Einführung in die Vektor- und Matrizenrechnung. Matrizen

Größe: px
Ab Seite anzeigen:

Download "Einführung in die Vektor- und Matrizenrechnung. Matrizen"

Transkript

1 Einführung in die Vektor- und Matrizenrechnung Matrizen

2 Definition einer Matrix Unter einer (reellen) m x n Matrix A versteht man ein rechteckiges Schema aus reellen Zahlen, die wie folgt angeordnet sind: a 12 a 13 a 1n a 22 a 23 a 2n A = a m1 a m2 a m3 a mn Die Ausdrücke a ik der Matrix heißen Elemente der Matrix Erster Index: Zeilenindex; zweiter Index: Spaltenindex Ein Vektor aus R n kann rein formal auch als n x 1 Matrix aufgefasst werden Eine andere gebräuchliche Schreibweise für eine m x n Matrix ist (m,n) Matrix 2

3 Spezielle Matrizen 1) Nullmatrix: Einträge bestehen ausschließlich aus Nullen 2) Transponierte Matrix: Ausgehend von der m x n Matrix A A = a 12 a 1n a 22 a 2n definieren wir die n x m Matrix A T a m1 a m2 a mn A T = a m1 a 12 a 22 a m2 a 1n a 2n a nm dh, wenn für die Einträge a kit von A T gilt a ik = a ki T 3

4 Spezielle Matrizen 3) Quadratische Matrix Für quadratische Matrizen ist die Zeilen- und Spaltenanzahl identisch (m = n), und es gilt weiter: Unter der Hauptdiagonale der (n x n) Matrix versteht man die Matrixelemente, a 22, a 33, a 44, a nn Hauptdiagonalelemente: Elemente a ii von links oben nach rechts unten Nebendiagonalelemente: Elemente a i(n-i+1) (i = 1 n) von rechts oben nach links unten Auch bei nicht-quadratischen (m,n)-matrizen nennt man die Elemente a ii Hauptdiagonalelemente 4

5 Spezielle Matrizen 3) Quadratische Matrix Eine quadratische Matrix heißt regulär, wenn ihre Determinante von null verschieden ist, und singulär, wenn die Determinante gleich null ist linke untere Dreiecksmatrix Nullen rechte obere Dreiecksmatrix Nullen 5

6 Spezielle Matrizen 3) Quadratische Matrix Diagonalmatrix Nullen Nullen Eine Diagonalmatrix genügt den Kriterien sowohl einer linken unteren als auch einer rechten oberen Dreiecksmatrix Sie besitzt lediglich auf der Hauptdiagonalen Einträge Kurzschreibweise: D = diag(,a 22, a 33,, a nn ) Eine spezielle Diagonalmatrix ist die (n-dimensionale) Einheitsmatrix E n E n =

7 Spezielle Matrizen 4) Symmetrische Matrix: Quadratische n x n Matrix, für deren Einträge gilt: a ik = a ki (i,k = 1,, n) 7

8 Elementare Matrizenalgebra 1) Gleichheit von Matrizen Zwei Matrizen A = (a ik ) vom Typ (p,q) und B = (b ik ) vom Typ (r,s) heißen gleich genau dann, wenn sie vom selben Typ sind und in allen an gleichen Stellen stehenden Elementen übereinstimmen, dh wenn p = r und q = s und a ik = b ik für alle i und k Man schreibt dann A = B 2) Summen typengleicher Matrizen Die Summe A + B zweier typengleicher Matrizen A = (a ik ) und B = (b ik ) ist die Matrix C = (c ik ) desselben Typs mit c ik = a ik + b ik für alle i und k Die Addition typengleicher Matrizen geschieht somit elementweise Die Addition typengleicher Matrizen ist assoziativ, kommutativ und distributiv 3) Multiplikation einer Matrix mit einer reellen Zahl Das Produkt einer Matrix A = (a ik ) mit einer reellen Zahl λ ist die Matrix λ A = (λ a ik ), dh die Multiplikation einer Matrix mit einer reellen Zahl geschieht elementweise 8

9 Elementare Matrizenalgebra 4) Verkettete Matrizen - Matrizenmultiplikation Zwei Matrizen A = (a ik ) vom Typ (m x n) und B = (b ik ) vom Typ (n x p) heißen in dieser Reihenfolge verkettet, wenn die Spaltenzahl der ersten Matrix gleich der Reihenzahl der zweiten Matrix ist Das Produkt A B zweier in dieser Reihenfolge verketteten Matrizen ist die Matrix vom Typ (m x p) mit n c ik = a ij b jk j=1 dh das in der i-ten Zeile und k-ten Spalte der Produktmatrix stehenden Element ergibt sich als Skalarprodukt des i-ten Zeilenvektors von A mit dem k-ten Spaltenvektor von B Um von den Matrizen A und B das Matrizenprodukt A B zu bilden, ist es strikt notwendig, dass die Matrix A so viele Spalten aufweist wie B Zeilen besitzt Beispielsweise lässt sich eine 3 x 2 Matrix A nicht mit einer 3 x 3 Matrix B in der oben beschriebenen Weise multiplizieren 9

10 Elementare Matrizenalgebra (5 x 6) (6 x 3) (5 x 3) = ) Eigenschaften der Matrizenmultiplikation Die Multiplikation verketteter Matrizen ist assoziativ Sie ist nicht kommutativ Es gibt Nullteiler, dh Matrizen A 0, B 0, deren Produkt die Nullmatrix ist 10

11 Elementare Matrizenalgebra 6) Matrix Vektor Multiplikation (m x n) (n x 1) (m x 1) (m x 1) a 12 a 1n a 22 a 2n a m1 a m2 a mn x 1 x 2 x n = x 1 + a 12 x a 1n x n x 1 + a 22 x a 2n x n a m1 x 1 + a m2 x a mn x n = b 1 b 2 b n (1 x n) (n x 1) (1 x 1) a 1 a 2 a 3 a n x 1 x 2 x n = a 1 x 1 + a 2 x a n x n = c 11

