in den Zustand x(t!1) = überführt Obwohl es sich eigentlich um ein Steuerungsproblem handelt, kann man die entstehende Lösung auch für eine Regelung einsetzen Das zu minimierende Funktional lautet J = L(x, u, t)dt = 1 2 xt Qx + u T! Ru dt = min (51) Die Funktion u(t), durch die J zu einem Minimum wird, ist die optimale Lösung Mit den beiden quadratischen Matrizen Q und R wird der Entwurf spezifiziert Je größer die Elemente der Matrix Q, desto mehr gehen aufgrund der quadratischen Form von (51) die Beträge der Zustandsgrößen ein Mit der Matrix R wird der Betrag der Stellgröße u gewichtet Setzt man R =, so könnte das Funktional J mit einer unendlichen Stellgröße beliebig klein werden, was sicherlich keine sinnvolle Lösung darstellt Es existiert eine Vielzahl verschiedener Funktionale, die auf ganz unterschiedliche Regelungen oder Steuerungen führen Das Funktional (51) war jedoch eines der ersten, für das eine analytische Lösung entwickelt wurde Für (51) muß natürlich die Nebenbedingung ẋ = f(x, u, t) = Ax + Bu eingehalten werden Die Berücksichtigung von Nebenbedingungen in dem Gütefunktional kann durch Erweiterung von J mit Hilfe der Langrange---Multiplikatoren ψ erfolgen: J = L(x, u, t) ψ T f(x, u, t) ẋ dt (52) Sofern die Nebenbedingungen eingehalten werden, erhöht die Erweiterung in (52) nicht den Wert des Funktionals (51) Damit ist das Problem wieder auf die Minimierung eines Funktionals ohne Nebenbedingungen zurückgeführt Es müssen nun allerdings gegenüber (51) zusätzlich die unbekannten Lagrange---Multiplikatoren bestimmt werden Die Funktion u(t), die das Funktional (52) minimiert, soll nach dem Hamiltonverfahren bestimmt werden Die Hamiltonfunktion ist bei dem Integralkriterium der obigen Form definiert als H(x, u, ψ, t) = L(x, u, t) + ψ T f(x, u, t) = L + ψ T ẋ = 1 2 xt Qx 1 2 ut Ru + ψ T (Ax + Bu) Man kann das Funktional mit der Hamilton---Funktion (53) auch schreiben als J = H(x, u, ψ, t) ψt ẋ dt = Hdt+ ψ T ẋ dt Durch partielle Integration des zweiten Integrals folgt J = Hdt+ ψt x dt ψ T xdt = Hdt + ψ T ( ) x( ) ψ T () x() (53) ψ T xdt (54)
3 51 BERECHNUNG DER OPTIMALEN STELLGRÖSSE U(T) OPTIMALE ZUSTANDSREGELUNG Die Kostenfunktion (52) kann jedoch nur einen endlichen Wert annehmen, wenn x(t!1) Null wird Damit folgt aus (54) J = Hdt ψ T xdt ψt () x() (55) Aus der sogenannten Variationsrechnung folgt, daß die erste Variation von J Null sein muß, wenn der Verlauf der Hamiltonfunktion optimal ist Unter Variation versteht man eine infinitesimal kleine Änderung des Verlaufs einer Funktion (s Bild 51) f(x) Variation von f(x) Bild 51: Variation einer Funktion f(x) Bei einer Extremwertaufgabe ist stets die Ableitung einer Kostenfunktion an der Stelle eines Optimalwertes Null Anstelle eines optimalen Wertes bei der Extremwertberechnung tritt die Bestimmung einer optimalen Funktion bei der Variationsrechnung Aus der Optimalitätsbedingung, daß die Variation von J bei einer optimalen Funktion verschwinden muß, läßt sich die gesuchte Funktion bestimmen Die Variation von J lautet δj = H x T δx + δu H u T dt ψ T δxdt (56) Zusammenfassung der Variationen δx und δu führt auf δj = H x T + ψ Tδx dt H u T δudt (57) Aus der Forderung δj = für beliebige δx und δu sowie aus (53) folgt das Hamilton---Verfahren x Hamilton-- Verfahren: 1 Für den optimalen Verlauf der Stellgröße u bleibt die Hamilton---Funktion konstant (2 Teil des Integrals (57)) H u = 2 Der Verlauf der Lagrange---Multiplikatoren (auch adjungierter Zustandsvektor genannt) folgt aus (1 Teil des Integrals (57)) ψ = H x 3 Der Verlauf der Zustandsgrößen folgt aus der Nebenbedingung (53) ẋ = H = f(x, u, t) = Ax + Bu ψ AlsRandbedingungenmüssen x(t!1) = und u(t!1) = erfüllt sein, da sonst dasfunktional J nicht endlich ist Wir wollen nun einschränkend aus Gründen der einfacheren Rechenbarkeit Q und R als symmetrisch annehmen R sei positiv definit (die Stellgröße könnte sonst unendlich werden) und Q positiv semidefinit Diese Annahme gewährleistet x T Qx sowie u T Ru > 51 Berechnung der optimalen Stellgröße u(t) Um das Hamilton---Verfahren auf die Funktion (53) anwenden zu können, werden einige Ergebnisse aus der Matrix---Analysis benötigt, die im Anhang zusammengestellt sind Anhand einfacher Beispiele lassen sich die Beziehungen auch leicht selbst herleiten Aus Schritt 1 folgt H u = Ru + BT ψ = Der Verlauf der Lagrange---Multiplikatoren ergibt sich aus Schritt 2: (58)
