Zusatzmaterial zu Kapitel 4
|
|
- Annika Albrecht
- vor 5 Jahren
- Abrufe
Transkript
1 1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 1 Zusatzmaterial zu Kapitel 4 1 Ermittlung der Transitionsmatrix mit der Sylvester- Formel Wir nehmen an, dass das Zustandsmodell eines linearen und zeitinvarianten Systems die Form dx = Ax + bu dt y = ct x + du besitzt, und dass die Systemmatrix A eine (konstante) (n, n)-matrix mit lauter verschiedenen EigenwertenistDhesgilt: s i 6= s j i, j =1, 2,, n mit i 6= j In diesem Fall kann die Transitionsmatrix folgendermaßen berechnet werden (vgl Kapitel 4) Die Matrix P wird durch die n Rechts-Eigenvektoren p i e At = Pdiag(e s it )P 1 (1) Ap i =s i p i (i =1, 2,, n) (2) geprägt P =(p 1, p 2,, p n ), (3) während deren Inverse P 1 durch die n Links-Eigenvektoren ρ T i ρ T i A =s iρ T i, (i =1, 2,, n) charakterisiert wird: P 1 = ρ T 1 ρ T 2 (4) Ausgehend von der obigen Beziehung (1) erhält nach Ausmultiplikation die Transitionsmatrix die Gestalt e At = p i ρ T i e sit Sie entspricht einer gewichteten Summe von n Exponentialfunktionen e sit Führt man nun für die dyadischen Produkte p i ρ T i die (konstanten) Matrizen ρ T n F i := p i ρ T i (i =1,, n)
2 1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 2 ein, so erhält man die sogenannte spektrale Darstellung von e At : e At = F i e sit (5) Entscheidend für die Anwendung dieser Relation ist es, daß die formal eingeführten Matrizen F i ohne Berechnung von Eigenvektoren anhand der Rechenvorschrift (Sylvester-Formel) F i := A s k E s i s k (6) gebildet werden können! Damit erhalten wir die sogenannte Sylvester-Formel zur Berechnung der Transitionsmatrix " # e At A s k E = e sit s i s k Sie eignet sich gut für Systeme niedriger Ordnung (n 3) IndiesenbeidenFällenlautetsie: Fall n=2: e At = A s 2E e s1t + A s 1E e s 2t s 2 s 1 Fall n=3: e At = A s 2E 11 Beispiel A s 3 E e s 1t s 1 s 3 + A s 1E A s 3 E e s 2t s 2 s 1 s 2 s 3 + A s 1E s 3 s 1 A s 2 E e s 3t s 3 s 2 Die Systemmatrix A betrage Gesucht ist die Transitionsmatrix µ 1 A = 6 5 Die Eigenwerte von A ergeben sich durch Lösung der charakteristischen Gleichung det(se A) = Im konkreten Fall lautet sie s 1 6 s +5 = s2 +5s +6=(s +2)(s +3)= Die Eigenwerte lauten demnach s 1 = 2 und s 2 = 3
3 1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 3 Nach den Relationen (5) und (6) lautet die Transitionsmatrix im vorliegenden Fall n =2 e At = F 1 e s 1t + F 2 e s 2t, mit F 1 := A s 2E und F 2 := A s 1E s 2 s 1 Damit erhalten wir für die Koeffizienten der Exponentialfunktionen: ( 3) 1 µ 6 5 ( 3) 3 1 F 1 = = ( 2) ( 3) 6 2 und ( 2) ( 2) F 2 = = ( 3) ( 2) Die gesuchte Transitionsmatrix ergibt sich somit zu µ 3 1 e At = e 2t µ µ e 3t 11 Bemerkung zur Struktur der Übertragungsfunktion des Systems Die Übertragungsfunktion des obigen Systems lautet G(s) =c T (se A) 1 b + d = c T Φ(s)b + d Die Resolvente der Systemmatrix, d h Φ(s) ergibt sich leicht im vorliegenden Fall durch Anwendung der Laplace-Transformation aus Relation (5) Φ(s) = F i 1 Damit lautet die Übertragungsfunktion bzw G(s) =c T G(s) = Durch Einführung der Abkürzungen F i 1 b + d c T F i b 1 + d η i := c T F i b
4 1 ERMITTLUNG DER TRANSITIONSMATRIX MIT DER SYLVESTER-FORMEL 4 erhält sie die Gestalt 1 G(s) = η i + d s s i Unter Beachtung der Relation (5) ergeben sich die Faktoren η i zu η i : = c T ( = A s k E s i s k )b c T (A s k E)b s i s k Hieraus ist schön ersichtlich, daß wenn b ein Rechts-Eigenvektor und/oder c ein Links- Eigenvektor von A ist, der (skalare) Faktor η i verschwindet, und somit der Grad der Übertragungsfunktion niedriger als die Systemordnung n ist Das bedeutet einen Verlust der Steuerbarkeit und/oder der Beobachtbarkeit des Systems (vgl Kapitel 5 insbesondere die Ausführungen über das Kriterium nach Hautus) 12 Zum Beweis der Sylvester-Formel Es gilt offensichtlich dh mit (3) und (4) bzw PP 1 = E (p 1, p 2,, p n ) E = Die Links-Multiplikation der Relation (7) mit Ψ i := ergibt zunächst Ψ i E = ρ T 1 ρ T 2 ρ T n = E, p i ρ T i (7) (A s k E) (A s k E) p i ρ T i Nachdem alle Terme - abgesehen von dem i-ten Term - verschwinden, erhalten wir " # Ψ i = (A s k E) p i ρ T i,
