29.2 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System. y = A y, t R, (1)

Ähnliche Dokumente
Aufgabe 1. Sei A Mat(n n, R) mit Eigenwert 3. Dann gilt: Eig(A, 3) = Kern(A + 3E n ).

klar. Um die zweite Bedingung zu zeigen, betrachte u i U i mit u i = 0. Das mittlere -Zeichen liefert s

3.3 Eigenwerte und Eigenräume, Diagonalisierung

Musterlösungen zur Linearen Algebra II Blatt 5

Musterlösungen zu Prüfungsaufgaben über gewöhnliche Differentialgleichungen Prüfungsaufgabe a) Gegeben sei die lineare Differentialgleichung

Kochen mit Jordan. Vorbereitungen. Schnellzubereitung. JNF für Genießer wenn s noch etwas mehr sein darf

Übungen zum Ferienkurs Lineare Algebra WS 14/15

Eigenwerte und Eigenvektoren von Matrizen

Gewöhnliche Differentialgleichungen

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

Höhere Mathematik 3. Apl. Prof. Dr. Norbert Knarr. Wintersemester 2015/16. FB Mathematik

Mathematik III für Ingenieure

Satz 25 A sei eine (n n)-matrix über K

A Matrix-Algebra. A.1 Definition und elementare Operationen

Seminararbeit für das SE Reine Mathematik- Graphentheorie

13. Lineare DGL höherer Ordnung. Eine DGL heißt von n-ter Ordnung, wenn Ableitungen y, y, y,... bis zur n-ten Ableitung y (n) darin vorkommen.

Matrizennorm. Definition 1. Sei A M r,s (R). Dann heißt A := sup die Matrixnorm. Wir wissen zunächst nicht, ob A eine reelle Zahl ist.

Division Für diesen Abschnitt setzen wir voraus, dass der Koeffizientenring ein Körper ist. Betrachte das Schema

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt

Kommentierte Musterlösung zur Klausur HM I für Naturwissenschaftler

Mathematik für Informatiker II. Beispiellösungen zur Probeklausur. Aufgabe 1. Aufgabe 2 (5+5 Punkte) Christoph Eisinger Sommersemester 2011

Berechnung von Eigenwerten und Eigenvektoren

Lineare Algebra und Lösung linearer zeitinvarianter Differentialgleichungssysteme

11 Normalformen von Matrizen

Lösungen zum 3. Aufgabenblatt

Kapitel 15. Lösung linearer Gleichungssysteme

Mathematik 1. Inhaltsverzeichnis. Prof. Dr. K. Melzer.

Hans Walser, [ a] Wurzeln aus Matrizen

Lineare Gleichungssysteme

2 Die Darstellung linearer Abbildungen durch Matrizen

Numerische Behandlung des Eigenwertproblems

Lineare Algebra - alles was man wissen muß

Vorkurs Mathematik Übungen zu Differentialgleichungen

Vorwort. Günter M. Gramlich. Lineare Algebra. Eine Einführung ISBN: Weitere Informationen oder Bestellungen unter

7 Lineare Abbildungen und Lineare Gleichungssysteme

Serie 13: Online Test

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Statistische Methoden

Lineare Gleichungssysteme

UNIVERSITÄT KARLSRUHE Institut für Analysis HDoz. Dr. P. C. Kunstmann Dipl.-Math. M. Uhl. Sommersemester 2009

Einführung in die Vektor- und Matrizenrechnung. Matrizen

6 Symmetrische Matrizen und quadratische Formen

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

8. Übung zur Vorlesung Mathematisches Modellieren Lösung

Dirk Hachenberger Mathematik für Informatiker

Lineare Algebra (Mathe I) für Wirtschaftsinformatiker; Zusammenfassung

Beispiel Wenn p ein Polynom vom Grad größer gleich 1 ist, ist q : C Ĉ definiert durch q (z) =

Mathematische Ökologie

Grundlagen der Mathematik II

Ergänzungen zur Analysis I

Leitfaden Lineare Algebra: Determinanten

Lösungsvorschläge zu ausgewählten Übungsaufgaben aus Storch/Wiebe: Lehrbuch der Mathematik Band 2, 2.Aufl. (Version 2010), Kapitel 5

0, v 6 = , v 4 = span(v 1, v 5, v 6 ) = span(v 1, v 2, v 3, v 4, v 5, v 6 ) 4. span(v 1, v 2, v 4 ) = span(v 2, v 3, v 5, v 6 )

(λ Ri I A+BR)v Ri = 0. Lässt sich umstellen zu

Bestimmung einer ersten

Ausgewählte Aufgaben zum Grundbereich des Staatsexamens in Mathematik. Lineare Algebra. zusammengestellt von

SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012

Rekursionen (Teschl/Teschl )

Risikomessung und Value at Risk Wintersemester 2013/14

Höhere Mathematik I. 1. Gruppenübung zur Vorlesung Prof. Dr. M. Stroppel. Winter 2007/08

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth

Kapitel 15: Differentialgleichungen

Elemente der Analysis II

Klausuraufgabensammlung Mathematik. Klausuraufgaben zur Mathematik 1-3 von Wolfgang Langguth

Die Weierstraßsche Funktion

Eine Kurzanleitung zu Mathematica

Gewöhnliche Differentialgleichungen

TECHNISCHE UNIVERSITÄT MÜNCHEN. Abzählbarkeit, Injektivität, Sürjektivität und Bijektivität

PRAKTIKUM REGELUNGSTECHNIK 2

DIFFERENTIALGLEICHUNGEN

Einführung in die Mathematik für Volks- und Betriebswirte

Bildverarbeitung Herbstsemester Kanten und Ecken

Vorlesung bzw. 23. Januar Determinanten 1. Cramersche Regel

Abtastsysteme im Zustandsraum

Höhere Mathematik III für Wirtschaftsinformatiker

Maple-Skripte. A.1 Einleitung. A.2 Explizite Zweischritt-Runge-Kutta-Verfahren. Bei der Ausführung

= = = 3 10 = = 33

Zusammenfassung der 6. Vorlesung

Erinnerung/Zusammenfassung zu Abbildungsmatrizen

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33

II. Klein Gordon-Gleichung

Fakultät für Mathematik und Informatik. Seminar über angewandte Analysis. Sommersemester Der Kreissatz von Gerschgorin

Orthogonale Funktionenräume

Man kann zeigen (durch Einsetzen: s. Aufgabenblatt, Aufgabe 3a): Die Lösungsgesamtheit von (**) ist also in diesem Fall

Im Jahr t = 0 hat eine Stadt Einwohner. Nach 15 Jahren hat sich die Einwohnerzahl verdoppelt. z(t) = at + b

Lineare Gleichungssysteme

u + v = v + u. u + (v + w) = (u + v) + w. 0 V + v = v + 0 V = v v + u = u + v = 0 V. t (u + v) = t u + t v, (t + s) u = t u + s u.

Computer Vision SS Skript

Klausur zur Vorlesung Multivariate Verfahren, SS Kreditpunkte, 90 min

Übung 4: Einführung in die Programmierung mit MATLAB

Stabilität mittels Ljapunov Funktion

Übungsaufgaben LAAG I. für Lehramtsstudenten GS, MS, BS

Zulassungsprüfung für den Master-Studiengang in Elektrotechnik und Informationstechnik an der Leibniz Universität Hannover

Vorlesung. Funktionen/Abbildungen 1

Gleitkommaarithmetik und Pivotsuche bei Gauß-Elimination. Lehrstuhl für Angewandte Mathematik Wintersemester 2009/

Wirtschaftsmathematik für International Management (BA) und Betriebswirtschaft (BA)

Lineare Ausgleichsprobleme. Lineare Ausgleichsprobleme. Normalgleichungen. Normalgleichungen

Der Golay-Code und das Leech-Gitter

Computer Vision I. Nikos Canterakis. Lehrstuhl für Mustererkennung, Universität Freiburg

Transkript:

292 Lineare Differentialgleichungssysteme mit konstanten Koeffizienten Wir betrachten das homogene System y = A y, t R, ( wobei A C n n, und wollen ein Fundamentalsystem bestimmen Grundlegende Beobachtung: Ist λ C ein Eigenwert von A und v C n ein zugehöriger Eigenvektor, so ist durch φ(t := e λt v, t R, eine Lösung von ( gegeben Folgerung: Gibt es eine Basis v, v 2,, v n des C n aus Eigenvektoren von A mit zugehörigen Eigenwerten λ, λ 2,, λ n, so ist durch Ende Woche 8 φ j (t := e λ jt v j, t R, j =, 2,, n, ein Fundamentalsystem φ, φ 2,, φ n von ( gegeben Bemerkung (Erinnerung: Es gibt genau dann eine Basis aus Eigenvektoren von A, wenn A diagonalisierbar ist, dh genau dann, wenn für jeden Eigenwert algebraische und geometrische Vielfachheit übereinstimmen Das ist zb immer der Fall, wenn A n verschiedene Eigenwerte λ, λ 2,, λ n hat Beispiel: Wir betrachten die Matrix A = 2 2 2 Es gilt det (A λi = (4 λ(λ 2 Ein Eigenvektor zum Eigenwert 4 ist gegeben durch, und der Eigenraum zum Eigenwert wird aufgespannt von den Vektoren und Ein Fundamentalsystem von ( ist also gegeben durch φ (t = e 4t, φ 2 (t = e t, φ 3 (t = e t 26

Reelle Matrizen mit nicht-reellen Eigenwerten: Sei A R n n komplex diagonalisierbar und λ C \ R ein Eigenwert mit zugehörigem Eigenvektor v C n \ R n Dann ist auch λ Eigenwert von A mit Eigenvektor v Die linear unabhängigen komplexwertigen Lösungen e λt v und e λt v im Fundamentalsystem ersetze man durch die linear unabhängigen reellwertigen Lösungen Re ( e λt v, Im ( e λt v Beispiel: Wir betrachten A = ( Es gilt det (A λi = λ 2 + = (λ i(λ + i ( Ein Eigenvektor zum Eigenwert ±i ist gegeben durch, und es gilt ±i ( i ( e it = i ( cos t (cos t + i sin t = sin t Ein reelles Fundamentalsystem von ( ist also gegeben durch ( ( cos t φ (t =, sin t φ2 (t = sin t cos t ( sin t + i cos t 293 Fundamentalsysteme für nicht-diagonalisierbare Matrizen Wir betrachten weiter das homogene System wobei A C n n nicht diagonalisierbar ist y = A y, t R, (H Man führe das folgende Verfahren für jeden Eigenwert von A durch: Sei λ C ein Eigenwert von A mit algebraischer Vielfachheit m (dh λ ist m-fache Nullstelle des charakteristischen Polynoms p(λ = det (A λi Man bestimme eine Basis v, v 2,, v m des Hauptraumes von A zum Eigenwert λ, dh eine Basis von Kern (A λ I m (selbst wenn der Eigenraum Kern (A λi von A zum Eigenwert λ eine Dimension < m hat, hat der entsprechende Hauptraum immer die Dimension m Dazu bestimme man zunächst eine Basis von Kern (A λ I, erweitere diese zu einer Basis von Kern (A λ I 2 usw Zweckmäßigerweise bestimmt man dabei in jedem Schritt Vektoren w mit (A λ I w = v, 27

wobei v aus dem Spann der bisher gefundenen Vektoren ist (und v = im ersten Schritt Dann sind φ, φ 2,, φ m, gegeben durch φ j (t = e λ t ( v j + t(a λ I v j + t2 2! (A λ I 2 v j + + tm (m! (A λ I m v j für j =, 2,, m, linear unabhängige Lösungen von (H Falls A R n n ist, beachte man folgendes: Ist in der obigen Situation λ R, so bestimmt man eine reelle Basis v, v 2,, v m R n des Hauptraumes und erhält so reellwertige Funktionen φ, φ 2,, φ m Ist λ C\R, so ist auch λ ein Eigenwert der algebraischen Vielfachheit m In diesem Fall erhält man 2m linear unabhängige reellwertige Lösungen von (H durch Re φ, Re φ 2,, Re φ m, Im φ, Im φ 2,, Im φ m Der Eigenwert λ wird in dem Verfahren dann nicht mehr berücksichtigt! Beispiel: Sei A = Es gilt det (A λi = (λ 2 (λ 2 und Weiter gilt Kern (A I = Kern 2 2 2 3 = lin{ }, Also ist ein Fundamentalsystem gegeben durch φ (t = e 2t,, φ 2 (t = e t,, φ 3 (t = ist Eigenvektor zum Eigenwert 2 Kern (A I 2 = lin{ [ + t, ] e t } 294 Asymptotisches Verhalten Sei A C n n Wir interessieren uns für das Verhalten von Lösungen von (H für t Aus der Gestalt der Funktionen im Fundamentalsystem aus 293 erhalten wir den 28

Satz: ( Alle Lösungen von (H konvergieren gegen Null für t genau dann, wenn Re λ < für jeden Eigenwert λ von A gilt (2 Alle Lösungen von (H bleiben für t beschränkt genau dann, wenn Re λ für alle Eigenwerte λ von A gilt und wenn für jeden Eigenwert λ mit Re λ = geometrische und algebraische Vielfachheit übereinstimmen 295 Die Matrixexponentialfunktion Sei A C n n Für jedes t R definiert man exp(ta := e ta := t l A l Die Reihe konvergiert dabei in dem Sinne, dass für jedes (j, k der Eintrag der Matrix N t l A l l= an der Stelle (j, k konvergiert [Zum Beweis bestimme man C so, dass A x C x für alle x R n gilt (das gilt zb für C = ( n j,k= a jk 2 /2 Dann ist A l x C l x für alle l N und tl A l x l= l= t l C l x l= = e C t x <, so dass die Reihe t l A l x l= für jedes x C n in C n absolut konvergiert] Eigenschaften: Seien A, B C n n ( Ist AB = BA, so gilt e A+B = e A e B Beweis wie beim Cauchyprodukt, wobei man beachtet, dass (wegen AB = BA! gilt l ( l (A + B l = A j B l j, l N j j= (2 Die Matrix e A ist invertierbar mit (e A = e A (3 Für alle s, t R gilt e (s+ta = e sa e ta (4 Für jedes y C n definiert φ(t := e ta y eine Lösung des homogenen Systems (H mit Anfangswert φ( = y Mit anderen Worten: e ta ist dasjenige Fundamentalsystem Φ(t von (H mit Φ( = I Bemerkung: Sind v C n, λ C und m N so, dass (A λi m v = gilt, so haben wir m e ta v = e λt e t(a λi v = e λt t k k! (A λik v, t R, k= 29

womit klar ist, dass die in 293 angegebenen φ j Lösungen von (H sind ( ω Beispiele: A = : Es gilt A ω 2 = ω 2 I, also für k N: Ende Woche 9 A 2k+ = ( k ω 2k A, A 2k = ( k ω 2k I Somit ist für jedes t R: ( ( k e ta k= (2k! = (ωt2k k= k= ( k (2k+! (ωt2k+ k= ( k (2k+! (ωt2k+ ( k (2k! (ωt2k ( cos(ωt sin(ωt = sin(ωt cos(ωt Beachte e A = I und ( d ω sin(ωt ω cos(ωt dt (eta = = A e ta, t R ω cos(ωt ω sin(ωt λ 2 J = C n n Es gilt λ λ J = λi + = λi + N Wegen (λin = N(λI ist also e tj = e tλi e tn = e λt e tn Nun hat N k für k =,, n auf der k-ten Nebendiagonalen Einsen und sonst Nullen, und N k ist die Nullmatrix für k n Somit ist t t 2 t n 2 (n! e tj = e λt t 2 2 t 3