4 51 BERECHNUNG DER OPTIMALEN STELLGRÖSSE U(T) OPTIMALE ZUSTANDSREGELUNG ψ = H x = Qx + AT ψ = Qx AT ψ Die Nebenbedingung (Schritt 3) schließlich ist trivial: ẋ = H = Ax + Bu ψ Aus (58) folgt die Stellgröße u = R 1 B T ψ Eingesetzt in die Gleichung der Strecke (51) ergibt sich ẋ = Ax + BR 1 B T ψ Die Gleichungen (59), (511) und (512) ergeben das Blockschaltbild 52 u R B A x x Q (59) (51) (511) (512) ẋ ψ = A Q BR 1 B T A T x ψ (513) Hamilton --- Matrix H A (Eigenwerte symmetrisch zur imaginären Achse) Die Systemmatrix in (513) bezeichnet man als Hamilton---Matrix Jede Hamilton--- Matrix erfüllt die Gleichung T 1 H T T = H, T = I I, T 1 = T T = T (514) Weder das Transponieren von H noch die Transformation mit T verändert die Eigenwerte von H Falls λ i Eigenwert von H ist, so muß folglich auch ---λ i Eigenwert von H sein Für Q = besitzt die Hamiltonmatrix die Eigenwerte von A und von --- A T ; das System (513) ist also immer instabil Die Matrizen Q und R verändern nun diese Eigenwerte An der Eigenschaft, daß alle Eigenwerte spiegelsymmetrisch zur imaginären Achse auftreten, ändert sich jedoch nichts Aufgrund der Instabilität von (513) erscheint die optimale Lösung höchst fragwürdig Zu jedem beliebigen Anfangswert x existiert jedoch immer ein bestimmter Anfangswert Ψ des sogenannten adjungierten Systems, so daß das Funktional (53) tatsächlich ein Minimum annimmt ψ adjungiertes System ψ B T --- A T Bild 52: Optimale Zustandsregelung Die Zustandsgleichung des Gesamtsystems mit dem Zustandsvektor [ x Ψ ] T lautet In Bild 53 ist der Verlauf aller Zustandsgrößen für die instabile Systemmatrix H A = 1 1 (515) bei richtiger Wahl der Anfangswerte gezeigt Diese Beobachtung läßt vermuten, daß sich bei der speziellen Wahl der Anfangsbedingungen von Ψ der gleiche Verlauf auch bei einem stabilen System einstellen kann Wir wollen deshalb den Ansatz ψ = Px (516) (unabhängig von x ) versuchen und Existenzbedingungen aufstellen Die Stellgröße (511) lautet dann mit dem Ansatz (516) u = R 1 B T Px (517)
5 51 BERECHNUNG DER OPTIMALEN STELLGRÖSSE U(T) OPTIMALE ZUSTANDSREGELUNG Setzen wir das Ergebnis in die Zustandsgleichung der Strecke ein, so entsteht ẋ = Ax BR 1 B T Px = A BR 1 B T P x (518) Die Gleichung (517) entspricht einer Zustandsregelung u = Fx mit F = R 1 B T P (523) x 2 ψ 2 x 1 ψ 1 Die Gleichung (522) hat als quadratische Gleichung in P zweilösungen Esstellt sich heraus, daß die positiv definite Lösung P + auf einen stabilen geschlossenen Kreis führt, während mit der negativen Lösung P --- alle Pole in der rechten Halbebene liegen Die Matrix P ist stets symmetrisch Setzt man P = W T in die Riccati---Gleichung (522) ein, so folgt A T W T + W T A W T BR 1 B T W T + Q = Transponiert man die obige Gleichung und berücksichtigt die Symmetrie von Q und R, so entsteht wieder eine Gleichung der Form (522) WA + A T W WBR 1 B T W + Q =, aus der P = W folgt Da aber P = W T vorausgesetzt wurde, muß also P = P T (Symmetrie) gelten Bild 53: Verlauf der Zustandsgrößen für die (instabile) Hamilton---Matrix (515) Der Ansatz (516) wird nun in die Zustandsgleichung für Ψ (59) eingesetzt ψ = Qx + A T Px = Q + AT P x (519) Ableitung des Ansatzes und Ersetzen von ẋ gemäß (518) führt auf den Ausdruck ψ = Pẋ (52) = PA + PBR 1 B T P x, der mit (519) gleichgesetzt werden kann Man stellt fest, daß die Beziehung Q + A T P = PA + PBR 1 B T P eine von x unabhängige Bestimmungsgleichung für P darstellt Diese berühmte Gleichung bezeichnet man als Das Verfahren wird aufgrund der als linear angenommenen Strecke und der quadratischen Kostenfunktion (51) auch als LQR (Linear Quadratic Regulator) bezeichnet Da die Lösung des Optimierungsproblems die Lösung der algebraischen Riccati---Gleichung (522) erfordert, spricht man auch von einem Riccati---Regler Fast alle regelungstechnischen Programmbibliotheken enthalten Verfahren zur Lösung von algebraischen Riccati---Gleichungen (zb [43]) Die in diesem Kapitel verwendeten Gleichungen gelten ohne Einschränkungen für Mehrgrößensysteme Der Rechenaufwand steigt für Mehrgrößenstrecken nicht an 52 Zusammenfassung der Lösung Algebraische Regler Riccati---Gleichung CARE (Controller Algebraic Riccati Equation) A T P + PA PBR 1 B T P + Q = (522) Die Lösung des Optimierungsproblems J = xt Qx + u T! Ru dt = min (524)