5 2 DER PUTZER-ALGORITHMUS 5 bzw unter Beachtung von (2) Damit gilt dh " Ψ i = # (s i s k ) p i ρ T i p i ρ T 1 i = Ψ i nq, (s i s k ) p i ρ T i = und die Sylvester-Formel ist bewiesen 2 Der PUTZER-Algorithmus (A s k E) (s i s k ) Wir betrachten eine konstante (n, n)-matrix A und bezeichnen deren n Eigenwerte mit s i (i = 1,, n) Die zugehörige Transitionsmatrix kann folgendermaßen dargestellt werden: e At = Q i r i (t) (8) Hierbei sind r i (t) skalare Zeitfunktionen und die (n, n)-matrizen Q i konstant Letztere werden anhand folgender rekursiver Relation berechnet Die Anfangsbedingung lautet hierbei Damit erhalten wir Q i+1 =(A s i E) Q i i =1,, n 1 (9) Q i+1 = Q 1 = E (1) iy (A s k E) i =1,, n 1 (11) k=1 Die Zeitfunktionen r i (t) erhält man durch Lösung eines Systems von n gewöhnlichen linearen Differentialgleichungen erster Ordnung mit konstanten Koeffizienten Führt man den Vektor r(t) := r 1 (t) r 2 (t) r n (t) T ein, so lautet das zu lösende Differentialgleichungssystem: s 1 1 s 2 dr dt = 1 s 3 s n 1 1 s n r
6 2 DER PUTZER-ALGORITHMUS 6 Die Anfangsbedingungen lauten hierbei: r() := 1 T Die Lösung obigen Systems kann rekursiv ermittelt werden! Zuerst löst man die freie Differentialgleichung dr 1 dt = s 1r 1 und erhält r 1 (t) =e s1t Die restlichen Funktionen werden rekursiv durch Lösung jeweils einer skalaren gestörten Differentialgleichung dr i dt = s ir i + r i 1 i =2, 3,, n bei verschwindenden Anfangswerten r i () = berechnet Das ergibt: r i (t) = e s i(t τ) r i 1 (τ) dτ = e s it e siτ r i 1 (τ) dτ i =2, 3,, n 21 Bemerkung: Falls mehrfache Eigenwerte existieren, kommen diese in obigen Relationen mit ihrer Vielfachheit vor Die Indizierung der Eigenwerte ist irrelevant! 22 Beispiel der Fall n =2 : In diesem Fall ergeben sich für die benötigten Matrizen die Ausdrücke: Q 1 = E und Q 2 = A s 1 E Für die Funktionen r i (t) erhalten wir zunächst r 1 (t) =e s 1t Die Funktion r 2 (t) ergibt sich durch Lösung der Differentialgleichung dr 2 dt = s 2r 2 + r 1
7 2 DER PUTZER-ALGORITHMUS 7 zu r 2 (t) = e s2(t τ) e s1τ dτ = e s 2t e (s 1 s 2 )τ dτ = e s 2t e (s 1 s 2 )t 1 1 = es1t e s2t bzw r 2 (t) =e s 2t e(s 1 s 2 )t 1 Damit ergibt sich nach (8) für die Transitionsmatrix (vergleiche die Sylvester-Formel) e At = Ee s 1t + (A s 1 E) e s 2t e(s 1 s 2 )t 1 bzw Für e At = A s 2E e s 1t s 1 = s 2 = s + A s 1E s 2 s 1 e s 2t erhalten wir unmittelbar (mit Hilfe der Regel von de L Hospital) den Ausdruck 23 Beispiel (n =2): Die Systemmatrix A lautet: e At = Ee st + (A se) te st = [E + (A se) t] e st A = µ Das charakteristischen Polynoms ergibt sich zu: det (se A) = s s 1 = s2 4s +4=(s 2) 2 Dh es liegt ein doppelter Eigenwert vor: s 1,2 =2 Die Matrix Q 1 berechnet sich anhand (9) und (1): Q 2 = (A s 1 E) Q 1 mit Q 1 = E µ 3 s1 1 = (A s 1 E)= 1 1 s 1
8 2 DER PUTZER-ALGORITHMUS 8 Daraus folgt Mit Q 2 = µ r 1 (t) =e 2t als Eingangsfunktion lautet die zu lösende Differentialgleichung Es ergibt sich dr 2 dt =2r 2 + e 2t mit r 2 () = r 2 (t) = e 2(t τ) e 2τ dτ = te 2t Die gesuchte Transitionsmatrix lautet nach (8): µ µ e At = e 2t e 2t + te 2t te 2t = te 2t 1 te 2t te 2t Beispiel (n =3): Die Systemmatrix A sei gegeben: 1 1 A = Das charakteristische Polynom det (se A) lässt sich anhand der Entwicklung nach der 3 Spalte leicht berechnen: det (se A) =(s 2) (s 1) 2 Die Eigenwerte lauten somit Die Matrix Q 1 lautet s 1 =2,s 2 =1 und s 3 =1 Q 2 = (A s 1 E) = = Damitergibtsichnach(9)für Q 3 =(A s 2 E) Q 2
