e At = e λt e (A λi)t.
|
|
- Helene Vogel
- vor 6 Jahren
- Abrufe
Transkript
1 Priv.-Doz. G. Reißig, F. Goßmann M.Sc Universität der Bundeswehr München Institut für Steuer- und Regelungstechnik (LR-15) Moderne Methoden der Regelungstechnik, H 2016 Übung 3 - Lösung Aufgabe 1. Berechnung der Matrix-Exponentialfunktion Gegeben sind die folgenden vier Matrizen: a) A 1 = b) A 2 = c) A 3 = d) A 4 = Aufgabe Berechnen Sie für die gegebenen Matrizen A 1 bis A 4 jeweils die Matrix-Exponentialfunktion e At. Beachten Sie dabei die in der Vorlesung 3. erwähnten Spezialfälle. Lösung Aufgabe 1. a) Matrix A 1 isteineoberedreiecksmatrix,sodass sich dieeigenwertedirektablesen lassen. Es ergibt sich also für A 1 mit λ 1,2,3 = 2 ein dreifacher Eigenwert. Nach der Vorlesung ist bekannt, dass eine Dreiecksmatrix mit nur einem Eigenwert wie folgt umgeformt werden kann: e At = e λt e (A λi)t. Dabei entsteht ein Produkt aus einem Skalar und einer nilpotenten Matrix. Aus der Vorlesung ist ebenfalls bekannt, dass sich die Matrix-Exponentialfunktion einer nilpotenten Matrix direkt über die Reihe e At = n 1 k=0 A k t k k! 1
2 berechnen lässt. Es genügt also, die allgemeine Reihe zur Berechnung der Matrix- Exponentialfunktion bis zum n 1-Glied auszuwerten, wobei n der Dimension von A entspricht. Es gilt also: e A 1t = e 2t e N t mit N = Die Matrix N ist wie bereits erwähnt nilpotent, sodass e N t direkt über die Reihe (mit n = 3) berechenbar ist: 1 t 0 exp(nt) = t + t2 2 Damit ergibt sich die gesuchte Matrix unmittelbar: e A 1t = e 2t e 2t t 1 2 e2t t 2 0 e 2t e 2t t 0 0 e 2t. = 1 t t 2 /2 0 1 t. b) Die Matrix A 2 ist eine allgemeine 3x3 Matrix, sodass es zunächst erforderlich ist, die Jordan-Normalform der Matrix zu bestimmen. Dazu werden zunächst die Eigenwerte mit λ det(λi A) = det 3 λ λ 1 berechnet. Die Eigenwerte einer 3x3 Matrix lassen sich beispielsweise mit der Regel von Sarrus berechnen: λ λ λ λ λ 1 = (λ 4)(λ 2)(λ 1). Das charakteristische Polynom ergibt sich also zu 3 0 χ(λ) = (λ 4)(λ 2)(λ 1), woraus die drei Eigenwerte 4,2 und 1 unmittelbar folgen. Die Jordan-Normalform 2
3 ergibt sich also sofort: Um die Matrix-Exponentialfunktion mit e At = e 1 J = e J 1 zu berechnen, muss noch die ransformationsmatrix berechnet werden, welche sich in dem Fall von drei verschiedenen Eigenwerten aus den jeweiligen Eigenvektoren ergibt, die mit Hilfe von (λi A)x = 0 ermittelt werden können. Diese ergeben sich zu: = Somit ergibt die Matrix-Exponentialfunktion zu:. e 4t 0 1 e At = e 2t e 1t }{{}}{{}}{{} e Jt 1 e 2t 0 0 = e t e 2t e t 0 e t +e 2t e t +e 4t e 4t c) Von der Matrix A 3 gilt es ebenfalls zunächst die Jordan-Normalform zu bestimmen. Dazu werden zunächst die Eigenwerte von A 3 benötigt. Analog zur Aufgabe b) ergeben sich die Eigenwerte als die Nullstellen von λ det 1 λ λ 3 = λ 3 6λ 2 +12λ 8 = (λ 2) 3, also ist λ = 2 ein 3-facher Eigenwert. Da in diesem Fall ein Eigenwert mehrfach auftritt, ist die algebraische Vielfachheit der Eigenwerte höhere als dessen geometrische Vielfachheit, weshalb zur Berechnung der ransformationsmatrix die Hauptvektoren benötigt werden. Hierzu werden zunächst B := A λi = A 2I = sowie B 2 =