6 52 ZUSAMMENFASSUNG DER LÖSUNG OPTIMALE ZUSTANDSREGELUNG besteht in der Zustandsrückführung F = R 1 B T P (525) mit der (positiv definiten) Lösung P der algebraischen (Matrix---)Riccati---Gleichung A T P + PA PBR 1 B T P + Q = (526) Alle Eigenwerte von A + BF sind in diesem Fall in der linken Halbebene Das Blockschaltbild der Regelung ist in Bild 54 dargestellt x w u x Voraussetzungen: Q positiv semidefinit, symmetrisch R positiv definit, symmetrisch (A, B) steuerbar (hinreichend, nicht notwendig) H A (513) darf keine imaginären Eigenwerte haben (Wonham, 1979, [67]) 53 Beispiel für eine optimale Zustandsregelung Für die Strecke mit der Übertragungsfunktion (Schreibweise siehe Anhang B) G(s) = s + 1 α = [A, B, C, D] = [ α,1,1,] soll der optimale Zustandsregler als Funktion der Parameter Q und R bestimmt werden Die Schreibweise [A, B, C, D] ist eine Abkürzung für die Übertragungsfunktion C(sI A) 1 B + D Die Riccati---Gleichung (526) lautet mit diesen Daten A T P + PA PBR 1 B T P + Q = 2αP R 1 P 2 + Q = Die positive Lösung dieser skalaren Gleichung (G(s) ist 1 Ordnung) ist P + = R α + α 2 + Q R Nach (525) erhält man schließlich für die Zustandsrückführung F = R 1 B T P = α α 2 + Q R α α α 2 + Q R Bild 54: Optimale Zustandsregelung der Strecke 1 Ordnung Anhand der Übertragungsfunktion des geschlossenen Kreises x(s) w(s) = 1 s + α 2 + Q R erkennt man, daß der geschlossene Kreis stabil ist für alle α R, Q R +, R R + \{} Selbst wenn Q = gewählt wird, liegt auchbei instabilenstrecken derpol bei ---α 54 Bewertung der Ausgangsgröße y anstelle der Zustandsgröße x In den Fällen, in denen nur der Verlauf der Ausgangsgröße und nicht der der einzelnen Zustandsgrößen interessiert, bietet sich das folgende Funktional an: J = 1 2 y T Q ~ y + u T Ru dt = 1 2 x T C T Q ~ Cx + u T Ru dt (527)
7 54 BEWERTUNG DER AUSGANGSGRÖSSE Y OPTIMALE ZUSTANDSREGELUNG Dieses Problem läßt sich aber auf den Fall (524) zurückführen, wenn man Q gegen C T Q ~ C austauscht Die Dimension von Q ~ ist mit m m ia kleiner als die von Q mit n n 55 Übungsbeispiel: LQR (Linear Quadratic Regulator) Doppelter Integrator u x 1 x 1 x 2 x 2 =y ẋ 1 ẋ 2 = 1 x 1 x u a) Bestimmen Sie die Lösung, die das Funktional mit J = Q = q 1 xt Qx + u T Ru dt G(s) = 1 s 2, R = 1, x 1 () = x 1, x 2 () = x 2 minimiert? b) Wie lautet in diesem Fall die charakteristische Gleichung des Gesamtsystems? c) Ergeben sich sinnvolle Lösungen für q 1 =? Welche Dämpfung hat dann das System? 551 Lösung a) Da jede Lösung P der algebraischen Riccati---Gleichung symmetrisch ist, besitzt die 2x2---Matrix P nur3unbekannte Koeffizienten Wir könneneine Lösung der Form P := p 1 p 3 p 3 p 2 ansetzten (die Elemente p 12 und p 21 sind identisch) Die Riccati---Gleichung lautet damit: 1 p 1 p 3 + p 1 p 3 1 p 3 p 3 p 1 p 3 1 BR 1 B T p 1 p 3 + q 1 p + p 2 3 p 2 p 1 p 3 p 1 p 3 p + p 2 3 p p 2 p2 1 p 3 1 p 1 p 3 p + q q 1 = = = Die Matrizengleichung liefert aufgrund der Symmetrie der Lösung 3 quadratische Gleichungen für die 3 Unbekannten: p p 3 + q 1 =, (528) p =, (529) p 1 p 3 + p 2 = (53) Bei der Lösung muß darauf geachtet werden, daß die Vorzeichen der Elemente p i unbekannt sind Die Vorzeichen lassen sich jedoch aus der Bedingung P > (P positiv definit) eindeutig bestimmen Diese Lösung lautet: P = 2 + q 1 q2 q2 2 + q 1 Die Zustandsrückführung folgt aus P gemäß F = R 1 B T P = 1 P = 2 + q 1 b) Strecke und Zustandsrückführung lassen sich in folgendes Blockschaltbild zeichnen
8 55 ÜBUNGSBEISPIEL: LQR (LINEAR QUADRATIC REGULATOR) OPTIMALE ZUSTANDSREGELUNG w u x 1 x 2 =y y 2 + q 1 F u Bild 55: Blockschaltbild der geregelten Strecke Die Struktur von Bild 55 entspricht der Regelungsnormalform, so daß die Elemente der Rückführung bis auf das Vorzeichen identisch mit den Koeffizienten der charakteristischen Gleichung sind Bild 56: Verlauf der Regel--- und Stellgrößen mit als Parameter P(s) = s q 1 s + c) Vergleicht man P(s) mit der Normalform P(s) = s 2 + 2Dω s + ω 2 und setzt q 1 =, so erhält man D = 1 2 unabhängig von dem Koeffizienten Die folgende Simulation zeigt Einschwingvorgänge mit y = 1 und als Parameter
Zusammenfassung der 8. Vorlesung
Zusammenfassung der 8. Vorlesung Beschreibung und und Analyse dynamischer Systeme im im Zustandsraum Steuerbarkeit eines dynamischen Systems Unterscheidung: Zustandssteuerbarkeit, Zustandserreichbarkeit
PRAKTIKUM REGELUNGSTECHNIK 2