9 2 DER PUTZER-ALGORITHMUS 9 Q 3 = = Die Ermittlung von r 2 (t) erfolgt durch Lösung der Differentialgleichung dr 2 dt = r 2 + r 1 mit r 1 (t) =e 2t 1 1 als Störfunktion und der Anfangsbedingung r 2 () = Es ergibt sich r 2 (t) = e t τ e 2τ dτ = e t e τ dτ = e t e t 1 = e 2t e t Die Differentialgleichung für r 3 (t) lautet dann: dr 3 = r 3 + e 2t e t dt r 3 (t) = = e t e t τ e 2τ e τ dτ e τ dτ = e 2t e t te t dτ Die gesuchte Transitionsmatrix e At ist nach (8) durch e At = Er 1 (t)+q 1 r 2 (t)+q 2 r 3 (t) gegeben Dh e At = e At = 1 1 e 2t e 2t e t e 2t e t te t 1 e t te t e t e 2t + e t e 2t e t + te t e 2t
10 3 ZU KAPITEL 425: GEWICHTSFUNKTION UND ÜBERTRAGUNGSFUNKTION 1 Bemerkung: Durch die Indizierung s 1 = s 2 =1,s 3 =2 ergibt sich natürlich das gleiche Ergebnis! 1 1 e At = 1 e t + te t e 2t te t e t Zu Kapitel 425: Gewichtsfunktion und Übertragungsfunktion Für ein mathematisches Modell der Form dx dt = Ax + bu y = c T x + d mit dem n-dimensionalen Zustandsvektor x, der Eingangsgröße u und der Ausgangsgröße y ergibt sich die Gewichtsfunktion g (t) aufgrund der Relation (siehe Kapitel 224) Die Übertragungsfunktion lautet (nach Relation 34): g (t) =c T e At b (12) G(s) =c T L e Atª b+ d (13) Im Fall verschiedene Eigenwerte (siehe Kapitel 42) besitzt die Transitionsmatrix e At folgende Struktur: e At = F i e sit (14) Die konstanten (n, n)-matrizen F i können anhand der Berechnungsvorschrift 1 F i := j=1,j6=i A s j E s i s j gebildet Die Gewichtsfunktion lautet dann nach (12) und (14) 1 Siehe Zusatzmaterial Sylvester-Formel g (t) = c T F i be sit = η i e s it (15)
11 3 ZU KAPITEL 425: GEWICHTSFUNKTION UND ÜBERTRAGUNGSFUNKTION 11 mit η i := c T F i b (16) Dementsprechend ergibt sich nach (13) für die Übertragungsfunktion: G(s) = c T F i b 1 + d = η i 1 + d (17) Die Konstanten η i nach (16) lassen sich nach η i = c T Ã n Y j=1,j6=i! A s j E b s i s j bzw berechnen η i = j=1,j6=i c T (A s j E) b s i s j (18) Bemerkung: Die Größe η i nach (18) verschwindet offensichtlich, wenn b ein Rechtseigenvektor von A, dh (A s j E) b = und/oder wenn c ein Linkseigenvektor von A also c T (A s j E)= ist In solch einem Fall erscheint die gewichtete Exponentialfunktion η i e s it und damit die Eigenschwingung e s it in der Gewichtsfunktion g(t) nicht Nachdem sowohl Eigenschwingungen (Eigenwerte) als auch die Gewichtsfunktion Invarianten des Systems sind, bedeutet dies eine strukturelle Änderung! Analoges gilt für die Übertragungsfunktion G(s): nach (17) bedeutet das, dass der Term η i 1 verschwindet Damit ist die Ordnung der Übertragungsfunktion kleiner als die Ordnung des Systems! Das System verliert in solch einem Fall die Steuerbarkeit und/oder die Beobachtbarkeit
Institut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie
Institut für Elektrotechnik und Informationstechnik Aufgabensammlung zur Systemtheorie Prof. Dr. techn. F. Gausch Dipl.-Ing. C. Balewski Dipl.-Ing. R. Besrat 05.04.2013 Übungsaufgaben zur Systemtheorie
Mehr6. Lineare DGL-Systeme erster Ordnung
HJ Oberle Differentialgleichungen I WiSe 22/3 6 Lineare DGL-Systeme erster Ordnung A Allgemeines Wir betrachten ein lineares DGL System erster Ordnung y (t = A(t y(t + b(t (6 und setzen voraus, dass die
MehrZusatzmaterial zu Kapitel 6
ZU KAPITEL 62: METHODEN ZUR STABILITÄTSPRÜFUNG Zusatzmaterial zu Kapitel 6 Zu Kapitel 62: Methoden zur Stabilitätsprüfung Einleitung Bei der Feststellung der asymptotischen Stabilität (siehe Kapitel 63)
MehrSchriftliche Prüfung aus Control Systems 1 am
TU Graz, Institut für Regelungs- und Automatisierungstechnik 1 Schriftliche Prüfung aus Control Systems 1 am 24.11.2014 Name / Vorname(n): Kennzahl / Matrikel-Nummer: Prüfungsmodus: O VO+UE (TM) O VO (BM)
MehrRückblick 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
MehrTutorium Mathematik II M WM
Tutorium Mathematik II M WM 9.6.7 Lösungen Lösen Sie folgende Systeme von Differentialgleichungen der Form x = A x + b mit. A = 6 und b = et. e t Hinweis: Die Eigenwerte und -vektoren der Matrix A lauten:
MehrLösungsskizzen zur Nachklausur
sskizzen zur Nachklausur Mathematik II für die Fachrichtungen Biologie und Chemie Sommersemester 22 Aufgabe Es seien die folgenden Vektoren 2 v = 2, v 2 = und v 3 = 2 im R 3 gegeben. (a) Zeigen Sie, dass