4 berechnet.außerdemgiltb 3 = 0.ZunächstwirdderKernvonBbenötigt,welcher sich mit kerb = v 1 mit B v 1 = 0 berechnet. Also gilt v 1 = (1, 1,1). Desweiteren wird ein Vektor v 2 kerb 2 gesucht, für den v 2 / kerb gilt. Der Vektor v 2 = (0, 1,1) erfüllt diese Bedingung. Außerdem wird ein Vektor v 3 kerb 3 gesucht, für den v 3 / kerb 2 gilt. Der Vektor v 3 = (0,0,1) erfüllt diese Bedingung. Damit lässt sich dann wie ransformationsmatrix zu ( ) = B 2 v 3 Bv 3 v 3 = berechnen. Damit folgt schlussendlich die Jordan-Normalform der Matrix A 3 zu: 1 A = Es fällt unmittelbar auf, dass die Jordan-Normalform der Matrix A 3 der Matrix A 1 entspricht. Es gilt also: e A 2t = e (A 1 1 )t = e A 1t 1. Der Ausdruck e A 1t wurde ja bereits in Aufgabe a) berechnet, sodass sich für e A 3t ergibt: e 2t e 2t 1 t e A3t 2 e2t t = e 2t e 2t t e 2t }{{}}{{}}{{} e A 1 t 1 e 2t (t+1) e 2t t(t+4) e 2t t(t+3) = e 2t t e 2t( t 2 +2t 1 ) e 2t t(t+1) e 2t t e 2t t(t+2) e 2t( t 2 +t+1 ). d) Zunächst gilt es wieder, die Jordan-Normalform von A 4 zu berechnen. Das charakteristische Polynom von A 4 ist χ A (λ) = (λ+3)(λ 1) 2, die Eigenwerte von A sind also1und 3, wobei der Eigenwert 1doppelt vorkommt. Es stimmen alsodie algebraische und die geometrische Vielfachheit nicht überein. Die Jordan-Normal- Form von A 4 ist daher nach der Vorlesung 3 wie folgt gegeben: J =
5 Es folgt für die Matrix-Exponentialfunktion wie bereits bekannt: e A 4t = e Jt 1. Für die Berechnung von e A 4t wird also die ransformationsmatrix sowie der Ausdruck e Jt benötigt. Für den Eigenwert 3 reicht für den entsprechenden Eintrag in die Kenntnis eines Eigenvektors; Eigenvektor zu λ = 3 ist v 1 = (1,0,2). Um geeignete Hauptvektoren für den Eigenwert 1 zu bestimmen, gilt es wie in Aufgabe c) zunächst B = A λi und B 2 zu berechnen: B = 2 0 1, B 2 = Für v 2 = (0,1,0) gilt kerb = v 1. Es ist also nun ein v 3 kerb 2 gesucht, so dass v 2 / kerb gilt. Der Vektor v 2 = (1,0,0) erfüllt diese Bedingung. Es ergibt sich also die ransformationsmatrix zu: ) = (v 1 Bv 3 v 3 = Für die Berechnung von e Jt lässt sich die Jordan-Normalform offensichtlich wie folgt in zwei kleinere Diagonalmatrizen aufspalten, sodass sich die Matrix-Exponentialfunktion von J also wie in Vorlesung 3 vorgestellt auch wie folgt berechnen lässt: wobei mit à die untere Diagonalmatrix e Jt = diag(e 3t,eÃt ), ( ) 1 1 à = 0 1 aus der Jordan-Normalform J bezeichnet wird. Die Matrix à ist, wie die Matrix A 1, eine obere Dreiecksmatrix mit nur einem doppelten Eigenwert λ = 1, sodass sich zur Berechnung von eãt das bereits aus Aufgabe a) bekannte Verfahren anwenden lässt: ( ) eãt = e 1t e Nt 0 1 mit N =. 0 0 Die Matrix N ist offensichtlich nilpotent, da es eine echte Dreiecksmatrix darstellt, weshalb sich e Nt mit Hilfe der Reihenentwicklung bis k = n 1 = 2 berechnen 5
6 lässt. Damit ergibt sich eãt zu: [( ) ( )] eãt = e t t ( ) e t te t = 0 e t Die Matrix e Jt ergibt sich dann unmittelbar zu: e 3t 0 0 e Jt = 0 e t te t. 0 0 e t Somit folgt für die Matrix-Exponentialfunktion e A 4t wie zu Beginn der Aufgabe festgestellt: e 3t 1 0 e A4t 2 = e t te t e t }{{}}{{} 1 e t (e 3t e t ) = 2te t e t te t 0 0 e 3t 6
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
MehrMusterlösungen zur Linearen Algebra II Blatt 5
Musterlösungen zur Linearen Algebra II Blatt 5 Aufgabe. Man betrachte die Matrix A := über dem Körper R und über dem Körper F und bestimme jeweils die Jordan- Normalform. Beweis. Das charakteristische
MehrEigenwerte 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
MehrLINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow
LINEARE ALGERA Ferienkurs Hanna Schäfer Philipp Gadow INHALT Eigenwerte und Eigenvektoren. asiswechsel.2 Eigenwertgleichung 2.3 Diagonalisierbarkeit 5.4 Trigonalisierung 8.5 Zusatzmaterial 8 Aufgaben 9