FACHHOCHSCHULE LANDSHUT Fachbereich Elektrotechnik Prof. Dr. G. Dorn PRAKTIKUM REGELUNGSTECHNIK 2 1 Versuch 2: Übertragungsfunktion und Polvorgabe 1.1 Einleitung Die Laplace Transformation ist ein äußerst
(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu
Herleitung der oppenecker-formel (Wiederholung) Für ein System ẋ Ax + Bu (B habe Höchstrang) wird eine Zustandsregelung u x angesetzt. Der geschlossene egelkreis gehorcht der Zustands-Dgl. ẋ (A B)x. Die
Zusammenfassung der 6. Vorlesung
Zusammenfassung der 6. Vorlesung w-transformation Die w-transformationbildet das Innere des Einheitskreises der z-ebene in die linke w-ebene ab. z 1 w= z+1, bzw. z= 1+w 1 w Nach Anwendung der w-transformationist
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen
Optimierung für Wirtschaftsinformatiker: Analytische Optimierung ohne Nebenbedingungen Dr. Nico Düvelmeyer Freitag, 1. Juli 2011 1: 1 [1,1] Inhaltsübersicht für heute 1 Einführung und Wiederholung Beispiel
Optimalitätskriterien
Kapitel 4 Optimalitätskriterien Als Optimalitätskriterien bezeichnet man notwendige oder hinreichende Bedingungen dafür, dass ein x 0 Ω R n Lösung eines Optimierungsproblems ist. Diese Kriterien besitzen
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler Wintersemester 3/4 (.3.4). (a) Für z = + i und z = 3 4i berechne man z z und z z. Die Ergebnisse sind in kartesischer Form anzugeben.
17. Penalty- und Barriere-Methoden
H.J. Oberle Optimierung SoSe 01 17. Penalty- und Barriere-Methoden Penalty- und Barriere Methoden gehören zu den ältesten Ansätzen zur Lösung allgemeiner restringierter Optimierungsaufgaben. Die grundlegende
Aufgabensammlung Regelungs- und Systemtechnik 2 / Regelungstechnik für die Studiengänge MTR/BMT
TECHNISCHE UNIVERSITÄT ILMENAU Institut für Automatisierungs- und Systemtechnik Fachgebiet Simulation und Optimale Prozesse Aufgabensammlung Regelungs- und Systemtechnik 2 / Regelungstechnik für die Studiengänge
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen
Optimierungsprobleme mit Nebenbedingungen - Einführung in die Theorie, Numerische Methoden und Anwendungen Dr. Abebe Geletu Ilmenau University of Technology Department of Simulation and Optimal Processes
Mathematik 1 für Wirtschaftsinformatik
Mathematik 1 für Wirtschaftsinformatik Wintersemester 2012/13 Hochschule Augsburg : Gliederung 7 Folgen und Reihen 8 Finanzmathematik 9 Reelle Funktionen 10 Differenzieren 1 11 Differenzieren 2 12 Integration
Dr. Jürgen Roth. Fachbereich 6: Abteilung Didaktik der Mathematik. Elemente der Algebra. Dr. Jürgen Roth 3.1
.1 Dr. Jürgen Roth Fachbereich 6: Abteilung Didaktik der Mathematik Elemente der Algebra . Inhaltsverzeichnis Elemente der Algebra & Argumentationsgrundlagen, Gleichungen und Gleichungssysteme Quadratische
Skalare Differentialgleichungen
Kapitel 2 Skalare Differentialgleichungen 2.1 Skalare lineare Differentialgleichungen 2.2 Bernoulli und Riccati Differentialgleichungen 2.3 Differentialgleichungen mit getrennten Variablen 2.4 Exakte Differentialgleichungen
Lineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
Lineare Gleichungssysteme
Lineare Gleichungssysteme Eines der am häufigsten auftretenden Standardprobleme der angewandten Mathematik ist das Lösen linearer Gleichungssysteme, etwa zur Netzwerkberechnung in der Elektrotechnik oder
Bestimmung einer ersten
Kapitel 6 Bestimmung einer ersten zulässigen Basislösung Ein Problem, was man für die Durchführung der Simplexmethode lösen muss, ist die Bestimmung einer ersten zulässigen Basislösung. Wie gut das geht,
Charakteristikenmethode im Beispiel
Charakteristikenmethode im Wir betrachten die PDE in drei Variablen xu x + yu y + (x + y )u z = 0. Das charakteristische System lautet dann ẋ = x ẏ = y ż = x + y und besitzt die allgemeine Lösung x(t)
Die Gleichung A x = a hat für A 0 die eindeutig bestimmte Lösung. Für A=0 und a 0 existiert keine Lösung.
Lineare Gleichungen mit einer Unbekannten Die Grundform der linearen Gleichung mit einer Unbekannten x lautet A x = a Dabei sind A, a reelle Zahlen. Die Gleichung lösen heißt, alle reellen Zahlen anzugeben,
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009
Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 Aufgabe 35: Thema: Singulärwertzerlegung und assoziierte Unterräume Sei A eine m n Matrix mit Rang r und A = UDV T ihre Singulärwertzerlegung.