12 Lineare Gleichungssysteme Jedes lineare Gleichungssystem, bestehend aus m Gleichungen mit n Unbekannten x 1 + a 12 x a 1n x = n b 1 x 1 + a 22 x a 2n x n = b 2 a m1 x 1 + a m2 x a mn x n = b m läßt sich auch gleichwertig in der Schreibweise Ax = b mit der m x n Koeffizientenmatrix A = b 1 b 2 Seite b = darstellen a 12 a 1n a 22 a 2n a m1 a m2 a mn und der rechten b m 12

13 Quadratisches lineares Gleichungssystem a 12 a 1n a 22 a 2n a n1 a n2 a nn x 1 x 2 x n = b 1 b 2 b n a 12 a 22 x 1 + x x n a n1 a n2 a 1n a 2n a nn = b 1 b 2 b n s 1 s 2 s n Diese Gleichung besitzt genau dann für jede rechte Seite b eine Lösung (x 1,, x n ), wenn jeder Vektor b als Linearkombination der Spalten s 1, s n dargestellt werden kann Dies ist äquivalent zu der Bedingung, dass die Determinante der Matrix A null ist: det A 0 13

14 Determinante einer Matrix Jeder n-reihigen quadratischen Matrix A = (a ik ) mit reellen bzw komplexen Elementen läßt sich auf eindeutige Weise eine reelle bzw komplexe Zahl zuordnen, die man als Determinante von A bezeichnet a 12 a 13 a 1n D = det A = det a 22 a 23 a 2n = a n1 a n2 a n3 a nn a 12 a 13 a 1n a 22 a 23 a 2n a n1 a n2 a n3 a nn 14 D = π (-1) j(π) a 1,i1 a 2,i2 a 3,i3 a n,in wobei die Summe über alle Permutationen π der Zahlen 1,2, n zu erstrecken ist Man bildet also zunächst aus den Elementen von A alle möglichen Produkte a 1,i1 a 2,i2 a 3,i3 a n,in zu je n Faktoren in der Weise, daß jedes der Produkte aus jeder Zeile und aus jeder Spalte genau ein Element als Faktor enthält Der Wert des Ausdrucks (-1) j(π) ergibt sich aus der Anzahl j(π) der Inversionen der Permuation π Alle diese n! Summanden werden aufaddiert; die Summe ist det A

15 Einschub: Permutationen Jede Aneinanderreihung von n voneinander verschiedenen Dingen unter Beachtung der Reihenfolge heißt eine Permutation ohne Wiederholung dieser Dinge (Bronstein) Für die Anzahl A(P n ) aller Permutationen von n Elementen gilt: A(P n ) = n! Beispiel: Es gibt 10! = verschiedene Möglichkeiten, 10 Bücher auf einem Regal anzuordnen Schreibweise (n = 3): π = Mögliche Permutationen: n! = i 1 i 2 i 3 15

16 Einschub: Permutationen Inversion j(π) einer Permutation: Treten in der Matrix einer Permutation der Elemente von (1,,n) zwei Spalten s i s j t i t j auf, für die entweder s i < s j und t i > t j oder aber s i > s j und t i < t j gelten, so heißt ein solches Spaltenpaar eine Inversion von P n 16

17 Determinante einer Matrix Regel von Sarrus Determinante einer 1 x 1 Matrix: Interpretieren wir eine Zahl c als eine 1 x 1 Matrix, so erklären wir die Determinante dieser Matrix als die Zahl selbst: det(c) = c Determinante einer 2 x 2 Matrix: a det A = 12 = a a 22 a

18 Determinante einer Matrix Regel von Sarrus Determinante einer 3 x 3 Matrix: a 12 a 13 det A = a 22 a 23 = a 22 a 33 + a 12 a 23 a 31 + a 13 a 32 a 31 a 32 a 33 a 31 a 22 a 13 a 32 a 23 a 33 a 12 18

19 Determinante einer Matrix Regel von Sarrus

20 Determinante einer Matrix Regel von Sarrus Determinante einer n x n Matrix: Es sei A eine n x n Matrix Ferner sei M ij die (n-1) x (n-1) Matrix, die aus A durch Streichen der i-ten Zeile und der j-ten Spalte hervorgeht Wir bezeichnen mit A ij = (-1) i+j det M ij die Adjunkte von A zum Doppelindex (ij) Dann sei die Determinante von A definiert durch det A = a i1 A i1 + + a in A in für jeden Zeilenindex i mit 1 i n oder Entwicklung nach der i-ten Zeile det A = a 1j A 1j + + a nj A nj für jeden Spaltenindex j mit 1 j n Entwicklung nach der j-ten Spalte 20

21 Die Inverse Matrix Ist A eine n-reihige Matrix, so ist ihre Regularität notwendig und hinreichend für die Existenz einer Matrix A -1 mit der Eigenschaft A A -1 = E n Unter diesen Bedingungen ist die Inverse A -1 von A eindeutig bestimmt, und es gilt auch A -1 A= E n Berechnung der Inversen von A A -1 = (1 / det A) A 11 A 12 A 13 A 1n A 21 A 22 A 23 A 2n A n1 A n2 A n3 A nn T wobei A ik die zum Element a ik von A gehörende Adjunkte ist 21