MehrRückblick auf die letzte Vorlesung
Rückblick auf die letzte Vorlesung 1 Lineare autonome Differentialgleichungen 2 Bestimmung des Fundamentalsystems 3 Jordansche Normalform 4 Reelle Fundamentalsysteme Ausblick auf die heutige Vorlesung
MehrTechnische Universität München Zentrum Mathematik. Übungsblatt 12
Technische Universität München Zentrum Mathematik Mathematik 1 (Elektrotechnik) Prof. Dr. Anusch Taraz Dr. Michael Ritter Übungsblatt 12 Hausaufgaben Aufgabe 12.1 Sei f : R 3 R 3 gegeben durch f(x) :=
MehrLineare 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
MehrEigenwerte und Eigenvektoren
Eigenwerte und Eigenvektoren Siehe Analysis (von der Hude, Folie 20: Definition 2.3. Ein Vektor x R n heißt Eigenvektor der quadratischen n n-matrix A zum Eigenwert λ R, wenn gilt Ax = λx Die Eigenwerte
MehrLösungen der Aufgaben zu Kapitel 11
Lösungen der Aufgaben zu Kapitel Vorbemerkung: Zur Bestimmung der Eigenwerte (bzw. des charakteristischen Polynoms) einer (, )-Matrix verwenden wir stets die Regel von Sarrus (Satz..) und zur Bestimmung
MehrLineare 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
MehrTrigonalisierung. Definition. 1) Sei F : V V linear, dim V = n. Dann heißt F trigonalisierbar, wenn es eine Basis B von V gibt sodass a 11 a 12..
Trigonalisierung Sei F : V V linear und dim V = n. Wir beschäftigen uns jetzt mit der Frage, ob es eine Basis B von V gibt, sodass M B (F ) eine Dreiecksmatrix ist. Definition. ) Sei F : V V linear, dim
MehrEigenwerte. 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
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
MehrKapitel 11 Eigenwerte und Eigenvektoren
Kapitel Eigenwerte und Eigenvektoren. Problem der Diagonalisierbarkeit Es sei wieder K gleich R oder. Eine n n)-matrix A mit Koeffizienten aus K wird als diagonalisierbar bezeichnet, wenn es eine invertierbare
MehrEigenwertprobleme. 25. Oktober Autoren: 1. Herrmann, Hannes ( ) 2. Kraus, Michael ( ) 3. Krückemeier, Paul ( )
Eigenwertprobleme 5. Oktober Autoren:. Herrmann, Hannes (45969). Kraus, Michael (9). Krückemeier, Paul (899) 4. Niedzielski, Björn (7) Eigenwertprobleme tauchen in der mathematischen Physik an Stellen
MehrSchriftliche Prüfung aus Systemtechnik am
TU Graz, Institut für Regelungs- und Automatisierungstechni Schriftliche Prüfung aus Systemtechni am 29.0.206 Name / Vorname(n): Matriel-Nummer: Aufgabe A A2 A3 A4 A5 A6 A7 A8 Summe erreichbare Punte 2
MehrLineare Differentialgleichungen
Technische Universität München Thomas Reifenberger Vorlesung, Kapitel 4 Repetitorium Analysis I für Physiker Analysis I Lineare Differentialgleichungen 1 Das Matrixexponential Definition 1.1 Sei A C n
Mehrsie ist also eine Lösung der Differenzialgleichung y 0 = Ay. Bei x = 0 sind diese n Spalten auch linear unabhängig, da ja
Lineare Systeme mit konstanten Koeffizienten 44 63 Zusammenhang mit Fundamentalsystemen Für die Matrix-Exponenzialfunkton e Ax gilt (e Ax ) = Ae Ax Für jede Spalte '(x) der Matrix e Ax Matrixmultpiplikation
MehrLösungen zur Prüfung Lineare Algebra I/II für D-MAVT
Prof. N. Hungerbühler ETH Zürich, Winter 6 Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT. Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in das entsprechende
MehrAnleitung 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,
Mehre At = e λt e (A λi)t.
Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LR-15) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, H 2016 Übung
MehrLineare Algebra für D-ITET, D-MATL, RW. Serie 13. Aufgabe Aufgabe Aufgabe Herbstsemester ETH Zürich D-MATH
Dr. V. Gradinaru T. Welti Herbstsemester 2017 Lineare Algebra für D-ITET, D-MATL, RW ETH Zürich D-MATH Serie 13 Aufgabe 13.1 13.1a) Berechnen Sie die Eigenwerte und die zugehörigen Eigenvektoren von 2
MehrSysteme von Differentialgleichungen. Beispiel 1: Chemische Reaktionssysteme. Beispiel 2. System aus n Differentialgleichungen 1. Ordnung: y 1.