Entwurf von Reglern reduzierter Ordnung und Entwicklung einer Workbench
Universität der Bundeswehr München Fakultät für Elektrotechnik und Informationstechnik Institut für Meß- und Automatisierungstechnik Professur für Regelungstechnik Entwurf von Reglern reduzierter Ordnung
3. Grundlagen der Linearen Programmierung
3. Grundlagen der linearen Programmierung Inhalt 3. Grundlagen der Linearen Programmierung Lineares Programm Grafische Lösung linearer Programme Normalform Geometrie linearer Programme Basislösungen Operations
Institut für Leistungselektronik und Elektrische Antriebe. Übungen Regelungstechnik 2
Institut für Leistungselektronik und Elektrische Antriebe Prof. Dr.-Ing. J. Roth-Stielow Übungen Regelungstechnik 2 Inhalt der Übungen: 1. Grundlagen (Wiederholung RT1) 2. Störgrößenaufschaltung 3. Störgrößennachbildung
Modulabschlussklausur Analysis II
Modulabschlussklausur Analysis II. Juli 015 Bearbeitungszeit: 150 min Aufgabe 1 [5/10 Punkte] Es sei a R und f a : R 3 R mit f a (x, y, z) = x cos(y) + z 3 sin(y) + a 3 + (z + ay a y) cos(x) a) Bestimmen
Eigenwerte und Eigenvektoren von Matrizen
Eigenwerte und Eigenvektoren von Matrizen Das Eigenwertproblem Sei A eine quadratische Matrix vom Typ m,m. Die Aufgabe, eine Zahl λ und einen dazugehörigen Vektor x zu finden, damit Ax = λx ist, nennt
H. Gruber, R. Neumann. Erfolg im Mathe-Abi. Basiswissen Rheinland-Pfalz. Übungsbuch für den Grund- und Leistungskurs mit Tipps und Lösungen
H. Gruber, R. Neumann Erfolg im Mathe-Abi Basiswissen Rheinland-Pfalz Übungsbuch für den Grund- und Leistungskurs mit Tipps und Lösungen Vorwort Vorwort Erfolg von Anfang an Dieses Übungsbuch ist auf die
Nichtlineare Optimierung ohne Nebenbedingungen
Kapitel 2 Nichtlineare Optimierung ohne Nebenbedingungen In diesem Abschnitt sollen im wesentlichen Verfahren zur Bestimmung des Minimums von nichtglatten Funktionen in einer Variablen im Detail vorgestellt
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 203 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
5 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
Kapitel 15: Differentialgleichungen
FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen
Gleichungen Lösen. Ein graphischer Blick auf Gleichungen
Gleichungen Lösen Was bedeutet es, eine Gleichung zu lösen? Was ist überhaupt eine Gleichung? Eine Gleichung ist, grundsätzlich eine Aussage über zwei mathematische Terme, dass sie gleich sind. Ein Term
Teil II. Nichtlineare Optimierung
Teil II Nichtlineare Optimierung 60 Kapitel 1 Einleitung In diesem Abschnitt wird die Optimierung von Funktionen min {f(x)} x Ω betrachtet, wobei Ω R n eine abgeschlossene Menge und f : Ω R eine gegebene
50. Mathematik-Olympiade 2. Stufe (Regionalrunde) Klasse 11 13. 501322 Lösung 10 Punkte
50. Mathematik-Olympiade. Stufe (Regionalrunde) Klasse 3 Lösungen c 00 Aufgabenausschuss des Mathematik-Olympiaden e.v. www.mathematik-olympiaden.de. Alle Rechte vorbehalten. 503 Lösung 0 Punkte Es seien
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema
Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema 2x 4 + x 3 + x + 3 div x 2 + x 1 = 2x 2 x + 3 (2x 4 + 2x 3 2x 2 ) x 3 + 2x 2 + x + 3 ( x
OPERATIONS-RESEARCH (OR)
OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:
Optimieren unter Nebenbedingungen
Optimieren unter Nebenbedingungen Hier sucht man die lokalen Extrema einer Funktion f(x 1,, x n ) unter der Nebenbedingung dass g(x 1,, x n ) = 0 gilt Die Funktion f heißt Zielfunktion Beispiel: Gesucht
Optimale Steuerung. Sequentielle Quadratische Programmierung. Kevin Sieg. 14. Juli 2010. Fachbereich für Mathematik und Statistik Universität Konstanz
Optimale Steuerung Kevin Sieg Fachbereich für Mathematik und Statistik Universität Konstanz 14. Juli 2010 1 / 29 Aufgabenstellung 1 Aufgabenstellung Aufgabenstellung 2 Die zusammengesetzte Trapezregel
A Matrix-Algebra. A.1 Definition und elementare Operationen
A Matrix-Algebra In diesem Anhang geben wir eine kompakte Einführung in die Matrizenrechnung bzw Matrix-Algebra Eine leicht lesbare Einführung mit sehr vielen Beispielen bietet die Einführung in die Moderne
u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.
Universität Stuttgart Fachbereich Mathematik Prof. Dr. C. Hesse PD Dr. P. H. Lesky Dipl. Math. D. Zimmermann Msc. J. Köllner FAQ 3 Höhere Mathematik I 4..03 el, kyb, mecha, phys Vektorräume Vektorräume
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.
13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen. Sie heißt linear, wenn sie die Form y (n) + a n 1 y (n 1)
1.9 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..