Mehr11 Normalformen von Matrizen
11 Normalformen von Matrizen Wir wenden uns in diesem Kapitel noch einmal der Untersuchung linearer Abbildungen auf endlichdimensionalen Vektorräumen und deren Darstellung mittels Matrizen zu Speziell
Mehr3.3 Eigenwerte und Eigenräume, Diagonalisierung
3.3 Eigenwerte und Eigenräume, Diagonalisierung Definition und Lemma 3.3.1. Sei V ein K-Vektorraum, φ End K (V ), λ K. Wir defnieren den zu λ gehörigen Eigenraum von φ als Dies ist ein Unterraum von V.
MehrKochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf
Kochen mit Jordan Vorbereitungen Man nehme eine Matrix A R n n und bestimme ihr charakteristisches Polynom p(λ) = (λ c ) r (λ c j ) rj C[X] Dabei gilt: algebraische Vielfachheit r j ˆ= Länge des Jordanblocks
MehrNumerische 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
MehrSeminararbeit für das SE Reine Mathematik- Graphentheorie
Seminararbeit für das SE Reine Mathematik- Graphentheorie Der binäre Rang, der symplektische Graph, die Spektralzerlegung und rationale Funktionen Vortrag am 24.01.2012 Heike Farkas 0410052 Inhaltsverzeichnis
Mehr(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
MehrRisikomessung und Value at Risk Wintersemester 2013/14
Risikomessung und Value at Risk Wintersemester 2013/14 Walter Sanddorf-Köhle Statistik und Ökonometrie Foliensatz Nr. 11 Version vom 24. Januar 2014 1 / 45 6.5.1 Bisherige Vorgehensweise zur Berechnung
MehrEinführung in die Vektor- und Matrizenrechnung. Matrizen
Einführung in die Vektor- und Matrizenrechnung Matrizen Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind:
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
Mehr2 Die Darstellung linearer Abbildungen durch Matrizen
2 Die Darstellung linearer Abbildungen durch Matrizen V und V seien Vektorräume über einem Körper K. Hom K (V, V ) bezeichnet die Menge der K linearen Abbildungen von V nach V. Wir machen Hom K (V, V )
MehrA 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
Mehr7 Die Determinante einer Matrix
7 Die Determinante einer Matrix ( ) a11 a Die Determinante einer 2 2 Matrix A = 12 ist erklärt als a 21 a 22 det A := a 11 a 22 a 12 a 21 Es ist S 2 = { id, τ}, τ = (1, 2) und sign (id) = 1, sign (τ) =
MehrAufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).
Aufgabe Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(3A E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A 3E n ). Sei A Mat(n n, R) Eigenwert 3. Dann gilt: Eig(A, 3) = Bild(A
MehrAustausch- 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:
MehrMathematik III für Ingenieure
Mathematik III für Ingenieure im Bachelor-Studiengang Maschinenbau Vorlesung Wintersemester 21/211 B. Schuster aktualisert am 27. Januar 211 Inhalt I. Eigenwerte und Eigenvektoren 1 1. Komplexe Matrizen
MehrÜbungsklausur. 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
MehrHans Walser, [20090509a] Wurzeln aus Matrizen
Hans Walser, [0090509a] Wurzeln aus Matrizen 1 Worum es geht Zu einer gegebenen,-matri A suchen wir,-matrizen B mit der Eigenschaft: BB = B = A. Wir suchen also Quadratwurzeln der Matri A. Quadrieren Wenn
MehrVorkurs Mathematik Übungen zu Polynomgleichungen
Vorkurs Mathematik Übungen zu en 1 Aufgaben Lineare Gleichungen Aufgabe 1.1 Ein Freund von Ihnen möchte einen neuen Mobilfunkvertrag abschließen. Es gibt zwei verschiedene Angebote: Anbieter 1: monatl.