22 Eine quadratische Matrix A heißt symmetrische Matrix, wenn gilt A T = A schiefsymmetrische Matrix, wenn gilt A T = A orthogonale Matrix, wenn A regulär und A T = Ā 1 Eine quadratische Matrix A mit komplexen Elementen heißt hermitesche Matrix, wenn gilt A T = A schiefhermitesche Matrix, wenn gilt A T = A unitäre Matrix, wenn A regulär und A T = Ā 1 Weitere Matrizeneigenschaften Transponierte Matrix A T : Die Zeilenvektoren der zu A transponierten Matrix A T sind die Spaltenvektoren von A A ist die zu A konjugiert komplexe Matrix A entsteht aus A, indem jedes Element durch die zu ihm konjugiert komplexe Zahl ersetzt wird Komplexe Zahl: a = x + iy; konjugiert komplexe Zahl: a = x - iy 22 Für orthogonale Matrizen ist det A = ± 1

Lineare Algebra - alles was man wissen muß

Lineare 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

Mehr

Elemente der Analysis II

Elemente der Analysis II Elemente der Analysis II Kapitel 3: Lineare Abbildungen und Gleichungssysteme Informationen zur Vorlesung: http://www.mathematik.uni-trier.de/ wengenroth/ J. Wengenroth () 15. Mai 2009 1 / 35 3.1 Beispiel

Mehr

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

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

Mehr

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen.

Matrixalgebra. mit einer Einführung in lineare Modelle. Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@stat.uni-muenchen. Matrixalgebra mit einer Einführung in lineare Modelle Stefan Lang Institut für Statistik Ludwigstrasse 33 email: lang@statuni-muenchende 25 August 24 Vielen Dank an Christiane Belitz, Manuela Hummel und

Mehr

Mathematik III für Ingenieure

Mathematik 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

Mehr

2 Die Darstellung linearer Abbildungen durch Matrizen

2 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 )

Mehr

3.3 Eigenwerte und Eigenräume, Diagonalisierung

3.3 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.

Mehr

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009

Übungen zur Ingenieur-Mathematik III WS 2009/10 Blatt 10 21.12.2009 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.

Mehr

2 Lineare Gleichungssysteme

2 Lineare Gleichungssysteme Beispiel.5: Funktion von Runge (V) Beispiel Martin-Luther-Universität Halle-Wittenberg, NWF III, Institut für Mathematik Martin Arnold: Grundkurs Numerische Mathematik (WiS 27/8) Abbildung.3: Interpolation

Mehr

ax 2 + bx + c = 0, (4.1)

ax 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

Mehr

LINEARE ALGEBRA Ferienkurs. Hanna Schäfer Philipp Gadow

LINEARE 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

Mehr

Einführung in MATLAB

Einführung 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

Mehr

KAPITEL 4. Lineare Ausgleichsrechnung Beispiel 4.1. Das Ohmsche Gesetz: U = RI. Eine Meßreihe von Daten:

KAPITEL 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

Mehr

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen

Austausch- bzw. Übergangsprozesse und Gleichgewichtsverteilungen Austausch- bzw. Übergangsrozesse und Gleichgewichtsverteilungen Wir betrachten ein System mit verschiedenen Zuständen, zwischen denen ein Austausch stattfinden kann. Etwa soziale Schichten in einer Gesellschaft:

Mehr

OPERATIONS-RESEARCH (OR)

OPERATIONS-RESEARCH (OR) OPERATIONS-RESEARCH (OR) Man versteht darunter die Anwendung mathematischer Methoden und Modelle zur Vorbereitung optimaler Entscheidungen bei einem Unternehmen. Andere deutsche und englische Bezeichnungen:

Mehr

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

(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

Mehr

Risikomessung und Value at Risk Wintersemester 2013/14

Risikomessung 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

Mehr

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n

(2) (x 2 1 + x 2 2 + + x 2 n)(y 2 1 + y 2 2 + + y 2 n) = z 2 1 + z 2 2 + + z 2 n Über die Komposition der quadratischen Formen von beliebig vielen Variablen 1. (Nachrichten von der k. Gesellschaft der Wissenschaften zu Göttingen, Mathematisch-physikalische Klasse, 1898, S. 309 316.)

Mehr

Seminararbeit für das SE Reine Mathematik- Graphentheorie

Seminararbeit 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

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

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

Mehr

Mathematischer Vorkurs für Physiker WS 2009/10

Mathematischer Vorkurs für Physiker WS 2009/10 TU München Prof. Dr. P. Vogl, Dr. S. Schlicht Mathematischer Vorkurs für Physiker WS 2009/10 Vorlesung 1, Montag vormittag Vektoralgebra Ein Vektor lässt sich geometrisch als eine gerichtete Strecke darstellen,

Mehr

Numerisches Programmieren

Numerisches Programmieren Technische Universität München SS 2012 Institut für Informatik Prof Dr Thomas Huckle Dipl-Inf Christoph Riesinger Dipl-Math Alexander Breuer Dipl-Math Dipl-Inf Jürgen Bräckle Dr-Ing Markus Kowarschik Numerisches

Mehr

Fortsetzung zu Binswanger2 Überlegungen zu Geld, Kredit und Wirtschaftswachstum

Fortsetzung 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

Mehr

Inhalt. Vorwort 3. Literatur 51. c Dr. Etienne Emmrich 2004 1

Inhalt. Vorwort 3. Literatur 51. c Dr. Etienne Emmrich 2004 1 Inhalt Vorwort 3 1 Strompreise und lineare Funktionen 5 11 Ökonomisches Problem: Bester Stromtarif 5 12 Mathematischer Exkurs: Funktionsbegriff und lineare Funktionen 6 2 Produktionsplanung, Marktforschung,

Mehr

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011

Graphen: Einführung. Vorlesung Mathematische Strukturen. Sommersemester 2011 Graphen: Einführung Vorlesung Mathematische Strukturen Zum Ende der Vorlesung beschäftigen wir uns mit Graphen. Graphen sind netzartige Strukturen, bestehend aus Knoten und Kanten. Sommersemester 20 Prof.

Mehr

3. LINEARE GLEICHUNGSSYSTEME

3. LINEARE GLEICHUNGSSYSTEME 176 3. LINEARE GLEICHUNGSSYSTEME 90 Vitamin-C-Gehalt verschiedener Säfte 18,0 mg 35,0 mg 12,5 mg 1. a) 100 ml + 50 ml + 50 ml = 41,75 mg 100 ml 100 ml 100 ml b) : Menge an Kirschsaft in ml y: Menge an

Mehr

Lösung des Kleinste-Quadrate-Problems

Lösung 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

Mehr

Einführung in die Kodierungstheorie

Einführung in die Kodierungstheorie Einführung in die Kodierungstheorie Einführung Vorgehen Beispiele Definitionen (Code, Codewort, Alphabet, Länge) Hamming-Distanz Definitionen (Äquivalenz, Coderate, ) Singleton-Schranke Lineare Codes Hamming-Gewicht

Mehr

II. Klein Gordon-Gleichung

II. 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

Mehr

Lehrstuhl für Mathematik II Algebraische Kombinatorik, Diskrete Strukturen Prof. Dr. Adalbert Kerber. Bachelor-Thesis

Lehrstuhl für Mathematik II Algebraische Kombinatorik, Diskrete Strukturen Prof. Dr. Adalbert Kerber. Bachelor-Thesis Universität Bayreuth Fakultät für Mathematik und Physik Lehrstuhl für Mathematik II Algebraische Kombinatorik, Diskrete Strukturen Prof. Dr. Adalbert Kerber Bachelor-Thesis zur Erlangung des Grades Bachelor

Mehr

6 Symmetrische Matrizen und quadratische Formen

6 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

Mehr

Lösen von linearen Gleichungssystemen mit zwei Unbekannten:

Lösen von linearen Gleichungssystemen mit zwei Unbekannten: Lösen von linearen Gleichungssystemen mit zwei Unbekannten: 1. Additions- und Subtraktionsverfahren 3x = 7y 55 + 5x 3x = 7y 55 7y 5x + 2y = 4 3 5 werden, dass die Variablen links und die Zahl rechts vom

Mehr

Z = 60! 29!31! 1,1 1017.

Z = 60! 29!31! 1,1 1017. Aufgabe : Eine Hochzeitsgesellschaft besteht aus 60 Personen. a Wieviele verschiedene Möglichkeiten für Sitzordnungen gibt es? b Nehmen Sie nun an, dass 9 Gäste aus dem Familien- und Freundeskreis der

Mehr

48 3 EXCEL: Mathematik

48 3 EXCEL: Mathematik 48 3 EXCEL: Mathematik Mit Hilfe des Dialogfeldes Funktion einfügen des Funktions-Assistenten kann man benötigte EXCEL-Funktionen in Zellen der aktuellen Tabelle eingeben. Diese Vorgehensweise wird empfohlen:

Mehr

Definition und Eigenschaften Finiter Elemente

Definition und Eigenschaften Finiter Elemente Definition und Eigenschaften Finiter Elemente 1 Das letzte Mal Im letzten Vortrag haben wir zum Schluss das Lemma von Lax Milgram präsentiert bekommen, dass ich hier nocheinmal in Erinnerung rufen möchte:

Mehr

Wie kann man beweisen, dass (H, ) eine Gruppe ist?

Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? Wie kann man beweisen, dass (H, ) eine Gruppe ist? (zb wenn die Multiplikation mit Hilfe einer Tabelle gegeben ist) Wie kann man beweisen, dass (H, )

Mehr

MuPAD in Schule und Studium

MuPAD in Schule und Studium MuPAD in Schule und Studium Kai Gehrs, acrowley@mupad.de Eine spielerische Anwendung für das Lösen linearer Gleichungssysteme über dem Körper mit zwei Elementen Inhalt...: Die Reise nach Trisentis Kategorie.:

Mehr

Microsoft Excel 2010 Matrix-Funktionen

Microsoft Excel 2010 Matrix-Funktionen Hochschulrechenzentrum Justus-Liebig-Universität Gießen Microsoft Excel 2010 Matrix-Funktionen Matrix-Funktionen in Excel 2010 Seite 1 von 7 Inhaltsverzeichnis Einleitung... 2 Integrierte Matrixfunktionen...

Mehr

CAS-Ansicht Computer Algebra System & Cas spezifische Befehle

CAS-Ansicht Computer Algebra System & Cas spezifische Befehle CAS-Ansicht Computer Algebra System & Cas spezifische Befehle GeoGebra Workshop Handout 10 1 1. Einführung in die GeoGebra CAS-Ansicht Die CAS-Ansicht ermöglicht die Verwendung eines CAS (Computer Algebra

Mehr

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

SO(2) und SO(3) Martin Schlederer. 06. Dezember 2012 SO(2) und SO(3) Martin Schlederer 06. Dezember 2012 Inhaltsverzeichnis 1 Motivation 2 2 Wiederholung 2 2.1 Spezielle Orthogonale Gruppe SO(n)..................... 2 2.2 Erzeuger.....................................

Mehr

Kapitel 3. Erste Schritte der Datenanalyse. 3.1 Einlesen und Überprüfen der Daten

Kapitel 3. Erste Schritte der Datenanalyse. 3.1 Einlesen und Überprüfen der Daten Kapitel 3 Erste Schritte der Datenanalyse 3.1 Einlesen und Überprüfen der Daten Nachdem die Daten erfasst worden sind, etwa mit Hilfe eines Fragebogens, ist die nächste Frage, wie ich sie in den Rechner

Mehr

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0.

1 Ordnung muß sein. 1.1 Angeordnete Körper. 1.2 Folgerungen aus den Anordnungsaxiomen. ( c) (b a) > 0. Somit a c b c > 0. 1 Ordnung uß sein 1.1 Angeordnete Körper Wir nehen einal an, daß es in eine Körper Eleente gibt, die wir positiv nennen. Welche Eigenschaften sollen diese haben? O1) Wenn x und y positiv sind, dann auch

Mehr

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse

Elemente der Analysis II: Zusammenfassung der wichtigsten Definitionen und Ergebnisse Elemente der Anlysis II: Zusmmenfssung der wichtigsten Definitionen und Ergebnisse J. Wengenroth Dies ist die einzige zugelssene Formelsmmlung, die bei der Klusur benutzt werden drf. Es dürfen Unterstreichungen

Mehr

4. Relationen. Beschreibung einer binären Relation

4. Relationen. Beschreibung einer binären Relation 4. Relationen Relationen spielen bei Datenbanken eine wichtige Rolle. Die meisten Datenbanksysteme sind relational. 4.1 Binäre Relationen Eine binäre Relation (Beziehung) R zwischen zwei Mengen A und B

Mehr

2.1 Codes: einige Grundbegriffe

2.1 Codes: einige Grundbegriffe Gitter und Codes c Rudolf Scharlau 2. Mai 2009 51 2.1 Codes: einige Grundbegriffe Wir stellen die wichtigsten Grundbegriffe für Codes über dem Alphabet F q, also über einem endlichen Körper mit q Elementen

Mehr

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43

Zahlenbereiche. Jörn Loviscach. Versionsstand: 20. Oktober 2009, 17:43 Zahlenbereiche Jörn Loviscach Versionsstand: 20. Oktober 2009, 17:43 1 Natürliche, ganze und rationale Zahlen Zum Zählen benötigt man die positiven natürlichen Zahlen 1, 2, 3,... In der Informatik zählt

Mehr

2 Multivariate Statistik

2 Multivariate Statistik MS13 1 2 Multivariate Statistik 21 Grundbegriffe In diesem Abschnitt sollen die ersten wichtigen Grundbegriffe der Multivariaten Statistik eingeführt werden: Mehrdimensionale Variablen, Erwartungswerte,

Mehr

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt

x 2 2x + = 3 + Es gibt genau ein x R mit ax + b = 0, denn es gilt - 17 - Die Frage ist hier also: Für welche x R gilt x = x + 1? Das ist eine quadratische Gleichung für x. Es gilt x = x + 1 x x 3 = 0, und man kann quadratische Ergänzung machen:... ( ) ( ) x x + = 3 +

Mehr

Berechnung von Eigenwerten und Eigenvektoren

Berechnung 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.

Mehr

Was bisher geschah Kryptographische Systeme (M, C, K, e, d) Verfahren: symmetrisch klassisch: Verschiebechiffren (Spezialfall Caesar-Code)

Was bisher geschah Kryptographische Systeme (M, C, K, e, d) Verfahren: symmetrisch klassisch: Verschiebechiffren (Spezialfall Caesar-Code) Was bisher geschah Kryptographische Systeme (M, C, K, e, d) Verfahren: symmetrisch klassisch: Verschiebechiffren (Spezialfall Caesar-Code) Multiplikative Chiffren monoalphabetische Substitutions-Chiffren:

Mehr

Zuammenfassung: Reelle Funktionen

Zuammenfassung: Reelle Funktionen Zuammenfassung: Reelle Funktionen 1 Grundlegendes a) Zahlenmengen IN = {1; 2; 3; 4;...} Natürliche Zahlen IN 0 = IN {0} Natürliche Zahlen mit 0 ZZ = {... ; 2; 1; 0; 1; 2;...} Ganze Zahlen Q = { z z ZZ,

Mehr

Skript zur Vorlesung Optimierung linearer Modelle Gültig ab Sommersemester 2010. Prof. Dr. S. Dempe

Skript zur Vorlesung Optimierung linearer Modelle Gültig ab Sommersemester 2010. Prof. Dr. S. Dempe Skript zur Vorlesung Optimierung linearer Modelle Gültig ab Sommersemester 2010 Prof. Dr. S. Dempe Inhaltsverzeichnis Kapitel 0. Einleitung 5 0.1. Historische Entwicklung 5 0.2. Begriff des Operations

Mehr

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik

2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Stefan Lucks Diskrete Strukturen (WS 2009/10) 57 2: Zahlentheorie / Restklassen 2.1: Modulare Arithmetik Uhr: Stunden mod 24, Minuten mod 60, Sekunden mod 60,... Rechnerarithmetik: mod 2 w, w {8, 16, 32,

Mehr

Einführung in die Tabellenkalkulation Microsoft Excel

Einführung in die Tabellenkalkulation Microsoft Excel Einführung in die Tabellenkalkulation Microsoft Excel Mit Hilfe einer Tabellenkalkulation kann man Daten tabellarisch auswerten und grafisch darstellen. Die Daten werden als Tabelle erfasst, verwaltet

Mehr

Multivariate Analyse: FS 2012. Ergänzungen zur Mitschrift der Vorlesung über Multivariate Datenanalyse von Prof. A. Barbour

Multivariate Analyse: FS 2012. Ergänzungen zur Mitschrift der Vorlesung über Multivariate Datenanalyse von Prof. A. Barbour Multivariate Analyse: FS 2012 Ergänzungen zur Mitschrift der Vorlesung über Multivariate Datenanalyse von Prof. A. Barbour by PD Dr. Daniel Mandallaz Chair of Land Use Engineering Department of Environmental

Mehr

Mögliche Prüfungsfragen zu VO Mathematische Software

Mögliche 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

Mehr

Quaternionen, Kampfflugzeuge und Computerspiele

Quaternionen, Kampfflugzeuge und Computerspiele Quaternionen, Kampfflugzeuge und Computerspiele Nikolai Nowaczyk http://math.nikno.de/ Lars Wallenborn http://www.wallenborn.net/ 29.06.-05.07. 2012 Inhaltsverzeichnis

Mehr

Technische Informatik - Eine Einführung

Technische Informatik - Eine Einführung Martin-Luther-Universität Halle-Wittenberg Fachbereich Mathematik und Informatik Lehrstuhl für Technische Informatik Prof. P. Molitor Ausgabe: 2005-02-21 Abgabe: 2005-02-21 Technische Informatik - Eine

Mehr

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008

Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Aufgaben des MSG-Zirkels 10b Schuljahr 2007/2008 Alexander Bobenko und Ivan Izmestiev Technische Universität Berlin 1 Hausaufgaben vom 12.09.2007 Zahlentheorie 1 Aufgabe 1.1 Berechne die (quadratischen)

Mehr

Tutorial für Matlab und Octave

Tutorial für Matlab und Octave Julius Maximilians Universität Würzburg Institut für Informatik Lehrstuhl für verteilte Systeme (Informatik III) Tutorial für Matlab und Octave Autoren: Dipl.-Inform. Michael Duelli Dipl.-Inform. Simon

Mehr

0, v 6 = 2 2. 1, v 4 = 1. 2. 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 )

0, v 6 = 2 2. 1, v 4 = 1. 2. 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 ) Aufgabe 65. Ganz schön span(n)end. Gegeben sei folgende Menge M von 6 Vektoren v, v,..., v 6 R 4 aus Aufgabe P 6: M = v =, v =, v =, v 4 =, v 5 =, v 6 = Welche der folgenden Aussagen sind wahr? span(v,

Mehr

34 5. FINANZMATHEMATIK

34 5. FINANZMATHEMATIK 34 5. FINANZMATHEMATIK 5. Finanzmathematik 5.1. Ein einführendes Beispiel Betrachten wir eine ganz einfache Situation. Wir haben einen Markt, wo es nur erlaubt ist, heute und in einem Monat zu handeln.

Mehr

GF(2 2 ) Beispiel eines Erweiterungskörpers (1)

GF(2 2 ) Beispiel eines Erweiterungskörpers (1) GF(2 2 ) Beispiel eines Erweiterungskörpers (1) Im Kapitel 2.1 wurde bereits gezeigt, dass die endliche Zahlenmenge {0, 1, 2, 3} q = 4 nicht die Eigenschaften eines Galoisfeldes GF(4) erfüllt. Vielmehr

Mehr

Vorlesung. Komplexe Zahlen

Vorlesung. Komplexe Zahlen Vorlesung Komplexe Zahlen Motivation Am Anfang der Entwicklung der komplexen Zahlen stand ein algebraisches Problem: die Bestimmung der Lösung der Gleichung x 2 + 1 = 0. 1 Mit der Lösung dieses Problems

Mehr

Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde.

Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde. 73 Beweis der Darstellbarkeit irgend eines ganzen invarianten Gebildes einer binären Form als ganze Function einer geschlossenen Anzahl solcher Gebilde. von F. Mertens. 1. Ich habe in dem hundertsten Bande

Mehr

Fehlerkorrigierende Codes

Fehlerkorrigierende Codes Fehlerkorrigierende Codes SS 2013 Gerhard Dorfer 2 Inhaltsverzeichnis 1 Fehlerkorrigierende Codes 4 1.1 Einführende Beispiele................................. 4 1.2 Mathematische Grundlagen..............................

Mehr

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben

Standardisierte kompetenzorientierte schriftliche Reifeprüfung. Mathematik. Probeklausur März 2014. Teil-1-Aufgaben Standardisierte kompetenzorientierte schriftliche Reifeprüfung Mathematik Probeklausur März 2014 Teil-1-Aufgaben Beurteilung Jede Aufgabe in Teil 1 wird mit 0 oder 1 Punkt bewertet, jede Teilaufgabe in

Mehr

Mathematik II für Studierende der Informatik Kapitel. Kodierungstheorie

Mathematik II für Studierende der Informatik Kapitel. Kodierungstheorie Mathematik II für Studierende der Informatik Kapitel Kodierungstheorie Markus Junker Sommersemester 2011 (korrigierte Version vom Sommersemester 2012) Einführung, Beispiele, Definitionen Ausgangspunkt

Mehr

INHALTSVERZEICHNIS 2. LINEARE ALGEBRA 2.1 MATRIZEN 2.2 ADDITION VON MATRIZEN 2.3 MULTIPLIKATION MIT EINER ZAHL

INHALTSVERZEICHNIS 2. LINEARE ALGEBRA 2.1 MATRIZEN 2.2 ADDITION VON MATRIZEN 2.3 MULTIPLIKATION MIT EINER ZAHL Mathematik und Statistik INHALTSVERZEICHNIS. FINANZMATHEMATIK. ZINSESZINSRECHNUNG.2 ENDWERT (VORSCHÜSSIG).3 BARWERT (VORSCHÜSSIG).4 RENTENRECHNUNG.5 ENDWERT EINER NACHSCHÜSSIGEN RENTE.6 BARWERT EINER NACHSCHÜSSIGEN

Mehr

2 Algebraische Grundstrukturen

2 Algebraische Grundstrukturen 2 ALGEBRAISCHE GRUNDSTRUKTUREN 1 8. November 2002 2 Algebraische Grundstrukturen Definitionen. Eine binäre Operation (binary operation) oder zweistellige Verknüpfung auf einer Menge M ist eine Abbildung

Mehr

Übungsaufgaben mit Lösungsvorschlägen

Übungsaufgaben mit Lösungsvorschlägen Otto-Friedrich-Universität Bamberg Lehrstuhl für Medieninformatik Prof. Dr. Andreas Henrich Dipl. Wirtsch.Inf. Daniel Blank Einführung in das Information Retrieval, 8. Mai 2008 Veranstaltung für die Berufsakademie

Mehr

Das Kryptosystem von McEliece. auf der Basis von linearen Codes

Das Kryptosystem von McEliece. auf der Basis von linearen Codes Das Kryptosystem von McEliece auf der Basis von linearen Codes Anforderungen Public-Key Kryptosysteme E e (m) = c Verschlüsselung D d (c) = m Entschlüsselung mit Schl. effizient effizient 2/25 Anforderungen

Mehr

Höhere Mathematik für Ingenieure IV. Volker John

Höhere Mathematik für Ingenieure IV. Volker John Höhere Mathematik für Ingenieure IV Volker John Sommersemester 2007 Inhaltsverzeichnis I Weiterführende Integralrechung 2 1 Kurvenintegrale 3 11 Kurven 3 12 Skalares Kurvenintegral 4 13 Vektorielles Kurvenintegral

Mehr

Java Einführung Operatoren Kapitel 2 und 3

Java Einführung Operatoren Kapitel 2 und 3 Java Einführung Operatoren Kapitel 2 und 3 Inhalt dieser Einheit Operatoren (unär, binär, ternär) Rangfolge der Operatoren Zuweisungsoperatoren Vergleichsoperatoren Logische Operatoren 2 Operatoren Abhängig

Mehr

ohne Semikolon erhält man eine bestätigende Ausgabe von MATLAB

ohne Semikolon erhält man eine bestätigende Ausgabe von MATLAB 1 Einleitung Bei MATLAB handelt es sich um ein interaktives Programm zur besonders effizienten Durchführung von Matrixoperationen wie z.b. dem Lösen von Gleichungssystemen. Wenn man MATLAB gestartet hat,

Mehr

Lineare Optimierung. Master 1. Semester

Lineare Optimierung. Master 1. Semester Prof. Dr.-Ing. Fritz Nikolai Rudolph Fachhochschule Trier Fachbereich Informatik Master 1. Semester Inhaltsverzeichnis 1 Einleitung... 2 1.1 Lineare Gleichungssysteme... 2 1.2 sprobleme... 3 2 Standardform...

Mehr

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens

Mathematische Grundlagen der Kryptographie. 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe. Stefan Brandstädter Jennifer Karstens Mathematische Grundlagen der Kryptographie 1. Ganze Zahlen 2. Kongruenzen und Restklassenringe Stefan Brandstädter Jennifer Karstens 18. Januar 2005 Inhaltsverzeichnis 1 Ganze Zahlen 1 1.1 Grundlagen............................

Mehr

Semidiskretisierung der PDA-Systeme

Semidiskretisierung der PDA-Systeme Kapitel 4 Semidisretisierung der PDA-Systeme Eine Möglicheit zur numerischen Behandlung von Anfangsrandwertproblemen partieller Differentialgleichungen ist die Linienmethode method of lines, MOL, vgl.

Mehr

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny

Grundlagen der Informatik. Prof. Dr. Stefan Enderle NTA Isny Grundlagen der Informatik Prof. Dr. Stefan Enderle NTA Isny 2 Datenstrukturen 2.1 Einführung Syntax: Definition einer formalen Grammatik, um Regeln einer formalen Sprache (Programmiersprache) festzulegen.

Mehr

Losen groer dunnbesetzter Gleichungssysteme uber endlichen Primkorpern Dissertation zur Erlangung des Grades des Doktors der Ingenieurwissenschaften der Technischen Fakultat der Universitat des Saarlandes

Mehr

16. All Pairs Shortest Path (ASPS)

16. All Pairs Shortest Path (ASPS) . All Pairs Shortest Path (ASPS) All Pairs Shortest Path (APSP): Eingabe: Gewichteter Graph G=(V,E) Ausgabe: Für jedes Paar von Knoten u,v V die Distanz von u nach v sowie einen kürzesten Weg a b c d e

Mehr

3 Der Hamming-Code. Hamming-Codes

3 Der Hamming-Code. Hamming-Codes 3 Der Hamming-Code Hamming-Codes Ein binärer Code C heißt ein Hamming-Code Ha s, wenn seine Kontrollmatrix H als Spalten alle Elemente in Z 2 s je einmal hat. Die Parameter eines n-k-hamming-codes sind:

Mehr

Mathematik für ChemikerInnen I

Mathematik für ChemikerInnen I Mathematik für ChemikerInnen I Prof. Dr. Ansgar Jüngel Institut für Mathematik Johannes Gutenberg-Universität Mainz Winter 26 unkorrigiertes Vorlesungsskript Inhaltsverzeichnis Motivation 3 2 Grundbegriffe

Mehr

Schleswig-Holsteinische Ergänzung der Musteraufgaben für den hilfsmittelfreien Teil der schriftlichen Abiturprüfung im Fach Mathematik ab 2015

Schleswig-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 für Aufgabenpool 1 Analysis

Mehr

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5)

Einführung. Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Vorlesungen zur Komplexitätstheorie. K-Vollständigkeit (1/5) Einführung 3 Vorlesungen zur Komplexitätstheorie: Reduktion und Vollständigkeit (3) Univ.-Prof. Dr. Christoph Meinel Hasso-Plattner-Institut Universität Potsdam, Deutschland Hatten den Reduktionsbegriff

Mehr

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft:

Projektive Moduln. Lemma/Definition 1.1. Folgende Aussagen für einen R-Modul P sind äquivalent: (i) P erfüllt folgende Liftungseigenschaft: Seminar Summen von Quadraten und K-Theorie Projektive Moduln Im Folgenden sei R ein assoziativer Ring mit Eins, nicht notwendigerweise kommutativ. R-Modul ist im Folgenden stets ein Rechts-R-Modul. Ein

Mehr

Einführung in die Java- Programmierung

Einführung in die Java- Programmierung Einführung in die Java- Programmierung Dr. Volker Riediger Tassilo Horn riediger horn@uni-koblenz.de WiSe 2012/13 1 Wichtig... Mittags Pommes... Praktikum A 230 C 207 (Madeleine) F 112 F 113 (Kevin) E

Mehr

Wahrscheinlichkeitsrechnung und Mathematische Statistik für Informatiker Software Folien von JProf. Uwe Ligges. Jörg Rahnenführer WS 2013/2014

Wahrscheinlichkeitsrechnung und Mathematische Statistik für Informatiker Software Folien von JProf. Uwe Ligges. Jörg Rahnenführer WS 2013/2014 Wahrscheinlichkeitsrechnung und Mathematische Statistik für Informatiker Software Folien von JProf. Uwe Ligges Jörg Rahnenführer WS 2013/2014 1 Statistiksoftware (R) 1.0 Statistiksoftware R R http://www.r-project.org

Mehr

Ohne Mathematik undenkbar!

Ohne Mathematik undenkbar! Die tägliche - Suche: Ohne Mathematik undenkbar! Dipl.-Wirt.Math. Jan Maruhn FB IV - Mathematik Universität Trier 29. März 2006 29. März 2006 Seite 1 Gliederung Einleitung und Motivation Das Internet als

Mehr

Kapitel 4: Binäre Regression

Kapitel 4: Binäre Regression Kapitel 4: Binäre Regression Steffen Unkel (basierend auf Folien von Nora Fenske) Statistik III für Nebenfachstudierende WS 2013/2014 4.1 Motivation Ausgangssituation Gegeben sind Daten (y i, x i1,...,

Mehr

Multivariate Statistik

Multivariate Statistik Hermann Singer Multivariate Statistik 1 Auflage 15 Oktober 2012 Seite: 12 KAPITEL 1 FALLSTUDIEN Abbildung 12: Logistische Regression: Geschätzte Wahrscheinlichkeit für schlechte und gute Kredite (rot/blau)

Mehr

Zahlensysteme Seite -1- Zahlensysteme

Zahlensysteme Seite -1- Zahlensysteme Zahlensysteme Seite -- Zahlensysteme Inhaltsverzeichnis Dezimalsystem... Binärsystem... Umrechnen Bin Dez...2 Umrechnung Dez Bin...2 Rechnen im Binärsystem Addition...3 Die negativen ganzen Zahlen im Binärsystem...4

Mehr

Kapitel 15: Differentialgleichungen

Kapitel 15: Differentialgleichungen FernUNI Hagen WS 00/03 Kapitel 15: Differentialgleichungen Differentialgleichungen = Gleichungen die Beziehungen zwischen einer Funktion und mindestens einer ihrer Ableitungen herstellen. Kommen bei vielen

Mehr

Advanced Encryption Standard. Copyright Stefan Dahler 20. Februar 2010 Version 2.0

Advanced Encryption Standard. Copyright Stefan Dahler 20. Februar 2010 Version 2.0 Advanced Encryption Standard Copyright Stefan Dahler 20. Februar 2010 Version 2.0 Vorwort Diese Präsentation erläutert den Algorithmus AES auf einfachste Art. Mit Hilfe des Wissenschaftlichen Rechners

Mehr

Definition 27 Affiner Raum über Vektorraum V

Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V Definition 27 Affiner Raum über Vektorraum V ist die Menge A = Definition 27 Affiner Raum über Vektorraum V ist die Menge A = mit einer Abbildung + : A V A,

Mehr

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83

9.2. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 9.. DER SATZ ÜBER IMPLIZITE FUNKTIONEN 83 Die Grundfrage bei der Anwendung des Satzes über implizite Funktionen betrifft immer die folgende Situation: Wir haben eine Funktion f : V W und eine Stelle x

Mehr

Single Parity check Codes (1)

Single Parity check Codes (1) Single Parity check Codes (1) Der Single Parity check Code (SPC) fügt zu dem Informationsblock u = (u 1, u 2,..., u k ) ein Prüfbit (englisch: Parity) p hinzu: Die Grafik zeigt drei Beispiele solcher Codes

Mehr

MATLAB. Autor: Marcus Rabe. Modul 2991 2 TWS/ 2 ECTS. PD Dr.-Ing. Gerhard Staude WT 2011. Institut für Informationstechnik

MATLAB. Autor: Marcus Rabe. Modul 2991 2 TWS/ 2 ECTS. PD Dr.-Ing. Gerhard Staude WT 2011. Institut für Informationstechnik Modul 2991 MATLAB PD Dr.-Ing. Gerhard Staude 2 TWS/ 2 ECTS WT 2011 Autor: Marcus Rabe Professur für Informationsverarbeitung Prof. G. Bauch Institut für Informationstechnik Fakultät für Elektrotechnik

Mehr

Mathematik am Computer 7. Vorlesung: Matlab, Teil II

Mathematik am Computer 7. Vorlesung: Matlab, Teil II Mathematik am Computer 7. Vorlesung: Matlab, Teil II Helmut Harbrecht Universität Stuttgart 27. Januar 2011 Helmut Harbrecht (Universität Stuttgart) Mathematik am Computer 27. Januar 2011 1 / 35 Übersicht

Mehr

Lineare Optimierung. (Algorithmische Diskrete Mathematik II) Skriptum zur Vorlesung im WS 2003/2004

Lineare Optimierung. (Algorithmische Diskrete Mathematik II) Skriptum zur Vorlesung im WS 2003/2004 Lineare Optimierung (Algorithmische Diskrete Mathematik II) Skriptum zur Vorlesung im WS 2003/2004 Prof. Dr. Martin Grötschel Institut für Mathematik Technische Universität Berlin Version vom 27. Februar

Mehr