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung
Optimierung und Simulation ökonomischer Problemlagen privater Haushalte 3. Vorlesung Rainer Hufnagel / Laura Wahrig 2006 Diese Woche LO - Sensitivitätsanalyse Simulation Beispiel Differenzengleichungen
GF(2 2 ) Beispiel eines Erweiterungskörpers (1)
GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr
Lineare Gleichungssysteme
Lineare Gleichungssysteme Sei K ein Körper, a ij K für 1 i m, 1 j n. Weiters seien b 1,..., b m K. Dann heißt a 11 x 1 + a 12 x 2 +... + a 1n x n = b 1 a 21 x 1 + a 22 x 2 +... + a 2n x n = b 2... a m1
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen
Grundlagen der höheren Mathematik Einige Hinweise zum Lösen von Gleichungen 1. Quadratische Gleichungen Quadratische Gleichungen lassen sich immer auf die sog. normierte Form x 2 + px + = 0 bringen, in
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr.
Lösungsvorschlag für die Probeklausuren und Klausuren zu Algebra für Informations- und Kommunikationstechniker bei Prof. Dr. Kurzweil Florian Franzmann André Diehl Kompiliert am 10. April 2006 um 18:33
3. LINEARE GLEICHUNGSSYSTEME
176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an
Lösungsmethoden gewöhnlicher Differentialgleichungen (Dgl.)
Lösungsmethoden gewöhnlicher Dierentialgleichungen Dgl) Allgemeine und partikuläre Lösung einer gewöhnlichen Dierentialgleichung Eine Dierentialgleichung ist eine Gleichung! Zum Unterschied von den gewöhnlichen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen
Elemente der Analysis I Kapitel 2: Einführung II, Gleichungen Prof. Dr. Volker Schulz Universität Trier / FB IV / Abt. Mathematik 8. November 2010 http://www.mathematik.uni-trier.de/ schulz/elan-ws1011.html
Die regelungstechnischen Grundfunktionen P, I, D, Totzeit und PT1. 1. Methoden zur Untersuchung von Regelstrecken
FELJC P_I_D_Tt.odt 1 Die regelungstechnischen Grundfunktionen P, I, D, Totzeit und PT1 (Zum Teil Wiederholung, siehe Kurs T2EE) 1. Methoden zur Untersuchung von Regelstrecken Bei der Untersuchung einer
IEMS Regelungstechnik Abschlussklausur
IEMS Regelungstechnik Abschlussklausur Prof. Dr. Moritz Diehl, IMTEK, Universität Freiburg, und ESAT-STADIUS, KU Leuven 30. August, 0:5-3:5, Freiburg, Georges-Koehler-Allee 06, Raum 00-007 page 0 2 3 4
Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen
Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:
Klassenarbeit zu linearen Gleichungssystemen
Klassenarbeit zu linearen Gleichungssystemen Aufgabe : Bestimme die Lösungsmenge der Gleichungssysteme mit Hilfe des Additionsverfahrens: x + 4y = 8 5x y = x y = x y = Aufgabe : Bestimme die Lösungsmenge
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover
Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover Zulassungsjahr: 202 (Sommersemester) Allgemeine Informationen: Der deutschsprachige
Vorkurs Mathematik Übungen zu Differentialgleichungen
Vorkurs Mathematik Übungen zu Differentialgleichungen Als bekannt setzen wir die folgenden Umformungen voraus: e ln(f(x)) = f(x) e f(x)+c = e f(x) e c e ln(f(x)) +c = f(x) e c = f(x) c f ( g(x) ) g (x)
Komplexe Zahlen. Kapitel 1. 1.1 Definitionen 18.4.01
Kapitel Komplexe Zahlen Motivation: die Gleichung x = hat offensichtlich keine reellen Lösungen, da x 0 für jedes reelle x gilt Um auch diese Gleichung lösen zu können, muß man neue Zahlen einführen: die
8. Übung zur Vorlesung Mathematisches Modellieren Lösung
Universität Duisburg-Essen Essen, den.6. Fakultät für Mathematik S. Bauer C. Hubacsek C. Thiel 8. Übung zur Vorlesung Mathematisches Modellieren Lösung In dieser Übung sollen in Aufgabe und die qualitativ
Ü b u n g s b l a t t 11
Mathe für Physiker I Wintersemester 0/04 Walter Oevel 8. 1. 004 Ü b u n g s b l a t t 11 Abgabe von Aufgaben am 15.1.004 in der Übung. Aufgabe 91*: (Differentialgleichungen, Separation. 10 Bonuspunkte
Übungsklausur. Bitte wählen Sie fünf Aufgaben aus! Aufgabe 1. Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr.
Übungsklausur zu Mathematik I für BWL und VWL (WS 2008/09) PD Dr. Gert Zöller Übungsklausur Hilfsmittel: Taschenrechner, Formblatt mit Formeln. Lösungswege sind stets anzugeben. Die alleinige Angabe eines
Analysis. mit dem Computer-Algebra-System des TI-92. Anhang 2: Gedanken zum Lehrplan. Beat Eicke und Edmund Holzherr 11.
