1 Frequenzverhalten Revision : 996

Größe: px
Ab Seite anzeigen:

Download "1 Frequenzverhalten Revision : 996"

Transkript

1 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite von 6 Frequenzverhalten Revision : 996 Logarithmische Darstellungen Lrel (db Lrel (NP P2/P A2/A Verstärkungsmass L in Dezibel (db: L P = 0 log L A = 20 log ( P 2 P ( A 2 A Dezibel L zu linear: P 2 = P 0 L P 0 A 2 = A 0 L A 20 Verstärkungsmass L in Neper (Np: ( L P = 2 ln P 2 ( A L A = ln 2 A P Neper zu linear: P 2 = P e 2L P A 2 = A e L A Die Umrechnung zwischen db und Np ist linear: db = ln(0 20 Np = 05 Np Np = 20 log(e db = 8686 db X 2 Anstatt X für Verstärkungsmasse (L können auch Dämpfungsmasse (a verwendet werden! (P für Leistungen, A für Amplituden Hilfen zur Berechnung xdb L P = P 2/P L A = A 2/A xdb /L P /L A x + 3dB L P 2 L A 2 L A 44 x + 0dB L P 0 L A 0 L A 362 Relative & absolute Pegel Relativer Pegel: Pegel relativ zu definiertem Wert Absoluter Pegel: Pegel an Normgenerator (R i = 600Ω, mw Leistung am Widerstand db abs dbu Spannungspegel bezogen auf 7746 mv an 600 Ω dbm Leistungspegel bezogen auf mw an 600 Ω dbv Spannungspegel bezogen auf V dbµv Spannungspegel bezogen auf µv dbf Leistungspegel bezogen auf 0 5 W db rel dbw Leistungspegel bezogen auf W dbk Leistungspegel bezogen auf kw dbr relativer Pegel db0 Pegel auf 0 db bezogen X X 2 für

2 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 2 von 6 2 Minimal- und nicht-minimalphasige Systeme 2 Allpass-Systeme Allpässe werden vor allem als Laufzeitkorrekturglieder und als Verzögerungselemente verwendet Der Amplitudengang ist konstant ( H(jw = const 0 und die Pol- bzw Nullstellen haben in Paaren auftretende Null- und Polstellen, die symmetrisch zu jω-achse liegen Dabei liegen die Nullstellen auf der RHE UTF: T A (s = K Q( s Q(s 22 Minimalphasennetzwerk Ein Minimalphasennetzwerk hat keine Nullstellen in der rechten Halbebene (RHE, darf jedoch Nullstellen auf der imaginären Achse haben 23 Nicht-Minimalphasennetzwerk Ein Nicht-Minimalphasennetzwerk kann durch Kaskadierung eines Allpasses und eine Minimalphasennetzwerk realisiert werden: Nicht-Minimalphasennetzwerk (links = Minimalphasennetzwerk (Mitte Allpass (rechts 3 Stabilitätsbestimmung am Pol-/Nullstellendiagramm asymptotisch stabil = alle Polstellen in der linken Halbebene (LHE grenzstabil=polstellen in der LHE und/oder auf der imaginären Achse 4 Bode-Diagramm (Matlab: bode 4 Definition Das Bodediagramm besteht aus zwei Graphen, einer zeigt die Amplitude in doppelt-logarithmischer Form, der zweite zeigt die Phase in Grad und in linearer Form in Abhängigkeit der Frequenz dar 42 Stabilitätsbestimmung (Skript S 20 (Matlab: margin, allmargin Der Amplitudenrand ist der Abstand des Amplitudenganges zur 0 db-linie bei der Kreisfrequenz ω, wo die Phase gleich π (-80 Grad ist Der Phasenrand ist der Abstand das Phasenganges zur -π-linie bei der Kreisfrequenz ω, wo die Amplitude gleich 0 db ist Damit eine System stabil ist, müssen Phasen- und Amplitudenrand > 0 sein Je grösser der Phasen- und Amplitudenrand ist, desto stabiler ist das System

3 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 3 von 6 43 Approximation des Bode-Diagramms (Skript S 93 UTF H(s Amplitude H(s Phase (H(s Konstanter Faktor αe jβ Konst 20 log α Konst β 2 Pol im Ursprung α s 3 Nullstelle im Ursprung αs 4a Reeller Pol s+α 4b Reeller Pol α s+α 5a Reelle Nullstelle s + α 5b Reelle Nullstelle s+α α 6a Konjugiert-komplexe Pole s 2 +s ωp qp +ω2 p 6b Konjugiert-komplexe Pole ω 2 p s 2 +s ωp qp +ω2 p 7 Konjugiert-komplexe Nullstellen s 2 + s ωz q z + ωz 2 bzw s 2 +s ωz qz +ω2 z ωz 2 Lin Steigung 20db/Dek 0dB bei ω = α Lin Steigung +20db/Dek 0dB bei ω = α Konst 20 log α für ω < α dann Steigung 20dB/Dek Konst 0dB für ω < α dann Steigung 20dB/Dek Konst 20 log α für ω < α dann Steigung +20dB/Dek Konst 0dB für ω < α dann Steigung +20dB/Dek Konst 40 log ω p für ω < ω p dann Steigung 40dB/Dek für ω > ω p ; 40 log ω p Überhöhung zwischen ωp 2, ω p & 2ω p Max 20 log qp ω 2 p bei ω = ω p Konst 0dB für ω < ω p dann Steigung 40dB/Dek für ω > ω p ; 0dB Überhöhung zwischen ωp 2, ω p & 2ω p, Max 20 log q p bei ω = ω p Analog zu 6a, 6b (jedoch Spiegelung an der 0dB-Linie Konst π 2 Konst + π 2 Konst 0 für ω < α 0 Konst π 2 für ω > 0α Konst 0 für ω < α 0 Konst π 2 für ω > 0α Konst 0 für ω < α 0 Konst + π 2 für ω > 0α Konst 0 für ω < α 0 Konst + π 2 für ω > 0α Konst 0 für ω < ωp 0 2qp Konst π für ω > ω p 0 2qp π 2 bei ω = ω p Konst 0 für ω < ωp 0 2qp Konst π für ω > ω p 0 2qp Bei ω = ω p genau π 2 Analog zu 6a, 6b (jedoch Spiegelung an der 0 Grad-Linie 8 Serieschaltung von Systemen erfolgt durch Superposition der einzelnen Bode-Diagramme (Multiplikation von UTFs entspricht Addition im db-bereich Werte für q p bzw q z q 0 2qp q 0 2qp q 0 2qp q 0 2qp q 0 2qp 0 2qp 0 2qp 0 2qp 0 2qp 0 2qp