MehrLösungen zum 3. Aufgabenblatt
SS, Lineare Algebra Die Lösungen wurden erstellt von: Isabel Voigt, Vanessa Lamm und Matthias Rehder Hinweis: Eine Liste der zur Bearbeitung verwendeten Literatur ist unter www.mathematiwelt.com aufrufbar.
MehrHöhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik
Höhere Mathematik 3 Apl. Prof. Dr. Norbert Knarr FB Mathematik Wintersemester 2015/16 4. Homogene lineare Dierentialgleichungen 4.1. Grundbegrie 4.1.1. Denition. Es sei J R ein Intervall und a 0 ; : :
MehrVorlesung 12 22. bzw. 23. Januar 2014. Determinanten 1. Cramersche Regel
Vorlesung 2 22 bzw 23 Januar 204 Lineares Gleichungssystem a a 2 b b 2 = F a a 2 a 3 b b 2 b 3 c c 2 c 3 = V V =< a, b c > c b a b a F V Seite 70 a x + a 2 x 2 + a 3 x 3 b = 0 < a x + a 2 x 2 + a 3 x 3
MehrFakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester 2007. Der Kreissatz von Gerschgorin
Fakultät für Mathematik und Informatik Lehrgebiet angewandte Mathematik Prof. Dr. H. Linden Dipl.-Math. H.-J. Schäfer Seminar über angewandte Analysis Sommersemester 2007 Der Kreissatz von Gerschgorin
MehrMusterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung
Musterlösungen zu n über gewöhnliche Differentialgleichungen a) Gegeben sei die lineare Differentialgleichung y + - y = e - ln, > 0 Man gebe die allgemeine Lösung der homogenen Gleichung an Wie lautet
MehrVorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: 978-3-446-43035-8. Weitere Informationen oder Bestellungen unter
Vorwort Günter M. Gramlich Lineare Algebra Eine Einführung ISBN: 978-3-446-43035-8 Weitere Informationen oder Bestellungen unter http://www.hanser.de/978-3-446-43035-8 sowie im Buchhandel. Carl Hanser
MehrÜbungen zum Ferienkurs Lineare Algebra WS 14/15
Übungen zum Ferienkurs Lineare Algebra WS 14/15 Linearkombinationen, Basen, Lineare Abbildungen 2.1 Lineare Unabhängigkeit Sind die folgenden Vektoren linear unabhängig? (a) 1, 2, 3 im Q Vektorraum R (b)
MehrComputer Vision: 3D-Geometrie. D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17
Computer Vision: 3D-Geometrie D. Schlesinger () Computer Vision: 3D-Geometrie 1 / 17 Lochkamera Modell C Projektionszentrum, Optische Achse, Bildebene, P Hauptpunkt (optische Achse kreuzt die Bildebene),
MehrKAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren
KAPITEL 3. Lineare Gleichungssysteme, direkte Lösungsverfahren Beispiel 3.2. Gesucht u(x), das eine Differentialgleichung vom Typ u (x) + λ(x)u(x) = f(x), x [0,], mit den Randbedingungen u(0) = u() = 0
MehrPRAKTIKUM 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
MehrKapitel 15. Lösung linearer Gleichungssysteme
Kapitel 15. Lösung linearer Gleichungssysteme Lineare Gleichungssysteme Wir befassen uns nun mit der Lösung im allgemeinen nichthomogener linearer Gleichungssysteme in zweifacher Hinsicht. Wir studieren
MehrSchranken für zulässige Lösungen
Schranken für zulässige Lösungen Satz 5.9 Gegeben seien primales und duales LP gemäß der asymmetrischen Form der Dualität. Wenn x eine zulässige Lösung des primalen Programms und u eine zulässige Lösung
MehrLeitfaden Lineare Algebra: Determinanten
Leitfaden Lineare Algebra: Determinanten Die symmetrische Gruppe S n. Eine Permutation σ der Menge S ist eine bijektive Abbildung σ : S S. Ist S eine endliche Menge, so reicht es zu verlangen, dass σ injektiv
MehrMathematik 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
Mehr6 Symmetrische Matrizen und quadratische Formen
Mathematik für Ingenieure II, SS 9 Freitag. $Id: quadrat.tex,v.5 9//5 ::59 hk Exp $ $Id: orthogonal.tex,v.4 9// ::54 hk Exp $ $Id: fourier.tex,v. 9// :: hk Exp $ Symmetrische Matrizen und quadratische
MehrBerechnung von Eigenwerten und Eigenvektoren
Kapitel 5 Berechnung von Eigenwerten und Eigenvektoren 5.1 Einführung Bemerkung 5.1 Aufgabenstellung. Diese Kapitel behandelt numerische Verfahren zur Lösung des Eigenwertproblems. Gegeben sei A R n n.
MehrNumerisches Programmieren
Technische Universität München SoSe 213 Institut für Informatik Prof. Dr. Thomas Huckle Dipl.-Inf. Christoph Riesinger Dipl.-Math. Jürgen Bräckle Numerisches Programmieren 2. Programmieraufgabe: Lineare
MehrGewöhnliche Differentialgleichungen
Notizen zur Vorlesung Gewöhnliche Differentialgleichungen G Sweers Wintersemester 08/09 ii Inhaltsverzeichnis Einführung Modelle 2 Explizite Lösungen 4 2 Trennbar 5 22 Linear erster Ordnung 6 23 Homogen
MehrLineare Algebra - alles was man wissen muß
Statistik für Bioinformatiker SoSe 3 Rainer Spang Lineare Algebra - alles was man wissen muß Der Titel ist natürlich gelogen, aber was wir hier zusammengetragen haben ist zumindest ein Anfang. Weniger
MehrSatz 25 A sei eine (n n)-matrix über K
Satz 25 Satz 25 A sei eine (n n)-matrix über K Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen Eigenwerten λ 1,...,λ m. Satz 25 A sei eine (n n)-matrix über K mit paarweise verschiedenen
MehrÜbungen 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.
MehrKlausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min
Klausur, Multivariate Verfahren, SS 2006, 6 Kreditpunkte, 90 min 1 Prof. Dr. Fred Böker 08.08.2006 Klausur zur Vorlesung Multivariate Verfahren, SS 2006 6 Kreditpunkte, 90 min Gesamtpunkte: 39 Aufgabe
MehrWolfgang 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
MehrAbtastsysteme im Zustandsraum
Abtastsysteme im Zustandsraum Prof. Dr. François E. Cellier Institut für Computational Science ETH Zürich May 11, 2006 Kontinuierliches System: ẋ(t) = Fx(t)+gu(t) y(t) = c T x(t)+du(t) : t x(t) =e F(t
MehrLösungsblatt zur Vorlesung. Kryptanalyse WS 2009/2010. Blatt 6 / 23. Dezember 2009 / Abgabe bis spätestens 20. Januar 2010, 10 Uhr (vor der Übung)
Ruhr-Universität Bochum Lehrstuhl für Kryptologie und IT-Sicherheit Prof. Dr. Alexander May Mathias Herrmann, Alexander Meurer Lösungsblatt zur Vorlesung Kryptanalyse WS 2009/2010 Blatt 6 / 23. Dezember
MehrGleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/10. 14.
Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination Vorlesung Computergestützte Mathematik zur Linearen Algebra Lehrstuhl für Angewandte Mathematik Wintersemester 2009/0 4. Januar 200 Instabilitäten
MehrKAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:
KAPITEL 4 Lineare Ausgleichsrechnung Beispiel 41 Das Ohmsche Gesetz: Eine Meßreihe von Daten: U = RI (U i, I i ) (Spannung, Stromstärke), i = 1,, m Aufgabe: man bestimme aus diesen Meßdaten den Widerstand
MehrEinführung in MATLAB
Kapitel 4 Einführung in MATLAB 41 Allgemeines MATLAB ist eine kommerzielle mathematische Software zur Lösung mathematischer Probleme und zur graphischen Darstellung der Ergebnisse Die Verfahren in MATLAB
MehrBildverarbeitung Herbstsemester 2012. Kanten und Ecken
Bildverarbeitung Herbstsemester 01 Kanten und Ecken 1 Inhalt Einführung Kantendetektierung Gradientenbasierende Verfahren Verfahren basierend auf der zweiten Ableitung Eckpunkterkennung Harris Corner Detector
MehrKommentierte 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.
MehrII. Klein Gordon-Gleichung
II. Klein Gordon-Gleichung Dieses Kapitel und die zwei darauf folgenden befassen sich mit relativistischen Wellengleichungen, 1 für Teilchen mit dem Spin 0 (hiernach), 2 (Kap. III) oder 1 (Kap. IV). In
MehrRekursionen. Georg Anegg 25. November 2009. Methoden und Techniken an Beispielen erklärt
Methoden und Techniken an Beispielen erklärt Georg Anegg 5. November 009 Beispiel. Die Folge {a n } sei wie folgt definiert (a, d, q R, q ): a 0 a, a n+ a n q + d (n 0) Man bestimme eine explizite Darstellung
MehrMathematik 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
MehrLU-Zerlegung. Zusätze zum Gelben Rechenbuch. Peter Furlan. Verlag Martina Furlan. Inhaltsverzeichnis. 1 Definitionen.
Zusätze zum Gelben Rechenbuch LU-Zerlegung Peter Furlan Verlag Martina Furlan Inhaltsverzeichnis Definitionen 2 (Allgemeine) LU-Zerlegung 2 3 Vereinfachte LU-Zerlegung 3 4 Lösung eines linearen Gleichungssystems
MehrMathematische Grundlagen
Kapitel 2 Mathematische Grundlagen In diesem Kapitel werden für die nachfolgenden Untersuchungen wesentliche Grundlagen bereitgestellt. 2.1 Differentiell-algebraische Gleichungssysteme 2.1.1 Einführung
Mehr4. Übungsblatt Matrikelnr.: 6423043
Lineare Algebra I 1. Name: Bleeck, Christian 4. Übungsblatt Matrikelnr.: 6423043 Abgabe: 15.11.06 12 Uhr (Kasten D1 320) Übungsgruppe: 03 Patrick Schützdeller 2. Name: Niemann, Philipp Matrikelnr.: 6388613
MehrFortsetzung zu Binswanger2 Überlegungen zu Geld, Kredit und Wirtschaftswachstum
Fortsetzung zu Binswanger2 Überlegungen zu Geld, Kredit und Wirtschaftswachstum Peter Fleissner (Version 05.02.2008) Bisher wurde die Rechung nur mit zirkulierendem konstantem Kapital durchgeführt. Die
MehrDivision 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
MehrDIFFERENTIALGLEICHUNGEN
DIFFERENTIALGLEICHUNGEN GRUNDBEGRIFFE Differentialgleichung Eine Gleichung, in der Ableitungen einer unbekannten Funktion y = y(x) bis zur n-ten Ordnung auftreten, heisst gewöhnliche Differentialgleichung
Mehr2.12 Potenzreihen. 1. Definitionen. 2. Berechnung 2.12. POTENZREIHEN 207. Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen.
2.2. POTENZREIHEN 207 2.2 Potenzreihen. Definitionen Der wichtigste Spezialfall von Funktionenreihen sind Potenzreihen. Eine Potenzreihe mit Entwicklungspunkt x 0 ist eine Reihe a n x x 0 n. Es gilt: es
MehrDirk Hachenberger Mathematik für Informatiker
Dirk Hachenberger Mathematik für Informatiker ein Imprint von Pearson Education München Boston San Francisco Harlow, England Don Mills, Ontario Sydney Mexico City Madrid Amsterdam Inhaltsverzeichnis Vorwort
MehrÜBERBLICK ÜBER DAS KURS-ANGEBOT
ÜBERBLICK ÜBER DAS KURS-ANGEBOT Alle aufgeführten Kurse sind 100 % kostenfrei und können unter http://www.unterricht.de abgerufen werden. ANALYSIS / INFINITESIMALRECHNUNG Nullstellen * Nullstellen einer
MehrLineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung
Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung Artur Trzewik sw562@uni-essen.de v1., 26.3.1998 korrigiert 16. Februar 2 Zusammenfassung Warnung: für die Richtigkeit der Definitionnen
MehrAlgebraische Kurven. Vorlesung 26. Die Schnittmultiplizität
Prof. Dr. H. Brenner Osnabrück SS 2012 Algebraische Kurven Vorlesung 26 Die Schnittmultiplizität Es seien zwei ebene algebraische Kurven C,D A 2 K gegeben, die keine Komponente gemeinsam haben. Dann besteht
Mehr4 Runge-Kutta-Verfahren
Numerik gewöhnlicher Differentialgleichungen 43 4 Runge-Kutta-Verfahren 4. Konstruktion Ausgangspunkt wie immer (Substitution: s = t + τh, 0 τ ) y(t + h) = y(t) + [y(t + h) y(t)] = y(t) + = y(t) + h 0
MehrOptimalitätskriterien
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
MehrAusgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von
Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik Lineare Algebra zusammengestellt von Sabine Giese, Josef Heringlehner, Birgit Mielke, Hans Mielke und Ralph-Hardo Schulz 98 Aufgaben,
MehrMathematik 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
MehrComputer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg
Nikos Canterakis Lehrstuhl für Mustererkennung, Universität Freiburg Gliederung 8 Projektive Invarianz und das kanonische Kamerapaar Kanonisches Kamerapaar aus gegebener Fundamentalmatrix Freiheitsgrade
MehrDie 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,
MehrMaple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung
A Maple-Skripte A.1 Einleitung Bei der Ausführung mechanischer Rechnungen können Computeralgebra-Programme sehr nützlich werden. Wenn man genau weiß, was eingesetzt, umgeformt, zusammengefaßt oder entwickelt
MehrSerie 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.
MehrLösung des Kleinste-Quadrate-Problems
Lösung des Kleinste-Quadrate-Problems Computergestützte Statistik Lisakowski, Christof 15.05.2009 Lisakowski, Christof ()Lösung des Kleinste-Quadrate-Problems 15.05.2009 1 / 34 Themen 1 Problemstellung
Mehrax 2 + bx + c = 0, (4.1)
Kapitel 4 Komplexe Zahlen Wenn wir uns auf die reellen Zahlen beschränken, ist die Operation des Wurzelziehens (also die Umkehrung der Potenzierung) nicht immer möglich. Zum Beispiel können wir nicht die
MehrOPERATIONS-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:
MehrKapitel 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
MehrLineare Gleichungssysteme
Brückenkurs Mathematik TU Dresden 2015 Lineare Gleichungssysteme Schwerpunkte: Modellbildung geometrische Interpretation Lösungsmethoden Prof. Dr. F. Schuricht TU Dresden, Fachbereich Mathematik auf der
MehrEntwurf robuster Regelungen
Entwurf robuster Regelungen Kai Müller Hochschule Bremerhaven Institut für Automatisierungs- und Elektrotechnik z P v K Juni 25 76 5 OPTIMALE ZUSTANDSREGELUNG 5 Optimale Zustandsregelung Ein optimaler
MehrPageRank-Algorithmus
Proseminar Algorithms and Data Structures Gliederung Gliederung 1 Einführung 2 PageRank 3 Eziente Berechnung 4 Zusammenfassung Motivation Motivation Wir wollen eine Suchmaschine bauen, die das Web durchsucht.
MehrOptimierung 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
Mehr7 Lineare Abbildungen und Lineare Gleichungssysteme
7 LINEARE ABBILDUNGEN UND LINEARE GLEICHUNGSSYSTEME 5 7 Lineare Abbildungen und Lineare Gleichungssysteme 7 Lineare Abbildungen 7 Abbildungen: Eine Verallgemeinerungen des Funktionsbegriffs Bemerkung:
MehrIngenieurinformatik Diplom-FA (Teil 2, C-Programmierung)
Hochschule München, FK 03 SS 2014 Ingenieurinformatik Diplom-FA (Teil 2, C-Programmierung) Zulassung geprüft: (Grundlagenteil) Die Prüfung ist nur dann gültig, wenn Sie die erforderliche Zulassungsvoraussetzung
MehrStatistik II. Universität Ulm Abteilung Stochastik. Vorlesungsskript Prof. Dr. Volker Schmidt Stand: Wintersemester 2007/08
CURANDO UNIVERSITÄT ULM SCIENDO DOCENDO Statistik II Universität Ulm Abteilung Stochastik Vorlesungsskript Prof Dr Volker Schmidt Stand: Wintersemester 2007/08 Ulm, im Februar 2008 INHALTSVERZEICHNIS 2
MehrAufgabe 1. Zunächst wird die allgemeine Tangentengleichung in Abhängigkeit von a aufgestellt:
Aufgabe 1 1.1. Bestimmung von D max : 1. Bedingung: x >0 ; da ln(x) nur für x > 0 definiert ist. 2. Bedingung: Somit ist die Funktion f a nur für x > 0 definiert und sie besitzt eine Definitionslücke an
MehrPost-quantum cryptography
Post-quantum cryptography Post-quantum cryptography 1. Komplexität & Quantencomputer 2. Kryptografie in Gittern 3. FHE Eine Revolution im Datenschutz? WIESO? KOMPLEXITÄT Public-Key-Kryptografie Grafiken:
MehrDas Optimierungsverfahren mit Lagrange-Multiplikatoren. Robert Koschig (www.massmatics.de), 09/2012
Das Optimierungsverfahren mit Lagrange-Multiplikatoren Robert Koschig www.massmatics.de, 9/ Inhaltsverzeichnis Motivation. Wo taucht so etwas auf?...................................... Was ist das Problem?......................................
MehrMusteraufgaben für das Fach Mathematik
Musteraufgaben für das Fach Mathematik zur Vorbereitung der Einführung länderübergreifender gemeinsamer Aufgabenteile in den Abiturprüfungen ab dem Schuljahr 013/14 Impressum Das vorliegende Material wurde
MehrHöhere Mathematik I. 1. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel. Winter 2007/08
Dr. A. App Dr. M. Pfeil. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel Höhere Mathematik I Winter 7/8 Aufgabe P. Binomialkoeffizienten Berechnen Sie ohne Taschenrechner: ( ) (a) x = 5 ( ) ( ) ( ) (b)
MehrKapitel IR:III (Fortsetzung)
Kapitel IR:III (Fortsetzung) III. Retrieval-Modelle Modelle und Prozesse im IR Klassische Retrieval-Modelle Bool sches Modell Vektorraummodell Retrieval-Modelle mit verborgenen Variablen Algebraisches
MehrLineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen
Wir betrachten in diesem Abschnitt das lineare Ausgleichsproblem Ax b 2 = min! (1) Heinrich Voss voss@tu-harburgde Hamburg University of Technology Institute for Numerical Simulation mit gegebenem A R
MehrLineare Algebra und analytische Geometrie II (Unterrichtsfach)
MATHEMATISCHES INSTITUT DER UNIVERSITÄT MÜNCHEN Prof. Dr. D. Rost SS 0 Blatt.06.0 Übungen zur Vorlesung Lineare Algebra und analytische Geometrie II (Unterrichtsfach) Abgabe: Dienstag, 0. Juli 0, bis 4:00
MehrSchleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015
ische Ergänzung der für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015 Ministerium für ildung und Wissenschaft des Landes Juni 2013 1 Inhaltsverzeichnis Vorbemerkungen
Mehrx 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 +
MehrMögliche Prüfungsfragen zu VO Mathematische Software
Mögliche Prüfungsfragen zu VO Mathematische Software SS 2009 Der Prüfungsstoff umfasst alles, was in der Vorlesung vorgetragen wurde. Die folgende Liste soll Ihnen bei der Vorbereitung helfen. Bei der
MehrStatistische Methoden
Statistische Methoden Dr CJ Luchsinger 6 Repetition: Rechnen mit Matrizen für die Statistik Matrizen sind aus zwei Gründen für die Statistik sehr wichtig: Sie ermöglichen uns einerseits eine sehr elegante
MehrFotografie * Informatik * Mathematik * Computer-Algebra * Handreichung für Lehrer
BIKUBISCHE INTERPOLATION AM BEISPIEL DER DIGITALEN BILDBEARBEITUNG - AUFGABENSTELLUNG FÜR SCHÜLER Problem Bei Veränderung der Größe eines Digitalbildes sind entweder zuviel Pixel (Verkleinerung) oder zuwenig
MehrMatrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.
Matrizennorm Es seien r,s N Mit M r,s (R bezeichnen wir die Menge der reellen r s- Matrizen (also der linearen Abbildungen R s R r, und setze M s (R := M s,s (R (also die Menge der linearen Abbildungen
Mehr