ETH EIDGENÖSSISCHE TECHNISCHE HOCHSCHULE ZÜRICH Analysis mit dem Computer-Algebra-System des TI-92 Anhang 2: Gedanken zum Lehrplan Beat Eicke und Edmund Holzherr 11. November 1997 Eidgenössische Technische
9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83
9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x
Theorie der Regelungstechnik
2008 AGI-Information Management Consultants May be used for personal purporses only or by libraries associated to dandelon.com network. H. Gassmann Theorie der Regelungstechnik Eine Einführung Verlag Harri
Extremwertaufgaben. 3. Beziehung zwischen den Variablen in Form einer Gleichung aufstellen (Nebenbedingung),
Extremwertaufgaben x. Ein Landwirt will an einer Mauer einen rechteckigen Hühnerhof mit Maschendraht abgrenzen. 0 Meter Maschendraht stehen zur Verfügung. Wie groß müssen die Rechteckseiten gewählt werden,
Numerische Behandlung des Eigenwertproblems
Numerische Behandlung des Eigenwertproblems Zusammenfassung Das Ziel dieses Vortrages ist, zwei gute Methoden für die numerische Bestimmung der Eigenwerte zu zeigen und wie man diese mit Matlab anwenden
Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer. karin.melzer@hs-esslingen.de http://www.hs-esslingen.de/de/mitarbeiter/karin-melzer.
Mathematik 1 Prof Dr K Melzer karinmelzer@hs-esslingende http://wwwhs-esslingende/de/mitarbeiter/karin-melzerhtml Inhaltsverzeichnis 1 Matrizenrechnung 2 11 Matrixbegri 2 12 Spezielle Matrizen 3 13 Rechnen
Vorlesung. Funktionen/Abbildungen 1
Vorlesung Funktionen/Abbildungen 1 1 Grundlagen Hinweis: In dieser Vorlesung werden Funktionen und Abbildungen synonym verwendet. In der Schule wird eine Funktion häufig als eindeutige Zuordnung definiert.
Definition 3.1: Ein Differentialgleichungssystem 1. Ordnung
Kapitel 3 Dynamische Systeme Definition 31: Ein Differentialgleichungssystem 1 Ordnung = f(t, y) ; y R N ; f : R R N R N heißt namisches System auf dem Phasenraum R N Der Parameter t wird die Zeit genannt
1. Methode der Finiten Elemente
1. Methode der Finiten Elemente 1.1 Innenraumprobleme 1.2 Außenraumprobleme 1.3 Analysen 1.4 Bewertung Prof. Dr. Wandinger 5. Numerische Methoden Akustik 5.1-1 1.1 Innenraumprobleme 1.1.1 Schwache Formulierung
DIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Zuammenfassung: Reelle Funktionen
Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,
1 Lineare Gleichungssysteme
MLAN1 1 LINEARE GLEICHUNGSSYSTEME 1 Literatur: K Nipp/D Stoffer, Lineare Algebra, Eine Einführung für Ingenieure, VDF der ETHZ, 4 Auflage, 1998, oder neuer 1 Lineare Gleichungssysteme Zu den grundlegenden
Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011
Mathematik für Informatiker II Christoph Eisinger Sommersemester 211 Beispiellösungen zur Probeklausur Aufgabe 1 Gegeben sind die Polynome f, g, h K[x]. Zu zeigen: Es gibt genau dann Polynome h 1 und h
Serie 13: Online Test
D-ERDW, D-HEST, D-USYS Mathematik I HS 3 Dr. Ana Cannas Serie 3: Online Test Einsendeschluss: 3. Januar 4 Bei allen Aufgaben ist genau eine Antwort richtig. Lösens des Tests eine Formelsammlung verwenden.
3.1. Die komplexen Zahlen
3.1. Die komplexen Zahlen Es gibt viele Wege, um komplexe Zahlen einzuführen. Wir gehen hier den wohl einfachsten, indem wir C R als komplexe Zahlenebene und die Punkte dieser Ebene als komplexe Zahlen
Vorlesung. Informationsökonomik und die Theorie der Firma
Vorlesung Informationsökonomik und die Theorie der Firma Ulrich Schwalbe Universität Hohenheim 5. Vorlesung 28.11.2007 Ulrich Schwalbe (Universität Hohenheim) Informationsökonomik 5. Vorlesung 28.11.2007
Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b
Aufgabe 1: Im Jahr t = 0 hat eine Stadt 10.000 Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. (a) Nehmen Sie lineares Wachstum gemäß z(t) = at + b an, wobei z die Einwohnerzahl ist und
klar. 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
Kapitel 3 Mathematik. Kapitel 3.3. Algebra Gleichungen
TG TECHNOLOGISCHE GRUNDLAGEN Kapitel 3 Mathematik Kapitel 3.3 Algebra Gleichungen Verfasser: Hans-Rudolf Niederberger Elektroingenieur FH/HTL Vordergut 1, 877 Nidfurn 055-654 1 87 Ausgabe: Februar 009
TEILWEISE ASYNCHRONE ALGORITHMEN
TEILWEISE ASYNCHRONE ALGORITHMEN FRANK LANGBEIN Literatur: D. Berseas, J. Tsitsilis: Parallel and distributed computatoin, pp. 48 489 URI: http://www.langbein.org/research/parallel/ Modell teilweiser asynchroner
Einfache Differentialgleichungen
Differentialgleichungen (DGL) spielen in der Physik eine sehr wichtige Rolle. Im Folgenden behandeln wir die grundlegendsten Fälle 1, jeweils mit einer kurzen Herleitung der Lösung. Dann schliesst eine
Regelungstechnik 1 Praktikum Versuch 1.1. 1 Unterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch
Regelungstechnik 1 Praktikum Versuch 1.1 1 nterschied zwischen Steuerung und Regelung Reglereinstellung mittels Schwingversuch Die Aufgabe der Regelungstechnik besteht im weitesten Sinne darin, einen bestimmten