4 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 4 von 6 5 Ortskurve (Nyquist-Diagramm (Skript S 98 (Matlab: nyquist 5 Definition Im Gegensatz zum Bode-Diagramm wird beim Nyquist-Diagramm Betrag und Phase in einem einzigen Diagramm dargestellt, nämlich indem man den Real- und Imaginärteil des Ausgabewertes direkt in die komplexe Zahlenebene zeichnet 52 Stabilitätsbestimmung Ist der offene Regelkreis H(s asymptotisch stabil, so ist der geschlossene Regelkreis + H(s = D(s + N(s asymptotisch stabil, wenn die Ortskurve des offenen Regelkreises den kritischen Punkt (-,j0 weder umkreist noch durchläuft 6 Nichols-Diagramm (Skript S 203 (Matlab: nichols 6 Definition Das Nichols Diagramm (auch Amplituden-Phasen-Diagramm ist die Darstellung des Absolutbetrages (Verstärkung, logarithmisch in Abhängigkeit der Phase Das Nichols Diagramm ist zur Bestimmung der Stabilität in rückgekoppelten Systemen verwendbar

5 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 5 von 6 2 Signalflussdiagramm (Skript S 27 Revision : 998 Graphische Lösung linearer Gleichungen Graphische Darstellung von LTI-Systemen Änderung der Topologie ohne UTF zu ändern 2 Transformationsregeln (Skript S 223ff 22 Mason s Regel (Skript S 230 P k k k T ij = UTF von x i nach x j, wobei x i eine Quelle, x j jedoch nicht zwingend eine Senke sein muss P k Vorwärtspfad k k Kofaktor de k-ten Pfades Netzwerkdeterminante = - (Summe aller Schleifen + (Summe aller Produkte zweier Schleifen, die sich nicht berühren - (Summe aller Produkte dreier Schleifen, die sich nicht berühren + k = - (Summe aller Schleifen die P k nicht berühren + (Summe aller Produkte zweier Schleifen, die P k und sich selbst nicht berühren-(summe aller Produkte dreier Schleifen, die P k und sich selbst nicht berühren + Falls die UTF eines SFD von einem beliebigen Knoten (keiner Quelle gesucht wird, kann Mason s Regel nicht direkt angewandt werden Abhilfe: T ij = xj x i = xj x q x q x i = Tqj T qi Wobei x q eine Quelle sei Schlussendlich kürzt sich die Netzwerkdeterminante heraus 23 Beispiel eines SFD (Skript S 235 a Die UTF zwischen X und X 4 ist (mit Mason s Regel: H 4 = X 4 aeh + abc( g = X ef g b Das folgende Gleichungssystem beschreibt das SFD X 2 = a X + f X 3 X 3 = e X 2 + g X 3 X 4 = h X 3 + c X 6 X 5 = d X 4 X 6 = b X 2 Nach Umformung der Gleichungen erhalten wir: X 4 = h X 3 + bc e ( g X 3 & X 3 g e = a X + f X3 Somit ist X 4 = h+ bc e ( g g ae f a X = aeh+abc( g g ef X 24 Fundamentales SFD (Skript S 236 Ordnung eines SFD = Anzahl der fundamentalen Knoten: Knoten, welche entfernt werden müssen, um alle Schleifen aufzubrechen

6 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 6 von 6 24 Fundamentales SFD erster Ordnung (Skript S 237 Durch Reduzieren auf das fundamentale SFD Ordnung, kann die UTF direkt ermittelt werden: E o E i = t io + t ixt xo t xx = t io t io t xx + t ix t xo t xx 25 Einbezug analoger Verstärker (Skript S Skalierung(Skript S 245 Um einen oder mehrere Knoten zu ändern, ohne das gesamte System zu ändern (Voraussetzung: Start/Endknoten werden nicht mitmaskiert, kann man diese Knoten skalieren Vorgehen: Skalierungszone festlegen (Trennbündel 2 Alle eingehende Zweige mit λ multiplizieren 3 Alle ausgehende Zweige mit λ multiplizieren Wenn alle maximalen Signalniveaus gleich maximal möglichen Dynamikbereich

7 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 7 von 6 3 Zustandsraumdarstellung (Skript S 39 Revision : 999 Darstellung einer Differentialgleichung n Ordnung durch ein Differentialgleichungssystem von n Gleichungen Ordnung 3 Definition (Skript S 40 ẋ(t = Ax(t + Bu(t y(t = Cx(t + Du(t A: Systemmatrix (n x n: Spalten entsprechen Ausgängen der Integratoren, Zeilen Eingänge ; B: Steuer- oder Eingangsmatrix (n x m senkrecht ; C: Beobachtungs- oder Ausgangsmatrix (k x n waagrecht ; D: Übergangs- oder Durchgangsmatrix (k x m wobei m der Anzahl Eingangssignale, k der Anzahl Ausgangssignale & n der Anzahl Zustandsgrössen (Integratoren, Ordnung entsprechen 32 ZRD im Zeitbereich (Skript S ZRD im Frequenzbereich (Skript S 47 (Matlab: ss2tf H(s = Y (s U(s = C (si n A B + D Die Grösse der Matrix H(s entspricht der Grösse der Durchgangsmatrix D I n sei die Einheitsmatrix mit Grösse n x n 34 Übertragungsmatrizen (Skript S 49 H(s = Y (s U(s = b ms m + b m s m + + b s + b 0 s n + a n s n + + a s + a 0 Allgemeine Formel für m = Eingang, k = Ausgang, n = 2 Integratoren: H(s = [ ([ ] s 0 C C 2 0 s ] [ A A 2 A 2 A 22 ] [ ] B + D B 2 = B C (s A 22 + B C 2 A 2 + B 2 C A 2 + B 2 C 2 (s A (s A 22 (s A A 2 A 2 + D 35 Stabilität (Skript S 53 Wenn alle Realteile der Eigenwerte λ der Systemmatrix A negativ sind, ist ein LTI-System asymptotisch stabil, jedoch nicht umgekehrt: λi A = 0 λ R{λ} < 0

8 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 8 von 6 36 Beobachtbar- & Steuerbarkeit (Skript S Steuerbarkeit (Matlab: ctrb Gibt es Zustände von x(t die nicht von den Eingängen u(t beeinflusst werden? Wenn ja, dann ist das System nicht steuerbar! Wenn Q Steuerbarkeit = [ B AB A 2 B A n B ] 0, dann ist das System vollständig steuerbar 362 Beobachtbarkeit (Matlab: obsv Gibt es Zustände x(t die keinen Einfluss auf die Ausgänge y(t haben? Wenn ja, kann man aus dem Verhalten von y(t nicht auf die Zustände x(t schliessen! Das System ist nicht beobachtbar! C CA Wenn Q Beobachtbarkeit = CA 2 0, dann ist das System vollständig beobachtbar CA n 363 Regelungsnormalform (Skript S 50 ẋ (t ẋ 2(t ẋ n (t ẋ n(t = a 0 a a 2 a n y(t = [ ] b 0 a 0b n b a b n b n a n b n x (t x 2(t x n (t x n(t x (t x 2(t x n (t x n(t u(t, + [ ] b n u(t 364 Beobachtungsnormalform (Skript S 5 ẋ (t ẋ 2(t ẋ n (t ẋ n(t = a a 0 0 a a n y(t = [ 0 0 ] x (t x 2(t x n (t x n(t x (t x 2(t x n (t x n(t + + [ ] b n u(t b 0 a 0b n b a b n b 2 a 2b n b n a n b n u(t,

9 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 9 von 6 4 Matrizenrechnung 4 Übersicht Transponierte Matrix: A T = [a T ik ] = [a ki] vertauschen der Zeilen mit Spalten 0 0 Einheitsmatrix: I n = Determinante 2x2 Matrix 3x3 Matrix [ ] a a det 2 = a a 2 a a 22 a 2 a 2 22 det a a 2 a 3 a 2 a 22 a 23 = a a 22 a 33 + a 2 a 23 a 3 + a 3 a 2 a 32 a 3 a 22 a 3 a 2 a 2 a 33 a a 23 a 32 a 3 a 32 a 33 Dreiecksmatrix - Alle Elemente entweder ober- oder unterhalt der Hauptdiagonale = 0 det A = a a 22 a nn Die Det ist das Produkt der Hauptdiagonal-Einträge Gilt somit auch für Diagonalmatritzen Null ( A = 0 - Wenn A eine (n,n-matrix ist, so wird A = 0 unter einer der folgenden Bedingungen: Zwei Zeilen/Spalten sind linear abhängig (gleich oder ein Vielfaches der anderen Alle Elemente einer Zeile/Spalte sind Null Allgemein: a a 2 a n AɛM n : det A = a 2 = ( + a D + ( +2 a 2 D ( +n a n D n a n a nn 42 Unterdeterminante a 22 a 2n D = a n2 a nn D a 2 a 23 a 2n 2 = a n a n3 a nn D ij die (n- (n--untermatrix von D ist, die durch Streichen der i-ten Zeile und j-ten Spalte entsteht Diese Methode ist zu empfehlen, wenn die Matrix in einer Zeile oder Spalte bis auf eine Stelle nur Nullen aufweisst Dies lässt sich meist mit dem Gausverfahren bewerkstelligen 43 Gaussverfahren Durch Addition und Subtraktion einzelner Zeilen (auch von Vielfachen einer Zeile werden einzelne Stellen auf Null gebracht zb: a a 2 a n a a 2 a n a 2 = ka 2 na ka 22 na 2 ka 2n na n a n a nn a n a nn Die n * erste Zeile wurde von der k * zweiten Zeile abgezogen (a 2 = ka 2 na

10 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 0 von 6 44 Inverse Matrix (Existiert nur wenn Matrix regulär: det A 0 2x2 Matrix: [ ] [ ] A a b d b = = c d ad bc c a 3x3 Matrix: A = a b c d e f g h i = ei fh ch bi bf ce fg di ai cg cd af det(a dh eg bg ah ae bd Diagonalmatrix (Alle Elemente ausserhalb der Hauptdiagonale = 0, Elemente auf Hauptdiagonale sind Eigenwerte λ i : Alle Elemete elementweise invertieren - Kehrwert Gilt nur wenn alle Elemente auf der Hauptdiagonale 0 sind Allgemein: a a 2 a n A = a 2 a n a nn a a 2 a n A T bestimmen (Zeilen und Spalten vertauschen A T = a 2 a n a nn ( + D ( +n D n 2 Bei A T jedes Element a ij durch Unterdet D ij mit richtigem Vorzeichen ersetzen A = ( n+ D n ( n+n D nn 3 A = A det A 45 Diagonalisierung Eigenwerte λ auschrechnen: det(a I n λ = 0 2 Eigenvektoren v bilden: (A λi n v = 0 3 Transformationsmatrix: T = [ v v n ] 4 T berechnen (Achtung ist A symmetrisch, dh A T = A und oder alle EV senktrecht zueinander, dann T = T T 5 D = λ λ λ 3 6 A n = T D n T

11 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite von 6 5 Filtertheorie (Skript S 257 Revision : 996 Man unterscheidet die Filtertypen grundsätzlich zwischen Tief-, Hoch- und Bandpässen sowie Bandsperren 5 Toleranzschema (Skript S 263 Im Durchlassbereich (DB bestimmt der Stempel die maximal zulässige Dämpfung A max ; im Sperrbereich (SB bestimmt die Matrize die minimal nötige Dämpfung A min 52 Realisation analoger Filter 52 Allgemeines Vorgehen Frequenznormierung durchführen 2 Normierten Tiefpass bestimmen (Filter nach Tiefpass transformieren 3 Art der Approximation wählen: Butterworth, Tschebyscheff (I, II, Cauer, Bessel, Gauss, 4 Bestimmung der Ordnung mit Nomogrammen (Skript S 34, Matlab (Matlab: buttord, chebord, cheb2ord, ellipord oder Formeln 5 Normierte TP-UTF aus Tabellen entnehmen & entnormieren 6 Aus Tabelle (Skript S 356 L und C-Werte für Tiefpassherauslesen & entnormieren 7 Filter von Tiefpass zum gesuchten Filter rücktransformieren 522 Frequenznormierung (Skript S 264 Normierung S = s ω r Ω = ω ω r σ = σ ω r Bei Bandpässen & -sperren: ω r = ω B ω B2 = }{{} wenn symmetrisch ωs ω S2 Zur Entnormierung wird ω 3db gebraucht, daher sind diese Formeln dafür nicht geeignet! 523 Filtertransformationen (Skript S 302 Tiefpass-Hochpass (Skript S 302 Tiefpass-Bandpass (Skript S 304 Tiefpass-Bandsperre (Skript S 308 Ordnung: n 2n 2n Ansatz: S S S S2 + B S S B S S 2 + ( UTF: H HP (S = H ( ( S T P S T BP (S = T 2 + T P B S T BS (S = T T P Norm Frequenz: Ω ST P = Ω SHP Ω ST P = Ω S2 Ω S B = Ω S2 Ω S B Ω B2 Ω B Ω ST P = Ω S2 Ω S Bandbreite B = ω B2 ω B ω r B S S 2 + = Ω B2 Ω B Ω S2 Ω S

12 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 2 von 6 Direkte Substitution HP-TP T T P (S = K KS b ns n +b n S n ++b S+b 0 T HP (S = n ( BP-TP Ordnung T T P (S = S S+a T BP (S = T 2 + T P B S ( BP-TP 2 Ordnung T T P (S = S 2 +as+b T BP (S = T T P ( BS-TP Ordnung T T P (S = S+a T BS (S = T T P ( BS-TP 2 Ordnung T T P (S = S 2 +as+b T BS (S = T T P 524 Approximationsarten (Skript S 294 b 0S n +b S n ++b n S+b n S 2 + B S B S S 2 + B S S 2 + = = B S S 2 +ab S+ = B 2 S 2 S 4 +abs 3 +(bb 2 +2S 2 +ab S+ = a (S2 + S 2 + B a S+ b (S2 + ( 2 S 4 + ab b S3 + B 2 b +2 S 2 + ab b S+ Butterworth (Skript S 266 Amplitudengang: Gute Approximation ( maximal flach Allpolfilter, Pole liegen auf Kreis mit Abstand π n Gruppenlaufzeit: Leichte Überhöhung bei Grenzfrequenz Tschebyscheff I (Skript S 276 Amplitudengang: Definierte Welligkeit im DB, steiler Übergang Allpolfilter, wobei alle Pole auf einer Ellipse liegen Schlechte Gruppenlaufzeit Cauer (Skript S 284 Amplitudengang: Definierte Welligkeit im SB und DB Steilster Übergang zwischen SB und DB Kritisch gedämpftes (Gauss-Filter (Skript S 273 Keine Überschwinger bei Impuls- & Sprungantwort Kaskadierung von wirkungsfreien RC-Filtern Allpolfilter: Pole nur auf negativer σ-achse Inverser Tschebyscheff / Tscheby II (Skript S 276 Definierte Welligkeit im Durchgangsbereich Flachere Gruppenlaufzeit als Tschebyscheff I Bessel (Skript S 290 Sehr linearer Phasengang fast konstante Gruppenlaufzeit Flachster Übergang zw DB und SB im Amplitudengang Pole weit entfernt der jω-achse 525 Bestimmung der minimal nötigen Ordnung (Skript S 34 Mittels Nomogramm Oder mittels Formeln log 0Amin/0 0 n Butterworth Amax/0 n Tschebyscheff(I,II 2 log ( ΩS Ω D Arcosh 0 Amin/0 0 Amax/0 Arcosh(Ω S /Ω D n Cauer K ( ( ( ΩD 2 Ω K 0Amax/0 S 0 A min /0 ( ( ΩD 2 0 K ( Ω K Amax/0 S 0 A min /0, mit K(k = π 2 0 dθ k sin 2 θ Oder mit Matlab butterord, chebord, cheb2ord, ellipord Grundsätzlich gilt (für gleiche Spezifikationen n Butterworth n Tschebyscheff(I,II n Cauer 526 UTF bestimmen & entnormieren Die UTF kann meist aus Tabellen herausgelesen werden und variiert je nach Filtertyp Die Entnormierung erfolgt durch Substitution von S s, wobei auch hier ω 3dB je nach Filtertyp unterschiedlich berechnet wird ω 3dB Butterworth (Skript S 345 Tschebyscheff I (Skript S 349 Kritisch gedämpfte Filter (Skript S 347 ω 3dB = 2n 0 Amax/0 ω D ω 3dB = cosh [( ( n Arcosh ] e ωd ω 3dB = ω D 2 /n Cauer (Skript S 356 Bessel (Skript S 353 Keine Tabelle, (Matlab: ellip, ellipap ω 3dB aus Abb 793 (Skript S Amax 0 n

13 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 3 von LC-Tiefpass bestimmen (Skript S 327, 356 Die Struktur unterscheidet sich nicht zwischen den Filtertypen Es ist zwischen Minimal-C (meistens und Minimal- L-Netzwerken auszuwählen Erläuterungen zu den Tabellen: Die Legende oben beschreibt die Stromquellenstruktur, die untere die Spannungsquellenstruktur Normierung auf R 2 =, folglich R = R Quelle R Last Tabellenindex Butterworth (Skript S 357 Tschebyscheff I (Skript S 360, 36 Kritisch gedämpfte Filter (Skript S 359 Cauer (Skript S 362, 363 Bessel (Skript S 358 Entnormierung Aus den Tabellen gelesene Werte werden im folgenden als C bzw L bezeichnet C C = ω 3dB R Last L = L R Last ω 3dB 528 Bauteiltransformation zum gewünschten Filter (Skript S Kaskadierung von Filtern Wenn mehrere Filter kaskadiert werden, ändern sich die Spezifikationen wie in folgendem Beispiel: Tiefpass- Hochpass Tiefpass- Bandpass Tiefpass- Bandsperre

14 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 4 von 6 54 Vergleich der Approximationsarten Butterworth-Filter mit UTF H(s = 003e022 s e004s e009s e03s 2 +29e08s+003e022 Kritisch gedämpftes Filter mit UTF H(s = 2724e 03s 3 +26e 008s s+

15 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 5 von 6 Tschebyscheff-I-Filter mit UTF H(s = 609e023 s s e008s 4 +72e02s e06s e09s+2026e023 Tschebyscheff-II-Filter mit UTF H(s = 6283s 4 +08e 009s e0s s+504e09 s e004s e008s e02s e06s+504e09

16 Signale & Systeme 2 - Formelsammlung (Revision : powered by LATEX Seite 6 von 6 Cauer-Filter mit UTF H(s = 088s4 6596e 00s e00s s+29e08 s s e007s e0s e04s+29e08 Bessel-Filter mit UTF H(s = 248e0 s e004s e007s+248e0

1 Gegenkopplung und Stabilität S107

1 Gegenkopplung und Stabilität S107 Regelungstechnik - Formelsammlung (Revision : 044 - powered by LATEX) Seite von 6 Gegenkopplung und Stabilität S07. LTI-Grundglieder Typ Symbol Gleichung, Dgl Sprungantwort Frequenzgang, Betrag und Argument

Mehr

Basiswissen Matrizen

Basiswissen Matrizen Basiswissen Matrizen Mathematik GK 32 Definition (Die Matrix) Eine Matrix A mit m Zeilen und n Spalten heißt m x n Matrix: a a 2 a 4 A a 2 a 22 a 24 a 4 a 42 a 44 Definition 2 (Die Addition von Matrizen)

Mehr

1 Definition. 2 Besondere Typen. 2.1 Vektoren und transponieren A = 2.2 Quadratische Matrix. 2.3 Diagonalmatrix. 2.

1 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

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 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

Mehr

Lineare Algebra: Determinanten und Eigenwerte

Lineare Algebra: Determinanten und Eigenwerte : und Eigenwerte 16. Dezember 2011 der Ordnung 2 I Im Folgenden: quadratische Matrizen Sei ( a b A = c d eine 2 2-Matrix. Die Determinante D(A (bzw. det(a oder Det(A von A ist gleich ad bc. Det(A = a b

Mehr

Systemtheorie. Vorlesung 25: Butterworth-Filter. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann

Systemtheorie. Vorlesung 25: Butterworth-Filter. Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Systemtheorie Vorlesung 5: Butterworth-Filter Fakultät für Elektro- und Informationstechnik, Manfred Strohrmann Übersicht Für den Filterentwurf stehen unterschiedliche Verfahren zur Verfügung Filter mit

Mehr

Institut für Elektrotechnik und Informationstechnik. Aufgabensammlung zur. Systemtheorie

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

Mehr

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( )

Ferienkurs Mathematik für Physiker I Skript Teil 3 ( ) Ferienkurs Mathematik für Physiker I WS 2016/17 Ferienkurs Mathematik für Physiker I Skript Teil 3 (29032017) 1 Lineare Gleichungssysteme Oft hat man es in der Physik mit unbekannten Größen zu tun, für

Mehr

Vektoren und Matrizen

Vektoren und Matrizen Universität Basel Wirtschaftswissenschaftliches Zentrum Vektoren und Matrizen Dr. Thomas Zehrt Inhalt: 1. Vektoren (a) Einführung (b) Linearkombinationen (c) Länge eines Vektors (d) Skalarprodukt (e) Geraden

Mehr

3 Determinanten, Eigenwerte, Normalformen

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

Mehr

3. Beschreibung dynamischer Systeme im Frequenzbereich

3. Beschreibung dynamischer Systeme im Frequenzbereich 3. Laplace-Transformation 3. Frequenzgang 3.3 Übertragungsfunktion Quelle: K.-D. Tieste, O.Romberg: Keine Panik vor Regelungstechnik!.Auflage, Vieweg&Teubner, Campus Friedrichshafen --- Regelungstechnik

Mehr

SYNTHESE LINEARER REGELUNGEN

SYNTHESE LINEARER REGELUNGEN Synthese Linearer Regelungen - Formelsammlung von 8 SYNTHESE LINEARER REGELUNGEN FORMELSAMMLUNG UND MERKZETTEL INHALT 2 Grundlagen... 2 2. Mathematische Grundlagen... 2 2.2 Bewegungsgleichungen... 2 2.3

Mehr

3.6 Eigenwerte und Eigenvektoren

3.6 Eigenwerte und Eigenvektoren 3.6 Eigenwerte und Eigenvektoren 3.6. Einleitung Eine quadratische n n Matrix A definiert eine Abbildung eines n dimensionalen Vektors auf einen n dimensionalen Vektor. c A x c A x Von besonderem Interesse

Mehr

x 1 + u y 2 = 2 0 x 2 + 4u 2.

x 1 + u y 2 = 2 0 x 2 + 4u 2. 3. Übung: Regelkreis Aufgabe 3.1. Gegeben sind die beiden linearen zeitkontinuierlichen Systeme 3 2 2 ẋ 1 = 6 5 x 1 + 1 u 1 6 2 3 [ ] y 1 = 2 x 1 (3.1a) (3.1b) und [ ] [ ] 8 15 1 ẋ 2 = x 2 + 6 1 4 [ ]

Mehr

Grundlagen der Signalverarbeitung

Grundlagen der Signalverarbeitung Grundlagen der Signalverarbeitung Digitale und analoge Filter Wintersemester 6/7 Wiederholung Übertragung eines sinusförmigen Signals u t = U sin(ω t) y t = Y sin ω t + φ ω G(ω) Amplitude: Y = G ω U Phase:

Mehr

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24

Kapitel 4. Determinante. Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Kapitel 4 Determinante Josef Leydold Mathematik für VW WS 2017/18 4 Determinante 1 / 24 Was ist eine Determinante? Wir wollen messen, ob n Vektoren im R n linear abhängig sind bzw. wie weit sie davon entfernt

Mehr

5 Lineare Gleichungssysteme und Determinanten

5 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

Mehr

9.2 Invertierbare Matrizen

9.2 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

Mehr

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A =

a 21 a 22 a 21 a 22 = a 11a 22 a 21 a 12. Nun zur Denition und Berechnung von n n-determinanten: ( ) a 11 a 12 a 13 a 21 a 22 a 23 a 31 a 32 a 33 A = 3 Determinanten Man bestimmt Determinanten nur von quadratischen Matrizen Wir werden die Berechnung von Determinanten rekursiv durchfuhren, dh wir denieren wie man eine 2 2-Determinante berechnet und fuhren

Mehr

Filterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11

Filterentwurf. Bernd Edler Laboratorium für Informationstechnologie DigSig - Teil 11 Filterentwurf IIR-Filter Beispiele für die verschiedenen Filtertypen FIR-Filter Entwurf mit inv. Fouriertransformation und Fensterfunktion Filter mit Tschebyscheff-Verhalten Vorgehensweise bei Matlab /

Mehr

1. Differentialgleichung der Filter zweiter Ordnung

1. Differentialgleichung der Filter zweiter Ordnung Prof. Dr.-Ing. F. Keller abor Elektronik 3 Filter zweiter Ordnung Info v.doc Hochschule Karlsruhe Info-Blatt: Filter zweiter Ordnung Seite /6. Differentialgleichung der Filter zweiter Ordnung Ein- und

Mehr

ZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1.

ZHAW, DSV1, FS2010, Rumc, 1. H(z) a) Zeichnen Sie direkt auf das Aufgabenblatt das Betragsspektrum an der Stelle 1. ZHAW, DSV, FS200, Rumc, DSV Modulprüfung 7 + 4 + 5 + 8 + 6 = 30 Punkte Name: Vorname: : 2: 3: 4: 5: Punkte: Note: Aufgabe : AD-DA-Umsetzung. + + +.5 +.5 + = 7 Punkte Betrachten Sie das folgende digitale

Mehr

a 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:

a 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

Mehr

3 Matrizenrechnung. 3. November

3 Matrizenrechnung. 3. November 3. November 008 4 3 Matrizenrechnung 3.1 Transponierter Vektor: Die Notation x R n bezieht sich per Definition 1 immer auf einen stehenden Vektor, x 1 x x =.. x n Der transponierte Vektor x T ist das zugehörige

Mehr

x 1 + u y 2 = 2 0 x 2 + 4u 2.

x 1 + u y 2 = 2 0 x 2 + 4u 2. 3. Übung: gelkreis Aufgabe 3.. Gegeben sind die beiden linearen zeitkontinuierlichen Systeme 3 ẋ = 6 x + u 6 3 [ ] y = x (3.a) (3.b) und [ ] [ ] 8 ẋ = x + 6 4 [ ] y = x + 4u. u (3.a) (3.b) Berechnen Sie

Mehr

Lösungen zur Prüfung Lineare Algebra I/II für D-MAVT

Lösungen 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

Mehr

Ökonometrische Analyse

Ökonometrische Analyse Institut für Statistik und Ökonometrie, Freie Universität Berlin Ökonometrische Analyse Dieter Nautz, Gunda-Alexandra Detmers Rechenregeln für Matrizen Notation und Matrixeigenschaften: Eine Matrix A der

Mehr

Aufgabe 1 (Unsicherheitsschranke für gemessene Übertragungsfunktion)

Aufgabe 1 (Unsicherheitsschranke für gemessene Übertragungsfunktion) Prof. L. Guzzella Prof. R. D Andrea 5-59- Regelungstechnik II (FS 28) Musterlösung Übung 5 Unsicherheitsschranken, Spezifikationen im Frequenzbereich, Matlab M.B. (michael.benz@imrt.mavt.ethz.ch), 4. April

Mehr

Labor RT Versuch RT1-1. Versuchsvorbereitung. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den

Labor RT Versuch RT1-1. Versuchsvorbereitung. Prof. Dr.-Ing. Gernot Freitag. FB: EuI, FH Darmstadt. Darmstadt, den Labor RT Versuch RT- Versuchsvorbereitung FB: EuI, Darmstadt, den 4.4.5 Elektrotechnik und Informationstechnik Rev., 4.4.5 Zu 4.Versuchvorbereitung 4. a.) Zeichnen des Bode-Diagramms und der Ortskurve

Mehr

Elektronik Prof. Dr.-Ing. Heinz Schmidt-Walter

Elektronik Prof. Dr.-Ing. Heinz Schmidt-Walter 6. Aktive Filter Filterschaltungen sind Schaltungen mit einer frequenzabhängigen Übertragungsfunktion. Man unterscheidet zwischen Tief, Hoch und Bandpässen sowie Sperrfiltern. Diesen Filtern ist gemeinsam,

Mehr

Lineare Algebra 1. Roger Burkhardt

Lineare Algebra 1. Roger Burkhardt Lineare Algebra 1 Roger Burkhardt roger.burkhardt@fhnw.ch Fachhochschule Nordwestschweiz Hochschule für Technik Institut für Geistes- und Naturwissenschaft HS 2010/11 2 Rechenoperationen und Gesetze Gleichheit

Mehr

FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn

FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB 5./7. November 2008 Prof. Dr. H.-R. Metz. Matrizen 1. a m1 a m2 a m3 a mn FH Gießen-Friedberg, FB 06 (MNI) Skript 8 Mathematik 1 für KMUB./7. November 2008 Prof. Dr. H.-R. Metz (Matrix) Matrizen 1 Ein System von Zahlen a ik, die rechteckig in m Zeilen und n Spalten angeordnet

Mehr

1 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 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

Mehr

8.2 Invertierbare Matrizen

8.2 Invertierbare Matrizen 38 8.2 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

Mehr

Hilfsblätter Lineare Algebra

Hilfsblätter Lineare Algebra Hilfsblätter Lineare Algebra Sebastian Suchanek unter Mithilfe von Klaus Flittner Matthias Staab c 2002 by Sebastian Suchanek Printed with L A TEX Inhaltsverzeichnis 1 Vektoren 1 11 Norm 1 12 Addition,

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 3067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum:.08.006 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:

Mehr

5. Laplacetransformation

5. Laplacetransformation 5. Laplacetransformation 5. Übersicht Laplacetransformation Die Laplacetransformation ist eine Verallgemeinerung der Fouriertransformation. Vorteile: Es können auch Transformierte für Signale angegeben

Mehr

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

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

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 2. Oktober 2014

Skript 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.................................

Mehr

Musterlösungen Blatt Mathematischer Vorkurs. Sommersemester Dr. O. Zobay. Matrizen

Musterlösungen 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

Mehr

Tutorium Mathematik II M WM

Tutorium 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:

Mehr

G S. p = = 1 T. =5 K R,db K R

G S. p = = 1 T. =5 K R,db K R TFH Berlin Regelungstechnik Seite von 0 Aufgabe 2: Gegeben: G R p =5 p 32ms p 32 ms G S p = p 250 ms p 8 ms. Gesucht ist das Bodediagramm von G S, G R und des offenen Regelkreises. 2. Bestimmen Sie Durchtrittsfrequenz

Mehr

Filterentwurf. Aufgabe

Filterentwurf. Aufgabe Aufgabe Filterentwurf Bestimmung der Filterkoeffizienten für gewünschte Filtereigenschaften Problem Vorgaben häufig für zeitkontinuierliches Verhalten, z.b. H c (s) Geeignete Approximation erforderlich

Mehr

Seite 1 NAME VORNAME MATRIKEL-NR. Achtung: Schreiben Sie Ihre Antworten für die Aufgaben 1 bis 2 direkt unter den Fragen in den Fragebogen.

Seite 1 NAME VORNAME MATRIKEL-NR. Achtung: Schreiben Sie Ihre Antworten für die Aufgaben 1 bis 2 direkt unter den Fragen in den Fragebogen. 144 Minuten Seite 1 NAME VORNAME MATRIKEL-NR. Achtung: Schreiben Sie Ihre Antworten für die Aufgaben 1 bis 2 direkt unter den Fragen in den Fragebogen. Aufgabe 1 (je 2 Punkte) a) Definieren Sie die Begriffe

Mehr

Kapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42

Kapitel 5. Eigenwerte. Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Kapitel 5 Eigenwerte Josef Leydold Mathematik für VW WS 2017/18 5 Eigenwerte 1 / 42 Geschlossenes Leontief-Modell Ein Leontief-Modell für eine Volkswirtschaft heißt geschlossen, wenn der Konsum gleich

Mehr

SV1: Aktive RC-Filter

SV1: Aktive RC-Filter Signal and Information Processing Laboratory Institut für Signal- und Informationsverarbeitung. September 6 Fachpraktikum Signalverarbeitung SV: Aktive RC-Filter Einführung In diesem Versuch wird ein aktives

Mehr

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen

a ij i - te Gleichung (Zeile), i = 1, 2,3,..., m I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y 1 = a 11 x 1 + a 12 x 2 + a 13 x3 y 2 = a 21 x 1 + a 22 x 2 + a 23 x3... Koeffizienten a ij i - te Gleichung

Mehr

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n

I) MATRIZEN. 1) Speichern geometrischer Daten: Punkte, Vektoren. j - te Variable (Spalte), j = 1,2,3,..., n I) MATRIZEN Motivation: 1) Speichern geometrischer Daten: Punkte, Vektoren. 2) Lineare Gleichungen y1 = a11x1+ a12x2 + a13x3 y2 = a21x1+ a22x2 + a23x3... Koeffizienten a ij i - te Gleichung (Zeile), i

Mehr

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

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

Mehr

7 Matrizen über R und C

7 Matrizen über R und C Mathematik für Physiker I, WS 06/07 Montag 9 $Id: matrixtex,v 7 06//9 :58: hk Exp $ 7 Matrizen über R und C 7 Addition und Multiplikation von Matrizen In der letzten Sitzung haben wir begonnen uns mit

Mehr

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

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

Mehr

Serie 12: Eigenwerte und Eigenvektoren

Serie 12: Eigenwerte und Eigenvektoren D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie : Eigenwerte und Eigenvektoren Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom 7 und 9 Dezember Finden Sie für folgende

Mehr

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

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

Mehr

Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik

Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter. Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Nachrichtentechnik [NAT] Kapitel 6: Analoge Filter Dipl.-Ing. Udo Ahlvers HAW Hamburg, FB Medientechnik Sommersemester 25 Inhaltsverzeichnis Inhalt Inhaltsverzeichnis 6 Analoge Filter 3 6. Motivation..................................

Mehr

2. Übung: Lineare dynamische Systeme

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

Mehr

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen

IV. Matrizenrechnung. Gliederung. I. Motivation. Lesen mathematischer Symbole. III. Wissenschaftliche Argumentation. i. Rechenoperationen mit Matrizen Gliederung I. Motivation II. Lesen mathematischer Symbole III. Wissenschaftliche Argumentation IV. Matrizenrechnung i. Rechenoperationen mit Matrizen ii. iii. iv. Inverse einer Matrize Determinante Definitheit

Mehr

Matrizen, Determinanten, lineare Gleichungssysteme

Matrizen, 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

Mehr

Stellen Sie für das im folgenden Signalflussbild dargestellte dynamische System ein Zustandsraummodell K

Stellen Sie für das im folgenden Signalflussbild dargestellte dynamische System ein Zustandsraummodell K Aufgaben Aufgabe : Stellen Sie für das im folgenden Signalflussbild dargestellte dnamische Sstem ein Zustandsraummodell auf. u 2 7 5 Aufgabe 2: Wir betrachten das folgende Regelsstem vierter Ordnung: r

Mehr

36 2 Lineare Algebra

36 2 Lineare Algebra 6 Lineare Algebra Quadratische Matrizen a a n sei jetzt n m, A, a ij R, i, j,, n a n a nn Definition Eine quadratische Matrix A heißt invertierbar genau dann, wenn es eine quadratische Matrix B gibt, so

Mehr

Lösungshinweise zur Klausur

Lösungshinweise zur Klausur Höhere Mathematik 1 und 4..14 Lösungshinweise zur Klausur für Studierende der Fachrichtungen el, kyb,mecha,phys Aufgabe 1 Entscheiden Sie, welche der folgenden Aussagen richtig und welche falsch sind.

Mehr

MC-Serie 11: Eigenwerte

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

Mehr

Komplexe Zahlen. Darstellung

Komplexe Zahlen. Darstellung Komplexe Zahlen Die Zahlenmengen, mit denen wir bis jetzt gearbeitet haben lassen sich zusammenfassen als N Z Q R Die natürlichen Zahlen sind abgeschlossen bezüglich der Operation des Addierens. Das heisst

Mehr

4. Standardübertragungsglieder

4. Standardübertragungsglieder 4. PT-Glied : Verzögerungsglied. Ordnung 4. P-Glied : Proportionalglied 4.3 I-Glied: Integrator 4.4 D-Glied: Differenzierer (ideal/real) 4.5 PT-Glied: Verzögerungsglied. Ordnung 4.6 Totzeitglied Campus

Mehr

1 Bestimmung der inversen Matrix

1 Bestimmung der inversen Matrix Inhaltsverzeichnis 1 Bestimmung der inversen Matrix Die inverse Matrix A 1 zu einer Matrix A kann nur bestimmt werden, wenn die Determinante der Matrix A von Null verschieden ist. Im folgenden wird die

Mehr

Name: Vorname(n): Matrikelnummer: Aufgabe erreichbare Punkte erreichte Punkte Punkte aus Übungsmitarbeit Gesamtpunktanzahl

Name: Vorname(n): Matrikelnummer: Aufgabe erreichbare Punkte erreichte Punkte Punkte aus Übungsmitarbeit Gesamtpunktanzahl Universität des Saarlandes, Lehrstuhl für Systemtheorie und Regelungstechnik SCHRIFTLICHE PRÜFUNG aus SYSTEMTHEORIE UND REGELUNGSTECHNIK I am 28.7.26 Name: Vorname(n): Matrikelnummer: Note: Aufgabe 2 3

Mehr

5.2 Rechnen mit Matrizen

5.2 Rechnen mit Matrizen 52 Rechnen mit Matrizen 52 Rechnen mit Matrizen 97 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

Klausur zur Vorlesung Digitale Signalverarbeitung

Klausur zur Vorlesung Digitale Signalverarbeitung INSTITUT FÜR INFORMATIONSVERARBEITUNG UNIVERSITÄT HANNOVER Appelstraße 9A 067 Hannover Klausur zur Vorlesung Digitale Signalverarbeitung Datum: 0.08.007 Uhrzeit: 09:00 Uhr Zeitdauer: Stunden Hilfsmittel:

Mehr

Martin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER

Martin Meyer. Signalverarbeitung. Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER Martin Meyer Signalverarbeitung Analoge und digitale Signale, Systeme und Filter 5. Auflage STUDIUM VIEWEG+ TEUBNER VII 1 Einführung 1 1.1 Das Konzept der Systemtheorie 1 1.2 Übersicht über die Methoden

Mehr

ET-Praktikumsbericht 3. Semester I (Versuch 4, Zeit-/Frequenzverhalten von Vierpolen) Inhaltsverzeichnis 1 Der RC-Tiefpass Messung bei konstante

ET-Praktikumsbericht 3. Semester I (Versuch 4, Zeit-/Frequenzverhalten von Vierpolen) Inhaltsverzeichnis 1 Der RC-Tiefpass Messung bei konstante Praktikumsbericht Elektrotechnik 3.Semester Versuch 4, Vierpole 7. November Niels-Peter de Witt Matrikelnr. 8391 Helge Janicke Matrikelnr. 83973 1 ET-Praktikumsbericht 3. Semester I (Versuch 4, Zeit-/Frequenzverhalten

Mehr

Übung 6: Analyse LTD-Systeme

Übung 6: Analyse LTD-Systeme ZHAW, DSV, FS2009, Übung 6: Analyse LTD-Systeme Aufgabe : Pol-Nullstellendarstellung, UTF und Differenzengleichung. Die folgenden Pol-Nullstellen-Darstellungen charakterisieren verschiedene LTD- Systeme,

Mehr

Diskrete Folgen, z-ebene, einfache digitale Filter

Diskrete Folgen, z-ebene, einfache digitale Filter apitel 1 Diskrete Folgen, z-ebene, einfache digitale Filter 1.1 Periodische Folgen Zeitkoninuierliche Signale sind für jede Frequenz periodisch, zeitdiskrete Signale nur dann, wenn ω ein rationales Vielfaches

Mehr

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte

Matrizen. a12 a1. a11. a1n a 21. a 2 j. a 22. a 2n. A = (a i j ) (m, n) = i te Zeile. a i 1. a i 2. a i n. a i j. a m1 a m 2 a m j a m n] j te Spalte Mathematik I Matrizen In diesem Kapitel werden wir lernen was Matrizen sind und wie man mit Matrizen rechnet. Matrizen ermöglichen eine kompakte Darstellungsform vieler mathematischer Strukturen. Zum Darstellung

Mehr

Theorie digitaler Systeme

Theorie digitaler Systeme Theorie digitaler Systeme Vorlesung 2: Fakultät für Elektro- und Informationstechnik, anfred Strohrmann Einführung Frequenzgang zeitkontinuierlicher Systeme beschreibt die Änderung eines Spektrums bei

Mehr

Berechnung der Determinante

Berechnung der Determinante Berechnung der Determinante Verhalten der Determinante unter elementaren Zeilenoperationen: Das Vertauschen zweier Zeilen/Spalten der Matrix A ändert nur das Vorzeichen der Determinante, d.h: i, j {1,...,

Mehr

m 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

m 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

Mehr

Eigenwerte und Eigenvektoren

Eigenwerte 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

Mehr

Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT

Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT Prof. N. Hungerbühler ETH Zürich, Sommer 4 Lösungen zu Prüfung Lineare Algebra I/II für D-MAVT. [ Punkte] Hinweise zur Bewertung: Jede Aussage ist entweder wahr oder falsch; machen Sie ein Kreuzchen in

Mehr

Lineare Gleichungssysteme und Matrizen

Lineare Gleichungssysteme und Matrizen Kapitel 11 Lineare Gleichungssysteme und Matrizen Ein lineares Gleichungssystem (lgs) mit m linearen Gleichungen in den n Unbekannten x 1, x 2,..., x n hat die Gestalt: Mit a 11 x 1 + a 12 x 2 + a 13 x

Mehr

Lineare Algebra und Geometrie II, Übungen

Lineare Algebra und Geometrie II, Übungen Lineare Algebra und Geometrie II, Übungen Gruppe (9 9 45 ) Sei A 2 Bestimmen Sie A und A Finden Sie weiters Vektoren u, v R 2 mit u und Au A, beziehungsweise v und Av A Zunächst die Berechnung der Norm

Mehr

Systemtheorie Teil B

Systemtheorie Teil B d + d + c d + c uk d + + yk d + c d + c Systemtheorie Teil B - Zeitdiskrete Signale und Systeme - Musterlösungen Manfred Strohrmann Urban Brunner Inhalt 8 Musterlösung Frequengang eitdiskreter Systeme...

Mehr

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten

Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten Mathematik I Herbstsemester 2014 Kapitel 8: Lineare Algebra 8.2 Determinanten www.math.ethz.ch/education/bachelor/lectures/hs2014/other/mathematik1 BIOL Prof. Dr. Erich Walter Farkas http://www.math.ethz.ch/

Mehr

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

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

Mehr

Filtertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski

Filtertypen Filter 1. Ordnung Filter 2. Ordnung Weitere Filter Idee für unser Projekt. Filter. 3. November Mateusz Grzeszkowski typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt 3. November 2009 Mateusz Grzeszkowski / 24 Mateusz Grzeszkowski 3. November 2009 typen. Ordnung 2. Ordnung Weitere Idee für unser Projekt Motivation

Mehr

Serie 10: Inverse Matrix und Determinante

Serie 10: Inverse Matrix und Determinante D-ERDW, D-HEST, D-USYS Mathematik I HS 5 Dr Ana Cannas Serie 0: Inverse Matrix und Determinante Bemerkung: Die Aufgaben dieser Serie bilden den Fokus der Übungsgruppen vom und 5 November Gegeben sind die

Mehr

Prof. Steinwart Höhere Mathematik I/II Musterlösung A =

Prof. Steinwart Höhere Mathematik I/II Musterlösung A = Prof. Steinwart Höhere Mathematik I/II Musterlösung 7..7 Aufgabe ( Punkte) (a) Bestimmen Sie die Eigenwerte und Eigenräume der Matrix A mit 3 3 A = 3 Ist die Matrix A diagonalisierbar? (b) Die Matrix A

Mehr

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011

Skript zur Vorlesung. Lineare Algebra. Prof. Dr.-Ing. Katina Warendorf. 29. April 2011 Skript zur Vorlesung Prof. Dr.-Ing. Katina Warendorf 29. April 2011 erstellt von Sindy Engel erweitert von Prof. Dr.-Ing. Katina Warendorf Inhaltsverzeichnis 1 Vektoren 4 1.1 Grundbegriffe.................................

Mehr

Tutorium Mathematik II, M Lösungen

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

Mehr

Muster zu Kurztest Nr. 2 Fach EK 2

Muster zu Kurztest Nr. 2 Fach EK 2 Muster zu Kurztest Nr. Fach EK Auswahl von Aufgaben Prüfung Thema: OpAmp Nichtidealitäten und Filter, 3 Aufgaben, 45 Min. Aufgabe : Einfluss von Offset-Spannung und Biasstrom 9 Punkte Ein Opamp mit I Bias

Mehr

Mathematik 2 für Naturwissenschaften

Mathematik 2 für Naturwissenschaften Hans Walser Mathematik 2 für Naturwissenschaften Spender A B AB 0 Empfänger A B AB 0 1 0 0 0 1 0 1 1 1 0 0 0 1 1 1 1 1 verträglich 0 unverträglich Modul 210 Koordinatensysteme. Matrizen Lernumgebung Hans

Mehr

Mathematik für Studierende der Biologie und des Lehramtes Chemie

Mathematik für Studierende der Biologie und des Lehramtes Chemie Mathematik für Studierende der Biologie und des Lehramtes Chemie ominik Schillo Universität des Saarlandes 7 Vorlesung, 007 (Stand: 007, 4: Uhr) Notation Seien A R n n sowie b R n und betrachte das LGS

Mehr

Betrachtetes Systemmodell

Betrachtetes Systemmodell Betrachtetes Systemmodell Wir betrachten ein lineares zeitinvariantes System mit der Impulsantwort h(t), an dessen Eingang das Signal x(t) anliegt. Das Ausgangssignal y(t) ergibt sich dann als das Faltungsprodukt

Mehr

6.2 Rechnen mit Matrizen

6.2 Rechnen mit Matrizen 62 Rechnen mit Matrizen 62 Rechnen mit Matrizen 103 Für Matrizen desselben Typs ist eine Addition erklärt, und zwar durch Addition jeweils entsprechender Einträge Sind genauer A = (a ij ) und B = (b ij

Mehr

Zusammenfassung und Beispiellösungen. zur Linearen Algebra

Zusammenfassung und Beispiellösungen. zur Linearen Algebra Zusammenfassung und Beispiellösungen zur Linearen Algebra Inhaltsverzeichnis TI Taschenrechner Funktionen für Matrizen... n*m Matrix... Diagonal und Dreiecksmatrix... Transponierte der Matrix A (AT)...

Mehr

Determinante und Inverse

Determinante und Inverse Vorzeigeaufgaben: Determinante und Inverse Bestimmen Sie für welche a R die folgende Matrix invertierbar ist und berechnen Sie deren Inverse: A = a cos(x) sin(x) a sin(x) cos(x) Bestimmen Sie ob folgende

Mehr

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden.

Determinante. Die Determinante. einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Determinante Die Determinante det A = det(a 1,..., a n ) einer quadratischen Matrix A mit Spalten a j kann durch folgende Eigenschaften definiert werden. Multilineariät: det(..., αa j + βb j,...) = α det(...,

Mehr

45 Eigenwerte und Eigenvektoren

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

Mehr

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A.

Matrix: Eine rechteckige Anordnung reeller Zahlen a ij (i = 1,..., n i ; j = 1,..., m) in Zeilen und Spalten. Die a ij heiÿen Elemente von A. Matrizenrechnung Matrix: Eine rechteckige Anordnung reeller Zahlen a ij i = 1,..., n i ; j = 1,..., m in Zeilen und Spalten. Die a ij heiÿen Elemente von A. a 11 a 12... a ij... a 1m a 21 a 22.........

Mehr