Systeme von Differentialgleichungen Beispiel : Chemische Reaktionssysteme System aus n Differentialgleichungen Ordnung: y (x = f (x, y (x,, y n (x Kurzschreibweise: y y 2 (x = f 2(x, y (x,, y n (x y n(x
MehrDiagonalisierbarkeit symmetrischer Matrizen
¾ Diagonalisierbarkeit symmetrischer Matrizen a) Eigenwerte und Eigenvektoren Die Matrix einer linearen Abbildung ³: Î Î bezüglich einer Basis ( Ò ) ist genau dann eine Diagonalmatrix wenn jeder der Basisvektoren
MehrSystemtheorie. Vorlesung 6: Lösung linearer Differentialgleichungen. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann
Systemtheorie Vorlesung 6: Lösung linearer Differentialgleichungen Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Einführung Viele technischen Anwendungen lassen sich zumindest näherungsweise
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
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
MehrAusgewählte Lösungen zu den Übungsblättern 9-10
Fakultät für Luft- und Raumfahrttechnik Institut für Mathematik und Rechneranwendung Vorlesung: Lineare Algebra (ME), Prof. Dr. J. Gwinner Dezember Ausgewählte Lösungen zu den Übungsblättern 9- Übungsblatt
Mehr10. Gruppenübung zur Vorlesung. Höhere Mathematik 1. Wintersemester 2012/2013 A =
O Alaya, S Demirel M Fetzer, B Krinn M Wied Gruppenübung zur Vorlesung Höhere Mathematik Wintersemester /3 Dr M Künzer Prof Dr M Stroppel Lösungshinweise zu den Hausaufgaben: Aufgabe H 34 a Gegeben ist
MehrHM3 (aer, mawi) WS 14 / 15 Blatt 8 Dr F. Leitner
Besprechung in der 5. KW Hinweis: Bitte nehmen Sie sich die Zeit und füllen Sie den zur Vorlesung gehörenden Evaluationsbogen unter https://evasysw.unistuttgart.de/evasys/online.php?p=8vjf3 aus. Aufgabe
MehrHauptachsentransformation: Eigenwerte und Eigenvektoren
Hauptachsentransformation: Eigenwerte und Eigenvektoren die bisherigen Betrachtungen beziehen sich im Wesentlichen auf die Standardbasis des R n Nun soll aufgezeigt werden, wie man sich von dieser Einschränkung
Mehra 11 a 12 a 1(m 1) a 1m a n1 a n2 a n(m 1) a nm Matrizen Betrachten wir das nachfolgende Rechteckschema:
Matrizen Betrachten wir das nachfolgende Rechteckschema: a 12 a 1(m 1 a 1m a n1 a n2 a n(m 1 a nm Ein solches Schema nennt man (n m-matrix, da es aus n Zeilen und m Spalten besteht Jeder einzelne Eintrag
MehrLineare Algebra II. Prof. Dr. M. Rost. Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni.
Lineare Algebra II Prof. Dr. M. Rost Übungen Blatt 7 (SS 2011) Abgabetermin: Donnerstag, 2. Juni http://www.math.uni-bielefeld.de/~rost/la2 Erinnerungen, Ergänzungen und Vorgriffe zur Vorlesung: Eigenvektoren
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte Teschl/Teschl 4. Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x 0, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Algebra und Numerische Mathematik D-BAUG. Winter 2013 Prof. H.-R. Künsch. , a R. det(a) = 0 a = 1.
b Musterlösung Lineare Algebra und Numerische Mathematik D-BAUG. Multiple Choice) Gegeben sei die folgende Matrix Winter 3 Prof. H.-R. Künsch A = a a) deta) = genau dann wenn gilt x a =. a =. ), a R. x
MehrDifferentialgleichungen für Ingenieure WS 06/07
Differentialgleichungen für Ingenieure WS 06/07 6. Vorlesung Michael Karow Themen heute: 1. Die geschlossene Lösungsformel für lineare DGL mit konstanten Koeffizienten. 2. Die Matrixexponentialfunktion
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07032016-11032016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Lineare Abbildungen 2 11 Homomorphismus 2 12 Kern
MehrKARLSRUHER INSTITUT FÜR TECHNOLOGIE Institut für Analysis
KARLSRUHER INSTITUT FÜR TECHNOLOGIE Institut für Analysis Höhere Mathematik III für die Fachrichtung Elektro- und Informationstechnik D. A MR Frühjahr 2014 T R, M.S. 06.03.2014 Bachelor-Modulprüfung Aufgabe
Mehrc i u i. (10.2) x = i
Kapitel 0 Von Mises Wielandt Verfahren Im Folgenden wollen wir uns ausschließlich auf reelle, symmetrischen Matrizen der Ordnung n beschränken. Wie im letzten Kapitel diskutiert, sind für solche Matrizen
MehrSYSTEMANALYSE 2 Kapitel 7: Zeitdiskrete Modelle
Universität Koblenz-Landau Fachbereich 7: Natur-und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) SYSTEMANALYSE 2 Kapitel 7: Zeitdiskrete Modelle 1. Zeitdiskrete
Mehr2. Übung: Lineare dynamische Systeme
2. Übung: Lineare dynamische Systeme Aufgabe 2.. Gegeben sind die beiden autonomen Systeme und x (2.) {{ A 2 2 x. (2.2) {{ A 2 Berechnen Sie die regulären Zustandstransformationen x = V z und x = V 2 z,
Mehr5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit
ME Lineare Algebra HT 2008 99 5 Eigenwerte, Eigenvektoren und Diagonalisierbarkeit 5.1 Ein Beispiel zur Motivation Als einfachstes Beispiel eines dynamischen Systems untersuchen wir folgendes Differentialgleichungssystem
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 27 L I N E A R E A L G E B R A F Ü R T P H, U E (.64) 2. Haupttest (FR, 9..28) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrHöhere Mathematik III für Physik
8..8 PD Dr. Peer Kunstmann M.Sc. Michael Ullmann Höhere Mathematik III für Physik 5. Übungsblatt - Lösungsvorschläge Aufgabe (Homogene Anfangswertprobleme) Lösen Sie erst die folgenden Differentialgleichungssysteme
Mehr6. Übung: Zustandsregler- und beobachter
6. Übung: Zustandsregler- und beobachter Aufgabe 6.. Gegeben ist ein lineares zeitinvariantes System der Form 3 6 ẋ = 4 x + u (6.a) 5 y = x. (6.b) Weisen Sie die vollständige Erreichbarkeit und Beobachtbarkeit
MehrLineare Algebra und Numerische Mathematik für D-BAUG. Serie 13
P. Grohs T. Welti F. Weber Herbstsemester 2015 Lineare Algebra und Numerische Mathematik für D-BAUG ETH Zürich D-MATH Serie 13 Diese letzte Serie des Semesters befasst sich noch einmal mit wichtigen Themen
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
MehrFormelsammlung. für den Teilbereich Zustandsraumdarstellung der Vorlesung. Einführung in die Regelungstechnik
Formelsammlung für den Teilbereich Zustandsraumdarstellung der Vorlesung Einführung in die Regelungstechnik Diese Formelsammlung ist ein Auszug aus der Formelsammlung zur Systemtheorie-Vorlesung von Matthias
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 25.
A Technische Universität Berlin Fakultät II Institut für Mathematik WS 3/4 Eppler, Richter, Scherfner, Seiler, Zorn 5. Februar 4 Februar Klausur (Rechenteil) Lösungen: Lineare Algebra für Ingenieure Name:.......................................
MehrDie inhomogene Differentialgleichung höherer Ordnung.
Die inhomogene Differentialgleichung höherer Ordnung. Ist das Funktionensystem (y 1,..., y n ) ein Fundamentalsystem, so ist die Matrix Y(t) = y (0) 1... y n (0). y (n 1) 1... y n (n 1) eine Fundamentalmatrix
Mehr11.4. Lineare Differentialgleichungen höherer Ordnung
4 Lineare Differentialgleichungen höherer Ordnung Bei vielen geometrischen, physikalischen und technischen Problemen hat man nicht nur eine Funktion (in einer Variablen) und ihre Ableitung zueinander in
MehrSystemanalyse und Modellbildung
Systemanalyse und Modellbildung Universität Koblenz-Landau Fachbereich 7: Natur- und Umweltwissenschaften Institut für Umweltwissenschaften Dr. Horst Niemes(Lehrbeauftragter) 7. Zeitdiskrete Modelle 7.1
Mehr9 Lineare Algebra 2 (SS 2009)
9 Lineare Algebra 2 (SS 2009) Vorbemerkung: Das Einsetzen von quadratischen Matrizen in Polynome. Im folgenden sei R ein kommutativer Ring und R[T] der Polynomring mit Koeffizienten in R (dies ist wieder
MehrMusterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen
Musterlösungen Blatt 8 34007 Mathematischer Vorkurs Sommersemester 007 Dr O Zobay Matrizen Welche Matrixprodukte können mit den folgenden Matrizen gebildet werden? ( 4 5 A, B ( 0 9 7, C 8 0 5 4 Wir können
Mehr8 Eigenwerte und Eigenvektoren
8 Eigenwerte und Eigenvektoren In Kapitel 6 haben wir gesehen, dass für die Darstellungsmatrizen einer linearen Abbildung h bzgl der Basen B, B folgende Beziehung gilt: A(h, B, B = A B B A(h, B, B (AB
MehrKorrelationsmatrix. Statistische Bindungen zwischen den N Zufallsgrößen werden durch die Korrelationsmatrix vollständig beschrieben:
Korrelationsmatrix Bisher wurden nur statistische Bindungen zwischen zwei (skalaren) Zufallsgrößen betrachtet. Für den allgemeineren Fall einer Zufallsgröße mit N Dimensionen bietet sich zweckmäßiger Weise
MehrSchriftliche Prüfung aus Nichtlineare elektrische Systeme am
TU Graz, Institut für Regelungs- und Automatisierungstechnik 1 Schriftliche Prüfung aus Nichtlineare elektrische Systeme am 24. 10. 2008 Name / Vorname(n): Kenn-Matr.Nr.: 1 2 erreichbare Punkte 7 4 erreichte
MehrProbeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen
MATHEMATISCHES INSTITUT SoSe 24 DER UNIVERSITÄT MÜNCHEN Probeklausur zu Funktionentheorie, Lebesguetheorie und gewöhnlichen Differentialgleichungen Musterlösung Prof. Dr. P. Pickl Aufgabe Zeigen Sie, dass
MehrLineare Algebra II 3. Übungsblatt
Lineare Algebra II 3. Übungsblatt Fachbereich Mathematik SS 2011 Prof. Dr. Kollross 27./28. April 2011 Susanne Kürsten Tristan Alex Minitest Aufgabe M1 (Formale Polynome) Betrachten Sie die folgenden Polynome
MehrLineare Algebra I Lösungsvorschlag
Aufgabe Lineare Algebra I Lösungsvorschlag Wir bezeichnen mit a, a 2, a 3 Q 4 die Spalten der Matrix A. Es ist 7 a + 2a 2 = 7 4 = 7a 3, und wir sehen im l A = a, a 2, a 3 = a, a 2. Da die Vektoren a und
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
MehrLineare 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
MehrMathematik II Frühjahrssemester 2013
Mathematik II Frühjahrssemester 213 Prof. Dr. Erich Walter Farkas Kapitel 7: Lineare Algebra Kapitel 7.5: Eigenwerte und Eigenvektoren einer quadratischen Matrix Prof. Dr. Erich Walter Farkas Mathematik
MehrKommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler
Kommentierte Musterlösung zur Klausur HM II für Naturwissenschaftler Sommersemester 7 (7.8.7). Gegeben ist die Matrix A 3 3 3 (a) Bestimmen Sie sämtliche Eigenwerte sowie die zugehörigen Eigenvektoren.
Mehr3.7 Eigenwerte und Eigenvektoren
3.7. EIGENWERTE UND EIGENVEKTOREN 123 3.7 Eigenwerte und Eigenvektoren Wir wollen jetzt lineare Endomorphismen durch Matrizen besonders übersichtlicher Gestalt (u.a. mit möglichst vielen Nullen) beschreiben,
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 +
MehrZeigen sie, dass das gegebene Zustandssystem steuerbar ist. Die Anwendbarkeit der beiden Kriterien wird im Folgenden an dem gegebenen System gezeigt.
Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LRT-5) Email: felix.gossmann@unibw.de Moderne Methoden der Regelungstechnik, HT 26 Übung
MehrInstitut für Analysis und Scientific Computing E. Weinmüller WS 2017
Institut für Analysis und Scientific Computing TU Wien E. Weinmüller WS 7 L I N E A R E A L G E B R A F Ü R T P H, U E (.64). Haupttest (FR, 9..8) (mit Lösung ) Ein einfacher Taschenrechner ist erlaubt.
Mehr9 Lineare Differentialgleichungen
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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 009 Dienstag 3.6 $Id: quadrat.tex,v.4 009/06/3 4:55:47 hk Exp $ 6 Symmetrische Matrizen und quadratische Formen 6.3 Quadratische Funktionen und die Hauptachsentransformation
Mehr18 λ 18 + λ 0 A 18I 3 = / Z 2 Z 2 Z Z Z 1
UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl Sommersemester 9 Höhere Mathematik II für die Fachrichtungen Elektroingenieurwesen, Physik und Geodäsie inklusive
MehrEigenwerte. Vorlesung Computergestützte Mathematik zur Linearen Algebra. Lehrstuhl für Angewandte Mathematik Sommersemester 2009
Eigenwerte Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Sommersemester 2009 25. Juni + 2.+9. Juli 2009 Grundlagen Definition Ist für A C n,n, Ax = λx
MehrSchriftliche Prüfung aus Nichtlineare elektrische Systeme Teil: Dourdoumas am
TU Graz, Institut für Regelungs- und Automatisierungstechnik 1/3 Schriftliche Prüfung aus Nichtlineare elektrische Systeme Teil: Dourdoumas am 06. 10. 2014 Name / Vorname(n): Kennzahl / Matrikel-Nummer:
MehrTechnische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 7. April 2004
B Technische Universität Berlin Fakultät II Institut für Mathematik WS 03/04 Eppler, Richter, Scherfner, Seiler, Zorn 7. April 2004 April Klausur (Rechenteil Lösungen Lineare Algebra für Ingenieure Name:.......................................
MehrLineare Schieberegisterfolgen
Lineare Schieberegisterfolgen Sei K ein endlicher Körper. Man nehme zwei Vektoren x 0 a0 x n 1, a n 1 K n n 1 x n := a i x i und betrachte die lineare Abbildung : K n K n, die durch i=0, berechne x 0 x
MehrSchriftliche Prüfung aus Nichtlineare elektrische Systeme Teil: Dourdoumas am
U Graz, Institut für egelungs- und Automatisierungstechnik 1 Schriftliche Prüfung aus Nichtlineare elektrische Systeme eil: Dourdoumas am.1.11 Name / Vorname(n): Kennzahl/ Matrikel-Nummer.: 1 3 erreichbare
Mehr5 Lineare Gleichungssysteme und Determinanten
5 Lineare Gleichungssysteme und Determinanten 51 Lineare Gleichungssysteme Definition 51 Bei einem linearen Gleichungssystem (LGS) sind n Unbekannte x 1, x 2,, x n so zu bestimmen, dass ein System von
MehrAufgabe 1 (Klassifizierung von Systemen)
Prof. L. Guzzella Prof. R. D Andrea 151-0591-00 Regelungstechnik I (HS 07) Musterlösung Übung 3 Systemklassifizierung, Systeme 1. Ordnung im Zeitbereich, Stabilitätsanalyse moritz.oetiker@imrt.mavt.ethz.ch,
MehrMathematik I+II Frühlingsemester 2019 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren
Mathematik I+II Frühlingsemester 219 Kapitel 8: Lineare Algebra 8.5 Eigenwerte und Eigenvektoren Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/ farkas 1 / 46 8. Lineare Algebra: 5. Eigenwerte und
MehrTECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS. Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF
TECHNISCHE UNIVERSITÄT MÜNCHEN FERIENKURS Lineare Algebra FLORIAN NIEDERREITER & AILEEN WOLF 07.03.2016-11.03.2016 Inhaltsverzeichnis Inhaltsverzeichnis 1 Darstellungsmatrizen 2 2 Diagonalisierbarkeit
MehrHeinrich Heine-Universität Düsseldorf Sommersemester Lineare Algebra 1. Vierzehnte & Fünfzehnte Woche,
Fakultät für Mathematik PD Dr Markus Perling Heinrich Heine-Universität Düsseldorf Sommersemester 2014 Lineare Algebra 1 Vierzehnte & Fünfzehnte Woche, 1672014 10 Determinanten (Schluß) Das folgende Resultat
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
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 12 8. Juni 2010 Kapitel 10. Lineare Gleichungssysteme (Fortsetzung) Umformung auf obere Dreiecksgestalt Determinantenberechnung mit dem Gauß-Verfahren
MehrDeterminanten. Motivation: Man betrachte das lineare Gleichungssystem =. (1) y = Sei o.b.d.a a 0 und c 0. Dann ist (1) äquivalent zu. = ac ad y.
Determinanten Motivation: Man betrachte das lineare Gleichungssystem [ [ [ a b x u = (1) c d y v Sei obda a und c Dann ist (1) äquivalent zu [ [ ca cb x = ac ad y und ferner zu [ [ ca cb x ad cb y Falls
Mehr(b) In der zweiten Vorlesung vom wurde die Matrix-Exponentialfunktion exp(x) =
Priv-Doz G Reißig, Dipl-Math A Weber Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik RT-5 Email: AWeber@unibwde Mehrgrößenregelungssysteme, HT 22 Übung 2 - ösung Aufgabe a
MehrLösung zu Serie Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: A := B :=
Lineare Algebra D-MATH, HS 204 Prof. Richard Pink Lösung zu Serie 2. Bestimme die Jordansche Normalform und eine zugehörige Basiswechselmatrix der folgenden reellen Matrizen: 0 2 0 0 0 2 0 0 0 0 0 0 0
MehrFachbereich Mathematik/Informatik 16. Juni 2012 Prof. Dr. H. Brenner. Mathematik für Anwender II. Testklausur mit Lösungen
Fachbereich Mathematik/Informatik 6. Juni 0 Prof. Dr. H. Brenner Mathematik für Anwender II Testklausur mit Lösungen Aufgabe. Definiere die folgenden (kursiv gedruckten) Begriffe. () Ein Skalarprodukt
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,
Mehr13. Vorlesung. Lineare Algebra und Koordinatenwechsel.
3. Vorlesung. Lineare Algebra und Koordinatenwechsel. In dieser Vorlesung behandeln wir die Vorzüge von Koordinatenwechseln. Insbesondere werden wir über geeignete Koordinatenwechsle zu einer Klassifikation
Mehra ij i - te Gleichung (Zeile), i = 1,2,3,..., m
I) MATRIZEN Der Start: Lineare Gleichungen y ax+ a2x2 + a3x3 y2 a2x+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i,2,3,..., m j - te Variable (Spalte), j,2,3,..., n Definition m x n Matrix
MehrSeminar Gewöhnliche Differentialgleichungen
Seminar Gewöhnliche Differentialgleichungen Planare Systeme II Einleitung Dieser Vortrag beschäftigt sich mit unterschiedlichen, allgemeinen Lösungen von Differentialgleichungssystemen und ihrer graphischen
Mehrm 1 Die Bewegung der drei Kugeln wird beschrieben durch das folgende Differentialgleichungssystem x 1 (t) x 2 (t) x 3 (t) k 12 k 12 k 12 k k 23
Kapitel 5 Eigenwerte 5. Definition und Beispiele Wir sehen uns ein System dreier schwingender Kugeln der Massen m, m und m 3 an, die durch Federn aneinander gekoppelt sein sollen. m k m k 3 m 3 x ( t x
MehrEigenwerte (Teschl/Teschl 14.2)
Eigenwerte (Teschl/Teschl 4.2 Ein Eigenvektor einer quadratischen n nmatrix A ist ein Vektor x R n mit x, für den Ax ein skalares Vielfaches von x ist, es also einen Skalar λ gibt mit Ax = λ x Ax λ x =
MehrLineare Algebra 2. Lösung zu Aufgabe 7.2:
Technische Universität Dortmund Sommersemester 2017 Fakultät für Mathematik Übungsblatt 7 Prof. Dr. Detlev Hoffmann 15. Juni 2017 Marco Sobiech/ Nico Lorenz Lineare Algebra 2 Lösung zu Aufgabe 7.1: (a)
MehrBerechnung der Determinante
Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,
MehrMathematik für Naturwissenschaftler II SS 2010
Mathematik für Naturwissenschaftler II SS 2010 Lektion 19 8. Juli 2010 Kapitel 14. Gewöhnliche Differentialgleichungen zweiter Ordnung 14.1 Systeme gewöhnlicher linearer Differentialgleichungen erster
Mehr