Mathematik für Bioinformatik und Systembiologie. - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz
Mathematik für Bioinformatik und Systembiologie - Kapitel Einführung in die Optimierung - Roland Herzog und Dirk Lebiedz WS 2009/10 Universität Freiburg Dieses Vorlesungsskript ist auf der Basis von Vorlesungen
Extrema von Funktionen in zwei Variablen
Wirtschaftswissenschaftliches Zentrum Universität Basel Mathematik für Ökonomen 1 Dr. Thomas Zehrt Extrema von Funktionen in zwei Variablen Literatur: Gauglhofer, M. und Müller, H.: Mathematik für Ökonomen,
Mathematik für Ökonomen
Springer-Lehrbuch Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab Bearbeitet von Wolfgang Kohn, Riza Öztürk 1. Auflage 2012. Taschenbuch. xv, 377 S. Paperback
x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt
- 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +
Teil II Optimierung. Peter Buchholz 2016. Modellgestützte Analyse und Optimierung Kap. 9 Einführung Optimierung
Teil II Optimierung Gliederung 9 Einführung, Klassifizierung und Grundlagen 10 Lineare Optimierung 11 Ganzzahlige und kombinatorische Optimierung 12 Dynamische Optimierung Literatur: zu 10-12: Neumann,
Abiturvorbereitung Mathematik -Dierentialrechnungc Max. Hoffmann
Abiturvorbereitung Mathematik -Dierentialrechnungc Max Hoffmann 1 Ganzrationale Funktionen Im Folgenden wollen wir uns mit ganzrationale Funktionen und der Untersuchung solcher beschäftigen. Dabei werden
Repetitionsaufgaben: Lineare Gleichungen
Kantonale Fachschaft Mathematik Repetitionsaufgaben: Lineare Gleichungen Zusammengestellt von Hannes Ernst, KSR Lernziele: - Lineare Gleichungen von Hand auflösen können. - Lineare Gleichungen mit Parametern
4. Dynamische Optimierung
4. Dynamische Optimierung Allgemeine Form dynamischer Optimierungsprobleme 4. Dynamische Optimierung Die dynamische Optimierung (DO) betrachtet Entscheidungsprobleme als eine Folge voneinander abhängiger
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS. Herbstsemester 2015. gehalten von Harald Baum
Fachschaft Mathematik und Informatik (FIM) LA I VORKURS Herbstsemester 2015 gehalten von Harald Baum 2. September 2015 Inhaltsverzeichnis 1. Stichpunkte zur Linearen Algebra I 2. Körper 3. Vektorräume
Definition. Fibonacci-Zahlen als Beispiel Für f = (f n ) n 0 = (0, 1, 1, 2, 3, 5, 8, 13, 21, 34,...) gilt Rekursion. Matrix-Formulierung. c 2.
Fibonacci-Zahlen als Beispiel Für f = (f n ) = (0,,, 2, 3, 5, 8, 3, 2, 34,...) gilt Rekursion erzeugende Funktion f n2 = f n f n (n 0), f 0 = 0, f = f(z) = f n z n = z z z 2 Partialbruchzerlegung mit φ
Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme
Übung Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme Diese Übung beschäftigt sich mit Grundbegriffen der linearen Algebra. Im Speziellen werden lineare Abbildungen, sowie
Hamilton-Formalismus
KAPITEL IV Hamilton-Formalismus Einleitung! IV.1 Hamilton sche Bewegungsgleichungen IV.1.1 Kanonisch konjugierter Impuls Sei ein mechanisches System mit s Freiheitsgraden. Im Rahmen des in Kap. II eingeführten
Universität Bonn, Institut für Angewandte Mathematik. WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW
Universität Bonn, Institut für Angewandte Mathematik Dr. Antje Kiesel WS 2012/2013 Prüfung Angewandte Mathematik und Statistik - Agrarwiss. /ELW 08.03.2013 Matrikelnummer Platz Name Vorname 1 2 3 4 5 6
Wolfgang Kohn Riza Öztürk. Mathematik für Ökonomen. Ökonomische Anwendungen der linearen. Algebra und Analysis mit Scilab
Wolfgang Kohn Riza Öztürk Mathematik für Ökonomen Ökonomische Anwendungen der linearen Algebra und Analysis mit Scilab 3., erweiterte und überarbeitete Auflage ^ Springer Gabler Inhaltsverzeichnis Teil
Höhere 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 ; : :
Kevin Caldwell. 18.April 2012
im Rahmen des Proseminars Numerische Lineare Algebra von Prof.Dr.Sven Beuchler 18.April 2012 Gliederung 1 2 3 Mathematische Beschreibung von naturwissenschaftlich-technischen Problemstellungen führt häufig
Codierungstheorie Rudolf Scharlau, SoSe 2006 9
Codierungstheorie Rudolf Scharlau, SoSe 2006 9 2 Optimale Codes Optimalität bezieht sich auf eine gegebene Quelle, d.h. eine Wahrscheinlichkeitsverteilung auf den Symbolen s 1,..., s q des Quellalphabets
Gegeben ist die Funktion f durch. Ihr Schaubild sei K.
Aufgabe I 1 Gegeben ist die Funktion f durch. Ihr Schaubild sei K. a) Geben Sie die maximale Definitionsmenge D f an. Untersuchen Sie K auf gemeinsame Punkte mit der x-achse. Bestimmen Sie die Intervalle,
Optimierung für Nichtmathematiker
Optimierung für Nichtmathematiker Typische Prüfungsfragen Die folgenden Fragen dienen lediglich der Orientierung und müssen nicht den tatsächlichen Prüfungsfragen entsprechen. Auch Erkenntnisse aus den
Elemente der Analysis II
Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel